数控技术
数控机床在再制造方面的改善方式
安培良
(华中科技大学湖北武汉430000)
数事我术国m
摘要：随鲁制造行业对制造需求的不断提高,对制造装备的需象电不断提高，因而数控机床(CNC)逐断走上了历史舞台并扮演着板其重要的角色。现有的数控机床虽能满足大多数加工需求，但也存在不如人意之处，本文仅就数控机床在动力源、神经系统"、国款上的改善方式进行讨论。
关键调：高速/高精实现BP神经网络PD控制器AHP国收评估
中围分类号：TG659
1数控机床及其发展历史
文献标识码:A
数控机床是采用数字控制技术对机床加工过程进行自动控制的一类机床。在1952年，美国研制出世界上第一台数控机床后，其他工业国家相继对数控机床进行研制.我国在1958年也研发出第一台数控机床，从这一阶段起，由于其自身在精度和可控度方面的自然优势，数控机床逐渐取代了传统加工机床，成为制造行业的中坚力量。
2数控机床在动力源上的改善
提高生产率最主要、最直接的方式是提高加工速度，而高速加工与高速数控机床的开发应用紫密相关。为实现高速、高精加工，与之配套的功能部件如电主轴、直线电机等得到了快速发展，其应用领域逐步扩大。高额电主轴、直线电机.转矩电机等越来越多地应用在高档数控装备中。这紫新兴电机集成了机械传动结构和电气动力源，也实现了高速高精化，且高度集成，使得机床体积不断减小，
数控机床未来在动力源上将有如下的几种优化方式：
(1)利用高频电主轴。高频电主轴直接将电动机装配在主轴中，不需中间传动环节，是高频电动机与主轴部件的集成，具有体积小、转速高、可无级调速等一-系列优点。在多工件复合加工机床、多轴联动多面体加工机床，并联机床和柔性加工单元中，电主轴更有机械主轴不可替代的优越性。
目前，利用高性能电主轴替代复杂的机床传动箱体系统已经成为主流。这样一方面减少了复杂传动系统所致加工精度的降低，又可以尽可能缩小机床体积。
(2)直线电机。直线电机专为动态性能和运动精度要求高的机床设计，虽然其价格高于传统的伺服电机，但它大大简化了机械传动结构，有效提高了机床动态性能。直线电机驱动的工作平台具有高速、高加速度、高精度、行程不受限制等特点，因面满足现代数控机床对于进给伺服电机的要求，
当前主流数控机床的运动主要是电机带动滚珠丝杠副，从面将角位移转化为直线位移，运动误差是电机误差和滚珠丝杠副制造安装误差的累积。但如果采用直线电机的传动链没有误差，所有的误差来源于电机，这样就更容易实现精确控制。基于此，未来数控机床的工作台将会由高性能直线电机直接驱动。
(3)转矩电机。转矩电机是一种同步电机，其转子直接固定在所要驱动的部件上，因面没有机传动元件，它像直线电机一样直接驱动装置。转矩电机所能达到的角加速度比传统的蜗轮蜗杆传动所能达到的角加速度高6倍，应用于摆动叉形主轴头时加速度可达到 3g。由于转矩电机可达到极高的静态和动态负载刚性，因面能大大提高回转轴和摆动轴的定位和重复定位精度，
机床加工工件过程中，有时需要低转速大转矩的动力输出，用蜗轮蜗杆传动或液压辅助回路实现虽然各具一定的优点，但都需占
文章编号：1007-9416(2015)07-0014-02
用较大的体积，转矩电机的出现及其性能的不断改进有望在未来成为解决这类间题的有效手段，在保证加工精度的基础上减小机床体积。
3数控机床未来的智能神经系统”
数控系统在控制性能上正向智能化发展。随着人工智能在计算机领域的渗透和发展，数控系统引人了自适应控制、模棚系统和神经网络的控制机理，不但具有自动编程、前馈控制、模翻控制等功能，而且人机界面友好，并具有故障诊断专家系统。伺服系统智能化的主轴交流驱动和智能化进给伺服装置，能自动识别负载并自动优化调整参数。
神经网络模型现在已经成功地运用于模式识别，事实上，我们工程当中遇到的许多间题从本质上讲几乎没有完全的线性模型，人们根据自己经验对非线性问题做出各种假设和通近，从而使得非线性问题转化为线性问题。这个过程事实上就是一种建模，模型不能完全反应系统的原理。但是产生的误差可以接受。利用神经网络来构建智能系统其实就是在模仿这个过程，仿真一个"人脑"然后“集成"到数控机床中去。为了对这种手段的可行性进行更加有力的论证，下面简单地用一个基于BP神经网络的PID控制环节仿真来说明问题。
3.1基于BP神经网络的PID控制环节仿真
BP(BackPropagation)神经网络由以Remerhalt和McCeland为首的科学家小组提出，是一种按误差逆传播算法训练的多层前馈网络。BP网络能学习和存贮大量的输入一输出模式肤射关系，而无需事前揭示描述这种映射关系的数学方程。它的学习规则是使用最速下降法，通过反向传播来不断调整网络的权值和调值，使网络的误差平方和最小。选用BP神经网络的原因是它和我们要仿真的PID控制的控制方式比较类似，可以使得仿真工作量减少。
BP神经网络由信息的正向传播和误差的反向传播两个过程组成。输人层各神经元负责接收来自外界的输人信息，并传递给中间层各神经元；中间层是内部信息处理层，负责信息变换，根据信息变化能力的需求，中间层可以设计为单隐层或多隐层结构，最后-个隐层传递到输出层各神经元的信息，经进一步处理后，完成一次学习的正向传播处理过程，由输出层向外界输出信息处理结果。当实际输出与期望输出不符时，进人误差的反向传播阶段。误差通过输出层，按误差梯度下降的方式修正各层权值，向隐层，辖人层逐层反传。周而复始的信息正向传播和误差反向传播过程，是各层权值不断调整的过程，也是神经网络学习训练的过程，此过程一直进行到网络输出的误差减少到可以接受的程度或预先设定的学习次数为止。
此外，这里选择仿真PID控制器的原因是，这种控制器是工程上使用最广泛的控制器，如果仿真成功可以说明这个原理具有应用价
收稿日期：2015-07-01
作者简介：安培良(1993一-),男，汉族,河北泰皇岛人,本科,主研方向：机械设计制遭及其自动化。 14
方方数据