智能机床外文翻译本科学位论文.doc

《智能机床外文翻译本科学位论文.doc》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

毕业设计中英文翻译学生姓名：学号：学院：机械设计制造及其自动化专业：指导教师：2013年5月 原文：48.4.4AutonomousandIntelligentMachineToolThewholemachiningoperationofconventionalCNCmachinetoolsispredeterminedbyNCprograms.Oncethecuttingconditions,suchasdepthofcutandstepover,aregivenbythemachiningcommandsintheNCprograms,theyarenotgenerallyallowedtobechangedduringmachiningoperations.ThereforeNCprogramsmustbeadequatelypreparedandverifiedinadvance,whichrequiresextensiveamountsoftimeandeffort.Moreover,NCprogramswithfixedcommandsarenotresponsivetounpredictablechanges,suchasjobdelay,jobinsertion,andmachinebreakdownfoundonmachiningshopfloors.ShiraseproposedanewarchitecturetocontrolthecuttingprocessautonomouslywithoutNCprograms.Figure48.29showstheconceptualstructureofautonomousandintelligentmachinetools(AIMac).AIMacconsistsoffourfunctionalmodulescalledmanagement,strategy,prediction,andobservation.Allfunctionalmodulesareconnectedwitheachothertosharecuttinginformation.Fig.48.29ConceptualstructureofAIMac DigitalCopyMillingforReal-TimeTool-PathGenerationAtechniquecalleddigitalcopymillinghasbeendevelopedtocontrolaCNCmachinetooldirectly.Thedigitalcopymillingsystemcangeneratetoolpathsinrealtimebasedontheprincipleoftraditionalcopymilling.Indigitalcopymilling,atracingprobeandamastermodelintraditionalcopymillingarerepresentedbythree-dimensional(3-D)virtualmodelsinacomputer.Avirtualtracingprobeissimulatedtofollowavirtualmastermodel,andcutterlocationsaregenerateddynamicallyaccordingtothemotionofthevirtualtracingprobeinrealtime.Inthedigitalcopymilling,cutterlocationsaregeneratedautonomously,andanNCmachinetoolcanbeinstructedtoperformmillingoperationwithoutNCprograms.Additionally,notonlystepover,butalsoradialandaxialdepthsofcutcanbemodified,asshowninFig.48.30.Also,digitalcopymillingcangeneratenewtoolpathstoavoidcuttingproblemsandchangethemachiningsequenceduringoperation[48.12].Furthermore,thecapabilityforin-processcuttingparametersmodificationwasdemonstrated,asshowninFig.48.31[48.13].Real-timetool-pathgenerationandthemonitoredactualmillingareshowninthelowerleftcornerandtheupper-rightcornerofthisfigure.Themonitoredcuttingtorque,adaptedfeedrate,andradialandaxialdepthsofcutareshowninthelowerrightcornerofthisfigure.Thecuttingparameterscanbemodifieddynamicallytomaintainthecuttingload. Fig.48.30a–dExampleofreal-timetool-pathgeneration.(a)Bilateralzigzagpaths;(b)contouringpaths;(c)changeofstepover;(d)changeofcuttingdepthFig.48.31AdaptivemillingonAIMacFig.48.32ResultsofmachiningprocessplanningonAIMac FlexibleProcessandOperationPlanningSystemAflexibleprocessandoperationplanningsystemhasbeendevelopedtogeneratecuttingparametersdynamicallyformachiningoperation.Thesystemcangeneratetheproductionplanfromthetotalremovalvolume(TRV).TheTRVisextractedfromtheinitialandfinishedshapesoftheproductandisdividedintomachiningprimitivesormachiningfeatures.Theflexibleprocessandoperationplanningsystemcangeneratecuttingparametersaccordingtothemachiningfeaturesdetected.Figure48.32showstheoperationsequenceandcuttingtoolstobeused.Cuttingparametersaredeterminedfortheexperimentalmachiningshape.ThedigitalcopymillingsystemcangeneratethetoolpathsorCLdatadynamicallyaccordingtotheseresultsandperformtheautonomousmillingoperationwithoutrequiringanyNCprogram.48.5KeyTechnologiesforFutureIntelligentMachineToolSeveralarchitecturesandtechnologieshavebeenproposedandinvestigatedasmentionedintheprevioussections.However,theyarenotyetmatureenoughtobewidelyappliedinpractice,andtheachievementsofthesetechnologiesarelimitedtospecificcases.AchievementsofkeytechnologiesforfutureintelligentmachinetoolsaresummarizedinFig.48.33.Processandmachiningqualitycontrolwillbecomemoreimportantthanadaptivecontrol.Dynamictoolpathgenerationandin-processcuttingparametersmodificationarerequiredtorealizeflexiblemachiningoperationforprocessandmachiningqualitycontrol.Additionally,intelligentprocessmonitoringisneededtoevaluatethecuttingprocessandmachiningqualityforprocessandmachiningqualitycontrol.Areasonablestrategytocontrolthecuttingprocessandareasonableindextoevaluatemachiningqualityarerequired.Itisthereforenecessarytoconsiderutilizationandlearningofknowledge,knowhow,andskillregardingmachiningOperations.Aprocessplanningstrategywithwhichonecangenerateflexibleandadaptiveworkingplansisrequired.Anoperationplanningstrategyisalsorequiredtodeterminethecuttingtoolandparameters.Productdataanalysisandmachiningfeaturerecognitionareimportantissuesinordertogenerateoperationplansautonomously.Sections48.4.2–48.5arequotedfrom[48.14]. Fig.48.33Achievementsofkeytechnologiesforfutureintelligentmachinetools 译文：48.4.4智能机床整个传统数控机床的机械加工是在预定的数控程序下进行的。一旦切削条件（如切削深度和进给量）在数控程序指令中被指定，在机械加工操作中，他们一般不允许被改变。因此，数控程序必须有大量的时间和精力用来提前准备和验证。此外，基于固定命令的数控程序在遇到不可预知的变化时不会响应，比如工作延迟和加工车间中的机器故障。Shirase提出了一种新的结构在没有数控程序的情况下可以自动控制切削过程。图48.29显示了智能机床概念结构。AIMAC包括四个功能模块称为管理、策略、预测和观察。所有功能模块都与彼此分享切削信息。图48.29AIMac的概念结构l数字仿形铣削---对刀具轨迹进行实时生成 数字仿形铣削技术被研发出来后，它可以直接控制数控机床。数字仿形铣削系统可以根据系统的仿形铣削及时生成刀具路径。在数字仿形铣削中，传统仿形铣削中的跟踪探测器和主模型通过计算机用三维虚拟模型表现出来。虚拟跟踪探测器模拟虚拟主模型，根据动态的虚拟轨迹实时生成刀具坐标。在数字仿形铣削中，刀具坐标可自主生成，数控机床可以在没有数控程序情况下可以按指示执行铣削操作。此外，不仅是行距，而且径向和轴向切削深度也可以修改（见图48.30）。同时，数字仿形铣削可以生成新的刀具路径，以避免切削问题和改变操作工程中的加工顺序[48.12]。此外，对于切割过程中的参数修改能力也得到了证实，如图48.31[48.13]。在这个图的左下角和右上角体现了对刀具轨迹进行即时生成和对当前铣削的监测。在此图的右下角，监测切削扭矩、改变进击速率以及径向和轴向的切削深度。切削参数可以动态修改以保持合适的切削载荷。图48.30a-d对刀具轨迹即时生成案例(a).双边曲折路径(b).轮廓线路径(c).改变间距(d).改变切削深度 图48.31在AIMac下的自适应铣削图48.32在AIMac下的机械加工工艺l柔性加工系统和操作规划系统 在机械加工中，柔性加工系统和操作规划系统已经发展到可动态生成切削参数。该系统可以根据总去除量生成生产计划。总去除量是根据产品的初始形状和最终的完成形状决定，他可分成加工基元和加工特性。该系统会根据检测到的加工特性生成切削参数。图48.32显示了加工顺序和切削刀具的使用。切削参数确定了试验加工的形状。数字仿形铣削系统可以生成刀具路径或动态CL数据，根据这些结果便可以独立完成铣削加工而不需要任何数控程序。48.5未来智能机床的关键技术如同上一节，该节提出和研究了一些结构和技术。然而，他们还没有足够的成熟来被广泛地应用在实践中。所以，这些科研成果只能被限制在特定情况下使用。在图48.33中概述了实现未来智能机床的关键技术。过程和加工质量控制将成为更重要的自适应控制。动态刀具轨迹的生成和制造过程中的切削参数修改被要求实现灵活的加工操作和加工质量控制。此外，智能过程控制是对加工过程质量控制进行切削程序和加工质量的评估。必须用合理的方法来控制切削过程以及通过合理的指标来评估加工质量。因此考虑利用所获取的学问、专业知识和关于加工操作的技巧是非常必要的。生产过程的规划策略对于生成一个灵活和适应性的工作计划是必需的。一个操作规划策略也需要确定的切削刀具和参数。为了生成自己的操作方案，产品数据分析和加工特征识别显得尤为重要。图48.33实现未来智能机床获的关键技术