基于智能传感器执行器多代理框架的机床控制和监测.doc

基于智能传感器/执行器多代理框架的机床控制和监测泽维尔利迪尔，伯纳德阿基米德摘要：纵观历史，对生产设备改进的需求取决于客户的需求变化。在目前的趋势中，对新的生产设备的要求更灵活，反应更迅速。为了满足这些要求，本文提出了一种基于智能传感器智能执行器和代理的机床的控制和监测框架。使目标控制和框架监督，达到机器监控，过程监控和适应功能，那是普通机床控制系统所不能达到功能。目标控制和框架监督评估通过机床的一部分模拟操作。由于以太网和CORBA协议代理商之间沟通的实现。实验（有和没有合作的代理人之间的通融）在执行机器管理框架上，给了可喜的成果。另外，控制和监测框架的代理商之间合作有助于提高反应能力和生产效力，通过改进机器刀具参数和过程状态。由爱思唯尔（世界领先的科技及医学出版公司）在2006年公司出版关键词：多主体系统，智能传感器和执行器，控制和监控1 简介生产设备需求的变化一直是顾客对要求的变化的结果。如今，市场的增长要求更加个性化的高品质产品和短的生产周期。在这样的环境下，要求新生产设备在柔性方面，可重构性方面和反应能力方面有改善提高。由于在最短的停机时间内要保持生产设备的生产效力，“反应”观念至关重要(莫利纳等，2005)。由于可编程的数控机床应用，在生产的灵活性已有了很大的改善。程序化的能力有助于增加机床加工类型的数量和提高所加工零件复杂程度。由于各类高速机加工工艺的发展，在速度方面的生产效力有了很大的提高。机床能够有加工工艺须特定的机械结构。在机床控制系统中可调节参数新功能的运用，使得计算出刀具轨迹，减少机械加工中不良的但可预见现象影响（爱思唯尔伦顿，2000年）。可重构性是机床设计的主要关注问题之一。模块化的结构设计，是一种能够满足这种设计要求的方法。事实上，它们能够提供必需的流程组合和独立的轴向控制及运动。模块化设计概念也被考虑设计到机床的控制和监测系统中去，使机床具有可扩充性，可扩展性，互通性和可移植性的特点（奥廷塔思1996；斯科菲尔德和赖特，1998）。面向对象的模块化和程序化减缓了软件单元，在这样控制器方面的生成，因为使它们在封装性，专业化和重复利用性成为了可能（布拉哈和鲁姆博夫，2005；莫利纳，2005）。对于机床来说，自适应性主要包括维持生产运营和当问题被检查出来时减少停机时间。为了提高机床的自适应性能力，开发出来许多功能，用于检测诊断设备（哈里斯等，1989）和生产过程（丹和马修，1990），和兼容或自适应性（卡里罗 和路路达 ，1997；刘等，2001）。自诊断能力有助于减少停机时间，而不需要通过工人维修检查出问题。监测功能的实现，可以在问题出现时而停止生产，从而避免更加危险的情况出现。自适应控制职能生成他们自身需要的数据，这些数据能与监测功能生成数据一致，而这可能会导致数据沉余。这种功能的实现常常需要特定的传感器，特定的软件模块，专用的处理单元，接口和数字控制器。因此，它们相当的昂贵。它们昂贵的原因还有，控制系统设计被生产商们集中的掌握手里，而非开放的，虽然在这个领域有很多的研究方向（莫利纳等，2005）。在这种情况之下，那三种功能很难在同一设备上实现。本文提出了一种选择性控制和监测框架，为解决以上三种功能难以同时在同一机床实现的局限性方面做处理。这被提议的控制和监测框架是基于微传感器或微执行器，还有要求具有新的决定水平的替代能力的数值控制器。这种计划设计的系统将会实现监测，自诊断和自适应控制任务，和在灵活性方面满足期望。在介绍该系统及其相关组成内容之前，本文先简明的介绍智能传感器和执行器概念(SSAs)以及依据智能体方面概念的延展。然后，说明新的制定水准是怎样将控制结构和监控结构整合在一起的，及不同智能体达到何种程度，三种不同的职能是怎样实现的。最后，本文将说明实验的设备和实验结果及其讨论结果。2 智能体概念范围中智能传感器和执行器的概念在上世纪80年代，灵敏或智能传感器和执行器概念，是针对多数传感器和执行器对于复杂系统控制和监测的可靠性方面提出来的。最初提出定义它们的概念，是针对传感器和执行器的主要功能，包括加大信息处能力理和双向通信能力（罗伯特等，1993）。起先的定义产生的传感器和执行器工作原理如图1所示。信息处理能力主要用于实现如下处理能力；测量、监测和自诊断、安全执行（自适应控制，调节等）、信息交流、管理各仪器运转、管理内部数据库。这些功能将被改善（坦纳和怀特，1996）；由于验证处理，使得提供的尺寸测量准确性得到了保证，通过提供可靠地信息得到可靠系统，由于传感器和执行器自监测和自诊断能力，使得它们的可靠性得意保证。图1 传感器与执行器工作原理图在大多数情况下，SSAs领域的研究成果将会引起传感器与执行器在某种系统中得特定功能发展和实现。然而，SSAs应用并非完全能够满足要求，特别对于系统的干扰上，对那些已经强制预定好生产系统的扰动更是如此。一种改善的方法是在SSAs水准上提供自由度，实现那样自由度需要SSAs决策能力。通过这种方式，SSAs们能够在它们检测到扰动时，根据最后目标和边界，快速的做出适当的反应。监测到扰动或不满足最后要求的情况时，需要SSAs之间协调，正如它们处理流程的不同部分一样。SSAs的决策能力可以被认为像智能体们取决于交上的一个计算代理一样（詹宁斯和伍德里奇，1995）,智能体被定义为能够自己独立解决计算问题能力，至少，能够自己完成大部分问题，能够与其环境结合，感知环境，并在给定的时间内做出反应，当合适时做出适当反应。的确，测量和执行是主要的工作；测量，协助和信息互通是感知和感应能力；做出决定被认为是一种反应方式。3 框架一体的方案SSAs概念和智能技术要求分布式的结构能运转。一个控制和监测框架对机床必须是明确的，因为传统的控制结构是集中的。执行生效部分从机器的控制部分获得命令。这些命令被执行器响应，测量值通过传感器反馈以确保完成规定的操作。执行部分没有做决定的能力，控制部分需要有以下能力：从环境中接受，辨别和处理信息的能力，储存信息计算处理结果，监视环境情况和调度信息。处理的信息分为两类：接受的命令来自其他的自动设备（电池控制，人为操作），机器目前的情况。处理一般是符合计算出的结果。就传统的数控机床而言，控制系统集中在如下图2所示。在这样的机构中，有单一的控制器。它给其他仪器指示（轴的转速参照轴的调节器，轴的位子参照坐标系），根据工作补给程序和参数，由于机器的接口或被供电系统传回，可以改变参数。其他的设备没有做决策的能力。事实，PLC没有做决策的能力。它从控制器获得其他指令控制辅助系统（刀具转换系统，自动保护系统，润滑系统）。它也提供某些指示，指示失败，使控制器停止机床工作或启动。中央集中控制有个主要的缺陷，就是在没有制造商的帮助下去增加它的功能。事实上，数控系统是由生产商的提供封闭的系统解决方案，在这种情况下，使用者就希望开发放的和模块化的一种系统。模块化的设计使得使用者能让设备实现所需的功能，很多的研究得出这些结构（奥廷塔思等，1966；斯科菲尔德和赖特，1998）。图2 机床的NC控制结构事实上，在不同的模块之间并不能够很好的完成相互间的合作。控制器直接计算它们或者它们通过控制器交换数据，要实现不同的模块和不同的功能常常会导致数据处理沉余。在这样的情况下，我们认为它们不能很好使机床完成目标。在SSAs水平里，我们提出包含集成一个新的水平，这样的设想我们已经提出并开发了（奥利利迪尔等，2004）。这种基于SSAs的集成综合，实现了控制部分和执行部分的界面交换。SSAs已经拓展到做出决定的能力，SSAs结构即包括智能传感器又包括智执行器。事实上，它们能够：纠正测量错误和隔离错误传感，完成执行机构监视作用，评估加工状态（刀具损伤），从执行机构的状态来评估刀具的切削力，根据SSAs和控制器的协作，调整刀具的进给速度与切削力保持一致。这种设计自然形成了如图3所示的结构。另外加在控制器和SSAs之间的接口如图4所示。虽然这种结构已经被传统的结构作为选择方式之一，但是在引进到现实操作好像比较的复杂和昂贵，因为对于每个SSAs与执行部分（传感器和执行器）要有确定的接口，鉴于数控单元的接口已经存在于传统的数控机床，这些数控机床是由数值总线和轴控制卡组成的。在本文中，框架结构应该展示那些设备。所以，机器的执行机构以及它的传感器和执行器应该被看作是个整体部分，如图5所示。智能传感器执行器仅仅是代理计算器，那是我们所谓的智能计算传感器执行器（CSSAs）。人机接口没有被表现出来，因为它没有被认为在仿真平台上，但是它将属于机器水平。那些通过PLC控制的辅助系统并不考虑在内，因为他们仅仅是生产性任务而不是直接包含在机械加工之中。我们所提出的框架与我们在图3提出的相比，传统的机床组织更像。事实上，传统数控机床的数字控制器（NC）实现还得于电脑，电脑通过CSSAs能够很容易就与数值总线连接，交换数据了。因此，这样的结构就可能很容易的得到我们想控制和监视框架的目的。额外决策层分布式的结构与CSSAs之间的相关现实的合作。在此框架中，CSSAs与NC单元之间的合作完成最终加工。系统的反应能力被提高了，因为仅仅要求加工过程传回本机，调解或者停止加工，那是不够的。NC装置是不执行任何监督任务的。4 拟定结构在机床控制和监视上得应用这是基于CSSAs和NC装置的控制系统，由于执行部分由主轴伺服驱动组成的，使得系统实现了金属刀具即时加工。NC装置和CSSAs控制和监督加工过程就像机器自身在根据目标决定一样。4.1 加工流程的目标考虑金属切削加工（旋转，铣削，钻），主要的目标是实现尽可能高的效率的高质量。质量部分常常决定于尺寸精度和表面粗糙度。如果零件的尺寸，几何形状和它的表面粗糙度在允许的范围内，那么它是高质量的零件。图3 机器的物理结构中包含传感器和执行器图4 额外附加的决策层结构图5 额外决策层的拟定综合框架一旦切削方法和刀具已经被选了，那么零件质量主要取决于：机器的机械结构，夹具结构，刀具结构（机械结构的受力，刀具受力，运动部件的弹力），伺服驱动特性（进给驱动和轴），切削要数（切削速度，进给速度，背吃刀量），通过NC装置计算出的工作补偿，描绘出刀具的运动轨迹。生产效率是第二个主要目标。这就意味着，以最少的成本，尽可能的生产更多的产品。因此，在符合规定的，允许的切削参数范围内，生产的速度尽可能的快，就是在机器的承受范围内，打的如意算盘。增加刀具的寿命，以及节省时间和金钱。的确是，当刀具能用于更多的零件时，刀具的成本将会减少；也减少了刀具的交换时间，也就减少了非生产时间。那两个目标最终都被考虑指定的功能，包括NC装置和CSSAs控制和监督的代理实现的功能。4.2 智能机构的角色和目标在代理机构的控制和监视框架中，这里有两种代理机构：由NC代理装置和CSSAs装置，我们辨别坐标轴从主轴。每种代理机构有其作用和目标。这NC代理装置，它的主要功能为，尽可能根据机器的加工状态，监督机器并维护它们：根据工作流程决定刀具路径和主轴转速，包含那部分没被加工的可以程序化加工的，或者通过CAD-CAM系统计算被吃刀量，根据坐标代理机构提供位置参数，根据主轴代理得到主轴转速，根据坐标代理和主轴代理得到信息，对机器操作流程做最终决定（从程序评估刀具磨损，运行状态，进给速度，背吃刀量）。在另外决定水平，坐标代理机构和主轴代理控制两个自由度。在NC装置确定下得加工情况下，在可能的范围内，修改进给速度和被吃刀量。根据主轴承受能力和驱动，决定背吃刀量和进给速度。管理这些自由度，实现了数控机床机械加工和切削力的调节和控制。事实上，在稳定的切削情况下，切削力将随着刀具切削边缘的破损而增大（科伦等，1991）。坐标机构和主轴机构：监视自己的状态，自诊测，储存结果，如果有结果检查出错，并把他们提供给NC装置。检测这些机构是否达到最大的工作能力，根据结果，增大或减少刀具进给速度和背吃刀量。根据NC装置机构计算出位置和主轴转速。评估刀具切削力部分在它们上得应用情况，向其他的CSSAs和NC装置要参数，它们需要从切削量和数控加工评估出刀具的磨损，并将这些评估提供给NC装置。根据其他CSSAs的能力和NC装置的控制范围，减少或增加它们的速度。4.3 代理机构实现的特定功能本文的一个目标，在引进提出控制和监视框架时，它们需要有监视，自诊断和兼容的综合能力。为了避免执行任务的模块化，模块化经常要求特定的传感器，特定的诊断装置，特定的接口，这些都可能导致程序或测量的沉余。所有信息计算是根据每个驱动机构的电流的测量值，张力的测量值，速度和位置测量值。附属装置，像沉余数据处理装置，压力传感器和处理装置，对提出控制中执行相关的机构是需要得，根据图5所示。本章节的目的是将要阐述方法论，即将监视，自诊测和兼容性功能整合一起的。同时，它们是怎样完成这样的操作平台的。在这里，我们也将给出不进行比较的和不详细的，能够提供信息检测的技术。NC装置实现的功能并没有祥实表达出来，因为他们主要在于检测边界和为其他机构提供参数和切削深度。监视功能为系统提供关于机器状态和加工过程的信息。CSSAs机构评估它们自身的驱动装置的物理参数，去实现机器监视的功能。考虑到DC驱动器包含永磁铁，评估参数为电感系数L，电阻值R，转矩或反电动势常量K，电机轴的总惯性量J，电机轴的摩擦系数V和干摩擦的电机轴转矩D.A。这些驱动的模型用如下的方程组给出。其中u是张力，i是感应电流,w电机轴的转速，而l是依据切削力的电机轴的负载转矩。有很多种方式可以完成对连续的系统的物理参数评定，比如像（1）式和（2）式那样。在这个领域，Soderstrom等（1997）提出基于微分算子的近似方法，另外一种方法是Desforges和Habbadi（1997）提出的基于神经网络的模式识别，这种方法提供了一种DC马达驱动参数的评估。这种方法实现了在实验平台用初级的低通，用方程（3）描述信号x.在拉普拉斯算子中xf是过滤信号，信号u，i和w是过滤值。在方程中（1）和（2）中，过滤信号uf,if和wf代替没过滤的，并且_ xf被下面式子代替：数据评估值由最小二乘法确定，方程（1）中得参数要比参数（2）的参数评估的早。评估驱动装置物理参数是使它们之间建立故障诊断（看表1），那些参数可能被用于自诊断用。参数评估的处理在机器没加工（l=0）时，可以避免评估出错。对于进给驱动，这种评价可能被用在高速加工装置之中。对于主轴，这种处理可能被处理在刚开始阶段。在这里，电源交流器的监视不被考虑在内，因为它要求快速的数据处理，监督开关，即使u,i和w通常用于测量常规的和快速的交换器。数据整流被设计的很完美。评估参数将会被存储在CSSAs数据库之中，有可能被送到其他机构中，用于它们的自诊断，预先判断或者是维护目标（底尔和以色列摩雷 ，2001；郎，2003）。这种评估方法引进到智能传感以后，使智能传感器实现了自监视能力。刀具破损量的评估对刀具的绝对破损评估是很有用的，它也可能可以被用于校正工作中得刀具路径，以至于把刀具的几何尺寸考虑进去。虽然，在本次阶段研究中校正工作没能实现，但是我们介绍一种刀具破损的监控手段，这是一种符合智能执行器过程控制的。表1 驱动装置诊断参数所拟定的机械加工监视系统实现是根据切削力而定的。事实上，电机轴负载转矩l是由机械加工过程切削作用引起的。l能够通过方程（2）求得。知道l和齿轮传动比和滚珠丝杠的传动比，那么作用在电机上得切削力就可以估算出来。这些估算需要度量i和w，还有更多有用的评估参数，像K，J，V和D（斯坦和苏见信，1986；斯坦等1986）。分力部分的精确估算主要依靠那些参数，那些在切削加工过程很稳定，有用得参数。在短时间的切削加工（很短的几分钟内）中电动机的发热，相比于机械零件动态作用的磨损，能够认为这些参数稳定是对的。例如，5KWDC电机1小时的发热量，相当于润滑油花上几个月变坏影响这物理参数。切削力依靠的是切削参数（切削速度，进给速度，背吃刀量和对于铣削操作部分刀片的数量）但也和切削刃磨损有关（科伦等1991）。两种模型那是必须得有：一个模型是将切削力和切削参数很好的联系在一起，另外的模型是在给定的切削参数下，将切削力的变化量与磨损量联系在一起。为了实现刀具磨损监督，切削参数必须得清楚在，这通过CSSA机构和NC装置机构之间的协作实现。进给速度必须得计算，从不同的CSSAs坐标的执行部分的测量装置发出来。切削速度由CSSAs主轴装置提供（知道铣削加工和钻削加工的刀具参数）和从x轴向的驱动的位置（在加工过程中）。背吃刀量需要知道未加工零件的理想尺寸的模型，这个模型由NC装置完成。为计算背吃刀量，NC装置需要坐标位置。而刀具的磨损随后在评估，通过每个CSSAs装置切削力评估部分来完成，背吃刀量有NC装置提供，进给速度计算通过轴的转速，切削速度由CSSAs主轴机构提供，这些都在加工过程之中，X坐标对应于CSSAs X轴机构。当前的监视活动主要是基于驱动装置和主轴的u, i和w值得估算，那些值必须得尽可能的精确。这就是为什么每个CSSAs机构必须要有准确的信号值，这些值的权威性在哈拜迪等文章中有（1999）。那是基于材料学和方程（1）的解析沉余，因此，它对当今大部分驱动的物理参数的评估立下了很大的功劳。这权威值也对测量误差和孤立故障传感进行修正。这种方法仅仅需要两个电流传感器和两个压力传感器，完成修正u，i和w的值。一个故障信号能够储存在CSSAs机构的数据库之中，同时也将其传给维修管理系统。这些权威值符合智能传感器的自诊断要求，并且提高尺寸值度量的精确性。根据在4.2节所描述的CSSAs和NC装置，它们实现调节切削流程和机器状态的职能。控制系统由CSSAs装置和NC装置构成，它的最终目标是实现金属的最大切削量和切削速度，在允许的范围内提高生产效率：在最大功率或者电机的感生电流允许的情况下（刀具的切削力将随着磨损的增大而增大），在由刀具生产商设计刀具（背吃刀量依据机器加工完后的未加工部分和理想尺寸间）的切削参数内（切削速度和进给速度），和表面粗糙度也是与切削速度和进给量有关的。然而，控制系统还为了提高刀具的寿命。根据这两个目标，控制系统也修改者切削速度和进给速度。有以下的情况将引起停止加工：刀具严重磨损，驱动从物理参数估算中检测到错误，在没超过机器加工范围或者没超过机器的承载能力以外（最大电流或其中某个电机的极限），加工中不能够维持。根据目前的决策能力下，系统的目标工作并非完全对应的。因而，机构不必去关注于太多的研究内容，这些内容是多主体系统领域中所应用的（克劳斯等，1995；克劳斯等1997）。它们仅仅需要彼此间参照以下，在做关于修正切削速度和进给速度的决定之前。例如，假如有一个CSSAs想要提高进给速度和切削速度，而另外一个已经达到工作的最大载荷了，那么这些速度将不会被提高，至少其中一个速度将被减少，根据相容性原则。在接下来的章节中，我们将要介绍一个这样的已开发出的工作台，它引进计划控制和监视框架的操作。5 实验平台与仿真结果面向对象方法在发展CSSAs上是一种趋势。它也在多主体系统领域高度应用（贝拉斯科等，1996）.此种方法有很多优点:它使得定义的系统作为一套可重复利用的系统；它使得能够普及化和专业化和封装化（鲁姆博夫等，2005），就开环系统而言，能够满足预期的设定值。将成熟的C+技术，应用于此平台的框架的拟控制和监督。这将促使数控机床的执行部分仿真用于转速过程的仿真，即将刀具磨损仿真实现。在控制和监督机构中，我们认为有四部分：数控单元（NCN），CSSA X轴进给单元（CSSAX）和CSSA Z轴进给单元（CSSAZ），CSSA 主轴单元（CSSAS）。机器运转部分是一个实体，是能够模拟机器的动作和旋转加工的。五个单元体之间的信息交流得益于以太网和CORBA协议，它们能够提供设备，为各单元之间。CORBA协议是基于客户端或服务端要求。这种提供了一个标准和公开的交流系统（莫欧，2005）。根据CORBA协议，客户端，它是不用计算路径，发送数据给服务端的。服务端计算出路径，发送数据给客户端。路径是是一类函数，属于同一单元的同一阶段。为了计算出所要求的路径，客服端能够变为客户端，假使这种算法需要算法结果从其他单元。计算的实体（代理和执行部分）的分配是由电脑安排的，而电脑的交流是通过以太网。实体的类图分布如图6所示。在这个图中，属性和算法并没表示出来，CSSA的分类没有任何实例化。5.1 实验平台的性能描述为了将整个实验平台的性能描述出来，我们详述每个实例类别的实体的属性。数控单元开始工作是通过读入，用一个文件，将速度和位置参数，还有显示这里是否有一个切削的操作，将这些有价值的数据存入这个文件之中。然后，它将核实机器是否能够工作（没刀具磨损，没主轴和进给错误）。假如这里有一个切削操作，它将核实切削速度和进给速度参数在预先编号的程序设定之内。最终，数控单元按CSSAs要求，将数据发送给他们，当其他的对机器确定的数据没有得到之时这些新参数读入到一个文件中去。如果这个工序需要停下来，先前的参数将会发送到CSSAs。因此，主轴保持在同一角速度和坐标驱动呆在同一位置。图6 实验平台的类别图解CSSAX，CSSAZ和CSSAS发送数据给执行部分，这些参数是它们从数控单元得到的。随后，执行部分要去它们在加工过程监视u,i和w。CSSAs处理这些得到的参数，通过通滤波器来储存滤波和初始值。最后，CSSAs询问数控单元，这里是否需要切削加工。如果这里没有切削加工，CSSAs将会评估一下它们自己的驱动的物理参数。一旦驱动进给处于高速运动，或者主轴启动完成，则评估运算结束。随后，已评估的参数将与阈值进行比较，如果它们当中有一个值不在变量本身的范围内，那么将自诊测有错，并发送到数控单元，这样将最终导致数控加工结束。如果这有一个切削加工，CSSAs估测负载扭矩从方程（2）。切削力大小fe由参数l和进给驱动的X坐标位置参数以及主轴转速来评估，随后，fe与理论值ft进行比较，而理论值是由CSSAs通过切削模型，进给速度，X轴和Z轴的驱动的位置，以及主轴转速，通过计算得到。如果某个CSSA漏掉计算它的估计值，那么要求与其相近的CSSAs提供估计值。由于方程（5），使得磨损值W能够计算出来：CSSAs将W的值与程序设定的上限阈值进行比较，并且如果它超过这个设定值，那么它们就会要求数控机床停止加工。如果至少有两个CSSAs检测出刀具磨损，那么加工也将停止。在某个运动过程之中，包括切削加工，CSSAs将功率值和电流值与电机的最大功率值和电流值进行比较。如果它们当中有一个值超过它自己的阈值，为了减少切削力，有关CSSA会要求其他CSSAs去改变切削速度或者进给速度，否则，那会使得它们工作在最大的金属切削速度。假如每个CSSA要去其他CSSAs都工作在最大的金属切削速度，进给速度和切削速度将要根据程序规划而被改进，以至于减少机器零件的加工时间和刀具的使用寿命（在数量上）。如果不是那样的话，改善进给速度和切削速度，使达到降低切削力目的。数控控制单元监测那些速度的变化量，使它们在保持在程序所设定的范围内。如果那些速度不能做任何改进，保证减少切削力，那么机械加工就要停止。执行机构将主轴和伺服驱动器，切削加工，刀具磨损过程的运动都仿真出来。仿真由CSSAs请求，当它们发送速度参数和参数，且这些参数可能被它们改进。既然仿真步骤已经实现了，执行机构请求CSSAs进行监测行为。直流电机的驱动模型如图7和图8所示，很多的伺服电机的参数都可以被改进。不同切削加工模型和刀具磨损演变规律能够像其他伺服电机驱动模型一样，容易的完成参数改进。在测量验证过程中，它要求多余的电流和张力传感器没有出现在实验平台上。的确，那将不会有很大的作用，因为信号是计算机发出的结果，这样将不会被干扰。图7 主轴模型图8 驱动模型5.2 仿真结果我们认为切削过程如图9所示，未加工零件的直径为420毫米；最终尺寸为400毫米；因此，被吃刀量将为1毫米。加工圆柱的长度为150毫米，我们假设理论进给速度为5毫米秒，理论切削速度为10米秒，这些都是与主轴转速为49.9弧度秒相符合的。我们假设实际切削速度和进给速度的变化量，是在它们理论值上下波动20。所有的伺服驱动器拥有一样的参数。对于坐标轴驱动器，最大功率为6KW，最大电流为50A,然而，对于主轴驱动器的最大功率为12KW和最大电流为100A。对于一个恒定的负载转矩，功率和电流值是依据它们自身的物理参数的。被设想的切削加工模型是凭经验得出的（瑞费达等，1993），根据图9的注释，这个模型里有i=t，l或r:其中Cs是切削速度，Fs是进给量，Dc是被吃刀量，Fi是各切削分力，pi，qi和ri是经验系数，Ki是随磨损变化的系数。在加工的理论模型之中，Ki被CSSAs看做不变的。我们假设：W是机器加工时间tm和Cs的函数，刀具的总体磨损演变过程如图10所示。由方程（6）切削力的积分乘以W就会形成刀具的磨损程度。按程序规划的刀具路径如图11所示，仅包括金属切削加工的一段是在整块的5区域。我们已经认为有相当大得间隙，这些间隙可能对于加载未加工零件和卸载已加工零件是有必要的。区域1和2在设置了刀具的原点之后，描绘出刀具的路径。刀具将按照那些区域阶段运动，仅当第一次开始切削操作开始为止。图图9 切削加工仿真模型图10 刀具磨损的模式演变图11 刀具路径编程图解CSSA估测驱动器的物理参数准确而又精确，就像图12和图13所示。已估测出的数值被接受，是通过设定与理想参数之间的对比，但是驱动器的参数设定值是不相同的。那些值如图12所示。已经表示出的估测值，除了Z坐标，收敛在0.1之内将不会有任何的意见。事实上，这里还没有异议，是因为执行部分的仿真模型与CSSAs实现的一样，同时，这还没有异议的另外原因，通过估测和传送数值能被接受。图12 主轴参数估测图13 X轴伺服驱动参数估测从不同的单元的模型计算，以及交换它们的结果，每个CSSA实现了对刀具磨损的估测。那些估测值都是精确的，因为这里没有对物理参数估计上得异议，以及所有的模型（未加工零件模型，切削加工模型）的单元计算与单元对应的执行部分是相一致的。不管如何，相对误差大概达到1E-3。刀具磨损在执行部分的仿真与切削速度和进给速度不相符合，如图14所示。对于所有驱动器在磨损误差的估测值，如图15所示。图15的数值范围使得通过CSSAs计算出的，估测出的，不同的误差值的差异，变得无效。我们注意信号和相对误差的值随着磨损变化比而变化。因此，我们设想估测误差主要来自计算值W估测的滞后，而在4.3节和5.1节W估测值也要求在各个单元之间进行传递。模拟仿真对于传统的数控车床，在其进给速度和切削速度上，不具有任何的兼容性设计。表 2图14 不在兼容下通过执行部分第一部分地的磨损模式仿真那些模拟仿真展示了机器和刀具实现了7个部分，在制造的第8部分，机器停止工作，因为刀具磨损的估测值达到了阈值。使我们注意到，在以上7个部分的制造过程中，即使在CSSAs检测出已超出了主轴所能承受的最大能力，模拟仿真仍继续进行。这个最后的过程应该使得数控单元提前结束机器的制造加工，但是我们使这种功能无效，为的是有两个结果。机器会在车削操作的258.44秒后停止工作，在221.55秒后，达到承载的最大值,W估测值为1.685。兼容性的策略为得是减少Cs，进而提高刀具的寿命，但是增大Fs为得是提高生产效率。当到达最大的载荷承受能力的时候，CSSAS增大Cs的值以利于提高生产效率。如果Cs已在它最大的值时，而最大工总载荷状况又被检验出来时，CSSAX和CSSAZ将要减少Fs，使得零件加工能够继续保持下去。由于这种方法的应用，仿真结果显示，在数控控制单元结束第九部分机械加工时，第八部分已经完成了，这是因为，刀具严重磨损将会在切削加工的257.38秒后，然而此时的Fs仍减少，解决处理被CSSAS检查到的主轴工作在最大载荷的情况。图15 刀具磨损误差估计许多的数值计算通过CSSAs，为实现适应机器加工（切削力）和机器的承载能力（依据伺服驱动器器的物理参数）目标。这个策略使得机器在本身能力内，完成整个第8部分用到239.76秒。如果将最大承载时考虑进去，这就必须要与第6部分机械加工彻底完成做，在没有调节的情况下做出对比。这种策略使得机械加工在用相同的刀具下完成更多的零件，花更少的时间完成一个零件，这就是本文章研究的主要目的。6 结论用于机床控制和监视的多主体框架的系统能够很好的实现，已得出的实验结果表明，在信息的产生上通过智能传感器执行器增加额外的决策水平，使得监视，自诊测和适应性功能得以生效。来自电流量，速度值，张力值和位置值的每块信息，这些都已经按照规定在数控机床上实现了。最合适的额外的传感器是电流传感器和张力传感器它们，用于加工测量验证，共享数据多方面功能。例如，对于伺服驱动器物理参数的测定，用于监视和自诊测，用于切削力和刀具磨损以及尺寸确定的估测。这将避免了沉余数据的处理，使得功能模块得以产生。选择性结构使模块化和满足配置性可重构的得以实现。事实上，它发展到应用C+,每个机构每个驱动，并且以太网和CORBA协议提供了一个标准的，开放的交流系统。仿真的结果表明，一个本不适用的专用交流网络也能满足这方面的应用，比如，以太网。交流上没有可以阻扰系统交流仿真的问题。多主体框架平台集成相当的灵活，因为它将使我们从新考虑物理进程和控制机构，让我们意思到，所有的单元能够实现在相同的装置单元下，除了，超过了它的负载，而且不能够满足即时性的能力。额外的信息处理水平，也能用于其他方面，如维护和进行调度。在机器制造和完成程序编制上完成监视和自诊断功能后，不但改善自适应性方面提高了生产效率，也提高了可靠性和反应性。当前多主体监视和控制框架进一步发展方向将是在驱动器和主轴确定的状态下，提高自己调节能力。其中一个的发展方向将是在确定的情况下，提高兼容性。事实上，在当前的情况研究表明，对于即定给定的切削参数，磨损的演变具有先验性的，那是很少会出现的。这就是为什么一个具有决策能力装置，可以为调节作出最好的决定。这个过程可以实现通过谈判单元。另外一个发展方向是用一个物理执行部分实施真正的金属切削过程，测试选择机构和监视机构。鸣谢作者将要感谢欧洲委员会以及其合作伙伴创新机械和卓越网络系统（I*PROMS）的支持。参考文献【1】Altintas, Y., 1992. Prediction of cutting forces and tool breakage in milling from feed drive current measurements. Journal of Engineering for Industry 114, 387392. 【2】Altintas, Y., Newell, N., Ito, M., 1996. Modular CNC design for intelligent machining, part 1: design of a hierarchical motion control module for CNC machine tools. Journal of Manufacturing Science and Engineering 118, 506513【3】Blaha, M., Rumbaugh, J., 2005. Object Oriented Modeling and Design with UML. Prentice-Hall, Englewood Cliffs, NJ. Carrillo, F.J., Rotella, F., 1997. A robust adaptive controller for constant turning force regulation. Control Engineering Practice 5 (12), 16731682.【4】Dan, L., Mathew, J., 1990. Tool wear and failure monitoring techniques for turninga review. International Journal of Machine-Tools Manufacturing 30 (4), 579598.【5】Desforges, X., Habbadi, A., 1997. A neural network for parameter estimation of a DC motor for feed-drives. In: Proceedings of the ICANN 1997, Lausanne, Switzerland, Lecture Notes in Computer Science, vol. 1327, Springer, Berlin, pp. 867872.【6】Desforges, X., Habbadi, A., Geneste, L., Soler, F., 2004. Distributed machining control and monitoring using smart sensors/actuators. Journal of Intelligent Manufacturing 15 (1), 3953.【7】Habbadi, A., Desforges, X., Noyes, N., 1999. Data validation for a feeddrive monitoring: a case study. In: Proceedings of the IEEE international Symposium on Diagnostics for Electrical Machines, Power Electronics and Drives, Gijon, Spain, pp. 131136【8】Harris, C.G., Williams, J.H., Davies, A., 1989. Condition monitoring of machine-tools. International Journal of Production Research 27 (9), 14451464.【9】Isermann, R., 1993. Fault diagnosis of machines via parameter estimation and knowledge processingtutorial paper. Automatica 29 (4), 815835.【10】Iung, B., 2003. From remote maintenance to MAS-based e-maintenance of an industrial process. Journal of Intelligent Manufacturing 14 (1), 5982.【11】Jennings, N.R., Wooldridge, M., 1995. Applying agent technology. Applied Artificial Intelligence 9 (4), 357369.【12】Koren, Y., Ko, T.R., Ulsoy, A.G., Danai, K., 1991. Flank wear estimation under varying cutting conditions. Journal of Dynamic Systems, Measurement and Control 113, 303307.【13】Kraus, S., 1997. Negotiation and cooperation in multi-agent environments. Artificial Intelligence 94, 7997.【14】Kraus, S., Wilkenfeld, J., Zlotkin, G., 1995. Multiagent negotiation undertime constraints. Artificial Intelligence 75 (2), 297345【15】Lee, D., Allan, J., Thompson, H.A., Bennett, S., 2001. PID control for distributed system with a smart actuator. Control Engineering Practice9 (11), 12351244.【16】Leger, J.B., Morel, G., 2001. Integration of maintenance in the enterprise:towards an enterprise modelling-based framework compliant with proactive maintenance strategy. Production Planning and Control 12(2), 176187.【17】Liu, Y., Cheng, Heng, T., Zuo, L., 2001. Adaptive control constraint of machining process. International Journal of Advanced ManufacturingTechnology 17, 720726.【18】Luttenbacher, D., Roth, S., Robert, M., 1996. Application ofobject-oriented technology to intelligent sensor development.Journal of the International Measurement Confederation 17 (3),201206.【19】Mehrabi, M.G., Ulsoy, A.G., Koren, Y., Heytler, P., 2002. Trends and perspectives in flexible and reconfigurable manufacturing systems. Journal of Intelligent Manufacturing 13 (2), 135146.【20】Meo, F., 2005. Open controller enabled by an advanced real-time network. In: Proceedings of the First I*PROMS (Intelligent Production Machines and Systems) Virtual International Conference, Elsevier, Amsterdam, 415 July 2005, pp. 651656.【21】Molina, A., Rodriguez, C.A., Ahuett, H., Cortes, J.A., Ramirez, M.,Jimenez, G., Martinez, S., 2005. Next-generation manufacturing systems: key research issues in developing and integrating reconfigurable and intelligent machines. International Journal of ComputerIntegrated Manufacturing 18 (7), 525536.【22】Pritschow, G., Daniel, Ch., Junghans, G., Sperling, W., 1993. Open system controllersa challenge for the future of the machine-tool industry. Annals of the CIRP 42 (1), 449452.【23】Ravindar, H.V., Sirinivasa, Y.G., Krishnamurthy, R., 1993. Modeling of tool w