發(fā)布時間：2020-12-09 08:29

　　隨著現(xiàn)代加工技術的不斷發(fā)展,數(shù)控加工技術被應用到了農(nóng)機零部件自動加工過程中,有效地提高了農(nóng)機部件加工的自動化程度,為了進一步提高車床的智能化程度,本研究引入了人工智能技術。人工智能研究如何構(gòu)造智能機器或智能系統(tǒng),使它能模擬、延伸、擴展人類智能,基于實例推理是目前研究較多的智能問題解決方法之一,如果將其使用在農(nóng)機加工數(shù)控車床智能模塊優(yōu)化過程中,可以有效地提高數(shù)控車床的加工效率和精度,從而提高智能化加工水平。為了驗證方案的可行性,以農(nóng)機軸承的加工為例,對比了智能優(yōu)化前后的車床加工效率和精度。由對比數(shù)據(jù)可以看出:采用實例推理和人工智能對農(nóng)機數(shù)控車床進行智能優(yōu)化后,加工效率和精度都有了明顯的提升。 

【文章來源】：農(nóng)機化研究. 2020年01期 第204-208頁 北大核心

【文章頁數(shù)】：5 頁

【部分圖文】：

農(nóng)機零部件數(shù)控車床基本組成Fig．2Thebasiccompositionofnumericalcontrollatheforagriculturalmachineryparts

機床各模塊的智能優(yōu)化。圖4基于實例推理的人工智能技術Fig．4Theartificialintelligencetechnologybasedoncase－basedreasoning圖5農(nóng)機零件數(shù)控加工車床模塊智能優(yōu)化流程Fig．5TheintelligentoptimizationflowofNCmachininglathemoduleforagriculturalmachineryparts為了實現(xiàn)農(nóng)機數(shù)控加工車床各部分模塊的優(yōu)化，采用基于實例推理的人工智能技術選擇優(yōu)化模塊，其優(yōu)化流程如圖5所示。當設計模塊符合加工需求時，選擇該模塊;當不符合加工需求時，可以自行創(chuàng)建模塊，然后再智能選擇，如此反復可以實現(xiàn)整個數(shù)控車床的各模塊的智能優(yōu)化。3基于實例推理和人工智能的農(nóng)機零部件數(shù)控加工測試為了驗證基于實例推理和人工智能的農(nóng)機零部件數(shù)控加工車床模塊化優(yōu)化的可行性，采用模塊化拼裝的形式，對機床的性能進行驗證，拼裝特征分析如圖6所示。圖6數(shù)控車床拼裝特征分析Fig．6Thefeatureanalysisofnumericalcontrollatheassembly根據(jù)農(nóng)機零部件數(shù)控車床智能化拼裝特征，對車床數(shù)控加工系統(tǒng)采用實例推理和人工智能技術拼裝后，以農(nóng)機軸承零部件的加工為例，對其加工精度進行了驗證。加工零部件如圖7所示。圖7農(nóng)機軸承零部件示意圖Fig．7Thesketchdiagramofmechanicalbearingpartsofagriculturalmachinery·602·2020年1月農(nóng)機化研究第1期

機床各模塊的智能優(yōu)化。圖4基于實例推理的人工智能技術Fig．4Theartificialintelligencetechnologybasedoncase－basedreasoning圖5農(nóng)機零件數(shù)控加工車床模塊智能優(yōu)化流程Fig．5TheintelligentoptimizationflowofNCmachininglathemoduleforagriculturalmachineryparts為了實現(xiàn)農(nóng)機數(shù)控加工車床各部分模塊的優(yōu)化，采用基于實例推理的人工智能技術選擇優(yōu)化模塊，其優(yōu)化流程如圖5所示。當設計模塊符合加工需求時，選擇該模塊;當不符合加工需求時，可以自行創(chuàng)建模塊，然后再智能選擇，如此反復可以實現(xiàn)整個數(shù)控車床的各模塊的智能優(yōu)化。3基于實例推理和人工智能的農(nóng)機零部件數(shù)控加工測試為了驗證基于實例推理和人工智能的農(nóng)機零部件數(shù)控加工車床模塊化優(yōu)化的可行性，采用模塊化拼裝的形式，對機床的性能進行驗證，拼裝特征分析如圖6所示。圖6數(shù)控車床拼裝特征分析Fig．6Thefeatureanalysisofnumericalcontrollatheassembly根據(jù)農(nóng)機零部件數(shù)控車床智能化拼裝特征，對車床數(shù)控加工系統(tǒng)采用實例推理和人工智能技術拼裝后，以農(nóng)機軸承零部件的加工為例，對其加工精度進行了驗證。加工零部件如圖7所示。圖7農(nóng)機軸承零部件示意圖Fig．7Thesketchdiagramofmechanicalbearingpartsofagriculturalmachinery·602·2020年1月農(nóng)機化研究第1期

【參考文獻】：
期刊論文
[1]三軸橢球精密曲面的數(shù)控雙指令銑削加工技術[J]. 劉宏,羅麗麗,樊永強.  制造業(yè)自動化. 2015(20)
[2]國內(nèi)外設施農(nóng)業(yè)發(fā)展的比較[J]. 徐茂,鄧蓉.  北京農(nóng)學院學報. 2014(02)
[3]基于動態(tài)集成框架的云制造服務過程追溯與匹配研究[J]. 崔曉康,馬軍,李立偉,王輝.  制造業(yè)自動化. 2014(08)
[4]當前我國農(nóng)業(yè)發(fā)展的趨勢與建議[J]. 萬寶瑞.  農(nóng)業(yè)經(jīng)濟問題. 2014(04)
[5]我國農(nóng)業(yè)發(fā)展的資源環(huán)境問題與展望[J]. 高春城.  當代生態(tài)農(nóng)業(yè). 2013(Z2)
[6]云制造服務平臺的資源使用及訪問控制[J]. 劉強,王磊,陳新度,陳新.  計算機集成制造系統(tǒng). 2013(06)
[7]三角網(wǎng)格曲面等參數(shù)線刀軌生成算法[J]. 陳曉兵,廖文和,戴寧.  中國機械工程. 2013(08)
[8]云制造資源的虛擬化與服務化[J]. 姚錫凡,金鴻,徐川,�？�.  華南理工大學學報(自然科學版). 2013(03)
[9]復雜曲面零件五軸加工刀軸整體優(yōu)化方法[J]. 王晶,張定華,羅明,吳寶海.  航空學報. 2013(06)
[10]平底刀最優(yōu)刀軸矢量規(guī)劃算法[J]. 章永年,趙東標,陸永華,劉凱.  機械工程學報. 2012(05)



本文編號：2906593