孫雪皓,張鳳麗+,周正飛,王金江,黃祖廣,薛瑞娟
(1.中國石油大學(北京)機械與儲運工程學院,北京 102249;2. 通用機床工程研究院有限公司,北京 100102)
隨著新一代信息技術與制造業深度融合,智能制造已經成為推動全球制造業發展的關鍵技術,數控機床作為高技術含量的“工業母機”,是智能制造不可或缺的一部分,其智能化對智能制造的實現有著重要的影響[1]。數控機床是一個由機械、電氣、熱、控制等多個系統耦合而成的復雜系統,需要從結構、部件及功能等多維度實現數控機床性能的全面分析與維護,考慮端到端多領域耦合優化、集成驗證和追溯性,便于對整個數控機床系統全生命周期進行管理,因此無法有效避免環境、人為等外界因素的影響[2]。
近年來,作為智能制造的關鍵使能技術,數字孿生受到廣泛關注[3],特別是隨著仿真和傳感器監控技術的發展[4-5],數字孿生在工業上的應用已成為研究熱點。通過建立復雜系統的孿生模型,利用傳感監控、數據傳輸等技術,數字孿生可實現數字空間中孿生模型與現實空間中的物理實體的實時交互映射,反映一個復雜系統的整個生命周期[6],根據孿生對象全生命周期的實時映射數據進行系統級仿真和自主決策,為數控機床全面分析與維護提供了新方法[7]。WEI等[8]基于多領域統一模型和有限元模型設計了數控機床數字孿生模型的一致性保持方法框架,闡述了數字空間中數控機床模型性能衰減的原理;SCAGLIONI等[9]開發了基于有限元的機床動態孿生模型,包括運動部件結構和切削過程模型;VISHNU[10]分別使用數控機床歷史和實時加工數據模擬、預測和優化工藝規劃階段和加工階段的關鍵性能指標,用于表面粗糙度預測的數字孿生模型開發;ZHAO等[11]建立數據模型,將從數據中提取的有價值的信息轉化為知識,并基于知識和規則實現機床的優化和反饋控制,為智能診斷與維護奠定基礎。
數控機床數字孿生可以根據真實機床的數據進行虛擬模型的構建、數據完善,通過統計、分析、處理、展示這些數據來實現對實際機床的實時監控和控制,以滿足對數控機床性能測評、虛擬調試等后續智能應用的需求。但在具體實現數控機床數字孿生過程中,在物理實體與孿生模型的雙向完全鏡像、虛實一致、數據的全面融合等方面仍存在挑戰,尤其是數控機床的數字孿生建模問題,如何考慮不同領域的子系統之間的耦合關系,快速有效地構建具有一致性的數字孿生模型成為數字孿生技術在該領域廣泛應用的關鍵問題。因此,本研究針對數字孿生建模以及智能應用核心問題,構建面向智能應用的數控機床數字孿生實現框架,明確幾何、物理和數據建模流程以及關鍵要素;明確數字孿生建模過程中必需的關鍵賦能技術,開發高效的數據處理和清洗算法,建立準確、有效的數據模型,實現虛實數據相融合,解釋物理系統本質,提高數控機床仿真分析精度,設計物理空間與數字孿生的映射策略,提高模型計算速度;最后以實際數控機床為研究對象,開發基于數字孿生的數控機床性能測評、健康管理、虛擬調試等智能應用服務模塊,實現數控機床數字孿生的智能應用。
1.1 數字孿生研究現狀
數字孿生技術作為物理世界與信息世界交互融合的潛在途徑,被逐漸應用于各個行業,在制造業的表現尤為突出。2011年美國空軍科學研究實驗室和美國國家航空航天局首次利用數字孿生來實現飛行器輕量化、高負載和高可靠的目標[12],分析了實現數字孿生過程需要的諸多前沿技術,如多物理場建模、多尺度損傷建模、計算機有限元分析與損傷模型的集成、不確定性驗證建模與控制、大量共享數據的管理、高精度的結構分析能力等,為后續數字孿生在工業智能制造的應用提供了思路與理論參考。GRIEVES等[13]于2014年發表了數字孿生虛擬工廠白皮書,推動制造業數字化、智能化轉型,為工業設備數字孿生實施提供指導。隨著數字孿生技術的研究不斷深入,如何充分發揮數字孿生技術特性和優勢,挖掘利用現實空間中多尺度數據,有效實現工業設備具體功能應用是現在需要解決的問題。DEBROY等[14]通過總結多個組織的研究,對增材制造第一代數字孿生體的主要組成部分和研究需求進行了展望。美國北卡羅來納州立大學團隊[15]開發了一種用于監測數控機床銑削過程的系統,通過傳感器檢測機床主軸的負載功率,按照加工工步將檢測數據劃分為多個部分,分別分析每個工步所對應的表面粗糙度。TAO等[16]基于數字孿生理論提出了面向制造車間的數字孿生診斷與健康管理方法。QI等[17]提出了面向智能制造的數字孿生應用服務,對數字孿生在智能制造和工業 4.0下的作用進行了全方位的總結。
綜上,數字孿生在智能制造領域是一項使物理設備與虛擬模型相聯通的新技術,以構建多維多域的高保真模型為基礎,通過數字化表達方式將物理實體和虛擬模型進行動態聯接,建立物理與數字空間的數據交換通道,實現物理裝備的虛實映射,在循環迭代中不斷提升和優化,是一種實時、動態的數字化表現方式,可以管理、預測和優化現實中的機器設備,推動物理實體分析決策、閉環控制、全生命周期健康管理等應用實施。
1.2 數控機床數字孿生研究現狀
在數控機床數字孿生實現之前,信息物理機床的概念在2017年被提出[18],在同一時期,信息物理系統與機床或者加工中心的聯系逐漸緊密,研究人員將其應用在五軸加工中心碰撞檢測[19]、數控機床附加信息物理系統結構構建[20]等方面。信息物理系統強調“信息”與“物理”之間的交互,涉及海量異構設備數據的采集、實時數據與處理,具有高度的自主感知、自主判斷、自主調節和自主控制能力。數字孿生將物理資產變為數字模型,并建立模型映射關系,在數據采集傳輸及存儲后,根據數據分析進行反饋控制,形成閉合系統,因此可以將數字孿生視為信息物理系統建設的一個重要基礎環節。通過研究數控機床數字孿生,能夠對數控機床的加工過程在虛擬空間進行數字化映射,可以用來模擬、監控、控制物理機床在生產環境中的狀態和行為。2018年LIU等[21]提出了機床數字孿生的概念,并開發了基于Web的機床狀態監控應用程序,隨后越來越多的研究人員在機床數字孿生領域做出貢獻。如圖1所示,基于Scopus數據庫對機床數字孿生以及擴展演化名稱進行文獻檢索,發現全球學者近年來發表的與機床數字孿生相關的文章逐年增多,其中針對機床數字孿生建模與應用的研究是該領域的重要內容。為對比分析,基于知網數據庫對機床數字孿生的中英文文獻進行檢索,發現近四年與機床數字孿生相關文章發表數量同樣逐年遞增,機床數字孿生正在被越來越多的學者關注和研究。
LUO等[22]構建了數控機床的多領域耦合數字孿生模型,探索了物理實體與數字孿生模型之間的實時映射策略,并提出了一種基于數字孿生的自主維護策略;FUJITA等[23]所提出的數字孿生建模方法能夠對機床進行時域仿真,包括控制器模型、加工過程模型和機床動態模型;LAI等[24]梳理了機床數字孿生建模工具與理論,總結了其中需要的關鍵技術;HAO等[25]將機床主軸實際加工路徑與仿真路徑結合,提出一種數字孿生驅動的時變幾何建模法,準確、高效地獲取變形工件的完整幾何信息;LIANG等[26]為充分反映數控機床系統加工過程的動態特性,集成了有限元模型、數據模型在內的多種模型用于數字孿生動態過程建模,實現切削參數優化、過程相關變量可視化和加工穩定性評估等多種功能應用。
圖1 機床數字孿生相關期刊論文發表情況
目前大多數關于數控機床數字孿生的研究已經可以進行評估、預測、維護等實際應用,但在建模階段對具體條件進行理想化處理,未完全考慮機床真實的物理特性;僅基于數據模型或者機理模型的建模方法精度不高,缺少數字孿生體虛實交互機制,難以有效表征數控機床性能以及機床運行狀態;由于物理機床和數字機床之間存在信息壁壘,在應用過程中缺少實時交互與融合。因此應該圍繞數控機床智能應用需求,解決多維多領域建模、虛實交互以及功能實現等核心問題,實現真正意義上的數控機床數字孿生。
數字孿生是通過模型和數據雙驅動來實現監控﹑仿真、預測、優化等實際功能服務和應用需求,實質上是一種虛實閉環交互[27]。數字孿生模型不僅包括基礎單元模型建模,還需從不同機理和數據層面建立本質模型,從多領域多學科角度模型融合以實現復雜物理對象各領域特征的全面刻畫,最終通過模型組裝和融合實現真實數控機床對象模型的構建,達到與真實環境中的數控機床外觀一致、內在本質一致和行為一致的效果,因此如何創建高保真的數控機床數字孿生模型是實現數控機床數字孿生的首要前提。本文提出的數控機床數字孿生建模與智能應用框架,如圖2所示,在物理空間中,機床的外形和尺寸是容易被測量的,基于此建立幾何模型是構建數字孿生模型的首要工作。根據機床運行機制和先驗知識,構建機械系統、電控系統、傳熱系統的多領域耦合系統,充分反映機床的內在本質和運行機理。基于傳感技術收集各種傳感數據,結合機床內部信息以及歷史狀態數據構建數據模型,一方面約束數字孿生模型的行為動作,另一方面充分反映機床實時運行狀態和未來工作趨勢。基于幾何、物理以及數據模型,形成數字孿生模型進行仿真計算,利用智能算法進行數據處理與分析,生成的仿真數據實時反饋到數據模型;物理模型經過模型降階處理得到復雜性和保真度相互協調的物理模型;最終仿真數據與數據模型共同構成孿生數據,包含數控機床全生命周期、全流程、全業務有效信息,對物理裝備及其運行過程和進行完整描述或解釋,推動映射的物理模型有效更新,形成數據驅動模型,優化內在機制和設計,并最終反饋給真實數控機床,完成虛實閉環。同時基于模型描述、智能診斷、科學預測以及智能決策等功能支撐智能應用實施,優化物理空間的決策,實現物理信息的有效融合,推動數控機床智能化應用。
圖2 數控機床數字孿生建模與智能應用框架
2.1 幾何模型構建
幾何模型是數字孿生模型的第一步,利用幾何模型可以實現參數化的特征構建、裝配和仿真,并可以為后續機床結構性能和機構性能分析提供基礎。對于幾何模型的構建,模型的保真度和輕量化非常重要。數控機床主要包括主軸、立柱、工作臺、進給軸、床身等,在幾何模型構建過程中不考慮慣性、阻尼、彈性變形等物理因素,將機床的零部件看作剛體,通過三維軟件直接建模,或者利用儀器設備(如三維掃描儀)測量的方式逆向建模,在提高建模效率的同時,也賦予幾何模型完整的零件精度,保證數字孿生模型與物理機床在幾何尺寸、材質屬性、顏色、形狀等方面保持高度一致,具有視覺上的一致性,同時也能真實反映物理機床的裝配關系、原點、從屬關系等,具有結構上的一致性。此外,為解決模型占用內存過大造成幾何模型傳輸、瀏覽卡頓等問題,需要對模型進行輕量化處理,以實現用較少數據達到高保真的效果。
2.2 物理模型構建
幾何模型構建完成之后,還需要賦予其內在知識和機理,描述基于幾何建模的物理特征和約束,即物理建模。由于數控機床涉及機械、電氣、液壓、控制等不同領域的特征,需要實現多層次精準建模,在不同空間維度或者領域上對實體進行真實客觀描述,實際上是一種面向對象的建模。在建模過程中應充分考慮模型在空間上的多層次耦合表達能力和時間上的虛實一致性,因此,本文采用多領域統一建模原則,研究數控機床各個系統之間的耦合關系,構建機械子系統、控制子系統、電氣子系統等多個系統,并進行耦合連接,建立數控機床多系統耦合孿生模型。數控機床各種子系統涉及多個學科的多種元器件,不同領域模型在物理形式上各不相同,但在數學表達上可以用類似的數學公式去描述這些基本建模元件參數,進而根據各個領域知識定義各個子系統的材料特性、物理機理、連接關系、拓撲結構、系統中各功能零部件的約束以及驅動等,從而實現機床多領域模型的耦合。利用支持多領域建模的軟件平臺將機械系統、電氣系統、控制系統、傳熱系統進行耦合連接,不同領域的子系統模型通過模型間的能量轉化接口實現機床的多領域模型構建, 得到數控機床的多系統耦合孿生模型,如圖3所示。
基于幾何模型和多領域耦合模型,實現多維模型關聯、組合與集成,從而在信息空間級融合為一個完整的、具備高保真度的虛擬機床模型映射孿生模型,如圖4所示。此外,由于孿生模型需要通過數據模型不斷更新和優化,在下一節中將詳細介紹數據建模方法。
圖4 數控機床多維多域孿生模型構建
2.3 數據模型構建
數控機床生產數據具有規模海量、多源異構、多時空尺度、多維度等大數據特征。通過生產制造大數據建立數控機床加工運行過程和決策間的關系,能對機床運行狀態進行統計和分析,有助于提升數控機床生產效率和產品質量等。目前研究主要基于數控機床生產過程感知數據,實現了機床信息層面的數據集成融合,但缺少“虛實交互”環境下全業務、全要素、全流程數據的集成與融合。數控機床數字孿生數據模型的構建如圖5所示,基于機床運行一致性原理,對物理機床現場實時數據、虛擬機床模型仿真數據、機床服務系統數據等進行清洗、關聯、聚類、挖掘、迭代、演化、融合等操作,真實地刻畫和反映機床運行狀態、要素行為等各類動態演化過程、演化規律、統計學特性等。數控機床檢測指標一般包括轉速、溫度、坐標、振動等,首先利用領域知識進行冗余處理、特征提取和統計擬合,得到包括靜態數據和動態數據在內的實際數據,然后結合數字空間中得到的仿真虛擬數據,基于平均原則、加權原則和可靠性優先原則,對虛實數據進行融合,此過程在時間戳上需要保持一致,以保證加載和映射過程中的同步性。得到的數據模型一方面可以用于分析和應用,另一方面支持孿生數據對映射模型進行動態更新。
圖5 數控機床數字孿生數據模型構建
2.4 關鍵賦能技術
在幾何、物理以及數據模型構建過程中,在模型處理、數據處理與融合等方面還存在一些關鍵技術難題亟待克服,以促進數字孿生模型的應用與實施。
由于數控機床系統和結構復雜,其仿真計算非線性強、效率異常低下,需要從根本上對模型進行降階處理,粗化顆粒度,提高計算速度,是實現數字孿生應用的基礎保障;數控機床數據信息一方面通過內部電控數據獲得,另一部分由外部傳感器獲取,探索有效的數據獲取策略,獲取能夠準確、完整表征設備時間域、空間域特征的完備信息,開發高效的數據處理和清洗算法,確保監測信息的完整性、準確性和有效性,是實現數控機床數字孿生應用的重要步驟;數控機床具備多物理、多領域、多功能的綜合特性,構建考慮瞬態、時變因素、多物理場、多部件耦合的數字孿生模型,將仿真分析數據與實時監測數據相融合,解釋物理系統本質,提高數控機床分析精度,是實現數控機床數字孿生應用的關鍵。如圖6所示,數控機床數字孿生模型自下而上進行構建,實現最優控制決策、認知設備性能、感知操作過程以及規劃操作流程,為功能實現以及智能應用實施提供技術基礎。
圖6 數控機床數字孿生賦能技術實施
2.5 功能實現方法
基于幾何、物理、數據模型和關鍵賦能技術,建立數控機床數字孿生功能實現框架,包括設備層、模型層、數據層以及功能層,以支持數控機床數字孿生的智能應用。如圖7所示為數控機床數字孿生建模與智能應用框架的詳細解釋,其中設備層由真實機床設備和相關的傳感器組成,通過傳感網絡輸出動靜態數據。模型層由幾何模型、物理模型和數據模型構成,各個模型通過不同的耦合約束條件相關聯,模型之間相互融合,并由真實感知數據實時更新。模型通過仿真計算得到虛擬數據,經過一系列的處理與真實數據相融合得到孿生數據同樣可以驅動模型更新與優化,最終多源異構數據與多維孿生模型共同驅動智能診斷、科學預測與智能決策等功能的實現。
圖7 數控機床數字孿生功能實現框架
本章以數控機床數字孿生模型為核心,構建具備功能集成性高、系統維護簡便的數控機床數字孿生系統,并基于數控機床數字孿生模型描述、智能診斷、科學預測、智能決策四大功能開發智能應用服務。首先搭建數控機床數字孿生系統,通過在線系統集成,實時對數控機床及其關鍵功能部件進行性能測評、虛擬調試、健康管理等;然后針對性能測評、虛擬調試、健康管理三大應用提出技術框架,并展示不同應用在系統中的實際操作界面,為數控機床數字孿生應用提供技術支持與指導。
3.1 數控機床數字孿生系統搭建
為滿足遠程訪問瀏覽的需求,數控機床數字孿生系統采用前后端分離的開發方式構建B/S(browser/server)應用。相比傳統的C/S(client/server)架構,所構建系統具備功能集成性高、系統維護簡便,可支持多用戶遠程瀏覽、控制等功能。除此之外,考慮到本系統可能會應用于其他不同種類設備,采用B/S架構可以較為方便的集成其他設備。
數控機床數字孿生系統采用Python語言進行核心算法與應用程序的開發,以Flask為核心Web服務框架,編寫應用程序編程接口(Application Programming Interface,API)供前端Web頁面調用,同時集成Numpy、Scipy等第三方工具庫實現高性能數值計算。系統總體架構如圖8所示,數字孿生幾何模型利用Three.js實現Web端數控機床模型可視化。構建的多領域耦合物理模型基于FMI(functional mock-up interface)開發接口,將模型封裝為FMU(functional mock-up unit)文件,同時仿真數據傳遞至數據庫,結合真實環境下利用FOCAS協議讀取數控機床產生的實時數據并存儲至數據庫,實現虛實數據融合,構建數據模型。在系統實現層面,前端采用Vue框架,使用異步JavaScript和XML(extensible markup language)與后端實現數據交互,通過數據與頁面展示組件雙向綁定實現動態Web頁面。同時,前端也集成Echart、Element UI等控件庫,構建用戶友好、流暢的各類組件及數據可視化圖表。
圖8 數控機床數字孿生系統設計框架
3.2 性能測評功能模塊
機床主軸作為數控機床的關鍵功能部件,其穩定性、可靠性直接影響數控機床的加工精度和加工質量,因此,以機床主軸為例開展綜合性能測評。性能測評功能框架如圖9所示,首先分析數控機床主軸復雜的內部耦合特性,分別構建主軸的各領域子系統模型和耦合模型,其次,通過分析主軸的常見故障來構建主軸評估系統,主要包括軸承磨損和定子和轉子因素導致的振動故障、冷卻和潤滑不足導致的過熱故障以及主軸鎖定故障,提出包含多維度、虛實指標的虛實融合性能評價指標體系,建立基于主客觀融合的權重分配方法,最后,利用基于綜合指數法的綜合性能測評方法,綜合考慮實驗測試和孿生模型仿真兩種方法,對數控機床主軸的綜合性能進行量化評價。
圖9 性能測評功能框架
在系統端,通過性能測評模塊對監測指標進行數據分析,綜合各指標得到性能測評結果。性能測評界面如圖10所示,包含功能部件的詳細信息,同時,可通過查詢時間顯示該時間點指標大小,對單指標測評結果進行量化,構建性能測評指標的雷達圖,雷達面積顯示綜合指標的測評效果,在指標量化后,以圓形圖百分比的形式展示指標測評后的等級占比,以更加清晰地理解該時刻性能測評的結果,最后給出性能測評結果的綜合量化量,同時,利用Echart的樹形圖來展示性能測評指標體系。
圖10 性能測評界面
3.3 虛擬調試功能模塊
數控機床傳統調試方法具有周期長、占用機器資源、材料浪費和高風險等缺點,虛擬調試安全、 可控且可重復的優點逐漸顯現。
數控機床中復雜多變的加工條件是限制虛擬調試應用的一大挑戰,通過數字孿生技術建立機床高保真模型,建立如圖11所示的虛擬調試功能框架,可以提高調試結果的準確性。首先將機床孿生模型相關輸入、輸出、參數信息以FMI接口規范的形式導出,生成高效率、高精度的FMU解析模型,其次通過加工代碼解析并結合對機床進給伺服以及末端的實際位置的采集,實現機床加工誤差的解耦分析,最后規劃路徑和運動軌跡仿真,研究面向切削負載實時檢測的機床工藝參數優化方法,結合工件和實際切削參數,實現工藝參數和機床參數的優化。
圖11 虛擬調試功能框架
在系統端,虛擬調試模塊用于脫機展示數控機床模型對加工代碼的執行以及對工件的虛擬切削,虛擬調試界面如圖12所示,在此頁面可以手動輸入也可以文件錄入加工代碼,孿生模型根據加工代碼指令做出相應的加工動作,也可以觀察加工路徑、加工效果、實時X、Y、Z、轉速信息,模擬機床進行急停、運行等操作。同時可以選擇數控機床不同關鍵功能部件的測點,使用旋鈕對加工工況進行修改,并實時將特性趨勢變化用儀表盤的形式進行可視化展示。
圖12 虛擬調試界面
3.4 健康管理功能模塊
傳統的故障診斷方法在故障模式識別、故障定位方面具有良好的應用效果,而數控機床結構復雜耦合,降低了故障診斷的精確性。利用構建的數控機床數字孿生模型,從虛擬世界對數控機床進行評估、預測,進而為物理機床提供指導維護建議,避免環境、人為等外界因素的影響,從材料、結構、部件、及功能等多維度實現數控機床性能的全面分析與維護,為數控機床安全可靠運行保駕護航。健康管理功能框架如圖13所示,首先收集機床傳感數據并劃分為可標識數據和不可標識數據,利用決策樹等機器學習分類算法對模型庫的數據進行訓練,根據機床關鍵部件性能退化規律對數字孿生模型進行系統模擬,輸出數據與真實數據相融合。其次利用故障注入建模方法構建數控機床的數字孿生模型庫,該模型庫由多個機床孿生模型構成,包含了健康狀態和故障狀態的模型,將分類器應用于機床主軸在線傳感數據,推斷出模型庫與傳感數據最相似的模型。最后將基于遷移模型和經過濾波的數據共同融合構建數控機床健康管理模塊,進而判斷機床運行的健康狀態。
圖13 健康管理功能框架
系統端健康管理模塊展示了故障診斷記錄,包括診斷時間、設備名稱、測點名、診斷結果、設備狀態等信息,如圖14所示,該系統可以實現對設備故障診斷信息的記錄,通過id、時間、設備名稱、測點名進行故障信息的篩選與顯示。此外通過對測點和時間的選擇,對振動數據進行時域分析、頻域分析、包絡分析、短時傅里葉分析、韋爾奇功率分析和加速度積分分析,最終以表格的形式展示數據特征值,如最大值、平均值、均方根值、峭度值、峰峰值、波動方差等。同時也可對設備測點和診斷時間進行選擇,查看數控機床特征指標,然后根據數控機床特征值對設備狀態進行診斷,根據診斷結果給出維護建議,保障機床健康運行。
圖14 健康管理界面
數字孿生技術驅動工業和制造模式的變革,本文以數控機床為研究對象,提出面向智能應用的數控機床數字孿生實現框架,聚焦數字孿生模型構建方法和關鍵技術,搭建數控機床數字孿生功能框架,基于孿生模型最終實現數控機床性能測評、虛擬調試、健康管理等智能應用。針對數字孿生建模問題,從數控機床基本單元、內在機理、多領域多學科等不同層面考慮,構建以幾何、物理和數據建模為主的數字孿生建模流程,對數控機床各領域進行全面描述與刻畫;針對模型處理、數據處理及功能實現等方面的難點與挑戰,開發高效的數據處理和清洗算法,建立準確、有效的數據模型,實現虛實數據相融合,設計物理空間與數字孿生的映射策略,提高模型計算速度;針對智能應用實施問題,開發了數控機床數字孿生模型可視化應用系統,集成數控機床性能測評、虛擬調試、健康管理應用模塊,實現數控機床數字孿生的智能應用。
然而,由于數控機床系統復雜,涉及多個領域,數控機床數字孿生必將在多學科、多領域融合發展中變革演化,在深層次應用數字化以及全生命周期管理過程中面臨諸多挑戰。未來將對多領域模型耦合、多物理場模型降階以及虛實模型更新與映射等關鍵技術深入研究,充分發揮數字孿生技術在數控機床的能動性,真實地反映數控機床的真實特性,提高機床運行維護的精度和可行性,助力數控機床向智能機床發展。
猜你喜歡 數據模型數控機床機床 機床展會中國設備工程(2022年12期)2022-07-11數控機床的節能應用制造技術與機床(2019年12期)2020-01-062019，中國機床變中求進制造技術與機床(2019年2期)2019-03-06高檔數控機床數據采集應用制造技術與機床(2018年12期)2018-12-23面板數據模型截面相關檢驗方法綜述中央民族大學學報（自然科學版）(2018年3期)2018-11-09數控機床電氣系統的故障診斷與維修電子制作(2018年10期)2018-08-04基于通用機床的100%低地板有軌電車輪對旋修制造技術與機床(2017年11期)2017-12-18加熱爐爐內跟蹤數據模型優化電子測試(2017年12期)2017-12-18機床擠刀裝置的控制及應用制造技術與機床(2017年9期)2017-11-27PLC在數控機床中應用電子制作(2017年20期)2017-04-26