数控加工自适应控制

数控加工自适应控制指的是在数控加工的过程中，机床可以根据实时传回的反馈数据来自适应调整相关参数。

简介自适应控制（Adaptive Control）能修正自己的特性以适应对象和扰动的动态特性的变化，已被作为在线优化加工变量的方法，主要分为三类：约束自适应控制（Adaptive Control with Constraints）、优化自适应控制（Adaptive Control with Optimization）以及几何自适应控制（Geometry Adaptive Control）。一般来说，ACC 系统多用于粗加工，其材料去除速率的提高是通过优化切削力来实现，以此来避免断刀的危险；在ACO 系统中，基于某个性能指标的最优化而对加工参数进行设置，比较常用的如生产时间或者单位成本。ACO 系统是通过对切削变量的调整来实现材料去除率的最大化，如表面粗糙度，功耗，切削力，加工时间，成本等。在GAC 系统中，过程优化问题是通过产品质量需求来控制的，如尺寸精度，表面粗糙度等，因此该系统常用于精加工工序，以达到要求的工件质量的目的。1

自适应控制检测原理监控技术在数控加工过程中的应用传统上被分为两类：直接型和间接型。直接监测可以达到很高的精确度，但是由于众多实际条件的限制，目前只能用于实验技术的研究；相对而言，间接监测技术虽然精确度不如直接监测，但是非常符合实际加工需求，因此经常用于车间的实际加工。

很多直接的监测方法需要利用视觉系统，但在整个大的生产环境中，由于存在光、切削液等诸多因素会干扰监控系统和刀具，常常导致系统的不稳定。为了避免这些不足，一些新兴的监控系统应运而生。以刀具磨损为例，可以使用激光传感器来测量位移和光强度，从而避免了外界环境对控制系统的扰动。这些方法测量刀具后刀面的磨损量达到40 微米以内；此外，CCD 摄像机组合可以用来在加工过程中同时获取刀具的图像。其测量的基本原理是，在数据采集的基础上，建立关于刀具图像的数据库，然后通过实测刀具图像与理论图像的对比进行刀具磨损量及磨损状态的数据分析。这些关于刀具磨损的监控系统正在获得更为广泛的工程应用，并在应用中得到了进一步的完善。有代表性的监控系统包括：OMATIVE 自适应控制系统、ARTIS 刀具监控系统、BRANKAMP-CNC 集成刀具监控系统以及MONTRONIX 与NORDMANN 刀具监测与过程控制系统等。

除了直接监测方法外，对于加工过程信息的间接测量方法的研究也备受关注。这种测量方法是通过监控信号的发射和传递来间接的测量工况参数，如力、扭矩、加速度、噪声等。在这种监控方法中，影响监控系统设计的重要因素就是数据采集和特征信号的相关性，这是因为并非所有类型的传感器都可以测量同一种物理量，并且具有相同的精度。另外，间接测量的方法目前更多的用于实验室监控，而不能够直接用于工业应用

研究现状针对不同的加工目标和加工工艺，人们开发出了很多自适应控制系统。在五轴加工中，特别是在叶轮等复杂曲面零件的加工中，由于刀具方向的改变和切削深度的不同，会产生很大的切削力且变化剧烈。因此，科研工作者一直致力于研制一种可以保持恒定切削力的自适应控制系统。通过工艺参数尤其是进给速率的实时调控实现加工过程中切削力的调整是较为有效的方法。此方法包括了在线和离线优化。切削变量首先在离线状态进行初步确定，然后再利用自适应神经模糊推理系统以及通过微粒群群优化算法进一步的优化。在加工过程中，用测量到的切削力值作为神经网络的输入，并且通过控制系统保持切削力的恒定对进给速率进行控制。

然而，在过程监控中使用了专用的设备（例如传感器等），增加了自适应系统的成本。因此，无传感器的自适应控制系统应运而生。在这种控制系统中，各轴的切削力是间接的通过伺服电机电流来进行测量。由于没有额外的监控设备，这种监控方法还存在很大的提升空间。2

本词条内容贡献者为:

李航 - 副教授 - 西南大学