我们惯于把重要的设备看作是性能随着时间而逐渐降低的一种资源。但是，如果一台机床能变为无约束地从它自己的误差中学习，从而由一个加工循环到下一个加工循环，提高它的性能又怎样？换句话说，这机床能作自我改进又怎样？GE Fanuc(设在美国弗吉尼亚夏洛茨维尔)供应的CNC系统，现可提供一种所谓”学习控制”的特性，它使这种自我改进成为可能。接合这种学习控制，CNC系统通过比较机床的实际运动与编程的路径，跟踪机床的位置误差。这CNC系统用这信息来计算补偿系数，控制系统在下次运行同一零件时使用这系数。目标不仅是提高精度，而且改进循环时间。重要零件可以用更高的进给率加工。例如，一个用5秒钟精确铣出的轮廓，一旦有机会再加工那零件，可以改善其性能，用一半的时间铣出同样的精度。事实上，这学习是累积的。在从第一个零件到第二个零件提高效率以后， CNC系统能为第三个零件提高效率，等等。这样累积建立性能改进，可以连续进行到24个连续的零件。但是，GE Fanuc发言人说，最大得益比这要早得多，通常是5-8件。当然，用这种方法只可寻找可重复误差。廉价机床不必匹配这为高进给率精度而设计制造的机床的性能。但是，如果绘制和避免影响一个特定切削一致性的误差，则任何廉价机床都可能快速、精密地在一些应用中进行轮廓加工。执行这个角色，学习控制特性确实使一些精密工作能拿到廉价机床上干。CNC关于加工一个零件所学习的，不能用于一个不同的零件。当一个不同零件首次运行时，该控制必须从那里开始它的学习曲线。但是，某一特定零件号的补偿，可以保存，何时再运行同一零件时，可以从内存中取出。
发布日期：2018-01-16
