磨削数据库的研究现状与发展

在磨削加工中，将机床、磨具、磨削液及其它工艺参数与磨削效果间的反馈信息简称为磨削数据。倘若能将这些磨削数据用于指导实际磨削加工，将可改进机床的磨削性能，提高磨具和磨削液的使用性能，获得高质量的磨削加工效果和良好的经济效益。

表1 磨削数据三种来源的优缺点比较

目前磨削数据通常来源于磨削手册、生产实践资料及磨削试验(表1)，但这些“静态”资料数据繁多，很难保证准确。同时磨削是一个相当复杂的过程，兼有高速微切削和高速滑擦摩擦的特征，磨削效率除取决于合理选择磨削深度和进给量之外，还与零件形状、机床状态、磨削液状态、砂轮修整等三十多个可变因素有关。在磨削加工中如何合理选择磨削工艺参数及系统可靠优化的磨削数据一直是一个重要问题。

因此，能根据加工要求向客户提供系统可靠优化的磨削数据并辅助选择磨削工艺参数的磨削数据库是磨削加工智能化不可或缺的重要组成部分。磨削数据库的建库目标是根据加工条件和加工效率要求等，推荐出合理及优化的磨削工艺，改善磨削性能。故这种磨削数据库必须包含大量的磨削工艺、磨削实验数据、磨削过程数学模型，以及磨床、磨削液、砂轮及工件数据等，且应集成智能磨削参数优化选择决策系统。

本文结合磨削数据库的国内外发展现状，从结构设计和应用软件设计两方面分析了现存磨削数据库建库和应用中存在的问题，最后提出磨削数据库未来的主要研究方向。

1 磨削数据库发展状况

用计算机处理加工数据，在切削加工中最早进行。据不完全统计，迄今已有德国、美国、瑞典、英国、日本、挪威、比利时和匈牙利等12个国家建立了30多个金属切削数据库，提供各种形式的信息服务。

由于磨削数据库应用软件的开发技术难度大，磨削过程复杂和不稳定等因素，因此磨削数据库大多是在切削数据库里附加的。据现有检索到的资料显示，磨削数据库只有六个，且均为收费系统(表2)。

表2 国、内外磨削数据库系统

其中美国的CUTDATA和德国的INFOS及SWS均为通用切削数据库，由于磨削数控化较晚，所以其内置的磨削数据库功能是附加上的，磨削数据少。

专门用于磨削的数据库国外只有2005年9月在汉诺威国际机床展上公开的英国智能磨削数据库，该数据库为智能磨削咨询系统(Intelligent Grinding Assistant，简称IGA)的一个智能模块，目前该IGA模块已经实现与CNC机床的共同运作。

而郑州磨料磨具磨削研究所(1996年)研制的磨削数据库是国内首个也是仅有一个专门用于磨削的数据库，其内置的磨削数据实用性强，是富有经验的磨削专家工作成功的总结或工厂现有的成熟生产工艺，系统灵活性强，便于扩充。中国机械科学研究院(2003年)研制的DMTS系统内有切削磨削技术支持系统，该系统有单机版和网络版两种形式，单机版满足技术人员个人使用，而网络版形式支持浏览者在局域网内共享该系统的各种功能，如查询磨削工艺、冷却、磨具及磨削缺陷消除方法等。

2 建立磨削数据库的核心技术

磨削数据库的建立思路同一般切削数据库基本上一致，都为结构设计和应用软件设计。区别点在于磨削数据库的结构设计显得更为复杂些，这是由于磨削加工工具采用砂轮，而砂轮具有自锐性等特殊性，且磨削属于精加工，需要避免热损伤，故须在磨削过程中配备检测手段及砂轮修整程序，并采用特殊的方法进行磨削数据的采集和优化。根据评价后磨削数据的特征，可建立离散型磨削数据库或浓缩型磨削数据库。

库的建立过程一样，即建立磨削数据的(实体—关系)模型，然后进行逻辑结构设计和物理结构设计。由于离散型磨削数据库的数据量很庞大，只能以存储检索的方式来实现管理，即与磨削数据有关的影响因素用不同的代码表示，这些代码叠加构成检索的关键字。这些关键字随磨削方式不同而不同，故磨削数据库下必须分别建立相应的子库。各子库既要能实现独立性运行，又要服从总控命令。因此数据库内部各影响因素表之间要建立参照完整性，父表与子表之间具有约束关系，即当表一旦进行插入、更新或删除记录，计算机就会自动对相应的表进行操作，以避免重复操作和由此引起的错误。

离散型磨削数据库一般由以下6个功能子库组成盟。

磨削工艺参数子库：包含工件材料，工件直径，冷却液，砂轮类型和其他磨削参数。下设三个表：不能更改且限制访问路径，仅作为参考的周期数据表；当前数据暂时储存表；适合或优化的数据表。第三个数据表将可以用于这些工件的下一次加工。

磨削液性能子库：提供冷却液的物理和热性能等。

材料可磨削性能子库：提供工件材料的机械和热性能等。

磨具性能子库：提供砂轮类型，大小，砂轮的机械和热特性等。

机床参数子库：此项提供了机床参数的详细资料，通常从CNC上传到系统。

修正工具子库：提供修正磨具的参数等。

有时，为监控“重要”零件的生产，还设有特殊零件数据子库，用于存储成组零件所有相符的详细资料，包括批号、零件编号、周期数据，最高磨削温度、算法数据、加工反评估数据等。

浓缩型磨削数据库存储和管理的不是具体的磨削数据，而是各种磨削数学模型以及产生这些数学模型的磨削加工条件等。

目前，据检索到的资料显示，磨削数据库结构设计基本上为离散型磨削数据库，这是因为磨削过程复杂，随机影响因素多导致数学模型难以建立。故离散型磨削数据库下须包括磨削数据储存库，磨削规则库和推理模块，还必须集成决策模块。如英国IGA系统下的智能数据库，其内置的智能磨削参数选择器(Intelligent grinding Parameters Selector，IGPS)就用于协助最初磨削参数的选择，并使用基于实例或规则推理等人工智能技术，辅助优化对数据库里没有记录的工件材料选择加工参数。

磨削数据库的应用软件设计须包括数据确认程序以确保数据输入的有效性。目前，多采用窗口菜单显示技术，倘若数控机床不能查找到加工将要使用的数据，将会出现消息框并且数据库前端允许向数据库添加新记录。

3 磨削数据库存在的问题及发展方向

磨削数据库的建库目标是为实际生产服务的，但已建立起来的磨削数据库付诸实用的不多，究其原因关键是磨削数据库本身的问题。

首先要解决的是磨削数据可靠性的问题。就算是已成功加工的磨削实例数据，也需要对数据进行严格的挑选、分析、处理和评估，这是因为磨削加工的随机影响因素众多，不同的生产厂商所提供的砂轮性能也不一样。目前已有专家指出可利用基于知识发现方法、数据仓库和数据采掘工具的数据挖掘技术来解决海量数据的可靠性及有用性问题。

其次要解决的是磨削数据量不多的问题。目前是利用人工智能技术来解决这个问题，最常用的是基于实例推理(Case．based reasoning，简称CBR)技术，其是将以前磨削加工积累的磨削数据和经验存储在数据库中，直接或经试验验证后输入数据库作为优化数据。除基于实例推理技术外，还有规则匹配推理，其适合在易于找到因果关系的领域使用。此外，还有人工神经网络、基因遗传算法等。由于磨削是属于多变量的复杂加工，仅依靠一种推理技术来获得优化的磨削参数是很困难的，解决现实中复杂问题的最好方法就是对几种进行集成。英国IGA下的智能磨削数据库就同时利用实例和规则推理技术，加工时，首选基于实例推理技术，当一次成功搜索的可用案例不足够，才选用规则推理技术。

最后是要解决与优化磨粒过程性能、监控预报磨削过程性能及磨床和过程变量的补偿实现联机运行的问题。由于磨削加工是一种精加工方法，但又存在着磨削烧伤、砂轮钝化及砂轮与工件表面间隙等影响加工表面粗糙度的诸多因素，这些因素很难进行检测及监控，因此很难准确预测磨削效果。为优化磨削效果，极需对磨削过程进行监控和补偿，如预测磨削力、工件表面烧伤及残余应力、砂轮与工件接触状态和磨削温度等，并将这些监控和补偿信息反馈给磨削数据库的决策系统以进行决策。

因此有专家指出：在现在竞争越来越激烈的制造业中，为满足降低加工成本并获得高精度、高可靠性和高质量的需求，增加磨削系统和操作方面的智能化程度是不可逆转的趋势。

此外，随着网络技术的发展，强调资源共享和数据交换的网络化数据库，也是未来专业数据库技术发展的主要趋势。但目前出于对数据有效性的考虑，仅能让技术人员或工人通过客户浏览的方式来查阅磨削参数数据，对应的数据库是基于特定标准一次性定制的，用户无法根据需要及时扩充数据库内容，难以满足实际生产的需要。因此现实的生产需求将促使磨削数据库往无限制的网络化发展。