高等机械工程学 课件 第5、6章 机械自动化系统、智能制造及应用

高等机械工程学机械自动化系统第五章普通高等教育机械类系列教材5.1计算机控制技术机械自动化系统5.1计算机控制技术计算机控制是以控制理论和计算机技术为基础的一门工程科学技术，广泛应用于工业、交通、农业、军事等领域。随着控制理论和计算机技术的发展，以及工程技术人员对计算机应用技术的不断总结和创新，计算机控制系统的分析、设计理论和方法不断得以完善和发展，并成为从事自动化技术工作的科技人员必须掌握的一门专业技术。计算机

D/A转换器e(k2)

数字控制器

2(kD!,

D/A

u(4)、保持器

()

|

执行机构

被控对象

采样开关yi(0

A/D

转换器r(kT)

y(kT)测量变送环节y(1)A/D图5-1计算机控制系统典型结构机械自动化系统5.1计算机控制技术1.稳定性任何系统在扰动作用下都会偏离原来的平衡状态。稳定性是指当扰动作用消失以后，系统恢复原平衡状态的能力。2.稳态指标稳态指标是衡量系统精度的指标，用稳态误差来表征。3.动态指标动态指标能够比较直观地反映系统的过渡过程特性4.综合性能指标在设计最优控制系统时，既要考虑到能对系统的性能做出正确的评价，又要考虑到数学上容易处理或工程上便于实现，因此经常使用综合性能指标来评价一个系统。机械自动化系统5.1计算机控制的理论基础1.计算机控制系统的信号转换分析计算机运算和处理的是数字信号，而实际系统大部分是连续控制系统，连续控制系统中的给定量、反馈量及被控对象都是连续型的时间函数，把计算机引入连续控制系统，就造成了信息表示形式与运算形式的不同，为了分析与设计计算机控制系统，要对两种信息进行变换。机械自动化系统5.1计算机控制的理论基础图5-2所示为计算机控制系统的信号转换关系示意图。(1)模拟信号：时间上连续，幅值上也连续的信号，即通常所说的连续信号。(2)离散模拟信号：时间上离散，幅值上连续的信号，即常说的采样信号。(3)数字信号：时间上离散，幅值上也离散的信号，可用一个序列数字表示。(4)量化：采用一组数码(多用二进制数码)来逼近离散模拟信号的幅值，将其转换成数字信号。(5)采样：利用采样开关将模拟信号按一定时间间隔抽样成离散模拟信号。图5-2计算机控制系统的信号转换关系示意图机械自动化系统5.1计算机控制的理论基础在计算机控制系统中，一个连续模拟信号经采样开关后，变成了采样信号，即离散模拟信号，采样信号再经过量化过程才变成数字信号，如图所示。算机控制系统中的计算机作为信息处理装置，其输出一般有两种形式：一种是直接数字量输出形式，即直接以数字量形式输出，如开关控制、步进电动机控制等；另一种需要将数字信号u(kT)转换成连续信号u(t),用输出信号去控制被控对象。机械自动化系统5.1计算机控制的理论基础4.z变换是由拉普拉斯变换引出的，是拉普拉斯变换的特殊形式，它在离散系统的分析及设计中发挥了重要作用.5.离散时间系统(简称离散系统)是输入和输出信号均为离散信号的物理系统。在数学上，离散系统可以抽象为一种系统的离散输入信号和离散输出信号之间的数学变换函数或映射。机械自动化系统5.1计算机控制的理论基础6.脉冲传递函数线性连续系统的动态特性主要用传递函数来描述，线性离散系统的动态特性主要用脉冲传递函数来描述。脉冲传递函数也称为z传递函数。1)脉冲传递函数的定义在线性离散系统中，在零初始条件下，一个系统(或环节)输出脉冲序列的z变换与输入脉冲序列的z变换之比，被定义为该系统(或环节)的脉冲传递函数。机械自动化系统5.1计算机控制的理论基础2)由差分方程求脉冲传递函数W(z)设线性离散系统用下列差分方程来描述：y(k)+q₁y(k-1)+a₂y(k-2)+…+a,y(k-n)=bx(k)+bx(k-1)+…+bmx(k-m)(5-15)在零初始条件下，对式(5-15)等号两边取z变换可得该离散系统的脉冲传递函数为3)离散系统的稳定性稳定性是设计计算机控制系统首先要考虑的问题。分析稳定性的基础是z变换，由于z变换与连续系统的s变换在数学上的内在联系，我们有可能经过一定的变换把分析连续系统稳定性的方法引入离散系统的分析中。连续系统稳定条件是闭环脉冲传递函数的全部极点位于s平面的左半平面内。机械自动化系统5.1数字控制器的模拟化设计1.数字控制器的模拟化设计步骤如图所示的计算机控制系统的结构中，G(s)是被控对象的传递函数，H(s)是零阶保持器的传递函数，D(z)是数字控制器的脉冲传递函数。现在的设计问题是，根据已知的系统性能指标和G(s)来设计数字控制器D(z)。2.数字PID控制器根据偏差的比例(P)、积分(I)、微分(D)进行控制(简称PID控制),是控制系统中应用最为广泛的一种控制规律。机械自动化系统5.1数字控制器的离散化设计考虑信号采样的影响，从被控对象的实际特性出发，直接根据采样控制理论进行分析和综合，在z平面上设计数字控制器，最后通过软件编程实现。这种方法称为数字控制器的离散化设计方法，也称为数字控制器的直接设计法。机械自动化系统5.1数字控制器的离散化设计最少拍无纹波控制器的设计按最少拍有纹波系统设计的控制器，其系统的输出值跟踪输入值后，在非采样点有纹波存在。2设计最少拍无纹波控制器的必要条件最少拍无纹波控制器要求系统的输出信号在采样点之间不出现纹波，这样被控对象G。(s)必须有能力给出与系统输入r(t)相同且平滑的输出y(t)。最少拍控制数字随动控制系统中，要求系统的输出值尽快地跟踪给定值的变化，最少拍控制就是满足这一要求的一种离散化设计方法。15.2自动控制系统的重要组成自动控制系统的重要组成5.2有源电气元件的建模理想运算放大器性质(1)正极和负极之间的压差为0,即e¹=e⁷,通常叫作“虚地”或“虚短”。(2)流入正极和负极的电流为0,即输入阻抗无限大。(3)输出阻抗为0,即输出被视为理想电压源。(4)输入、输出关系为e=A(e¹-e),其中增益A接近无穷大。图5-13运算放大器原理图自动控制系统的重要组成5.2有源电气元件的建模图5-14反相运算放大器的配置反相运算放大器的配置如图5-14所示。其中，Z₁(s)和Z₂(s)通常由电容或电阻组成，受体积和成本限制，电感在此类电路中并不常用。根据理想运算放大器的性质，如图5-14所示的电路的输入、输出关系或传递函数可以表示为自动控制系统的重要组成5.2自动控制系统中的传感器和编码器传感器和编码器是反馈控制系统的重要组成部分。1.电位计电位计是将机械能转化为电能的机电换能装置。电位计的输入为机械位移(线性移动或旋转),当在电位器的固定端子上施加输入电压时，对应的输出电压(可变端子和地之间)与输入位移呈一定线性或非线性的关系。2.转速计转速计是将机械能转换为电能的机电装置。该装置主要用作电压发生器，其输出电压与输入轴的角速度大小成正比。在自动控制系统中，所使用的大部分转速计均为直流变频器，即输出电压是直流电压。自动控制系统的重要组成5.2自动控制系统中的传感器和编码器传感器和编码器是反馈控制系统的重要组成部分。3.增量编码器增量编码器在现代控制系统中十分常用，它的功能是将线性或旋转位移转换为数字编码或脉冲信号。绝对编码器的输出信号为数字信号，根据最小精度，绝对编码器将每个确定的位移转换为对应的数字编码输出。典型的旋转增量编码器有四个基本部分；光源、旋转码盘、固定码盘和光电传感器。自动控制系统的重要组成5.2自动控制系统中的直流电动机直流电动机的基本工作原理直流电动机可视为将电能转换为机械能的转矩转换器。直流电动机转轴所产生的转矩与磁通量和电枢电流成正比。如图5-23所示，在磁通量为φ的磁场中，有一个带电导体，其以半径r绕中心旋转，它所产生的转矩，与磁通量φ、电流i的关系为Tm=Kmdi₄式中，π为直流电动机产生的转矩(单位为N·m);φ为磁通量(单位为Wb);i为电枢电流(单位为A);Km为比例常数。自动控制系统的重要组成5.2自动控制系统中的直流电动机永磁直流电动机的数学模型图5-24所示为永磁直流电动机的等价电路图。电枢可等价于电感L和电阻R的串联电路，当转子转动时，电枢中的反向电动势用电压源e来表示。永磁直流电动机的各个变量和参数定义如下。i(t)=电枢电流；L=电枢感应系数；R₄(t)=电枢电阻；e(1)=外加电压；e(t)=反向电动势；K,=反向电动势常数；T()=载荷力矩；φ=磁通量；Tm(t)=电动机转矩；m(t)=旋转角速度；θm(t)=旋转位移；Jm=旋转惯量；K₁=转矩常数；Bm=黏性摩擦系数。自动控制系统的重要组成5.2直流电动机的速度控制及位置控制伺服机构是最为常见的机电控制系统之一，一些典型的应用包括机器人(机器人的每个关节都需要位置伺服机构)、数字控制器和激光打印机等。这些系统的共同特征是被控变量(通常是位置和速度变量)被反馈回来以修正指令信号。设计和实现一个成功的控制器的关键因素之一就是获得系统组成元件(特别是执行器)的精确模型。在前面的章节中我们讨论了各种与直流电动机建模相关的问题，本节将研究直流电动机的速度控制及位置控制。自动控制系统的重要组成5.2直流电动机的速度控制及位置控制速度响应、自感效应和扰动：开环响应图5-26所示为电枢控制直流电动机。在这个系统中，将场电流视为常量，传感器为转速计，用于测量电动机轴速度。根据具体的应用，如位置控制系统，电位计或编码器也可作为传感器。图5-26电枢控制直流电动机自动控制系统的重要组成5.2直流电动机的速度控制及位置控制2.直流电动机的速度控制：闭环响应直流电动机的输出速度在很大程度上依赖于转矩π,因此可以通过比例反馈控制器来改进电动机的速度控制性能。该控制器由一个测量速度的传感器(通常用转速计)和增益为K的功率放大器(比例控制)构成，其配置如图5-29所示。直流电动机的速度控制框图如图5-30所示。图5-29直流电动机的反馈控制图5-30直流电动机的速度控制框图自动控制系统的重要组成5.2直流电动机的速度控制及位置控制3.位置控制在开环情况下，对速度响应进行积分可以获得位置响应，故开环传递函数为式中，J=J₁/n²+Jm,为总惯量。对于足够小的L,时间响应为图5-31闭环系统的控制框图5.3液压与气压伺服系统基础液压与气压伺服系统基础5.3液压与气压伺服系统概述1.伺服系统的工作原理和特点图5-32所示为液压进口节流阀式节流调速回路。在这种回路中，调定节流阀的开口量后，液压缸就以某一调定速度运动。当负载、油温等参数发生变化时，这种回路将无法保证原有的运动速度，因此其速度精度较低且不能满足精确地连续无级调速要求。1—液压泵；2一溢流阀；3—节流阀；4一换向阀；5—液压缸。图5-32液压进口节流阀式节流调速回路液压与气压伺服系统基础5.3液压与气压伺服系统概述2.伺服系统的职能框图和组成环节图5-35所示为速度伺服系统的职能框图。其中，一个方框表示一个元件，方框中的文字表明该元件的职能。带有箭头的线段表示元件之间的相互作用，即系统中信号的传递方向。图5-35速度伺服系统的职能框图由图5-36可以看出，上述速度伺服系统是由输入元件、比较元件、放大及转换元件、执行元件、检测及反馈元件和控制对象组成的。实际上，任何一个伺服系统都是由这些元件组成的。液压与气压伺服系统基础5.3液压与气压伺服系统概述3.伺服系统的分类与优缺点1)伺服系统的分类(1)按输入信号变化规律伺服系统可分为定值控制系统、程序控制系统和伺服控制系统三类。(2)按输入信号介质伺服系统可分为机液伺服系统、电液伺服系统、气液伺服系统等。(3)按输出物理量伺服系统可分为位置伺服系统、速度伺服系统、力(或压力)伺服系统等。液压与气压伺服系统基础5.3液压与气压伺服系统概述3.伺服系统的分类与优缺点2)伺服系统的优缺点液压和气压伺服系统除具有液压和气压传动所固有的一系列优点以外，还具有控制精度高、响应速度快、自动化程度高等优点。液压与气压伺服系统基础5.3典型的伺服控制元件力矩马达和力马达力矩马达是一种具有旋转运动功能的电一机械转换器，力马达是一种具有直线运动功能的电一机械转换器。它们在阀中的作用是将电控信号转换成转角(力矩马达)或直线位移(力马达),用来作为液压放大器的输入信号。液压与气压伺服系统基础5.3典型的伺服控制元件滑阀根据滑阀控制边数(起控制作用的阀口数)的不同，滑阀有单边控制滑阀、双边控制滑阀和四边控制滑阀三种类型。图5-39单边控制滑阀的工作原理图5-40双边控制滑阀的工作原理图5-41四边控制滑阀的工作原理液压与气压伺服系统基础5.3典型的伺服控制元件滑阀单边、双边和四边控制滑阀的控制作用是相同的，均起到换向和调节的作用。控制边数越多，控制质量越好，但结构工艺性越差。在通常情况下，四边控制滑阀多用于对精度要求较高的系统；单边、双边控制滑阀多用于一般精度要求系统。四边控制滑阀在初始平衡状态下的开口有三种形式，即负开口(x₅<0)、零开口(x=0)和正开口(x>0)。液压与气压伺服系统基础5.3典型的伺服控制元件射流管阀射流管阀的优点是结构简单、动作灵敏、工作可靠。它的缺点是射流管运动部件惯性较大、工作性能较差；射流能量损耗大、效率较低；当供油压力过高时易引起振动。射流管阀控制只适用于低压、小功率场合。图5-43射流管阀的工作原理液压与气压伺服系统基础5.3伺服阀液控伺服阀是电液或电气联合控制的多级伺服控制元件，它能将微弱的电气输入信号放大成大功率的液压或气压能量输出，以实现对流量和压力的控制。它接收一种模拟量电控信号，输出随电控信号的大小及极性变化而变化的液压模拟量。液控伺服阀具有控制精度高和放大倍数大等优点，在液压与气压控制系统中得到了广泛的应用。液压与气压伺服系统基础5.3伺服阀液控伺服阀的分类、组成、结构和工作原理1)液控伺服阀的分类2)液控伺服阀的组成液控伺服阀通常由电一机械转换器(力矩马达或力马达)、液压放大器和反馈或平衡机构三大部分组成。2)液控伺服阀的组成液控伺服阀通常由电一机械转换器(力矩马达或力马达)、液压放大器和反馈或平衡机构三大部分组成。液压与气压伺服系统基础5.3伺服阀2.液控伺服阀的选用液控伺服阀的控制精度高、响应速度快，所以在航空、冶金、机械、船舶和化工等工业部门得到了广泛的应用。它常用于实现位置、速度、加速度和力的控制。3.气压伺服阀气压控制系统除有用气压伺服阀控制的气压伺服系统以外，还有用比例阀控制的气压比例控制系统，比例阀结构简单、价格便宜、维修方便，是介于普通的开关式控制阀和气压伺服阀之间的控制元件。5.4典型的伺服系统典型的伺服系统5.4液压伺服系统1.车床液压仿形刀架车床液压仿形刀架是机液伺服系统。刀架倾斜地安装在溜板上，工作时随溜板纵向移动。样板安装在机床身后侧支架上固定不动。液压泵置于车床附近。液压缸的活塞杆固定在刀架的底座上，缸体、阀体和刀架连成一体，可在刀架底座的导轨上沿液压缸轴向移动。滑阀阀芯在弹簧的作用下通过支杆使杠杆的触销紧压在样板上。图5-52车床液压仿形刀架的原理图典型的伺服系统5.4液压伺服系统2.机械手伸缩运动伺服系统一般机械手的伸缩、回转、升降和手腕的动作，都是由液压伺服系统驱动的，其工作原理相同。该系统主要由电液伺服阀、液压缸、由活塞杆带动的机械手手臂、齿轮齿条机构、电位器、步进电动机和放大器组成，是电液位置伺服系统。图5-54机械手伸缩运动伺服系统原理图典型的伺服系统5.4液压伺服系统3.带钢液压张力伺服系统在带钢生产过程中，经常要求控制带钢的张力(如在热处理炉内进行热处理时),因此对薄带材的连续生产提出了高精度、恒张力控制要求。图5-56带钢液压张力伺服系统原理图典型的伺服系统5.4液压伺服系统4.电液速度伺服系统在带钢生产过程中，经常要求控制带钢的张力(如在热处理炉内进行热处理时),因此对薄带材的连续生产提出了高精度、恒张力控制要求。图5-58电液速度伺服系统原理图典型的伺服系统5.4气压伺服系统力控制伺服系统压比例/伺服系统非常适用于汽车部件、橡胶制品、轴承及键盘等产品的中、小型疲劳试验机。该试验机主要由被试件(方向盘)、负载传感器、气缸、位移传感器、伺服阀等组成。要求向被试件(方向盘)的轴向、径向和螺旋方向单独或复合(两轴同时)地施加呈正弦波变化的负载，然后检测其寿命。典型的伺服系统5.4气压伺服系统张力控制伺服系统在印刷、纺织、造纸等许多工业领域中，张力控制是不可缺少的工艺手段。带材或板材(如纸张、胶片、电线、金属薄板等)的卷绕机，在卷绕过程中，为了保证产品的质量，都要求卷筒张力保持一定。气压制动器因为具有价廉、维修简单、制动力矩范围变更方便等特点，所以在各种卷绕机中得到了广泛的应用。典型的伺服系统5.4气压伺服系统加压控制伺服系统该系统主要由比例压力阀、气缸、夹具、磨石和减压阀等组成，其中减压阀的作用是向气缸有杆腔加恒压，以平衡活塞杆和夹具机构的自重。图5-62磨床中的加压控制伺服系统45.5机械自动化系统案例——磁盘驱动器机械自动化系统案例——磁盘驱动器5.5磁盘可以方便、有效地存储信息。磁盘驱动器采用ANSI标准，广泛应用于从便携式计算机到大型计算机等各类计算机中。全球磁盘驱动器的市场需求量超过5.5亿套，磁盘驱动器设计师以往关注的焦点是存储容量和读取速度。近年来的变化趋势表明，数据存储密度的增长速度达到了大约每年40%。图5-63所示为磁盘驱动器结构示意图。图5-63磁盘驱动器结构示意图机械自动化系统案例——磁盘驱动器5.5磁盘驱动器读取装置的设计目标是准确定位磁头，以便正确读取磁盘磁道上的信息。需要实施精确控制的受控变量是磁头(安装在一个滑动簧片上)的位置。磁盘的旋转速度为1800～7200rad/min,磁头在磁盘上方不到100nm的地方“飞行”,位置精度指标初步定为1μm。如果有可能，还要做进一步要求，磁头由磁道a移动到磁道b的时间不超过50ms。图5-63磁盘驱动器结构示意图机械自动化系统案例——磁盘驱动器5.5磁盘驱动器控制系统的基本设计目标：尽可能地将磁头精确定位于指定的磁道，并且磁头在两个磁道之间移动所需的时间不超过50ms。针对这个系统，本节首先确定受控对象、传感器和控制器，然后建立受控对象和传感器的数学模型。磁盘驱动器控制系统用永磁直流电机来驱动磁头臂转动(见图5-65)。磁盘驱动器制造者称这种电机为音圈电机。磁头安装在一个与磁头臂相连的簧片上，由弹性金属制成的簧片能够保证磁头以小于100nm的间隙悬浮在磁盘之上。磁头读取磁盘上各点处的磁通量，并将信号提供给放大器。图5-64磁盘驱动器磁头的闭环控制系统图5-65磁头安装结构图机械自动化系统案例——磁盘驱动器5.5在读取磁盘上预存的索引磁道时，磁头将生成偏差信号，如图5-66(a)所示。假定磁头足够精确，可以如图5-66(b)所示，将传感器环节的传递函数取为H(s)=1。同时，用电枢控制式直流电机模型作为永磁直流电机的模型，并令K=0,这是一个具有足够精度的近似模型。表5-2所示为磁盘驱动器控制系统的一些典型参数。图5-66磁盘驱动器控制系统框图模型机械自动化系统案例——磁盘驱动器5.5机械自动化，顾名思义就是指在进行机械制造时，结合自动化技术，使工程在运行过程中能够实现自动且不间断地生产。与传统的机械制造技术不同，机械自动化技术优化了传统机械制造技术的制造过程，减少了许多人力的投入和使用。本章面向机械自动化系统的核心技术，首先介绍了计算机控制系统的基本概念、组成结构、信号转换原理、数学基础及数字控制器的设计方法，对计算机控制系统涉及的各方面技术进行了较全面的阐述。其次在此基础上进一步介绍了机械自动化系统中应用最为广泛的电机伺服系统、液压与气压伺服系统的基本组成和工作原理，以及典型应用。最后以磁盘驱动器为例，介绍了机械自动化系统在实际工业领域的应用。感谢观看，再见！高等机械工程学普通高等教育机械类系列教材高等机械工程学智能制造及应用第六章普通高等教育机械类系列教材6.1智能制造技术智能制造技术6.1智能制造技术的含义回顾每一次工业革命，人类社会的发展都离不开科学技术的进步，而在智能制造技术不断发展的今天，世界工业正面临着一场新的产业升级与变革，智能制造技术也将成为第四次工业革命的核心推动力量。智能制造系统的主要特征包括以下四个方面。自我感知、自适应和优化、自我诊断和维护、自主规划和决策智能制造技术6.1智能制造技术的含义1)自我感知，是指智能制造系统通过传感器获取所需信息，并对自身状态与环境变化进行感知，自动识别与数据通信是实现自我感知的重要基础。(2)自适应和优化，是指智能制造系统根据感知到的信息对自身运行模式进行调节，使系统处于最优或较优的状态，实现对复杂任务不同工况的智能适应。(3)自我诊断和维护，是指智能制造系统在运行过程中，能够对自身故障和失效问题做出自我诊断，并能通过优化调整保证系统可以正常运行。(4)自主规划和决策，是指智能制造系统在无人于预的条件下，基于感知到的信息，进行自主的规划计算，给出合理的决策指令，并控制执行机构完成相应的动作，实现复杂的智能行为。智能制造技术6.1国内外智能制造技术的发展现状在2008年全球金融危机之后，世界各国均将智能制造作为制造业转型升级的目标，纷纷做出战略部署，而智能制造装备作为智能制造的核心载体，已成为竞争的焦点。美国将“制造业复兴”和“再工业化”战略作为制造业发展的重要途径，颁布了《重振美国制造业政策框架》《先进制造伙伴计划》《先进制造业国家战略计划》等纲领性文件和一系列战略性措施，并已投入超过20亿美元，研究智能制造及相关的高、精、尖技术，希望通过制造业的转型和升级，在智能制造领域保持美国制造业和制造技术的全球领先地位。在全球制造业智能化的发展大趋势下，欧盟也推出了相应的战略计划。欧盟在整合各成员国工业发展需求的基础上，推出了“数字化欧洲工业”计划，旨在通过智能制造推进欧洲工业的数字化进程。智能制造技术6.1国内外智能制造技术的发展现状改革开放后经过40多年的快速发展，我国的装备制造业系统和相关产业链已逐渐完善，在规模和水平上都有了长足的进步，已成为国民经济的支柱产业，为工业和国防建设做出了十分重要的贡献。我国智能制造装备的发展起步较晚，国内优势企业数量较少，竞争力不足，目前十分缺乏有竞争力的骨干企业。同时，大部分企业集中于单纯的制造生产，在维修改造、备件供应、设备租赁、再制造等方面的增值服务能力较为欠缺。此外，大部分优秀企业目前只能在国内进行竞争，尚未进入国际市场。智能制造技术6.1智能制造的基础理论与关键技术智能制造装备是先进制造技术、信息技术和人工智能技术的高度集成，也是智能制造产业的核心载体。典型的智能使能技术包括物联网、大数据、云计算、机器学习、智能传感、互联互通与远程运维等。图6-2智能制造系统的组成示意图智能制造技术6.1智能制造的基础理论与关键技术如图6-2所示，从下到上分为五层：第一层为不同功能的智能制造装备，如智能机床、智能机器人及智能测量仪；第二层由多台智能制造装备组成了数字化生产线，实现了各智能制造装备的连接；第三层进一步由多条数字化生产线组成了数字化车间，实现了各数字化生产线的连接；图6-2智能制造系统的组成示意图智能制造技术6.1智能制造的基础理论与关键技术第四层由多个数字化车间组成了智能工厂，实现了各数字化车间的连接；第五层为应用层，由物联网、云计算、大数据、机器学习、远程运维等智能使能技术组成，为各级智能制造系统提供技术支撑与服务，而互联互通广泛存在于各级智能制造系统间，智能传感主要存在于智能制造装备与传感器间。图6-2智能制造系统的组成示意图智能制造技术6.1物联网麻省理工学院的Ashton教授最先提出物联网的概念，其理念是基于射频识别(RFID)、电子产品代码(EPC)等技术，在互联网的基础上，通过信息传感技术把所有的物品连接起来，构造一个实现物品信息实时共享的智能化网络，即物联网。目前，存在很多与物联网并存的术语，如传感器网络、泛在网络等。根据物联网、传感器网络和泛在网络的概念和特征可得出三者之间的关系，如图6-3所示。图6-3物联网、传感器网络和泛在网络之间的关系智能制造技术6.1物联网目前，对于物联网的系统构架，国际电信联盟给出了公认的三个层次，从下到上依次是感知层、网络层和应用层，如图所示。1)感知层物联网的感知层主要完成物理世界中信息的采集和数据的转换与收集,主要由各种传感器(或控制器)和短距离传输网络组成。2)网络层物联网的网络层主要完成信息的传递和处理，由接入单元和接入网络组成。3)应用层物联网的应用层是物联网和用户的接口，主要任务是对物理世界的数据进行处理、分析和决策，主要包括物联网中间件和物联网应用。智能制造技术6.1物联网(1)RFID技术。RFID技术是一种高级的非接触式自动识别技术，通过无线射频的方式识别目标对象和获取数据，可以在各种恶劣环境下工作，识别过程无须人工干预。(2)传感技术。传感技术是指从物理世界获取信息，并对所获取的信息进行处理和识别的技术，其在物联网中的主要功能是对物理世界进行信息的采集和处理，涉及传感器、信息处理和识别。3)智能技术。智能技术是指通过在物体中嵌入智能系统，使物体具备一定的智能，能够和用户实现沟通，从而进行信息交换。(4)纳米技术。纳米技术是在0.1～100nm微尺度上的一类高新技术。国际电信联盟的报告指出，RFID技术、传感技术、智能技术、纳米技术是物联网的四个关键性技术，其中RFID技术被称为四大关键性技术之首，是构建物联网的基础技术。智能制造技术6.1大数据大数据是指存储在各种介质中大规模的各种形态的数据，对各种存储介质中的海量信息进行获取、存储、管理、分析、控制而得到的数据便是大数据。IBM公司提出了大数据的5V特点，即Volume(大量)、Velocity(高速)、Variety(多样)、Val(低价值密度)、Veracity(真实性)。大数据的架构在逻辑上主要分为四层，即数据采集层、数据存储和管理层、数据分析层及数据应用层，如图所示。智能制造技术6.1云计算云计算的概念自被提出以来，尚未出现一个统一的定义。综合不同文献资料对云计算的定义，可以认为云计算是一种分布式的计算系统，其具有两个主要特点：第一，其计算资源是虚拟的资源池，将大量的计算资源池化，与之前的单个计算资源或多个计算资源不同，形成了大型的资源池，并将其中一部分以虚拟的基础设施、平台、应用等方式提供给用户；第二，计算能力可以有弹性地、快速地根据用户的需求增加或减少，当用户对计算能力的需求有变化时，可以快速地获得或退还计算资源，为用户节约了成本，同时也使资源池的利用效率大大提高。智能制造技术6.1云计算图6-7计算模式演化云计算服务的最高层是软件即服务，云计算提供商完成全部工作，用户直接付费就可以使用软件。软件即服务适用于不关心背后原理逻辑，需要直接使用软件的用户。智能制造技术6.1机器学习机器学习的基本实现方式可描述为，将具象的概念映射为数据，同目标事物的观测数据一起组成原始样本集，计算机根据某种规则对原始样本集进行特征提取，形成特征样本集，通过预处理过程将特征样本集拆分为训练数据集和测试数据集，再调用合适的机器学习算法，对其进行训练拟合并测试、改良评价函数，即可用评价函数对未来的观测数据进行预测或评价。图6-9机器学习的基本流程智能制造技术6.1机器学习(1)按照学习态度和灵感来源，可将机器学习分为符号主义、联结主义、进化主义、贝叶斯主义和类推主义等。(2)按照学习模式和样本结构，可将机器学习分为监督学习、无监督学习、半监督学习和强化学习等。(3)按照学习方法和模型复杂度，可将机器学习分为传统机器学习和深度学习。(4)其他学习算法以改良、优化的方式，提升或补充上述算法的应用效果，其本身无法直接输出预测函数，常见算法包括迁移学习、主动学习、集成学习和演化学习等。智能制造技术6.1智能传感智能传感主要是指利用压电技术、热式传感技术、微流控BioMEMS技术、磁传感技术和柔性传感技术等将待感知、待控制的参数量化，并集成应用于工业网络的技术，具有信息感知、信息诊断、信息交互的能力。智能传感将传感器、微处理器和执行器三者融合至同一系统中，先对输入信号完成检测、处理、记忆等过程，再将调理好的信号发送到执行器或控制系统，其原理框架如图6-12所示。图6-12智能传感的原理框架智能制造技术6.1智能传感智能传感技术的优势(1)信息诊断与自补偿。智能传感技术利用微处理器中的诊断算法对传感器的输出进行检验，通过读取的诊断信息确定测量精度变化，具有信息诊断的能力。此外，智能传感技术还可以通过软件计算自动补偿线性、非线性和漂移及环境影响等因素带来的误差，实现自补偿的功能。(2)信息存储。智能传感器可以内置存储空间，用于存储功能程序、数据及参数等信息，从而大大缓解控制系统的存储压力。(3)自学习。利用微处理器中的编程算法，可以使智能传感具有自学习功能。例如，在操作过程中学习特定采样值，基于近似和迭代算法自主感知被测量。(4)数字化输出。传统的模拟输出需要通过A/D转换后才可以进行数字处理，而智能传感技术集成了A/D转换电路，无须二次处理即可直接输出数字信号，缓解了信号处理的压力。智能制造技术6.1互联互通互联互通是指通过有线、无线等通信技术，实现装备之间、装备与控制系统之间、企业之间的相互连接及信息交换。国际电工委员会(IEC)在其技术报告中对互联互通的层级进行了定义，如图6-13所示。图6-13IEC对互联互通层级的定义互联互通作为智能制造的重要使能技术，在智能制造的各方面均起着重要的作用。互联互通应用常见于由数控机床和上、下料机器人组成的柔性生产线。数控机床与机器人之间，或者数控机床/机器人与上层管控系统之间，通过互联互通相互获取数据、状态和指令，通过解析相关信息完成生产调度和生产节拍的配合，共同完成工作。互联互通在数字孪生中同样起着重要作用。智能制造技术6.1互联互通数字孪生是指以数字化的方式建立物理实体多维、多时空尺度、多学科、多物理量的动态虚拟模型来仿真和刻画实体在环境中的属性、行为、规则等。数字孪生也能用于诊断、监控、预防和资产预测性维护的有效调度。互联互通中的信息模型技术通过对数字孪生各种属性信息建模的方式实现信息标准化，为信息在物理世界层和虚拟世界层的顺利流通提供保障。智能制造技术6.1远程运维远程运维主要是指利用云计算技术、智能网关硬件、通信技术、VPN技术及大数据技术等对工业设备的运行数据进行采集，实现设备远程监控，故障、警报的实时分析和通知，远程故障诊断，程序升级，设备维保管理，设备预防性维护，以及工业大数据挖掘等功能。远程运维的核心是通信网络、中央数据库、运维流程及监测系统。远程运维的主要功能模块包括以下几个：(1)状态信息采集模块(2)健康评估模块(3)故障模式识别及预测性维护模块智能制造技术6.1远程运维远程运维系统的信息技术架构如图6-19所示，包含采集层、数据访问层、逻辑层和应用层。图6-19远程运维系统的信息技术架构智能制造技术6.1远程运维数据采集平台可接收来自设备的传感器数据，也可通过通信网络或其他数据采集器接口采集其他平台的数据，对数控设备的运行状态进行在线连续采集和存储。数据采集平台每天采集大量的数据，涉及设备生产基本信息、运维信息服务反馈等。图6-19远程运维系统的信息技术架构智能制造技术6.1远程运维数据访问层对数据信息进行归档，以保证数据的完整性、安全性和统一性，为上层数据管理业务系统提供数据支撑。图6-19远程运维系统的信息技术架构智能制造技术6.1远程运维逻辑层包含远程运维系统的各个模块，如运维系统协助模块、运维系统决策模块等，调用数据访问层的数据服务，对数控设备进行健康状态评估和故障诊断。通过对设备的故障类型和程度进行判断，对设备的维修计划、维修时间、维修方案等做出决策。应用层主要包含波形管理、远程协助、即时通信、系统设置等具体应用，并为云平台管理系统的用户提供操作界面。图6-19远程运维系统的信息技术架构6.2智能制造系统智能制造系统6.2智能制造系统是一个“大系统”,贯穿于产品、制造、服务全生命周期的各个环节，也是一个“大概念”,是制造技术与新一代人工智能技术的高度融合。智能制造系统是一种由智能机器和人类专家共同组成的人机一体化智能系统，它在制造过程中能以一种高度柔性与集成不高的方式，借助计算机模拟人类专家的智能活动，进行分析、推理、判断、构思和决策等，从而取代或延伸制造环境中人的部分脑力劳动，同时收集、存储、完善、共享、集成和发展人类专家的智能。与传统的制造系统相比，智能制造系统一般应具有如下几个方面的特征。智能制造系统6.2智能机床系统智能机床可看作数控机床发展的高级形态，它融合了先进制造技术、信息技术和智能技术，具有自我感知和预估自身状态的能力，其主要技术特征包括利用历史数据估算设备关键零部件的使用寿命；感知自身加工状态和环境的变化，诊断故障并给出修正指令；对所加工工件的质量进行智能化评估；基于各种功能模块，实现多种加工工艺，提高加工效能，降低对资源和能源的消耗。1.自主感知与连接2.自主学习与建模3.自主优化与决策4.自主控制与执行智能制造系统6.2智能生产线系统智能生产线是在流水线的基础上逐渐发展起来的。智能生产线系统是通过工件传送系统和控制系统，将一组数控机床和辅助设备按照工艺顺序连接起来，自动完成产品全部或部分制造过程的生产系统。智能车削生产线的设计涉及智能车削生产线总体布局、数字化工厂与车间的建设规划和智能生产线的系统集成等方面的内容。智能制造系统6.2智能生产线系统智能制造融合了现代传感技术、网络技术、自动化技术等先进技术，大量传感器、数据采集装置等智能设备在车间投入使用，通过智能感知、人机交互等手段，采集了车间生产过程中的大量数据。这些数据涉及产品需求设计、原材料采购、生产制造、仓储物流、销售售后等环节，包括传感器、数控机床、MES、ERP等相关信息化应用。图6-23智能车间系统的基本架构6.3工业大数据工业大数据6.3工业大数据采集技术智能机床可看作数控机床发展的高级形态，它融合了先进制造技术、信息技术和智能技术，具有自我感知和预估自身状态的能力，其主要技术特征包括利用历史数据估算设备关键零部件的使用寿命；感知自身加工状态和环境的变化，诊断故障并给出修正指令；对所加工工件的质量进行智能化评估；基于各种功能模块，实现多种加工工艺，提高加工效能，降低对资源和能源的消耗。1.自主感知与连接2.自主学习与建模3.自主优化与决策自主控制与执行工业大数据6.3工业大数据采集技术传感器传感器在工业化和物联网时代发挥着重要作用，如航空航天、智能装备、智能工厂、工业自动化等领域的发展都离不开各类传感器。对于工业大数据来说，工业物联网数据就是由用各种各样的传感器采集的数据组成的。传感器是一种能够检测出外界的物理量、化学量、生物量等信息，并能将其转换为模拟量或数字量等电信号，然后通过网络进行传输和存储的器件或装置。传感器一般由敏感元件、转换元件、调理电路三部分组成。工业大数据6.3工业大数据采集技术单点采集技术工业大数据采集技术包括单点采集技术和组合采集技术，基于传感器的单点采集技术在机械制造及其相关领域应用非常广泛。单点采集技术是工业大数据采集的基础，可以理解为对数据采集装置与感应装置(如数控机床、测量仪、各类传感器等)建立单通道的连接，并将感应装置中产生的某项数据采集出来，对其进行处理、传输和保存等操作。工业大数据6.3工业大数据采集技术组合采集技术组合采集技术能对工业设备的多种数据项进行组合采集，建立数据之间的关系网络。组合采集技术方案如图6-28所示。首先，与工业设备建立连接，对采集参数配置模块进行设置；其次，数据采集模块对工业设备进行数据采集，并将数据缓存到数据库中；最后，将数据在云端进行持久化存储，以便于智能分析应用。工业大数据6.3工业大数据存储基础——数据类型及数据库分类半结构化数据它是介于完全结构化数据(如关系型数据库、面向对象数据库的数据)和完全无结构的数据(如声音、图像文件等)之间的数据，因此它也被称为自描述结构数据。2非结构化数据顾名思义就是没有固定结构的数据。各种文档、图片、视频、音频等都属于非结构化数据。对于这类数据，一般直接进行整体存储，存储为二进制数据格式。3结构化数据可以使用关系型数据库表示和存储，表现为二维形式的数据。其一般特点是数据以行为单位，一行数据表示一个实体的信息，每行数据的属性都是相同的。结构化数据的存储和排列是很有规律的，这对查询和修改等操作很有利，但其扩展性不好。1工业大数据6.3工业大数据存储基础——Hadoop分布式存储技术Hadoop是可以对海量信息进行分布式存储和分析处理的一种架构，是云计算的核心技术。Hadoop是由Apache基金会开发的分布式系统基础架构，具有高可靠性、高拓展性、高效性和成本低廉等优点。Hadoop可以被部署在廉价的硬件集群中，然后将一个具有很大运算量的任务打碎成无数碎片任务分配给这些计算单元，每个单元运算自己那部分任务，再将结果整合，充分利用了集群的优势。HDFS采用Master-Slave(主-从)的架构来存储数据，这种架构主要由四部分组成，分别为Client、NameNode、DataNode和SecondaryNameNode。工业大数据6.3工业大数据分析方法分布式并行计算基本理论解决海量数据的分析难题，传统意义上有两种方案：纵向扩展和横向扩展。纵向扩展是指通过直接升级计算设备的硬件配置，如硬盘容量、内存空间，或者更换更高性能的中央芯片等，提高计算设备的数据分析能力。但是这种硬件升级会受到计算设备本身架构的局限，同时所需的升级成本也会快速上升，因此纵向扩展方案存在局限性，不能彻底解决大数据处理的问题。横向扩展是指通过联合多台计算设备来模拟“超级计算机”,也就是同时使用多台计算设备并行完成同一个大数据处理任务，这种方式在成本和扩展性上具备很大的优势。工业大数据6.3工业大数据分析方法MapReduce理论基础MapReduce是一个出现较早的分布式并行计算框架，