黃筱調(diào)，夏長(zhǎng)久，孫守利

(1. 南京工業(yè)大學(xué) 機(jī)械與動(dòng)力工程學(xué)院，江蘇 南京 211816； 2. 重慶大學(xué) 機(jī)械工程學(xué)院，重慶 400044)

0 引言

新世紀(jì)個(gè)性化小批量精密制造需求推動(dòng)制造業(yè)朝著高端化、細(xì)分化、自動(dòng)化、智能化方向發(fā)展。目前，德國(guó)“工業(yè)4.0”、美國(guó)“先進(jìn)制造業(yè)國(guó)家戰(zhàn)略計(jì)劃”、“中國(guó)制造2025”、歐盟“IMS 2020計(jì)劃”以及日本“智能制造系統(tǒng)國(guó)際合作”等[1]全球性的制造業(yè)振興戰(zhàn)略計(jì)劃正積極推動(dòng)著第四次工業(yè)革命的蓬勃發(fā)展，智能制造作為技術(shù)核心，引起了世界各國(guó)的廣泛關(guān)注。而數(shù)控技術(shù)是現(xiàn)代制造系統(tǒng)的動(dòng)力源泉[2]，集機(jī)械制造、自動(dòng)化控制、微電子、信息處理等技術(shù)于一身，在實(shí)現(xiàn)制造自動(dòng)化、集成化、網(wǎng)絡(luò)化的過(guò)程中占據(jù)著舉足輕重的地位。在全球性智能制造的大環(huán)境影響下，數(shù)控技術(shù)也逐漸從專用封閉式開環(huán)控制模式向通用開放式全閉環(huán)控制模式發(fā)展，硬軟件系統(tǒng)及控制方式也日趨智能化。因此，智能制造影響下的先進(jìn)數(shù)控技術(shù)發(fā)展已成為現(xiàn)代智能化高端裝備領(lǐng)域的一大研究熱點(diǎn)。

1 面向智能制造的關(guān)鍵先進(jìn)數(shù)控技術(shù)

1.1 智能制造的主要內(nèi)容

智能制造是基于新一代信息通信技術(shù)與先進(jìn)制造技術(shù)深度融合，貫穿于設(shè)計(jì)、生產(chǎn)、管理、服務(wù)等制造活動(dòng)的各個(gè)環(huán)節(jié)，具有自感知、自學(xué)習(xí)、自決策、自執(zhí)行、自適應(yīng)等功能的新型生產(chǎn)方式，是“中國(guó)制造2025”的主攻方向，也是“互聯(lián)網(wǎng)+制造”的制高點(diǎn)[3-4]。中國(guó)智能制造工程[5]為實(shí)現(xiàn)數(shù)字化制造普及、智能化制造示范，需要重點(diǎn)聚焦攻克五類關(guān)鍵技術(shù)裝備，夯實(shí)智能制造三大基礎(chǔ)，培育推廣五種智能制造新模式，推進(jìn)十大重點(diǎn)領(lǐng)域智能制造成套裝備集成應(yīng)用，其主要內(nèi)容的領(lǐng)域細(xì)分見圖1。

圖1 智能制造主要內(nèi)容的領(lǐng)域細(xì)分

智能制造的本質(zhì)是信息技術(shù)與制造技術(shù)的深度融合，中國(guó)智能制造的戰(zhàn)略目標(biāo)則是躋身于世界制造強(qiáng)國(guó)行列，故而其發(fā)展偏重于生產(chǎn)要素與互聯(lián)網(wǎng)化，以實(shí)現(xiàn)制造業(yè)的智能轉(zhuǎn)型，推進(jìn)制造產(chǎn)業(yè)邁向中高端。智能制造實(shí)現(xiàn)的前提是高端制造裝備及控制的智能化。而高端智能制造裝備[6]實(shí)質(zhì)上是一種人機(jī)一體化智能系統(tǒng)，主要由智能機(jī)器和人類專家系統(tǒng)組成，在制造全生命周期過(guò)程中可進(jìn)行分析、推理、判斷、構(gòu)思和決策等智能化行為。它是先進(jìn)制造技術(shù)、新一代信息通訊技術(shù)以及人工智能技術(shù)在制造裝備上的集成和深度融合，主要包括高端數(shù)控機(jī)床、工業(yè)機(jī)器人、智能測(cè)控裝置、3D打印設(shè)備、柔性自動(dòng)化生產(chǎn)線等。其中，高檔數(shù)控機(jī)床作為國(guó)家戰(zhàn)略級(jí)高端裝備以及智能制造工程五類關(guān)鍵技術(shù)裝備與十大重點(diǎn)集成應(yīng)用領(lǐng)域之一，其核心數(shù)控技術(shù)的創(chuàng)新與突破已然成為完成智能制造工程的重要保障。

1.2 智能制造環(huán)境下的關(guān)鍵先進(jìn)數(shù)控技術(shù)

在智能制造環(huán)境的影響下，先進(jìn)數(shù)控技術(shù)朝著開放智能化方向邁進(jìn)，而高檔數(shù)控機(jī)床作為數(shù)控技術(shù)的物質(zhì)載體，其典型功能一般包括智能測(cè)量、實(shí)時(shí)補(bǔ)償、加工優(yōu)化、工具管理、遠(yuǎn)程監(jiān)控與診斷等。高檔數(shù)控機(jī)床作為集成制造系統(tǒng)的獨(dú)立制造單元，在通用標(biāo)準(zhǔn)接口與網(wǎng)絡(luò)互聯(lián)、人工智能技術(shù)以及先進(jìn)制造技術(shù)等驅(qū)動(dòng)下，也推動(dòng)著集成化智能制造系統(tǒng)(integrated intelligent manufacturing system, IIMS)的發(fā)展；而具有零部件、產(chǎn)品集成特點(diǎn)的集成化智能制造系統(tǒng)，如智能車間與智能工廠的迅猛發(fā)展，自然標(biāo)志著智能制造示范工程的順利完成。智能制造與先進(jìn)數(shù)控技術(shù)的基本邏輯關(guān)系如圖2所示。

圖2 智能制造與先進(jìn)數(shù)控技術(shù)的基本邏輯關(guān)系

先進(jìn)數(shù)控技術(shù)表征著高檔數(shù)控機(jī)床的核心競(jìng)爭(zhēng)力，主要具備兩大典型特征——開放化與智能化[7-8]，此外還包括功能復(fù)合化、綠色化、集成化、數(shù)字化等重要特征。開放化主要指數(shù)控系統(tǒng)配備標(biāo)準(zhǔn)化基礎(chǔ)平臺(tái)，提供標(biāo)準(zhǔn)接口和互聯(lián)網(wǎng)絡(luò)，允許開發(fā)商不同軟硬件模塊介入，具有模塊化、可移植性、可擴(kuò)展性以及可互換性等功能；智能化主要指數(shù)控機(jī)床與數(shù)控系統(tǒng)具備智能加工、智能監(jiān)測(cè)、智能維護(hù)、智能管理、智能決策等智能功能。高檔數(shù)控機(jī)床是數(shù)控技術(shù)的重要集成應(yīng)用裝備，相關(guān)先進(jìn)數(shù)控技術(shù)主要涉及智能編程、多軸聯(lián)動(dòng)、高速高精控制、機(jī)床誤差補(bǔ)償、工藝參數(shù)自優(yōu)化、自適應(yīng)控制、在線診斷和遠(yuǎn)程維護(hù)、智能生產(chǎn)管理、機(jī)床聯(lián)網(wǎng)群控管理等。基于高檔數(shù)控機(jī)床開放智能化的特征，本文概述了部分關(guān)鍵先進(jìn)數(shù)控技術(shù)的研究進(jìn)展(圖3)，包括高速高精聯(lián)動(dòng)控制技術(shù)、機(jī)床多源誤差補(bǔ)償技術(shù)以及智能化控制技術(shù)三大方面。

圖3 面向智能制造的關(guān)鍵先進(jìn)數(shù)控技術(shù)

2 高速高精聯(lián)動(dòng)控制技術(shù)

數(shù)控機(jī)床與普通機(jī)床的本質(zhì)區(qū)別在于能否進(jìn)行多軸聯(lián)動(dòng)控制加工，而在高速高加速的多軸聯(lián)動(dòng)工況下，由于各伺服軸處于頻繁加減速狀態(tài)，并且各軸運(yùn)動(dòng)性能和運(yùn)動(dòng)狀態(tài)也存在固有差異。因此多軸聯(lián)動(dòng)實(shí)時(shí)精確控制往往顯得困難，導(dǎo)致加工實(shí)際輪廓軌跡與理想輪廓軌跡存在較大偏差。高速高精聯(lián)動(dòng)控制[9]作為高檔數(shù)控機(jī)床必須攻克的重難點(diǎn)技術(shù)，其子技術(shù)主要包括信息實(shí)時(shí)交互式現(xiàn)場(chǎng)總線技術(shù)與多軸聯(lián)動(dòng)同步控制技術(shù)。

2.1 信息實(shí)時(shí)交互式現(xiàn)場(chǎng)總線技術(shù)

為實(shí)現(xiàn)高速高精運(yùn)動(dòng)控制，數(shù)控設(shè)備和數(shù)控系統(tǒng)間實(shí)現(xiàn)實(shí)時(shí)同步、高效可靠的通訊必不可少。然而，傳統(tǒng)的“脈沖式”或“模擬式”接口早已不能滿足高速高精的控制需求，因此國(guó)內(nèi)外的數(shù)控公司紛紛采用數(shù)字通訊的方式以求實(shí)現(xiàn)信息的實(shí)時(shí)交互，即現(xiàn)場(chǎng)總線技術(shù)[10]。信息實(shí)時(shí)交互式現(xiàn)場(chǎng)總線技術(shù)自問世以來(lái)，已形成多種總線并存的局面。國(guó)外現(xiàn)場(chǎng)總線技術(shù)起步較早，目前處于行業(yè)標(biāo)準(zhǔn)前沿，主要有國(guó)際標(biāo)準(zhǔn)組織-基金會(huì)的Foundation Fieldbus[11]，德國(guó)Siemens的PROFIBUS[12]，RoberBosch的CANBUS[13]，日本FANC的FSSB總線[14]等；而國(guó)內(nèi)總線技術(shù)尚處于起步階段，目前已較為成熟的主要有華中數(shù)控的NCUC-Bus[15]以及大連光洋的Glink總線[16]等。隨著高速高精加工過(guò)程中信息傳輸量的不斷增加，現(xiàn)場(chǎng)總線必將會(huì)與傳輸速率更高、帶寬更大、通信協(xié)議更開放的以太網(wǎng)或因特網(wǎng)結(jié)合，此外尋求統(tǒng)一的現(xiàn)場(chǎng)總線國(guó)際標(biāo)準(zhǔn)也是總線技術(shù)發(fā)展的必然趨勢(shì)[17]。

2.2 多軸聯(lián)動(dòng)同步控制技術(shù)

在實(shí)現(xiàn)數(shù)控設(shè)備與數(shù)控系統(tǒng)信息實(shí)時(shí)交互的前提下，多軸聯(lián)動(dòng)同步誤差直接影響最終運(yùn)動(dòng)輪廓誤差，因此保證伺服控制的精確同步至關(guān)重要。針對(duì)單伺服軸的精確運(yùn)動(dòng)較易實(shí)現(xiàn)，多伺服軸的高速高精同步控制仍存在較大偏差等問題，國(guó)內(nèi)外研究聚焦在控制策略和控制算法兩方面。

在控制策略方面，研究主要趨向基于網(wǎng)絡(luò)的同步控制方案設(shè)計(jì)，以提高聯(lián)動(dòng)的實(shí)時(shí)同步性能與穩(wěn)定控制精度。王寶仁等[18]提出了一種級(jí)聯(lián)式運(yùn)動(dòng)控制方案，實(shí)現(xiàn)了驅(qū)動(dòng)器網(wǎng)絡(luò)化控制，并提出了相應(yīng)的多軸同步補(bǔ)償策略，有效克服了傳輸延時(shí)的不良影響；朱曉楓等[19]將Ethernet Powerlink技術(shù)引入到多軸伺服控制系統(tǒng)中，解決了高速網(wǎng)絡(luò)同步協(xié)調(diào)以及網(wǎng)絡(luò)控制過(guò)程中產(chǎn)生的數(shù)據(jù)傳輸時(shí)延、數(shù)據(jù)包丟失、時(shí)序錯(cuò)亂等問題；X. Xu[20]等針對(duì)多軸同步控制過(guò)程中的信息調(diào)度和實(shí)時(shí)網(wǎng)絡(luò)延遲，提出了一種分散式多軸同步控制方法，構(gòu)建了實(shí)時(shí)以太網(wǎng)通信專家平臺(tái)，通過(guò)智能網(wǎng)絡(luò)控制關(guān)鍵節(jié)點(diǎn)運(yùn)動(dòng)，實(shí)現(xiàn)了良好的位置同步性能。

在控制算法方面，目前廣泛采用基于智能算法的PID反饋控制，實(shí)現(xiàn)多軸高速高精同步控制，具有強(qiáng)魯棒性和強(qiáng)抗干擾能力等優(yōu)點(diǎn)。曹春平等[21]針對(duì)四電機(jī)同步驅(qū)動(dòng)系統(tǒng)，利用神經(jīng)網(wǎng)絡(luò)算法優(yōu)化PID控制器，與偏差耦合控制器結(jié)合，能夠有效克服外部擾動(dòng)和參數(shù)變化引起的同步誤差；程文雅等[22]針對(duì)多軸系統(tǒng)控制復(fù)雜非線性問題，提出了反演模糊滑?？刂扑惴?，將復(fù)雜系統(tǒng)分解為簡(jiǎn)單子系統(tǒng)，并將耦合誤差定義為各軸位置誤差平均值與同步誤差的線性化差值，最終在三軸系統(tǒng)上進(jìn)行仿真驗(yàn)證。智能算法使得同步控制的穩(wěn)定性和抗干擾能力顯著增強(qiáng)，但由于智能算法計(jì)算量大，運(yùn)行時(shí)間長(zhǎng)，實(shí)際工程應(yīng)用仍需深入研究。

總之，高速高加速工況下的多軸聯(lián)動(dòng)同步控制技術(shù)至今已有較大發(fā)展，但由于伺服電機(jī)結(jié)構(gòu)復(fù)雜、伺服軸運(yùn)動(dòng)性能存在差異以及負(fù)載擾動(dòng)等因素耦合作用，同步控制技術(shù)的工程應(yīng)用仍需進(jìn)一步研究。未來(lái)的研究將更加關(guān)注多伺服電機(jī)協(xié)同控制結(jié)構(gòu)優(yōu)化、多軸之間動(dòng)態(tài)性能匹配、同步控制算法的優(yōu)化、多軸負(fù)載及不確定干擾影響下的系統(tǒng)控制策略等方面，以減小多軸聯(lián)動(dòng)實(shí)際廓形誤差，達(dá)到同步誤差低、信號(hào)抖動(dòng)少的理想效果。

3 機(jī)床多源誤差補(bǔ)償技術(shù)

數(shù)控機(jī)床多軸聯(lián)動(dòng)加工精度受多方面因素耦合影響，誤差來(lái)源主要包括機(jī)床各零部件原始制造、安裝或磨損引起的幾何誤差、相對(duì)運(yùn)動(dòng)部件間的運(yùn)動(dòng)誤差、各運(yùn)動(dòng)軸的伺服控制誤差、機(jī)床部件或旋轉(zhuǎn)主軸熱誤差、切削力致變形誤差、運(yùn)動(dòng)部件或整機(jī)振動(dòng)誤差等。而具有經(jīng)濟(jì)高效、操作可控等優(yōu)點(diǎn)的機(jī)床多源誤差補(bǔ)償技術(shù)則是目前機(jī)床企業(yè)廣泛采用的一種加工精度提升方法。機(jī)床多源誤差補(bǔ)償技術(shù)[23]是指通過(guò)測(cè)量、分析、統(tǒng)計(jì)等方法分析機(jī)床多源誤差的特點(diǎn)和規(guī)律，通過(guò)建立誤差數(shù)學(xué)模型，預(yù)設(shè)新誤差量抵消或減小加工過(guò)程誤差的技術(shù)，包括幾何誤差補(bǔ)償技術(shù)、熱誤差補(bǔ)償技術(shù)、力誤差補(bǔ)償技術(shù)、振動(dòng)主動(dòng)抑制技術(shù)等。

3.1 幾何誤差補(bǔ)償技術(shù)

機(jī)床幾何誤差是由機(jī)床零部件原始制造、安裝或磨損引起的系統(tǒng)性誤差，是數(shù)控機(jī)床誤差中最重要的誤差源。機(jī)床幾何誤差補(bǔ)償方法主要包括誤差模型解耦分離補(bǔ)償法以及輪廓精度反饋控制補(bǔ)償法。

解耦分離補(bǔ)償法根據(jù)機(jī)床幾何誤差模型將空間誤差解耦分離到各運(yùn)動(dòng)軸，求得相應(yīng)的補(bǔ)償量，然后采用實(shí)際運(yùn)動(dòng)后再疊加補(bǔ)償或在實(shí)際運(yùn)動(dòng)前直接修改數(shù)控代碼實(shí)現(xiàn)精確運(yùn)動(dòng)的方式進(jìn)行誤差補(bǔ)償。任永強(qiáng)等[24]采用微分法求解幾何誤差運(yùn)動(dòng)的逆運(yùn)動(dòng)，解耦得到五軸機(jī)床各運(yùn)動(dòng)軸誤差補(bǔ)償運(yùn)動(dòng)量；張宏韜等[25]根據(jù)理想刀尖位姿和實(shí)際刀尖位姿模型，解耦分離得到五軸理想位移量和實(shí)際位移量，按先姿態(tài)后位置的次序分步進(jìn)行補(bǔ)償；B.C. Zhou等[26]計(jì)算了各運(yùn)動(dòng)軸的微分運(yùn)動(dòng)矩陣并且構(gòu)造了雅可比矩陣來(lái)補(bǔ)償砂輪的綜合誤差分量；S. Ding等[27-28]基于實(shí)際逆向運(yùn)動(dòng)學(xué)算法獲得了五軸修正NC代碼與幾何誤差間的映射關(guān)系，顯著提高了補(bǔ)償實(shí)時(shí)效率。輪廓精度反饋控制補(bǔ)償法則通過(guò)計(jì)算實(shí)際輪廓誤差，對(duì)加工輪廓軌跡進(jìn)行反饋控制以達(dá)到理想精度。黃東兆等[29]進(jìn)行了輪廓精度的宏觀和微觀同步控制，首先將已加工的部分與指令輪廓相匹配進(jìn)行宏觀控制，解決累積誤差，然后進(jìn)行誤差預(yù)報(bào)與補(bǔ)償實(shí)現(xiàn)微觀控制，減小局部誤差；趙國(guó)勇等[30]計(jì)算了直線軸與旋轉(zhuǎn)軸聯(lián)動(dòng)的輪廓誤差，然后結(jié)合單軸跟隨誤差，與輪廓誤差耦合進(jìn)行PID反饋控制。解耦分離補(bǔ)償法具有高精但低效的特征，而輪廓精度反饋控制補(bǔ)償法具有補(bǔ)償實(shí)時(shí)的優(yōu)點(diǎn)，但控制參數(shù)難整定，系統(tǒng)抗擾動(dòng)能力較弱。此外，當(dāng)前的幾何誤差補(bǔ)償技術(shù)研究大多還停留在完全離線或在加工間隙補(bǔ)償?shù)膶用?，如何?shí)現(xiàn)動(dòng)態(tài)實(shí)時(shí)的幾何誤差在線補(bǔ)償仍是一大技術(shù)難題，也將是幾何誤差補(bǔ)償技術(shù)未來(lái)的重點(diǎn)攻克方向。

3.2 熱誤差補(bǔ)償技術(shù)

在機(jī)床幾何誤差補(bǔ)償后，表征機(jī)床溫度變化引起的零部件相對(duì)位置和形狀變化的熱變形誤差成為了制約精密數(shù)控機(jī)床加工精度的關(guān)鍵因素，一般認(rèn)為可達(dá)總誤差源的40%～70%。熱誤差具有時(shí)滯時(shí)變、多向耦合以及復(fù)雜非線性等特征，有效補(bǔ)償?shù)那疤崾墙?zhǔn)確的熱誤差模型。常用的熱誤差建模方法包括原理性建模方法，項(xiàng)四通等[31]基于熱變形機(jī)理，結(jié)合熱特性基本單元試驗(yàn)，建立了主軸熱誤差的高精預(yù)測(cè)模型，N.S. Mian等[32]提出一種環(huán)境溫度影響下機(jī)床熱誤差離線有限元模擬方法以及實(shí)證建模方法，減少了熱誤差測(cè)定時(shí)間；王時(shí)龍等[33]針對(duì)大型磨齒機(jī)，采用模糊聚類與多元線性回歸算法建立了滾刀與工件主軸中心距熱誤差模型，Y.F. Zhao等[34]利用思維進(jìn)化算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)，建立了五軸機(jī)床溫度變化與熱誤差的精確關(guān)系模型。熱誤差原理性建模技術(shù)受到數(shù)值分析邊界條件難以確定、熱傳導(dǎo)精確仿真困難等限制，發(fā)展相對(duì)緩慢，而以人工智能技術(shù)為代表的熱誤差實(shí)證建模方法發(fā)展則較為迅猛，提高了機(jī)床功能部件及整體熱誤差的預(yù)測(cè)精度。

基于可靠的熱誤差模型，熱誤差補(bǔ)償技術(shù)的實(shí)施一般采用反饋攔截積分法和原點(diǎn)平移法。反饋攔截積分法是通過(guò)攔截位置傳感元件反饋信號(hào)，由外部補(bǔ)償裝置疊加熱誤差的補(bǔ)償量后再返回給數(shù)控系統(tǒng)，將其視為當(dāng)前機(jī)床的實(shí)際位置與指令位置的偏差進(jìn)行校正，實(shí)現(xiàn)對(duì)熱誤差的補(bǔ)償。K. D. Kim等[35]采用反饋攔截方式的外掛集成方法，實(shí)現(xiàn)了熱誤差在數(shù)控系統(tǒng)的補(bǔ)償。原點(diǎn)平移法則是將熱誤差模型修正后的數(shù)控指令值通過(guò)I/O口送至CNC控制器，平移控制系統(tǒng)的參考原點(diǎn)實(shí)現(xiàn)熱誤差補(bǔ)償?shù)摹.G.Yang等[36]將實(shí)時(shí)測(cè)得的機(jī)床位置數(shù)據(jù)和關(guān)鍵測(cè)點(diǎn)溫度代入熱誤差模型求得補(bǔ)償值，通過(guò)將補(bǔ)償信號(hào)傳入位置環(huán)，平移參考坐標(biāo)系原點(diǎn)以實(shí)現(xiàn)熱誤差實(shí)時(shí)補(bǔ)償。反饋攔截積分法不改變CNC控制軟件，但需要添加特定的外部電子位置疊加裝置，補(bǔ)償信號(hào)易與原信號(hào)發(fā)生干涉；原點(diǎn)平移法補(bǔ)償過(guò)程對(duì)NC程序執(zhí)行無(wú)影響，但需要修改PLC單元以便接入熱誤差補(bǔ)償值。兩種熱誤差補(bǔ)償方法都能實(shí)現(xiàn)熱誤差的實(shí)時(shí)補(bǔ)償，但均需要增添外部補(bǔ)償器，既影響機(jī)床整機(jī)性能，也容易干擾或遲滯數(shù)控加工任務(wù)。因此，無(wú)需硬件修改的熱誤差補(bǔ)償模塊系統(tǒng)的嵌入仍需深入研究。同時(shí)新型熱誤差補(bǔ)償技術(shù)，如基于傳函的熱誤差補(bǔ)償技術(shù)、熱親和補(bǔ)償技術(shù)、基于大數(shù)據(jù)思維的誤差補(bǔ)償技術(shù)等[37]，也成為熱誤差補(bǔ)償技術(shù)的發(fā)展方向。

3.3 其他誤差補(bǔ)償技術(shù)

除幾何誤差和熱誤差補(bǔ)償技術(shù)外，力誤差補(bǔ)償技術(shù)也是一大研究熱點(diǎn)。力誤差屬于加工時(shí)變誤差，來(lái)源包括加工切削力、機(jī)床部件夾緊力、慣性力等，其中切削力引起的零件變形是影響力誤差的關(guān)鍵要素。國(guó)內(nèi)外現(xiàn)有研究也大多集中于切削力致變形誤差補(bǔ)償。此外，機(jī)床振動(dòng)的主動(dòng)抑制技術(shù)也廣受關(guān)注，如利用神經(jīng)網(wǎng)絡(luò)、模糊邏輯等智能方法監(jiān)測(cè)主軸、絲杠、軸承等關(guān)鍵部件的振動(dòng)信號(hào)，然后進(jìn)行高速主軸、切削顫振抑制等[38]。

機(jī)床多源誤差補(bǔ)償技術(shù)最終都需要統(tǒng)一集成到數(shù)控機(jī)床與數(shù)控系統(tǒng)中，才能真正地實(shí)現(xiàn)數(shù)控機(jī)床加工精度的提升。因此機(jī)床多源誤差的耦合映射機(jī)理、加工多源誤差與加工精度的實(shí)時(shí)動(dòng)態(tài)監(jiān)測(cè)、時(shí)變非線性耦合誤差的一體式補(bǔ)償方法、多源誤差補(bǔ)償模塊的嵌入式集成等，勢(shì)必成為智能制造驅(qū)動(dòng)下機(jī)床誤差實(shí)時(shí)補(bǔ)償?shù)难芯恐攸c(diǎn)。

4 智能化控制技術(shù)

在智能制造大環(huán)境的影響下，智能化控制技術(shù)已成為高端數(shù)控機(jī)床最為突出的典型特征之一。智能化控制技術(shù)主要指一種以大數(shù)據(jù)采集為基礎(chǔ)，通過(guò)建立數(shù)控機(jī)床的加工信息“數(shù)字雙胞胎”模型，利用數(shù)據(jù)挖掘相關(guān)智能算法，對(duì)數(shù)控機(jī)床進(jìn)行動(dòng)態(tài)數(shù)據(jù)采集和實(shí)時(shí)監(jiān)控，實(shí)現(xiàn)數(shù)控加工流程與工藝參數(shù)在線優(yōu)化、狀態(tài)實(shí)時(shí)監(jiān)測(cè)與診斷控制等功能的技術(shù)。在智能化控制技術(shù)的支持下，數(shù)控機(jī)床能夠感知自身加工狀態(tài)和加工過(guò)程，根據(jù)機(jī)床狀態(tài)進(jìn)行自學(xué)習(xí)、自控制、自維護(hù)等行為。對(duì)于數(shù)控機(jī)床的智能化控制而言，制造大數(shù)據(jù)實(shí)時(shí)采集是底層基礎(chǔ)，數(shù)據(jù)有效挖掘是中間手段，而根據(jù)挖掘的有效信息進(jìn)行實(shí)時(shí)的工藝流程及工藝參數(shù)優(yōu)化、機(jī)床狀態(tài)監(jiān)測(cè)及診斷控制則是最終目標(biāo)。

4.1 制造工藝大數(shù)據(jù)實(shí)時(shí)采集

制造工藝數(shù)據(jù)是實(shí)現(xiàn)智能化制造的重要基礎(chǔ)，也是高精數(shù)控加工的必要保證。在具有相同加工條件的情況下，零件加工的工藝流程和工藝參數(shù)直接決定了零件加工的質(zhì)量和效率，制造工藝數(shù)據(jù)的重要性不言而喻。然而，制造工藝數(shù)據(jù)具有復(fù)雜異構(gòu)、多維海量等典型特征，為實(shí)時(shí)采集制造工藝數(shù)據(jù)，葉佩青等[39]提出基于先進(jìn)互聯(lián)網(wǎng)技術(shù)，建立制造工藝數(shù)據(jù)收集激勵(lì)機(jī)制和甄別平臺(tái)，通過(guò)研發(fā)工藝數(shù)據(jù)收集APP并激勵(lì)一線工人上傳工藝數(shù)據(jù)，實(shí)現(xiàn)工藝數(shù)據(jù)的收集、管理、控制等功能，為工藝優(yōu)化奠定基礎(chǔ)；王軍等[40]設(shè)計(jì)了一種大數(shù)據(jù)管理模型，實(shí)施各個(gè)工序的數(shù)據(jù)采集與遷移，并對(duì)數(shù)據(jù)進(jìn)行了分析及可視化處理；W. Wang等[41]提出了一種針對(duì)五軸基于對(duì)象鏈接和嵌入過(guò)程協(xié)議的新數(shù)據(jù)采集方法，并基于西門子840D系統(tǒng)開發(fā)了客戶端。

4.2 加工流程及工藝參數(shù)優(yōu)化

在對(duì)數(shù)據(jù)進(jìn)行實(shí)時(shí)采集后，通常采用智能算法對(duì)數(shù)據(jù)進(jìn)行分析和標(biāo)注以挖掘、提煉有效信息，應(yīng)用于新工件的加工過(guò)程中，而新產(chǎn)生的加工數(shù)據(jù)又會(huì)實(shí)時(shí)上傳到數(shù)據(jù)收集平臺(tái)，通過(guò)對(duì)數(shù)據(jù)類型、加工效果的多維度比較分析，以機(jī)器學(xué)習(xí)方式總結(jié)經(jīng)驗(yàn)，對(duì)加工流程及工藝參數(shù)進(jìn)行優(yōu)化并指導(dǎo)下一次加工。包洋等[42]根據(jù)已有工藝數(shù)據(jù)利用決策樹分類器和神經(jīng)網(wǎng)絡(luò)模型，預(yù)測(cè)了相應(yīng)的加工工藝參數(shù)并通過(guò)磨削實(shí)驗(yàn)進(jìn)行了驗(yàn)證；Y. Xiong等[43]提出一種針對(duì)重型機(jī)床可持續(xù)制造的多目標(biāo)規(guī)劃網(wǎng)格優(yōu)化算法以優(yōu)化工藝參數(shù)；劉恒麗等[44]提出了一種以切削效率和刀具耐用度為優(yōu)化目標(biāo)，基于Pareto遺傳算法與TRIZ理論相結(jié)合的數(shù)控裝備加工參數(shù)優(yōu)化算法。此外，單就加工流程規(guī)劃而言，目前最典型的方法是基于STEP-NC數(shù)據(jù)模型進(jìn)行規(guī)劃，它側(cè)重于描述加工目標(biāo)特征和零件技術(shù)要求。例如劉日良等[45]基于STEP-NC將加工流程規(guī)劃分為離線規(guī)劃、在線規(guī)劃、實(shí)時(shí)規(guī)劃三類，并給出了工步級(jí)銑削用量的優(yōu)化、特征級(jí)工藝路線的篩選和基于啟發(fā)式算法的工步排序的在線規(guī)劃流程?？傊?，基于大數(shù)據(jù)采集的信息流挖掘與學(xué)習(xí)，會(huì)對(duì)數(shù)控機(jī)床加工流程及工藝參數(shù)優(yōu)化起到先驗(yàn)指導(dǎo)作用，也是數(shù)控機(jī)床智能化的技術(shù)前提。

4.3 機(jī)床狀態(tài)實(shí)時(shí)監(jiān)測(cè)與診斷控制

狀態(tài)實(shí)時(shí)監(jiān)控與診斷控制對(duì)于提高機(jī)床運(yùn)行可靠性具有極其重要的意義[46]。它是一種在制造大數(shù)據(jù)實(shí)時(shí)采集的基礎(chǔ)上，借助數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)等分析技術(shù)對(duì)機(jī)床狀態(tài)信息進(jìn)行評(píng)估與診斷，并在必要時(shí)發(fā)出指令控制機(jī)床行為的技術(shù)。國(guó)內(nèi)外對(duì)狀態(tài)實(shí)時(shí)監(jiān)測(cè)與診斷控制的研究主要集中在實(shí)時(shí)監(jiān)測(cè)與診斷系統(tǒng)架構(gòu)、智能診斷方法、故障自修復(fù)等領(lǐng)域。

在監(jiān)測(cè)與診斷系統(tǒng)架構(gòu)研究方面，研究者大多著力于構(gòu)建CPS基本結(jié)構(gòu)框架以實(shí)現(xiàn)實(shí)時(shí)監(jiān)控與診斷。如黎小華等[47]提出了一種基于服務(wù)的涵蓋感控層、網(wǎng)絡(luò)通信層、資源服務(wù)層與決策應(yīng)用層的四層數(shù)控機(jī)床智能監(jiān)控CPS體系框架；畢筱雪等[48]則構(gòu)建了一個(gè)基于“感知-分析-決策-控制-反饋”的閉環(huán)監(jiān)控CPS架構(gòu)，并運(yùn)用于藍(lán)天數(shù)控網(wǎng)絡(luò)化平臺(tái)，有效提高了數(shù)控機(jī)床的實(shí)時(shí)監(jiān)控水平。在智能診斷方法研究方面，大多將智能算法與故障診斷結(jié)合，以增強(qiáng)故障診斷的可靠性和高效性。如楊東民等[49]針對(duì)數(shù)控機(jī)床故障多源、多變量、強(qiáng)耦合等特點(diǎn)，提出了一種融合KPCA與PSO-RBF的數(shù)控機(jī)床故障診斷方法，并針對(duì)伺服系統(tǒng)7種常見故障進(jìn)行仿真驗(yàn)證；王春暖等[50]針對(duì)數(shù)控機(jī)床隱蔽性和復(fù)雜性特征，提出了基于改進(jìn)PSO優(yōu)化模糊神經(jīng)網(wǎng)絡(luò)的故障診斷技術(shù)，實(shí)現(xiàn)了主軸伺服系統(tǒng)故障的準(zhǔn)確辨識(shí)。此外，機(jī)床故障自修復(fù)則是在故障精確診斷的基礎(chǔ)上，判斷故障原因并準(zhǔn)確定位故障產(chǎn)生位置，采用相應(yīng)手段進(jìn)行自修復(fù)的技術(shù)。例如，通過(guò)對(duì)加工時(shí)的噪聲和實(shí)際位置偏移判斷出刀具的磨損情況，若磨損嚴(yán)重則自動(dòng)換刀，否則可根據(jù)刀具誤差模型，進(jìn)行誤差插補(bǔ)運(yùn)動(dòng)以達(dá)到理想加工精度；如判斷機(jī)床振動(dòng)超過(guò)一定標(biāo)準(zhǔn)，可通過(guò)減小進(jìn)給量或調(diào)整主軸轉(zhuǎn)速抑制振動(dòng)。

目前機(jī)床狀態(tài)實(shí)時(shí)監(jiān)測(cè)與診斷控制技術(shù)的研究及應(yīng)用仍然存在許多的不足，如數(shù)控機(jī)床冗雜異構(gòu)信息的知識(shí)表達(dá)和有效獲取仍然困難，監(jiān)測(cè)系統(tǒng)界面可視化存在短板，診斷系統(tǒng)的診斷規(guī)則和控制策略不夠靈活，故障信號(hào)處理方法和故障學(xué)習(xí)機(jī)制不夠完善，故障排除與自修復(fù)能力依然薄弱等[51]。因此，機(jī)床狀態(tài)監(jiān)測(cè)與控制技術(shù)仍將是機(jī)床企業(yè)及相關(guān)研究機(jī)構(gòu)未來(lái)長(zhǎng)期關(guān)注的熱點(diǎn)領(lǐng)域。

5 國(guó)內(nèi)智能化高檔數(shù)控裝備的發(fā)展

在智能制造驅(qū)動(dòng)下，先進(jìn)數(shù)控技術(shù)發(fā)展迅速，除上面提及的高速高精聯(lián)動(dòng)控制技術(shù)、機(jī)床誤差補(bǔ)償技術(shù)以及智能化控制技術(shù)等典型技術(shù)外，智能編程技術(shù)、智能數(shù)控管理技術(shù)、智能化人機(jī)界面等也被廣泛關(guān)注。數(shù)控機(jī)床是數(shù)控技術(shù)的物質(zhì)載體，先進(jìn)數(shù)控技術(shù)的進(jìn)步自然也推動(dòng)著智能化高檔數(shù)控機(jī)床的研發(fā)進(jìn)程，并且儼然成為智能制造下高檔數(shù)控裝備領(lǐng)域的研究重點(diǎn)。在國(guó)內(nèi)，按以高檔數(shù)控機(jī)床為核心的智能制造裝備產(chǎn)業(yè)集群劃分，裝備研發(fā)和生產(chǎn)企業(yè)主要分布在環(huán)渤海地區(qū)、長(zhǎng)三角地區(qū)、珠江三角洲及西北地區(qū)；而單就智能化高檔數(shù)控裝備的制造企業(yè)而言，最典型的數(shù)控企業(yè)則包括華中數(shù)控、廣州數(shù)控、沈陽(yáng)機(jī)床、普什寧江、秦川機(jī)床、大連機(jī)床、齊重?cái)?shù)控等。

目前，國(guó)內(nèi)智能化高檔數(shù)控系統(tǒng)及機(jī)床的發(fā)展已有較大的進(jìn)步，高速高精、多軸聯(lián)動(dòng)控制、機(jī)床多源誤差補(bǔ)償?shù)认冗M(jìn)數(shù)控技術(shù)與國(guó)際先進(jìn)水平差距進(jìn)一步縮小。高檔數(shù)控系統(tǒng)研究方面，在國(guó)家04科技專項(xiàng)的支持下，華中數(shù)控、廣州數(shù)控、大連光洋、沈陽(yáng)高精和航天數(shù)控等數(shù)控企業(yè)均攻克一批高檔數(shù)控系統(tǒng)關(guān)鍵技術(shù)，研制出了全數(shù)字總線式高檔數(shù)控系統(tǒng)產(chǎn)品[52]。例如華中數(shù)控的華中8型智能數(shù)控系統(tǒng)(iNC)，攻克了高速高精控制、多軸多通道聯(lián)動(dòng)等關(guān)鍵技術(shù)，已在航空、船舶、發(fā)電、汽車、特種裝備等領(lǐng)域獲得批量應(yīng)用，并與大連機(jī)床集團(tuán)、武重集團(tuán)、漢川機(jī)床集團(tuán)、普什寧江等數(shù)十家國(guó)內(nèi)主要主機(jī)廠實(shí)現(xiàn)了批量配套及改造，典型案例如圖4所示。

圖4 華中8型智能數(shù)控系統(tǒng)與國(guó)內(nèi)主機(jī)廠的批量配套及改造

在高檔數(shù)控機(jī)床研制方面，國(guó)內(nèi)機(jī)床企業(yè)正著力于將智能化先進(jìn)數(shù)控技術(shù)有效集成應(yīng)用到高檔數(shù)控機(jī)床上，已研制的產(chǎn)品包括云南CY集團(tuán)的CY-HTC系列高速高精數(shù)控臥式車床、齊重?cái)?shù)控的Q1-190數(shù)控立式專用車鏜床、沈機(jī)集團(tuán)昆明機(jī)床的TGK46100高精度坐標(biāo)鏜床、科德數(shù)控的五軸銑車復(fù)合立式加工中心等。智能化先進(jìn)數(shù)控技術(shù)在高檔數(shù)控機(jī)床上的具體應(yīng)用，以高檔數(shù)控制齒裝備為例，普什寧江的YK3603數(shù)控臥式滾齒機(jī)，采用了寧江核心技術(shù)制造的滑動(dòng)導(dǎo)軌和人機(jī)電一體化布局，并配置了FANUC 0i MF數(shù)控系統(tǒng)，可實(shí)現(xiàn)八軸四聯(lián)動(dòng)高速高精滾齒加工；秦川機(jī)床的YKZ7230數(shù)控蝸桿砂輪磨齒機(jī)，采用全新雙工件主軸結(jié)構(gòu)和高精度雙主軸直接驅(qū)動(dòng)技術(shù)，提供智能磨削軟件，可實(shí)現(xiàn)自動(dòng)裝卡、自動(dòng)對(duì)刀、自動(dòng)磨削及修正砂輪自動(dòng)控制，并配置壓力、振動(dòng)、位置、溫度傳感器實(shí)時(shí)監(jiān)控機(jī)床狀態(tài)，使得制齒效率和精度顯著提升。

雖然國(guó)內(nèi)數(shù)控系統(tǒng)和數(shù)控機(jī)床的智能化進(jìn)程加快，部分先進(jìn)數(shù)控技術(shù)已初步在數(shù)控裝備上推廣應(yīng)用，但在開放式硬軟件系統(tǒng)及平臺(tái)架構(gòu)、智能化加工技術(shù)、機(jī)床狀態(tài)實(shí)時(shí)監(jiān)測(cè)與診斷控制、可視智能化人機(jī)界面開發(fā)、機(jī)床精度保持和可靠性等方面仍與國(guó)外存在一定差距。國(guó)內(nèi)僅在中低檔數(shù)控機(jī)床需求方面可以基本做到自給自足，但軍工、航天、醫(yī)療等專業(yè)領(lǐng)域所需的高端數(shù)控機(jī)床缺口依然巨大，高檔數(shù)控系統(tǒng)的市場(chǎng)占有率僅約3%。國(guó)內(nèi)先進(jìn)數(shù)控技術(shù)發(fā)展所面臨的壓力和挑戰(zhàn)仍十分嚴(yán)峻。幸而，國(guó)內(nèi)不少數(shù)控企業(yè)與科研院所已正視這一問題，正憑借不斷創(chuàng)新的智能化先進(jìn)數(shù)控技術(shù)和豐富的實(shí)際生產(chǎn)經(jīng)驗(yàn)，積極對(duì)接智能制造，助推中國(guó)工業(yè)轉(zhuǎn)型升級(jí)，以期扭轉(zhuǎn)不利局面，實(shí)現(xiàn)“中國(guó)智造”。

6 結(jié)語(yǔ)

在全球化智能制造浪潮的推動(dòng)下，先進(jìn)數(shù)控技術(shù)作為制造業(yè)發(fā)展進(jìn)步的重要標(biāo)志，已成為國(guó)內(nèi)外數(shù)控企業(yè)及相關(guān)科研機(jī)構(gòu)的重點(diǎn)關(guān)注對(duì)象。高速高精聯(lián)動(dòng)控制技術(shù)、機(jī)床多源誤差補(bǔ)償技術(shù)以及智能化控制技術(shù)等一批關(guān)鍵數(shù)控技術(shù)得到了廣泛研究與發(fā)展。同時(shí)，隨著物聯(lián)網(wǎng)技術(shù)、網(wǎng)絡(luò)互聯(lián)技術(shù)、人工智能技術(shù)、大數(shù)據(jù)挖掘等先進(jìn)技術(shù)的推動(dòng)，先進(jìn)數(shù)控技術(shù)未來(lái)也必將朝著開放網(wǎng)絡(luò)化、高速高精高效化、工藝集成復(fù)合化、模塊柔性化、實(shí)時(shí)智能化等方向飛速發(fā)展。在目前國(guó)內(nèi)先進(jìn)數(shù)控技術(shù)基礎(chǔ)相對(duì)薄弱的情況下，了解關(guān)鍵先進(jìn)數(shù)控技術(shù)的研究現(xiàn)狀，掌握未來(lái)數(shù)控技術(shù)開放智能化的發(fā)展趨勢(shì)，有助于我國(guó)在智能化高檔數(shù)控裝備的研制過(guò)程中實(shí)現(xiàn)關(guān)鍵先進(jìn)數(shù)控技術(shù)的重點(diǎn)突破，切實(shí)提升我國(guó)完全自主高檔數(shù)控裝備的國(guó)內(nèi)市場(chǎng)占有率以及國(guó)際市場(chǎng)競(jìng)爭(zhēng)力，真正實(shí)現(xiàn)“中國(guó)制造2025”的宏偉目標(biāo)，助力我國(guó)邁入世界制造強(qiáng)國(guó)行列。

[1] 崔日明，張婷玉. 美國(guó)“再工業(yè)化”戰(zhàn)略與中國(guó)制造業(yè)轉(zhuǎn)型研究[J]. 經(jīng)濟(jì)社會(huì)體制比較，2013(6): 21-30.

[2] 張俊，魏紅根. 數(shù)控技術(shù)發(fā)展趨勢(shì)——智能化數(shù)控系統(tǒng)[J]. 制造技術(shù)與機(jī)床，2000(4): 7-9.

[3] 周濟(jì). 智能制造——“中國(guó)制造2025”的主攻方向[J]. 中國(guó)機(jī)械工程，2015(17): 2273-2284.

[4] 中華人民共和國(guó)工業(yè)和信息化部，財(cái)政部. 智能制造發(fā)展規(guī)劃(2016-2020年)[R]. 北京：2016.

[5] 中華人民共和國(guó)工業(yè)和信息化部，發(fā)展改革委，科技部，等. 智能制造工程實(shí)施指南(2016-2020)[R]. 北京：2016.

[6] 趙升噸，賈先. 智能制造及其核心信息設(shè)備的研究進(jìn)展及趨勢(shì)[J]. 機(jī)械科學(xué)與技術(shù)， 2017(1): 1-16.

[7] 張曙. 工業(yè)4.0和智能制造[J]. 機(jī)械設(shè)計(jì)與制造工程，2014(8): 1-5.

[8] 傅建中. 智能制造裝備的發(fā)展現(xiàn)狀與趨勢(shì)[J]. 機(jī)電工程，2014(8): 959-962.

[9] 趙萬(wàn)華，張星，呂盾，等. 國(guó)產(chǎn)數(shù)控機(jī)床的技術(shù)現(xiàn)狀與對(duì)策[J]. 航空制造技術(shù)，2016(9): 16-22.

[10] Thomesse J P. Fieldbus Technology in Industrial Automation[J]. Proceedings of the IEEE, 2005, 93(6): 1073-1101.

[11] Persechini M A M, Jota F G. Centralized and distributed control architectures under Foundation Fieldbus network[J]. ISA Transactions, 2013, 52(1): 149-161.

[12] Wang T, Wang L, Liu Q. A three-ply reconfigurable CNC system based on FPGA and field-bus[J]. The International Journal of Advanced Manufacturing Technology, 2011, 57(5-8): 671-682.

[13] Zongyu C, Wang L F, Li C X, et al. The study of configuration-style CNC system based on CANBUS[J]. The International Journal of Advanced Manufacturing Technology, 2006, 28(11/12): 1129-1135.

[14] 劉江. FANUC 0iC數(shù)控系統(tǒng)FSSB總線的參數(shù)設(shè)定[J]. 制造技術(shù)與機(jī)床，2009(3): 157-159.

[15] 劉慧雙，宋寶，周向東，等. 嵌入式數(shù)控系統(tǒng)NCUC-Bus現(xiàn)場(chǎng)總線設(shè)備驅(qū)動(dòng)研究與開發(fā)[J]. 組合機(jī)床與自動(dòng)化加工技術(shù)，2012(8): 62-65.

[16] 張贊秋，吳超，江世琳，等. 基于FPGA的PCI-GLINK總線協(xié)議芯片實(shí)現(xiàn)[J]. 制造技術(shù)與機(jī)床，2011(12): 104-106.

[17] Huang Z, Hu T, Peng C, et al. Research and development of industrial real-time Ethernet performance testing system used for CNC system[J]. The International Journal of Advanced Manufacturing Technology, 2015, 83(5): 1199-1207.

[18] 王寶仁，王婕，韓文強(qiáng)，等. 級(jí)聯(lián)式多軸運(yùn)動(dòng)控制系統(tǒng)及其同步策略研究[J]. 計(jì)算機(jī)集成制造系統(tǒng)，2017: 1-14.

[19] 朱曉楓，甘屹，陶益民. 基于Ethernet Powerlink多軸伺服運(yùn)動(dòng)控制系統(tǒng)的同步性能研究[J]. 現(xiàn)代制造工程，2014(11): 64-68.

[20] Xu X, Gu G Y, Xiong Z, et al. Development of a decentralized multi-axis synchronous control approach for real-time networks.[J]. ISA Trans. 2017, 68: 116-126.

[21] 曹春平，王波，胥小勇，等. 基于神經(jīng)網(wǎng)絡(luò)多電機(jī)偏差耦合同步控制研究[J]. 控制工程，2013(3): 415-418.

[22] 程文雅，羅亮，劉知貴. 改進(jìn)偏差耦合補(bǔ)償?shù)姆囱萃娇刂扑惴ǖ难芯縖J]. 機(jī)械設(shè)計(jì)與制造，2016(2): 41-44.

[23] 沈金華. 數(shù)控機(jī)床誤差補(bǔ)償關(guān)鍵技術(shù)及其應(yīng)用[D]. 上海：上海交通大學(xué), 2008.

[24] 任永強(qiáng)，楊建國(guó)，羅磊，等. 基于外部機(jī)床坐標(biāo)系偏移的熱誤差實(shí)時(shí)補(bǔ)償[J]. 中國(guó)機(jī)械工程，2003(14): 79-81.

[25] 張宏韜，楊建國(guó)，姜輝，等. 雙轉(zhuǎn)臺(tái)五軸數(shù)控機(jī)床誤差實(shí)時(shí)補(bǔ)償[J]. 機(jī)械工程學(xué)報(bào)，2010, 46(21): 143-148.

[26] Zhou B, Wang S, Fang C, et al. Geometric error modeling and compensation for five-axis CNC gear profile grinding machine tools[J]. The International Journal of Advanced Manufacturing Technology，2017, 92(5-8): 2639-2652.

[27] Ding S, Huang X, Yu C, et al. Actual inverse kinematics for position-independent and position-dependent geometric error compensation of five-axis machine tools[J]. International Journal of Machine Tools and Manufacture，2016, 111: 55-62.

[28] Ding S, Huang X, Yu C, et al. Identification of different geometric error models and definitions for the rotary axis of five-axis machine tools[J]. International Journal of Machine Tools and Manufacture，2016, 100: 1-6.

[29] 黃東兆，周會(huì)成，李斌，等. 面向輪廓精度控制的誤差補(bǔ)償方法[J]. 華中科技大學(xué)學(xué)報(bào)(自然科學(xué)版)，2008(2): 13-16.

[30] 趙國(guó)勇，趙玉剛，王士軍. 直線軸和旋轉(zhuǎn)軸聯(lián)動(dòng)時(shí)的輪廓誤差耦合控制方法[J]. 計(jì)算機(jī)集成制造系統(tǒng)，2013(11): 2819-2823.

[31] 項(xiàng)四通，楊建國(guó)，張毅. 基于機(jī)理分析和熱特性基本單元試驗(yàn)的機(jī)床主軸熱誤差建模[J]. 機(jī)械工程學(xué)報(bào)，2014(11): 144-152.

[32] Mian N S, Fletcher S, Longstaff A P, et al. Efficient estimation by FEA of machine tool distortion due to environmental temperature perturbations[J]. Precision Engineering. 2013, 37(2): 372-379.

[33] 王時(shí)龍，楊勇，周杰，等. 大型數(shù)控滾齒機(jī)熱誤差補(bǔ)償建模[J]. 中南大學(xué)學(xué)報(bào)(自然科學(xué)版)，2011(10): 3066-3072.

[34] Zhao Y, Ren X, Hu Y, et al. CNC Thermal Compensation Based on Mind Evolutionary Algorithm Optimized BP Neural Network[J]. World Journal of Engineering and Technology, 2016, 4(1): 38-44.

[35] Kim K D, Kim M S, Chung S C. Real-time compensatory control of thermal errors for high-speed machine tools[J]. Proceedings of the Institution of Mechanical Engineers Part B Journal of Engineering Manufacture，2004, 218(8): 913-924.

[36] Jianguo Y, Jingxia Y, Jun N. Thermal error mode analysis and robust modeling for error compensation on a CNC turning center[J]. International Journal of Machine Tools and Manufacture, 1999, 39(9): 1367-1381.

[37] 郭云霞，葉文華，梁睿君，等. 智能機(jī)床的誤差補(bǔ)償技術(shù)[J]. 航空制造技術(shù)，2016(18): 40-45.

[38] 富宏亞，金鴻宇，韓振宇. 智能加工技術(shù)在切削顫振在線抑制中的應(yīng)用[J]. 航空制造技術(shù)，2016(7): 16-21.

[39] 葉佩青，張勇，張輝. 數(shù)控技術(shù)發(fā)展?fàn)顩r及策略綜述[J]. 機(jī)械工程學(xué)報(bào)，2015(21): 113-120.

[40] 王軍，王晶. 大數(shù)據(jù)處理技術(shù)在生產(chǎn)質(zhì)量跟蹤中的應(yīng)用[J]. 制造業(yè)自動(dòng)化，2015(8): 28-32.

[41] Wang W, Li H, Huang P, et al. Data acquisition and data mining in the manufacturing process of computer numerical control machine tools[J]. Proceedings of the Institution of Mechanical Engineers, Part B: Journal of Engineering Manufacture, 2017: 2073-2078.

[42] 包洋，李蓓智，楊建國(guó). 基于數(shù)據(jù)挖掘的工藝參數(shù)優(yōu)化研究[J]. 微計(jì)算機(jī)信息，2006(27): 245-247.

[43] Xiong Y, Wu J, Deng C, et al. Machining process parameters optimization for heavy-duty CNC machine tools in sustainable manufacturing[J]. The International Journal of Advanced Manufacturing Technology, 2013, 87(5-8): 1237-1246.

[44] 劉恒麗，董靖川，于治強(qiáng). 基于Pareto遺傳算法和TRIZ理論的數(shù)控裝備加工參數(shù)智能優(yōu)化[J]. 天津大學(xué)學(xué)報(bào)(自然科學(xué)與工程技術(shù)版)，2017(2): 121-127.

[45] 劉日良，張承瑞，張?jiān)?，? 面向STEP-NC控制器的數(shù)控加工工藝規(guī)劃模型[J]. 中國(guó)機(jī)械工程，2004(4): 45-49.

[46] 馬軍旭，趙萬(wàn)華，張根保. 國(guó)產(chǎn)數(shù)控機(jī)床精度保持性分析及研究現(xiàn)狀[J]. 中國(guó)機(jī)械工程，2015(22): 3108-3115.

[47] 黎小華，曾國(guó)平，燕繼明，等. 數(shù)控機(jī)床智能監(jiān)控CPS構(gòu)建技術(shù)研究[J]. 航空制造技術(shù)，2015(8): 53-58.

[48] 畢筱雪，于東，胡毅，等. 面向CPS架構(gòu)的數(shù)控機(jī)床智能監(jiān)控系統(tǒng)的設(shè)計(jì)[J]. 組合機(jī)床與自動(dòng)化加工技術(shù)，2017(3): 121-124.

[49] 楊東民，陳敏，吳慶朝. 融合KPCA與PSO-RBF的數(shù)控機(jī)床故障診斷研究[J]. 機(jī)械設(shè)計(jì)與制造，2016(3): 167-170.

[50] 王春暖，李文卿，吳慶朝. 基于改進(jìn)PSO優(yōu)化模糊神經(jīng)網(wǎng)絡(luò)的數(shù)控機(jī)床故障診斷技術(shù)研究[J]. 機(jī)床與液壓，2016(3): 192-197.

[51] 王家海，黃江濤，沈斌，等. 數(shù)控機(jī)床智能故障診斷技術(shù)的研究現(xiàn)狀與展望[J]. 機(jī)械制造，2014(5): 30-32.

[52] 邵欽作. 機(jī)床行業(yè)“智能制造”的發(fā)展與展望[J]. 世界制造技術(shù)與裝備市場(chǎng)，2016(6): 42-44.