基于LAN和TDNC数控系统的DNC的研究

DNC软件在FANUC数控系统的应用

>1 DNC 加工技术的发展

用穿孔纸带记载加工程序 , 通过纸带阅读机把加工程序读入数控系统的缓冲寄存器 , 这是早期数控机床自动运行的主要方式。因为那时候存储器技术还不完善 , 人们只好借助穿孔纸带记录和保存加工程序。纸带体积庞 大 , 还要为其准备专门的阅读机装置 , 稍有不慎或使用多次会造成破损 , 导致输入错误是无法避免的。存储器技 术的发展已经让我们有足够的理由淘汰纸带和阅读机。640m纸带所记载的程序容量相当于 256K

字节的存储 器 , 其体积也不过是一个 30mm × 15m × 3m 的集成电路模块而已。读入和读出靠软件 , 不占空间。我们用手工编制的加工程序一般都不太长 , 加工一个有钻、镗、铣、攻丝等工序的汽车变速箱程序大约有 2K 字节就够了 , 这就算长程序。在 256K 程序存储器的 FANUC 数控系统里 , 存储

100个加工零件的程序是毫无问题的。当前生 产制造的中高档数控系统无一例外 , 全部都采用了这种程序存储器方式作自动运行。 随着三轴乃至四、五轴联动功能的出现 , 加工三维空间曲面的编程已经成为必需解决的问题 , 因为靠人手工 是无法实现的。 CAD/CAM 计算机辅助设计 / 制造软件 , 特别是具有三维造型和编程的软件受到用户的喜爱。市 面上流行最广的有

Pro/Engineer,Unigraphics,Cimatron等。由于模具制造加工的编程都属于三维实体 , 它们必需 使用这些软件进行造型和编程。计算机应用上述软件生成的加工程序都很长 , 少则 1-3 兆 , 多则几十至几百兆。 这样长的程序数控系统没有可存放的空间 , 它们只能存放在计算机的硬盘中。当需要加工时 , 利用电缆连接计算 机和数控系统的

RS232C 串行接口 , 通过 DNC 软件把加工程序一部分、一部分地传送给数控系统。机床运行完一 部分程序后 , 会请求计算机再发送一部分 , 直到加工完成 , 这就是所谓的 DNC 加工。2 适用于FANUC数控系统的Cimco DNC软件

机床电器２００７．２　数控・数显——基于Ｅｘｔｒｅｍｅ　ＤＮＣ的数控中心改造方案　基于Ｅｘｔｒｅｍｅ　ＤＮＣ的数控中心改造方案　李斌，邹灿红　（湖南信息职业技术学院，４１０２００）　摘要：分析数控机床多机联网和远程通信的必要性；详细介绍基于Ｅｘｔｒｅｍｅ　ＤＮＣ的数控中心改造方案，主要硬件　模块功能、数控系统通信参数设置；该方案已在实际应用中验证通过，效果良好，具有推广应用价值。　关键词：Ｅｘｔ￣ｍｅ　ＤＮＣ；数控机床；联网通信　中图分类号：ＴＧ６５９　文献标识码：Ｂ　文章编号：１００４—０４２０（２００７）０２－００２２－０２　Ｔｈｅ　ｒｅｂｕｉｌｄｉｎｇ　ｐｌａｎ　ｂａｓｅｄ　ｏｎ　Ｅｘｔｒｅｍｅ　ＤＮＣ　ｃｅｎｔｅｒ　ＬＩ　Ｂｉｎ．ＺＯＵ　Ｃａｎ．ｈｏｎｇ　（Ｈｕｎａｎ　Ｉｎｆｏｒｍａｔｉｏｎ　Ｔｅｃｈｎｏｌｏｇｙ　Ｉｎｓｔｉｔｕｔｅ，４１０２００）　Ａｂｓｔｒａｃｔ：Ｔｈｉｓ　ｐａｐｅｒ　ａｎａｌｙｚｅｄ　ｔｈｅ　ｎｅｃｅｓｓｉｔｙ　ｏｆ　ｍｕｌｔｉ—ｍａｃｈｉｎｅ　ｎｅｔｗｏｒｋｉｎｇ　ａｎｄ　ＣＮＣ　ｍａｃｈｉｎｅ　ｔｏｏｌ　ｔｅｋｅｃｏｍｍｕｎｉｃａｔｉｏｎｓ．　Ｔｈｅ　ｒｅｂｕｉｌｄｉｎｇ　ｐｌａｎ　ｂａｓｅｄ　ｏｎ　Ｅｘｔｒｅｍｅ　ＤＮＣ，ｔｈｅ　ｍａｉｎ　ｆｕｎｃｔｉｏｎ　ｏｆ　ｈａｒｄｗａｒｅ　ｍｏｄｕｌｅ　ａｎｄ　ＮＣ　ｓｙｓｔｅｍ　ｃｏｍｍｕｎｉｃａｔｉｏｎ　ｐａｒａｍｅｔｅｒｓ　ｓｅｔｔｉｎｇ　ｗｅｒｅ　ｉｎｔｒｏｄｕｃｅｄ．Ｔｈｅ　ｐｌａｎ　ｈａｓ　ｂｅｅｎ　ｖａｌｉｄａｔｅｄ　ｗｅｌｌ　ｔｈｒｏｕｇｈ　ｐｒａｃｔｉｃａｌ　ａｐｐｌｉｃａｔｉｏｎ　ａｎｄ　ｔｈｅ　ｒｅｓｕｌｔｓ　ｗｅｒｅ　ｖｅｒｙ　ｇｏｏｄ．　Ｋｅｙ　ｗｏｒｄｓ：Ｅｘｔｒｅｍｅ　ＤＮＣ；ＣＮＣ；ｃｏｍｍｕｎｉｃａｔｉｏｎ　ｎｅｔｗｏｒｋ　０　引言　数控中心自建成以来，先后购人了ＦＡＵＮＣ、西门　子等多种系统的数控车、铣和加工中心等数控机床，操　作方式最开始是在机床操作面板上直接输人ＮＣ程　序，后取而代之的是给每台机床配备１台ＰＣ机，针对　不同的数控系统使用不同的通信程序，由于是ＰＣ机　单机通信方式，必须在机床端和ＰＣ机端交替操作才　能完成通信。因此，长期以来在程序的传输和管理上　存在很多的问题，不能充分发挥数控机床的效率，并严　重影响到数控操作实习开展，本文提出了基于Ｅｘｔｒｅｍｅ　ＤＮＣ的数控中心改造方案，把制造过程中相关信息集　成为一个系统，在ＣＡＤ／ＣＡＭ和数控机床之间建立起　了直接、有效的信息交换通道，很好地解决了程序的传　输和管理方面的问题，提高了机床的利用率。　１　Ｅｘｔｒｅｍｅ　ＤＮＣ的功能特点　Ｅｘ￣ｅｍｅ　ＤＮＣ是专用数控机床通信软件，可广泛　地用于各种不同类型数控机床的数据文件的编辑、发　送、接收、ＤＮＣ、远程控制以及数控程序的轨迹校验，而　且该系统操作简便，包括Ｅｘ￣ｅｍｅ　ＤＮＣ　ｓｅｒｖｅｒ、ｃｌｉｅｎｔ和　ＸＹＺＰｒｏ３２、ＮＣ　ｍａｎａｇｅｒ四个模块，具有以下显著特点：　ａ．联网类型与数控系统无关，即无论数控机床采　一２２一　用那一种ＣＮＣ控制，均可通过建立和修改控制方式表　（通信协议），进行联网；　ｂ．可实现基于Ｉｎｔｅｒｎｅｔ的网络制造，每个Ｅｘ￣ｅｍｅ　ＤＮＣ　ｓｅｒｖｅｒ能同时控制多达２５６台数控机床，并可实　现长距离传输；　Ｃ．安全、实用的文件比较功能和断点续传功能；　ｄ．独有的远程控制功能，可以在数控机床处直接　从服务器中调用数控程序，机床操作人员无须操作计　算机；　ｅ．强大的权限管理功能，通过设置不同的权限，不　同的操作者所控制的机床数量和权利是不同的；　￡对所有的数控机床的串口或所选择的串口同时　做ＤＮＣ，这对于比较长的数控程序的传输非常有用，　尤其是在模具加工中；　ｇ．能够实时数控文件比较、数控文件编辑、数控文　件轨迹绘图；　ｈ．软件采用开放式结构，它可以无限地同第三方　应用软件包交互使用，如Ｍｉｃｒｏｓｏｆｔ浏览器、计划任务程　序、数据库和命令等。　２　改造方案　整个网络以现有局域网为基础，通过屏蔽双绞线　将网络延伸到各数控机床。由于ＦＡＮＵＣ、ＳＩ

２００２年第１６卷第２期　测　试　技　术　学　报　（总第４１期）　ＪＯＵＲＮＡＬ　ＯＦ　ＴＥＳＴ　ＡＮＤ　ＭＥＡＳＵＲＥＭＥＮＴ　ＴＥＣＨＮＯＬＯＧＹ　Ｖ０１．１６　Ｎｏ．２　２００２　（Ｓｕｍ　Ｎｏ．４１）　

文章编号：１６７１—７４４９（２００２）０２—０１２０—０３　

分布式数控系统的研制与实现　

任建平　

（华北工学院机械工程系．山西太原０３００５１）　

摘要：　目的　本文针对我院现有的数控条件，实现包括数控车床、数控加工中心、数控线切割机床在内　的分布式数控接口软硬件研究与开发．方法　分析了ＤＮＣ系统的基本原理及其功能实现并采用ＶＢ高级语　言编程．结果实现计算机对数控机床的实时控制和工件的在线加工．结论　实现了ＤＮＣ系统的集成，而　且投资较小，效率较高．　

关键词：　分布式数控系统；数控机床；串行通讯；通讯协议　中图分类号：ＴＰ３１１．５２　文献标识码：Ａ　

数控机床从１９５２年诞生以来，无论是机床本身还是ＮＣ系统的技术都有了巨大的进步，然而ＮＣ代　

码程序传送的载体却仍然有很多机床沿用传统的纸带方式．除了数据质量和成本方面的问题之外，使用　纸带或软盘也给车间生产的计算机化管理带来了不便．对于许多具有一定数量ＮＣ机床的车间来说，引　

入分布式数控——ＤＮＣ是一个简单而实用的解决方案．　建立ＤＮＣ系统是企业车间级自动化制造系统及先进制造技术系统的重要组成环节，也是企业实施　先进制造技术的一个关键性难题．ＤＮＣ系统的优越性在于其简单的程序数据管理．快速的ＮＣ数据传　送，以及数据传送所具有的更高的安全性能，且可实现ＮＣ机床完全自动的、柔性的操作．　

引入ＤＮＣ对于不同企业其目的是不同的，但通常有如下的原因Ｌ１］．　

（１）消除程序读入装置维护所需费用；　（２）减少数据输入错误；　

（３）简化ＮＣ程序管理；　（４）降低或消除越堆越多的纸带库存；　

（５）便于生产管理；　（６）增加加工系统的柔性．　最近国内外已有许多学者对分布式人工智能和多智能体系统等方面的理论进行了研究，希望能解决　

基于深度学习的数控加工设备工艺参数优化方法研究

摘要：本文旨在探索深度学习技术在数控加工设备工艺参数优化中的应用。传统数控加工方法工艺参数选择存在不确定性，影响生产效率。我们提出一种基于深度学习的工艺参数优化方法，结合卷积神经网络（CNN）和递归神经网络（RNN）。该方法自动学习和识别工艺参数模式，提高加工效率和质量。实验结果表明，该方法在不同加工任务下显著优化了加工过程。本研究为数控加工设备的工艺参数优化提供了新途径，推动智能制造的发展。

关键词：深度学习，数控加工设备，工艺参数优化，卷积神经网络，递归神经网络

一、引言

数控加工设备在现代制造业中扮演着关键角色，但传统工艺参数选择方法受制于人工经验和试错方法，面临生产效率低下、资源浪费和质量不稳定等挑战。这些问题的根本原因在于工艺参数的多样性和复杂性，难以通过传统手段精确控制。为应对这一问题，本研究旨在探讨如何利用深度学习技术来优化数控加工设备的工艺参数。我们的研究目的在于开发一种基于深度学习的方法，使其能够自动学习和识别工艺参数模式，从而实现高效的参数优化。通过这一研究，我们的目标是提高生产效率、资源利用率和产品质量，促进智能制造的发展。深度学习的应用将为制造业带来新的机遇，为工艺参数的自动化优化打开新的可能性，对提升竞争力、降低成本和推动技术创新具有深远的意义。

二、深度学习技术及其应用

2.1 深度学习基础 深度学习，作为一种机器学习技术，其核心在于构建多层神经网络，模拟人脑神经元的工作方式。通过大规模数据集的训练，深度学习能够自动学习特征，并实现高级模式的识别和预测。其中，卷积神经网络（CNN）和递归神经网络（RNN）等结构在深度学习中扮演关键角色。CNN被广泛用于图像识别和处理领域，而RNN在处理序列数据，如自然语言处理中具有显著优势。

2.2 深度学习在制造业中的应用

深度学习技术的应用在制造业中展现了广阔前景。在数控加工设备领域，深度学习为工艺参数的优化提供了一种全新的方法。这种方法能够自动学习和识别复杂的工艺参数模式，如切割速度、刀具选择和加工路径等[1]。与传统的试错方法和人工经验相比，深度学习算法能够显著提高生产效率和产品质量。此外，深度学习还可应用于设备健康监测，通过分析传感器数据实现预测性维护，降低设备故障风险。在质量控制、产品检测和生产线自动化方面，深度学习同样具备广泛的应用前景。