智能机床最早出现在赖特(P·K·Wright)与伯恩(D·A·Bourne)1998年出版的智能制造研讨领域的首本专著《智能制造》(Manufacturing Intelligence)中。由于对先进制造业具有重要作用，智能技术引起各个国家的注重。美国推出了智能加工途径计划(SMPI)；欧洲实施 “Next Generation Production System”研讨；德国推出了“Industry 4.0”计划；我国中长期科技展开对“数字化智能化制造技术”提出了火燎需求，并拟定了相应的“十三五”展开规划；在2006年美国芝加哥国际制造技术博览会(IMTS2006)上，日本Mazak公司推出的首次命名为“Intelligent Machine”的智能机床和日本Okuma公司推出的命名为“thinc”的智能数控系统，敞开了数控机床智能化年代。 本文从传感器启航，将数控机床的智能技术按层次划分为智能传感器、智能功用、智能部件、智能系统等部分，对智能技术进行了总结，指出缺少，提醒了展开方向，并对未来进行了展望。

　　智能传感器由机床、刀具、工件组成的数控机床制造系统在加工进程中，跟着材料的切除，伴跟着多种凌乱的物理现象，隐含着丰厚的信息。在这种动态、非线性、时变、非断定性环境中，数控机床本身的感知技术是完结智能化的基本条件。 数控机床要完结智能，需求各种传感器搜集外部环境和内部情况信息，近似人类五官感知环境改动的功用，如表1所示。对人来讲，眼睛是五官中最重要的感觉器官，能取得90%以上的环境信息，但视觉传感器在数控机床中的运用还比较少。跟着自动化和智能化水平的前进，视觉功用在数控机床中将发挥越来越重要的作用。表1数控机床可用传感器。

　　跟着MEMS(微机电系统)技术、嵌入技术、智能材料与结构等技术的展开，传感器趋向小型化。MEMS微传感器、薄膜传感器以及光纤传感器等微型传感器的老到运用，为传感器嵌入数控机床奠定了基础。 由于制造进程中存在不可猜想或不能预料的凌乱现象和乖僻问题，以及所监测到的信息存在时效性、精确性、完整性等问题，因此，要求传感器具有分析、推理、学**等智能，这要求传感器要有高功用智能处理器来充当“大脑”。美国高通公司正在研制能够仿照人脑作业的人工智能系统微处理器。将来可通过半导体集成技术，将高功用人工智能系统微处理器与传感器、信号处理电路、I/O接口等集成在同一芯片上，构成大规模集成电路式智能传感器，不但具有检测、辨认、回想、分析等功用，而且具有自学**乃至思维能力。信赖跟着计算机技术、信号处理技术、MEMS技术、高新材料技术、无线通信技术等不断前进，智能传感器将会在数控机床智能感知方面带来全新革新。

　　智能功用数控机床向高速、高效、高精化展开，要求数控机床具有热补偿、振动监测、磨损监测、情况监测与缺点确诊等智能功用。交融几个或几种智能传感器，选用人工智能方法，通过辨认、分析、判别及推理，完结数控机床的智能功用，为智能部件的完结打下基础。 数控机床的过失包括几何过失、热(变形)过失、力(变形)过失、装置过失等。研讨标明，几何过失、热过失占到机床总过失的50%以上，是影响机床加工精度的要害要素，如图1所示。其间，几何过失是制造、装置进程中构成的与机床结构本身有关的过失，随时间改动不大，归于静态过失，过失猜想模型相对简略，能够通过系统的补偿功用得到有效控制，而热过失随时间改动很大，归于动态过失，过失猜想模型凌乱，是国际研讨的难点和抢手。

　　数控机床在加工进程中的热源包括轴承、滚珠丝杠、电机、齿轮箱、导轨、刀具等。这些部件的升温会引起主轴延伸、坐标改动、刀具伸长等改动，构成机床过失增大。由于温度灵敏点多、散布广，温度测试点方位优化规划很重要，首要方法有遗传算法、神经网络、迷糊聚类、粗糙集、信息论、灰色系统等[6]。在断定了温度测点的基础上，常用神经网络、遗传算法、迷糊逻辑、灰色系统、支撑向量机等来进行过失猜想与补偿。

　　在航空航天领域，跟着钛合金、镍合金、高强度钢等难加工材料的广泛运用，以及高速切削条件下，切削量的不断增大，刀具、工件间很容易发生振动，严重影响工件的加工精度和表面质量。由于切削力是切削进程的原始特征信号，最能反映加工进程的动态特性，因此能够凭仗切削力监测与预告进行振动监测。凭仗测力仪、力传感器、进给电机的电流等，运用粒子群算法、迷糊理论、遗传算法、灰色理论等对切削力进行建模和猜想。考虑到引起机床振动的原因首要有主轴、丝杠、轴承等部件，也能够搜集这些部件的振动、切削力、声发射等信号，运用神经网络、迷糊逻辑、支撑向量机等智能方法直接进行振动监测。

　　刀具装置在主轴前端，与加工工件接触，直接切削工件表面，对加工质量的影响是最直接和要害的。刀具磨损、破损等异常现象影响加工精度和作业安全。鉴于直接测量法需求离线检测的缺点，常搜集电流、切削力、振动、功率、温度等一种或多种直接信号，选用RBF神经网络、迷糊神经网络、小波神经网络、支撑向量机等智能算法对刀具磨损情况进行智能监测。 跟着自动化程度的前进，数控机床集成越来越多的功用，凌乱程度不断前进。为了高效运转，对数控机床的内部情况进行监测与功用点评、对缺点进行预警与确诊十分必要。由于缺点方式再现性不强，样本搜集困难，因此BP神经网络等要求样本多的智能方法不适合这种场合。情况监测与缺点确诊常选用SOM神经网络、迷糊逻辑、支撑向量机、专家系统和多Agent等智能方法。 研讨人员不断探求和研讨智能功用的新方法或多种方法的混合，但大部分会集在实验室环境下，缺少实时性高、在线功用强的方法，需求深入展开简练、快速、适应性强的智能方法。

　　智能部件数控机床机械部分首要包括支撑结构件、主传动件、进给传动件、刀具等部分，涉及到床身、立柱、主轴、刀具、丝杠与导轨以及旋转轴等部件。这些部件能够集成智能传感器的一种或几种智能功用构成数控机床智能部件。

　　主轴是主传动部件，作为核心部件，直接关系到工件加工精度。由于主轴转速较高，特别是电主轴，发热、磨损、振动对加工质量影响很大，因此，越来越多的智能传感器被集成到主轴中，完结对作业情况的监控、预警以及补偿等功用。日本山崎马扎克研制的“智能主轴”，装有温度、振动、位移及间隔等多种传感器，不但具有温度、振动、夹具寿数监控和防护功用，而且能够依据温度、振动情况，智能调和加工参数。瑞士Step-Tec、IBAG等制造的电主轴，装有温度、加速度、轴向位移等多种传感器，如图3所示，能够进行热补偿、振动监测等。还有什么不明白的地方，可以登录我们的官方网站进行详细的咨询和了解。