1. Mở đầu

Công nghệ cốt lõi của cuộc cách mạng công nghiệp lần thứ tư là sản xuất thông minh – tức quá trình số hóa, kết nối mạng và trí tuệ hóa trong ngành chế tạo. Là định hướng chủ đạo của Chiến lược Internet Công nghiệp của Hoa Kỳ, Chương trình Công nghiệp 4.0 của Đức và quá trình phát triển chất lượng cao của ngành chế tạo Trung Quốc, sản xuất thông minh tiến hành hội tụ sâu sắc giữa các công nghệ thông tin tiên tiến (đặc biệt là các công nghệ trí tuệ nhân tạo thế hệ mới) với công nghệ chế tạo, nhằm thúc đẩy cuộc cách mạng công nghiệp lần thứ tư[1].

Máy công cụ được coi là “máy mẹ của ngành công nghiệp” trong lĩnh vực chế tạo, và mức độ thông minh hóa của chúng có ảnh hưởng quan trọng đến việc triển khai sản xuất thông minh. Việc đẩy nhanh quá trình chuyển đổi sang mô hình máy công cụ thông minh và nâng cao trình độ thông minh hóa của máy công cụ không chỉ là yêu cầu cấp bách đối với ngành máy công cụ trong quá trình chuyển đổi và nâng cấp, mà còn là chìa khóa và nền tảng để xây dựng một cường quốc chế tạo [2].

Vào cuối năm 2017, Viện Hàn lâm Kỹ thuật Trung Quốc đã đề xuất ba mô hình cơ bản của sản xuất thông minh [1]: sản xuất số hóa, sản xuất số hóa–mạng lưới và sản xuất số hóa–mạng lưới–thông minh—đây chính là thế hệ mới của sản xuất thông minh, qua đó thống nhất tư tưởng và định hướng cho sự phát triển của lĩnh vực này.

Theo ba mô hình của sản xuất thông minh và quá trình phát triển của máy công cụ, sự chuyển dịch của máy công cụ từ các loại máy vận hành thủ công truyền thống sang máy công cụ thông minh cũng có thể được chia thành ba giai đoạn: số hóa + máy công cụ (numerical control machine tool, NCMT), tức là máy công cụ điều khiển số; Internet + máy công cụ điều khiển số (smart machine tool, SMT), tức là máy công cụ kết nối Internet; và trí tuệ nhân tạo thế hệ mới + Internet + máy công cụ điều khiển số, tức là máy công cụ thông minh (intelligent machine tool, IMT).

Giai đoạn đầu tiên là máy công cụ điều khiển số. Đặc điểm chủ yếu của nó là: giữa con người và máy công cụ vận hành bằng tay đã được bổ sung hệ thống điều khiển số, nhờ đó các thao tác lao động chân tay của con người được chuyển giao cho hệ thống điều khiển số thực hiện.

Giai đoạn thứ hai là “Internet + máy công cụ”. Đặc trưng chủ yếu của giai đoạn này là sự hội tụ giữa các công nghệ thông tin, trong đó có công nghệ mạng, với các máy công cụ điều khiển số, qua đó trang bị cho máy công cụ khả năng cảm nhận và kết nối; đồng thời, một phần năng lực cảm nhận và một phần kiến thức vốn thuộc về con người – vốn thường được coi là lao động trí tuệ mang tính định hình – sẽ được chuyển giao cho hệ thống điều khiển số để thực hiện.

Giai đoạn thứ ba là máy công cụ thông minh. Đặc trưng chủ yếu của giai đoạn này là: các công nghệ trí tuệ nhân tạo thế hệ mới được tích hợp vào máy công cụ điều khiển số, giúp máy có khả năng học tập và tự động tạo lập cũng như tích lũy tri thức. Những hoạt động lao động trí tuệ mang tính học hỏi của con người giờ đây được hệ thống điều khiển số đảm nhiệm.

Trên cơ sở phân tích sự phát triển của máy công cụ, nội dung nghiên cứu được đề xuất trong bài viết này như sau: Phần 2 trình bày chi tiết quá trình tiến hóa từ máy công cụ truyền thống sang máy công cụ thông minh; Phần 3 tập trung luận giải nguyên lý điều khiển của máy công cụ thông minh (bao gồm các công nghệ tạo điều kiện then chốt), các đặc điểm chủ yếu cũng như bốn đặc trưng chức năng; Phần 4 nêu cụ thể thực tiễn về hệ thống CNC thông minh và các mẫu thử nghiệm công nghiệp của máy công cụ thông minh, đồng thời thông qua các trường hợp ứng dụng công nghệ thông minh để xác minh tính khả thi và hiệu quả của máy công cụ thông minh cũng như các công nghệ thông minh; Phần 5 tổng kết toàn văn.

 

2. Sự tiến hóa từ máy công cụ sang máy công cụ thông minh

Máy công cụ vận hành bằng tay (manually operated machine tool, MOMT) là hình thái ban đầu của máy công cụ; đó là sự hòa quyện giữa con người và hệ thống vật lý của máy. Người vận hành, thông qua quá trình nhận biết và ra quyết định của não bộ, sử dụng hai tay để điều khiển máy, từ đó thực hiện quá trình gia công chi tiết. Trong quá trình gia công bằng máy công cụ vận hành bằng tay, toàn bộ các bước—từ việc nhận biết thông tin, phân tích, ra quyết định cho đến điều khiển thao tác—đều do con người thực hiện, qua đó hình thành một “hệ thống người–máy” (human–physical systems, HPS) điển hình [1]. Mô tả trừu tượng về nguyên lý điều khiển của máy công cụ vận hành bằng tay được minh họa trong Hình 1.

 

Hình 1. (a) Nguyên lý điều khiển máy công cụ thủ công; (b) “Hệ thống người–máy” (HPS) được cấu thành từ máy công cụ thủ công [1].

Việc phát triển các máy công cụ từ máy công cụ điều khiển bằng tay lên thành máy công cụ thông minh có thể được chia thành ba giai đoạn: máy công cụ điều khiển số, máy công cụ Internet+ và máy công cụ thông minh.

 

2.1. Máy công cụ điều khiển số

Cùng với sự phát triển của công nghệ điều khiển số, các máy công cụ vận hành bằng tay đã được chuyển đổi thành máy công cụ điều khiển số. Bằng cách bổ sung hệ thống điều khiển số giữa con người và máy công cụ, thông tin gia công được nhập vào hệ thống điều khiển số thông qua mã G; từ đó, hệ thống điều khiển số thay thế con người trong việc điều khiển máy, qua đó thực hiện việc kiểm soát chuyển động của máy.

Máy công cụ điều khiển số là một “hệ thống con người–thông tin–máy móc” (human-cyber-physical systems, HCPS) [1], tức là giữa “con người” (human) và “máy móc” (physical) đã được bổ sung thêm một hệ thống thông tin (cyber system, tức là hệ thống điều khiển số). Mô tả trừu tượng về nguyên lý điều khiển của máy công cụ điều khiển số được trình bày như hình 2.

 

Hình 2. (a) Nguyên lý điều khiển của máy công cụ CNC; (b) “Hệ thống con người–thông tin–máy móc” (HCPS) của máy công cụ CNC [1].

So với máy công cụ vận hành bằng tay, sự thay đổi mang tính bản chất của máy công cụ điều khiển số chính là việc giữa con người và thân máy đã được bổ sung thêm hệ thống điều khiển số. Hệ thống điều khiển số đóng vai trò quan trọng trong quá trình gia công của máy. Nó thay thế lao động chân tay của con người, đồng thời điều khiển máy thực hiện các nhiệm vụ gia công.

Tuy nhiên, do máy công cụ điều khiển số chỉ dựa vào mã G để thực hiện việc điều khiển quỹ đạo của dao và phôi, mà thiếu khả năng cảm nhận, phản hồi và xây dựng mô hình học tập về trạng thái gia công thực tế của máy (như lực cắt, lực quán tính, lực ma sát, rung động, biến dạng nhiệt do cắt, cũng như các thay đổi của môi trường), nên quỹ đạo thực tế có thể bị lệch so với quỹ đạo lý thuyết, từ đó ảnh hưởng đến độ chính xác gia công, chất lượng bề mặt và hiệu suất sản xuất. Do đó, mức độ thông minh của các máy công cụ điều khiển số truyền thống vẫn còn khá thấp.

 

2.2. Internet + máy công cụ

Trong những năm gần đây, cùng với sự phát triển không ngừng của công nghệ “Internet+” và sự hội tụ, phát triển giữa Internet và máy công cụ điều khiển số [3,4], Internet, Internet vạn vật và công nghệ cảm biến thông minh đã bắt đầu được ứng dụng trong các lĩnh vực như dịch vụ từ xa, giám sát trạng thái, chẩn đoán lỗi và quản lý bảo trì đối với máy công cụ điều khiển số; đồng thời, các doanh nghiệp sản xuất máy công cụ trong và ngoài nước cũng đã tiến hành một số nghiên cứu và thực tiễn trong lĩnh vực này [5,6]. Các hãng như Mazak, Okuma (Đại Loan), DMG-MORI (Đức Ma Ký), FANUC và Công ty Cổ phần Máy công cụ Thẩm Dương lần lượt đã ra mắt các giải pháp máy công cụ Internet+ của riêng mình [7].

“Internet + cảm biến” là đặc trưng tiêu biểu của mô hình “Internet + máy công cụ”, qua đó chủ yếu giải quyết được các vấn đề về khả năng nhận biết chưa đầy đủ và khó khăn trong việc kết nối, trao đổi thông tin của các máy công cụ điều khiển số.

So với máy công cụ điều khiển số, máy công cụ Internet+ được trang bị thêm các cảm biến, qua đó nâng cao khả năng nhận biết trạng thái gia công; ứng dụng Internet công nghiệp để kết nối và liên thông giữa các thiết bị, từ đó thực hiện việc thu thập và tập trung dữ liệu về trạng thái của máy công cụ; đồng thời tiến hành phân tích và xử lý các dữ liệu đã thu thập, nhằm đạt được điều khiển phản hồi theo thời gian thực hoặc không theo thời gian thực cho quá trình gia công của máy công cụ. Mô tả trừu tượng về nguyên lý điều khiển của máy công cụ Internet+ được thể hiện như hình 3.

 

Hình 3. (a) Nguyên lý điều khiển máy công cụ trong mô hình “Internet+”; (b) Hệ thống sản xuất số hóa và mạng lưới “hệ thống con người–thông tin–máy móc” [1].

Máy công cụ Internet+ có mức độ thông minh nhất định, thể hiện chủ yếu ở:

(1) Công nghệ mạng hóa và máy công cụ điều khiển số không ngừng hội tụ. Năm 2006, Hiệp hội Công nghệ Chế tạo Cơ khí Hoa Kỳ (AMT) đã đề xuất giao thức MT-Connect nhằm hỗ trợ kết nối và tương tác giữa các thiết bị máy công cụ [8,9]. Năm 2018, Hiệp hội Các Nhà Sản xuất Máy Công cụ Đức (VDW), dựa trên mô hình thông tin của kiến trúc thống nhất OPC Unified Architecture (UA), đã xây dựng phiên bản giao thức liên lạc kết nối cho máy công cụ điều khiển số mang tên Umati của Đức [10]. Đồng thời, Công ty CNC Hoa Trung, phối hợp với các doanh nghiệp hệ thống điều khiển số trong nước, đã đề xuất giao thức liên lạc kết nối cho máy công cụ điều khiển số có tên NC-Link, qua đó hiện thực hóa việc truyền tải các thông tin về thông số công nghệ, trạng thái thiết bị, quy trình nghiệp vụ, thông tin đa phương tiện cũng như luồng thông tin trong quá trình chế tạo.

(2) Hệ thống sản xuất bắt đầu phát triển theo hướng nền tảng hóa. Các công ty nước ngoài lần lượt ra mắt các nền tảng công nghệ xử lý dữ liệu lớn. Tập đoàn GE đã giới thiệu nền tảng Internet công nghiệp Predix dành cho ngành chế tạo [11], trong khi Siemens công bố nền tảng đám mây công nghiệp mở Mindsphere [12]; đồng thời, Công ty CNC Hoa Trung tiên phong đưa ra dịch vụ nền tảng đám mây cho hệ thống điều khiển số, qua đó cung cấp các phương pháp chuẩn hóa về phát triển thứ cấp và tích hợp các mô-đun quy trình cho việc phát triển thêm các ứng dụng trên hệ thống điều khiển số. Hiện nay, các nền tảng này chủ yếu mới dừng lại ở các lớp công nghệ như Internet công nghiệp, dữ liệu lớn và điện toán đám mây; song cùng với sự phát triển của công nghệ thông minh, chúng đang bộc lộ tiềm năng và xu hướng được ứng dụng vào các máy công cụ thông minh.

(3) Các chức năng thông minh bước đầu được thể hiện. Trên thế giới, năm 2006, hãng Mazak của Nhật Bản đã trưng bày một máy công cụ điều khiển số với bốn chức năng thông minh, bao gồm kiểm soát rung động chủ động, rào chắn nhiệt thông minh, rào chắn an toàn thông minh và cảnh báo bằng giọng nói. Hãng DMG MORI đã ra mắt môi trường mở mở rộng ứng dụng CELOS. Hãng FANUC phát triển các công nghệ điều khiển thông minh cho máy công cụ, như điều khiển thích nghi thông minh, bảng tải thông minh, gia tốc–giảm tốc trục chính thông minh và kiểm soát nhiệt thông minh. Hệ thống điều khiển số TNC640 của hãng Heidenhain sở hữu các chức năng thông minh như phay biên dạng tốc độ cao, giám sát động và độ chính xác cao theo thời gian thực. Tại Trung Quốc, hệ thống điều khiển số HNC-8 của Huazhong CNC tích hợp các chức năng thông minh như tối ưu hóa thông số công nghệ, bù sai số, giám sát đứt dao và bảo đảm tình trạng vận hành an toàn của máy công cụ.

Mặc dù mô hình “Internet + máy công cụ” đã được phát triển trong hơn mười năm và đạt được một số thành tựu nhất định cả về nghiên cứu lẫn thực tiễn, song cho đến nay, nó mới chỉ dừng lại ở việc thực hiện một số chức năng đơn giản như cảm biến, phân tích, phản hồi và điều khiển; còn xa mới đạt tới mức thay thế được lao động trí tuệ của con người. Do quá phụ thuộc vào các chuyên gia để tiến hành mô hình hóa lý thuyết và phân tích dữ liệu, máy công cụ vẫn thiếu tính thông minh thực sự, dẫn đến việc tích lũy tri thức diễn ra khó khăn và chậm chạp, đồng thời tính thích ứng và hiệu quả của công nghệ cũng chưa đủ. Nguyên nhân sâu xa nằm ở chỗ khả năng tự học và tự tạo ra tri thức của máy công cụ vẫn chưa đạt được những đột phá mang tính chất thực chất.

 

2.3. Máy công cụ thông minh

Kể từ đầu thế kỷ mới, các công nghệ thông tin thế hệ mới như Internet di động, dữ liệu lớn, điện toán đám mây và Internet vạn vật đã không ngừng đổi mới và phát triển với tốc độ chóng mặt, tạo nên những bước nhảy vọt mang tính tập thể. Những tiến bộ công nghệ này tập trung hội tụ trong các đột phá mang tính chiến lược của công nghệ trí tuệ nhân tạo thế hệ mới, với đặc trưng cốt lõi là khả năng hình thành, tích lũy và ứng dụng tri thức.

Công nghệ sản xuất thông minh thế hệ mới, được hình thành nhờ sự hội tụ sâu sắc giữa trí tuệ nhân tạo thế hệ mới và các công nghệ chế tạo tiên tiến, đã trở thành động lực cốt lõi của cuộc cách mạng công nghiệp lần thứ tư, đồng thời mở ra những cơ hội lớn để máy công cụ phát triển lên tầm máy công cụ thông minh, qua đó hiện thực hóa quá trình số hóa và tự động hóa toàn diện.

Máy công cụ thông minh là loại máy công cụ được phát triển trên nền tảng của các công nghệ thông tin thế hệ mới, trong đó ứng dụng sâu rộng các công nghệ trí tuệ nhân tạo thế hệ mới và công nghệ chế tạo tiên tiến. Loại máy này tận dụng khả năng tự cảm nhận và kết nối để thu thập các thông tin liên quan đến máy công cụ, quá trình gia công, điều kiện làm việc cũng như môi trường; đồng thời thông qua học tập và xây dựng mô hình một cách tự chủ để tạo ra tri thức, từ đó áp dụng những tri thức này vào việc tối ưu hóa và ra quyết định một cách tự chủ, thực hiện điều khiển và thực thi tự động, qua đó đạt được vận hành tối ưu đa mục tiêu cho quá trình gia công – chế tạo, với các đặc tính chất lượng cao, hiệu suất lớn, an toàn, đáng tin cậy và tiêu hao thấp.

 

Hình 4. Định nghĩa về máy công cụ thông minh.

Việc ứng dụng các công nghệ trí tuệ nhân tạo thế hệ mới để trang bị cho máy công cụ khả năng học tập, tích lũy và vận dụng tri thức đã làm thay đổi căn bản mối quan hệ giữa con người và máy công cụ, qua đó hiện thực hóa sự chuyển biến cơ bản từ “cho cá” sang “dạy cách câu cá”[1].

 

3. Máy công cụ thông minh dựa trên trí tuệ nhân tạo thế hệ mới

 

3.1. Nguyên lý điều khiển của máy công cụ thông minh

Căn cứ vào định nghĩa về máy công cụ thông minh được nêu trong Mục 2.3, bài viết này đề xuất các nguyên lý và giải pháp thực hiện cho các chức năng tự chủ về cảm nhận và kết nối, học tập và mô hình hóa, tối ưu hóa và ra quyết định, cũng như điều khiển và thực thi của máy công cụ thông minh, như được minh họa trong Hình 5.

 

Hình 5. Nguyên lý điều khiển máy công cụ thông minh.

3.1.1. Tự chủ cảm nhận và kết nối

Hệ thống điều khiển số gồm các bộ phận như thiết bị điều khiển số, bộ truyền động servo và động cơ servo, đóng vai trò là đơn vị điều khiển cốt lõi giúp máy công cụ tự động thực hiện các nhiệm vụ gia công cắt gọt và các công việc khác. Trong quá trình vận hành của máy công cụ điều khiển số, bên trong hệ thống này sẽ phát sinh một lượng lớn dữ liệu điện tử thô, được cấu thành từ các tín hiệu điều khiển theo lệnh và các tín hiệu phản hồi; những dữ liệu điện tử nội bộ này chính là sự mô tả thời gian thực, mang tính định lượng và chính xác về nhiệm vụ làm việc (hay còn gọi là trạng thái làm việc) cũng như trạng thái vận hành của máy công cụ. Do đó, hệ thống điều khiển số vừa là một cơ cấu chấp hành trong không gian vật lý, vừa là một cảm biến trong không gian thông tin.

Dữ liệu điều khiển điện bên trong hệ thống CNC là nguồn dữ liệu chính cho việc nhận thức; chúng bao gồm các dữ liệu điều khiển điện thời gian thực trong nội bộ máy công cụ, chẳng hạn như dữ liệu nội suy G-code của quá trình gia công chi tiết (vị trí nội suy, sai lệch theo dõi vị trí, tốc độ tiến dao, v.v.), cũng như các dữ liệu điều khiển điện nội bộ từ phản hồi của servo và động cơ (công suất trục chính, dòng điện trục chính, dòng điện trục tiến dao, v.v.), như minh họa trong Hình 5. Bằng cách tự động tổng hợp dữ liệu điều khiển điện nội bộ của hệ thống CNC với các dữ liệu thu thập được từ các cảm biến bên ngoài (như nhiệt độ, rung động và thị giác, v.v.), cùng với các dữ liệu quy trình gia công được trích xuất từ G-code (như chiều rộng cắt, chiều sâu cắt, tốc độ loại bỏ vật liệu, v.v.), hệ thống có thể thực hiện khả năng nhận thức tự chủ đối với máy công cụ CNC.

Khả năng nhận thức tự chủ của máy công cụ thông minh có thể được thiết lập thông qua “dao động ký miền lệnh” và “phương pháp phân tích miền lệnh” [3] nhằm xây dựng mối quan hệ tương quan giữa các dữ liệu về điều kiện làm việc và trạng thái hoạt động. Bằng cách sử dụng phương pháp tập hợp dữ liệu lớn theo “miền lệnh” để thu thập dữ liệu quá trình gia công, đồng thời thông qua giao thức NC-Link để thực hiện kết nối liên thông giữa các máy công cụ và tập hợp dữ liệu lớn, ta có thể hình thành một cơ sở dữ liệu lớn bao trùm toàn bộ vòng đời của máy công cụ.

3.1.2. Tự học và xây dựng mô hình

Mục tiêu chính của việc tự chủ học tập và xây dựng mô hình là thông qua quá trình học để tạo ra tri thức. Tri thức về gia công CNC chính là các quy luật mà máy công cụ nhập vào và phản hồi trong thực tiễn gia công. Mô hình cùng các tham số trong mô hình đóng vai trò là phương tiện lưu trữ tri thức; việc tạo ra tri thức chính là quá trình thiết lập các mô hình và xác định các tham số trong mô hình. Dựa trên dữ liệu thu được thông qua nhận thức tự chủ và kết nối, người ta sử dụng thư viện thuật toán trí tuệ nhân tạo thế hệ mới được tích hợp trong nền tảng dữ liệu lớn để tạo ra tri thức thông qua quá trình học.

Trong quá trình tự chủ học tập và mô hình hóa, có ba phương pháp tạo lập tri thức: mô hình hóa lý thuyết dựa trên mối quan hệ nhân quả giữa đầu vào và đáp ứng của máy công cụ thông qua mô hình vật lý; mô hình hóa dữ liệu lớn hướng tới mối quan hệ liên kết giữa các nhiệm vụ công việc của máy công cụ và trạng thái vận hành; và mô hình hóa hỗn hợp dựa trên sự kết hợp giữa dữ liệu lớn của máy công cụ với mô hình hóa lý thuyết.

Việc tự chủ học tập và xây dựng mô hình có thể tạo ra các mô hình bao gồm mô hình cấu trúc không gian của máy công cụ, mô hình động học của máy công cụ, mô hình sai số hình học của máy công cụ, mô hình sai số nhiệt, mô hình điều khiển gia công CNC, mô hình hệ thống công nghệ của máy công cụ, mô hình động lực học của máy công cụ, v.v.; các mô hình này cũng có thể được chia sẻ với các máy công cụ cùng loại khác. Những mô hình này hợp thành bản sao kỹ thuật số của máy công cụ, như minh họa trong Hình 5.

3.1.3. Tự chủ tối ưu hóa và ra quyết định

Tiền đề của việc ra quyết định là dự đoán chính xác. Khi máy công cụ nhận được một nhiệm vụ gia công mới, dựa trên mô hình máy công cụ đã nêu ở trên, ta tiến hành dự đoán phản ứng của máy. Căn cứ vào kết quả dự đoán, tiến hành tối ưu hóa lặp nhiều mục tiêu bao gồm nâng cao chất lượng, tối ưu hóa quy trình, bảo đảm tình trạng hoạt động và quản lý sản xuất, từ đó hình thành quyết định gia công tối ưu, đồng thời sinh ra mã điều khiển thông minh i chứa đựng thông tin về tối ưu hóa và ra quyết định, dùng để tối ưu hóa quá trình gia công. Tự chủ tối ưu hóa và ra quyết định chính là quá trình sử dụng mô hình để thực hiện dự đoán, sau đó tối ưu hóa quyết định và cuối cùng sinh ra mã i.

Mã i là một phương tiện quan trọng để thực hiện tối ưu hóa và ra quyết định tự chủ cho máy công cụ điều khiển số. Khác với mã G truyền thống, mã i là một mã điều khiển thông minh dành cho gia công tối ưu đa mục tiêu, tương ứng với miền lệnh; đồng thời là sự mô tả chính xác các chiến lược điều khiển tối ưu đa mục tiêu liên quan đến lập kế hoạch chuyển động, độ chính xác động, quy trình gia công, quản lý dụng cụ cắt, v.v. của một loại máy công cụ cụ thể, và không ngừng được điều chỉnh, phát triển theo sự thay đổi của trạng thái các nguồn lực sản xuất. Chi tiết về nguyên lý và giới thiệu chi tiết của mã i có thể tham khảo trong các bằng sáng chế liên quan [13].

3.1.4. Tự chủ kiểm soát và thực thi

Bằng cách ứng dụng công nghệ điều khiển liên kết hai mã, tức là thực hiện đồng thời mã G – vốn dựa trên việc kiểm soát quỹ đạo hình học trong gia công CNC truyền thống – và mã i – một loại mã điều khiển thông minh chứa các thông tin quyết định tối ưu hóa gia công đa mục tiêu – đã đạt được sự điều khiển liên kết song mã giữa mã G và mã i, qua đó giúp máy công cụ thông minh thực hiện gia công CNC với chất lượng cao, hiệu suất lớn, độ tin cậy cao, an toàn và tiêu hao năng lượng thấp, như minh họa trong Hình 5.

 

3.2. Đặc điểm của máy công cụ thông minh

So với máy công cụ điều khiển số và máy công cụ Internet+, máy công cụ thông minh có những khác biệt lớn về phần cứng, phần mềm, phương thức tương tác, lệnh điều khiển cũng như khả năng thu thập tri thức; chi tiết xem Bảng 1.

 

Bảng 1: Máy công cụ điều khiển số, máy công cụ Internet+ và máy công cụ thông minh

 

3.3. Các đặc trưng chức năng thông minh chủ yếu của máy công cụ thông minh

Các máy công cụ thông minh khác nhau có chức năng vô cùng đa dạng, nhưng mục tiêu mà chúng theo đuổi thì nhất quán: độ chính xác cao, hiệu suất cao, an toàn và tin cậy, cũng như tiêu hao thấp. Các chức năng thông minh của máy công cụ cũng xoay quanh bốn mục tiêu nêu trên, được phân thành bốn nhóm chính: nâng cao chất lượng, tối ưu hóa quy trình gia công, bảo đảm tình trạng vận hành và quản lý sản xuất.

(1) Nâng cao chất lượng: nâng cao độ chính xác gia công và chất lượng bề mặt. Việc nâng cao độ chính xác gia công là động lực hàng đầu thúc đẩy sự phát triển của máy công cụ. Do đó, các máy công cụ thông minh cần có các chức năng bảo đảm và nâng cao chất lượng gia công, bao gồm: bù trừ sai số hình học không gian của máy, bù trừ sai số nhiệt, dự đoán và bù trừ sai số động của quỹ đạo chuyển động, gia công tinh bề mặt cong với điều khiển liên kết hai hệ mã, cũng như tối ưu hóa các tham số của hệ thống CNC theo hướng ưu tiên cho độ chính xác và độ nhẵn bề mặt.

(2) Tối ưu hóa quy trình gia công: Nâng cao hiệu suất gia công. Tối ưu hóa quy trình gia công chủ yếu dựa trên các đặc tính vật lý của máy công cụ và các đặc tính động học khi cắt gọt để điều chỉnh tự động các thông số gia công (như tối ưu hóa tốc độ tiến dao, tối ưu hóa tốc độ quay trục chính, v.v.) nhằm đạt được các mục tiêu cụ thể, chẳng hạn như ưu tiên chất lượng, ưu tiên hiệu suất và bảo vệ máy công cụ. Các chức năng cụ thể có thể bao gồm: cơ sở dữ liệu quy trình gia công tự học/tự phát triển, mô hình hóa phản ứng của hệ thống quy trình gia công, dự đoán phản ứng thông minh của quy trình gia công, đánh giá và tối ưu hóa các thông số quy trình gia công dựa trên tải cắt gọt, cũng như phát hiện tự động rung trong quá trình gia công và điều khiển thích nghi đối với hiện tượng này.

(3) Bảo đảm sức khỏe: Đảm bảo thiết bị luôn trong tình trạng hoàn hảo và an toàn. Việc bảo đảm sức khỏe của máy công cụ chủ yếu nhằm giải quyết các vấn đề dự đoán tuổi thọ và quản lý tình trạng sức khỏe của máy, với mục tiêu là đạt được vận hành hiệu quả và tin cậy của máy. Máy công cụ thông minh có khả năng hiển thị trạng thái sức khỏe ở cấp độ tổng thể lẫn cấp độ từng bộ phận của máy, đồng thời cung cấp một bộ công cụ phát triển các chức năng bảo đảm sức khỏe. Các chức năng cụ thể có thể bao gồm: bảo dưỡng thông minh cho trục chính/trục tiến dao; giám sát trạng thái sức khỏe của máy và bảo dưỡng dự báo; đánh giá thống kê và dự báo về độ tin cậy của máy; chia sẻ kiến thức bảo trì và tự học, v.v.

(4) Quản lý sản xuất: Nâng cao hiệu quả quản lý và vận hành. Các chức năng thông minh thuộc nhóm quản lý sản xuất chủ yếu nhằm tối ưu hóa quá trình gia công trên máy công cụ và giảm thiểu tiêu hao (về thời gian cũng như nguồn lực) trong toàn bộ quy trình chế tạo. Các chức năng thông minh trong quản lý sản xuất của máy công cụ thông minh được phân thành các nhóm chính gồm giám sát trạng thái máy, quản lý sản xuất thông minh và điều khiển máy. Các chức năng cụ thể có thể bao gồm: nhận biết thông minh trạng thái gia công (đứt dao, dây phoi quấn), phát hiện thông minh mài mòn/phá hỏng dụng cụ cắt, quản lý thông minh tuổi thọ dụng cụ cắt, quản lý thông minh định danh và trạng thái của dụng cụ, đồ gá cũng như phôi, cùng với điều khiển thông minh ít carbon cho các thiết bị phụ trợ, v.v.

 

4. Thực tiễn kỹ thuật của hệ thống điều khiển số thông minh và máy công cụ thông minh

Theo mô hình tam nguyên của HCPS [14], trong thực tiễn sản xuất, máy công cụ điều khiển số coi máy công cụ là chủ thể, hệ thống điều khiển số là yếu tố chi phối, còn con người là người làm chủ. Từ máy công cụ vận hành bằng tay, qua máy công cụ điều khiển số và đến máy công cụ thông minh, sự thay đổi lớn nhất chính là vai trò ngày càng tăng của hệ thống điều khiển số. Mức độ thông minh của máy công cụ chủ yếu phụ thuộc vào mức độ thông minh của hệ thống điều khiển số – yếu tố chi phối chính của nó. Do đó, máy công cụ thông minh cần được trang bị một hệ thống điều khiển số thông minh tương ứng (intelligent numerical controller, INC).

 

4.1. Hệ thống điều khiển số thông minh

Bài viết này đã nghiên cứu, thiết kế và chế tạo một mẫu thử nghiệm kỹ thuật của hệ thống điều khiển số thông minh – INC loại 9 của Huazhong; sơ đồ thiết kế và kiến trúc nền tảng của hệ thống được thể hiện trong Hình 6. Trong INC, bộ điều khiển số, bộ truyền động servo, động cơ điện và các thiết bị phụ trợ khác hợp thành LocalNC, vốn là phần cục bộ của máy công cụ điều khiển số, đảm nhiệm việc điều khiển thời gian thực cho máy công cụ.

 

Hình 6. Kiến trúc hệ thống INC.

Bên cạnh việc có thể thực hiện đầy đủ tất cả các chức năng của hệ thống CNC truyền thống, INC còn phải sở hữu những khả năng nhận biết cơ bản nhất cần thiết cho tính thông minh, qua đó có thể thực hiện việc thu thập và truyền tải theo thời gian thực các dữ liệu lệnh, dữ liệu phản hồi trong quá trình điều khiển, cũng như các dữ liệu từ các cảm biến bên ngoài cần thiết (như nhiệt độ, rung động, tín hiệu video, v.v.).

INC sử dụng bus NCUC 2.0 để thực hiện việc cảm biến dữ liệu từ nhiều nguồn, bao gồm bộ truyền động servo, các mô-đun thông minh và các cảm biến bên ngoài. Đồng thời, nhờ vào công nghệ NC-Link, hệ thống kết nối với các thiết bị như máy công cụ điều khiển số, robot công nghiệp, xe tự hành AGV và các mô-đun thông minh, qua đó thu thập lượng dữ liệu lớn và lưu trữ trên nền tảng đám mây INC-Cloud.

Trong INC, việc xây dựng các mô hình phản hồi của máy công cụ vật lý để tạo thành song sinh số, từ đó hiện thực hóa các chức năng thông minh, chính là đặc trưng chủ yếu. Trong kiến trúc hệ thống của INC, chúng tôi đã thiết lập hai mô hình song sinh số tương ứng với máy công cụ vật lý và hệ thống điều khiển số, lần lượt là Cyber MT và Cyber NC; những mô hình này có thể mô phỏng trong không gian ảo nguyên lý hoạt động và các quy luật phản hồi của máy công cụ vật lý thực tế (Physical MT) cũng như hệ thống điều khiển số cục bộ (Local NC). Là sự kết hợp giữa thế giới vật lý và thế giới số, INC không chỉ bao gồm các thực thể vật lý truyền thống của hệ thống điều khiển số, mà còn bao gồm cả Cyber NC và Cyber MT—đây chính là chìa khóa để INC hiện thực hóa tính thông minh.

 

4.2. Mẫu máy công cụ thông minh

Dựa trên hệ thống điều khiển số thông minh INC, với các máy công cụ gia công chính xác S5H, máy tiện BL5-C và máy phay BM8-H làm nền tảng, ba mẫu thử nghiệm công nghiệp của các loại máy công cụ thông minh đã được chế tạo, như được trình bày trong Hình 7, qua đó lần lượt kiểm chứng ba khía cạnh của các công nghệ tạo khả năng thông minh do tác giả đề xuất trong bài viết này.

 

Hình 7. Mẫu máy công cụ thông minh dựa trên INC. (a) Máy gia công chính xác S5H; (b) Máy tiện thông minh BL5-C; (c) Máy phay thông minh BM8-H.

Máy công cụ chính xác S5H sử dụng bệ máy bằng đá cẩm thạch, có cấu trúc dạng cổng, các trục tiến dao đều được dẫn động bằng động cơ tuyến tính và được trang bị thước quang độ chính xác cao. Máy được trang bị ba hệ thống kiểm soát nhiệt độc lập, lần lượt thực hiện điều khiển nhiệt độ ổn định cho trục chính, bệ máy và dung dịch làm mát. Trên trục chính và bệ máy được lắp đặt 18 cảm biến nhiệt độ, trong khi tại ổ đỡ đầu trước của trục chính và bàn máy tổng cộng có 3 cảm biến rung. Độ chính xác định vị của máy này nhỏ hơn 1 μm, còn độ chính xác định vị lặp lại nhỏ hơn 0,5 μm. Máy gia công chính xác S5H được sử dụng để kiểm chứng công nghệ tối ưu hóa chất lượng gia công khuôn dựa trên Cyber NC và điều khiển liên kết hai mã.

Máy tiện BL5-C có cấu trúc giường nghiêng, được thiết kế riêng cho máy móc X Hướng và Z Lắp đặt các cảm biến nhiệt tại các vị trí quan trọng như trục tiến dao (bệ ổ đỡ, bệ đai ốc), trục chính (ổ đỡ), thân máy, v.v. để giám sát sự thay đổi nhiệt độ của máy công cụ; đồng thời lắp đặt các cảm biến rung trên vỏ hộp trục chính (ổ đỡ) để đo tần số rung, máy công cụ X Hướng và Z Lắp đặt thước quang vào trục tiến dao để thực hiện điều khiển vòng kín hoàn toàn. Máy công cụ này có độ chính xác định vị < 6 μm, độ chính xác định vị lặp lại < 3 μm, và độ tròn của chi tiết gia công tiện < 2 μm. Máy tiện BL5-C được sử dụng để kiểm chứng công nghệ tối ưu hóa các thông số chế độ gia công tiện dựa trên dữ liệu lớn và học sâu.

Máy phay BM8-H được lắp đặt tổng cộng 9 cảm biến nhiệt tại các vị trí trục vít me–đai ốc của các trục tiến dao, gối đỡ ổ trục và bệ động cơ; đồng thời lắp đặt 4 cảm biến nhiệt trong hộp trục chính, nhằm giám sát biến dạng nhiệt của máy. Trên trục chính và bàn làm việc mỗi nơi được lắp đặt một cảm biến rung ba trục, còn trên mỗi trục tiến dao đều được lắp đặt thước mã quang độ chính xác cao để thực hiện điều khiển vòng kín hoàn toàn. Độ chính xác định vị của máy nằm dưới 10 μm, còn độ chính xác định vị lặp lại nằm dưới 8 μm. Máy phay BM8-H được sử dụng để验证 công nghệ mô hình hóa hỗn hợp và bù sai số cho hệ thống tiến dao của máy công cụ dựa trên cơ học động lực học và học sâu.

 

4.3. Các trường hợp ứng dụng trí tuệ hóa chủ yếu của máy công cụ thông minh

4.3.1. Tối ưu hóa chất lượng gia công khuôn mẫu dựa trên Cyber NC và kiểm soát liên kết hai mã

Trường hợp này được thực hiện trên máy công cụ chính xác S5H của INC; lấy mẫu thử gia công khuôn điển hình Mercedes (Hình 8) làm ví dụ để kiểm chứng hiệu quả của công nghệ song mã điều khiển kết hợp với kỹ thuật số hóa mô phỏng và tối ưu hóa chất lượng bề mặt gia công các bề mặt cong.

 

Hình 8. Mẫu thử của Mercedes.

Dựa trên các thông số hình học và cấu trúc của máy công cụ chính xác S5H, đã xây dựng mô hình song sinh số ở cấp độ tham số cho thiết bị điều khiển số, gọi là Cyber NC. Về mặt nội hàm, thực thể vật lý của thiết bị điều khiển số và Cyber NC hoàn toàn tương đương nhau ở tầng nội suy; cả hai đều tạo ra các lệnh nội suy giống hệt nhau từ chương trình gia công bề mặt.

Trước khi tiến hành gia công thực tế, mã G cho quá trình gia công khuôn mẫu được mô phỏng và tối ưu hóa trên phần mềm Cyber NC. Mục tiêu tối ưu hóa là đảm bảo tính mượt mà của đường chạy dao nội suy và sự đồng nhất theo phương ngang của tốc độ ăn dao theo lệnh; từ đó tiến hành các bước lặp tối ưu, liên tục điều chỉnh đường chạy dao nội suy cũng như các lệnh lập kế hoạch tốc độ, cho đến khi đạt được các mục tiêu tối ưu, rồi dựa trên kết quả tối ưu hóa để sinh ra mã i. Trong quá trình gia công thực tế, mã G và mã i chứa kết quả tối ưu được thực thi đồng thời trên hệ điều khiển số, nhờ đó việc gia công được hoàn thành thông qua chế độ điều khiển liên kết hai mã.

Hiệu quả trước và sau khi tối ưu hóa được thể hiện trong Hình 9. Các thí nghiệm cho thấy việc sử dụng phương pháp mô phỏng dựa trên mô hình song sinh kết hợp với điều khiển liên kết hai mã có thể cải thiện đáng kể tính đồng nhất theo phương ngang của tốc độ ăn dao, từ đó nâng cao chất lượng gia công bề mặt chi tiết. Qua quan sát, sau khi tối ưu hóa, các đặc trưng của chi tiết gia công trở nên rõ nét hơn, tính đồng nhất tốt hơn và mức độ phù hợp với mô hình CAD ban đầu cũng cao hơn [Hình 9(b)].

 

Hình 9. So sánh vùng A của mẫu thử Mercedes trước và sau khi tối ưu hóa. (a) Biểu đồ phân bố tốc độ ăn dao [15]; (b) Chất lượng bề mặt gia công.

4.3.2. Tối ưu hóa các thông số công nghệ gia công tiện dựa trên học tập dữ liệu lớn

Trong gia công CNC, việc tối ưu hóa các thông số công nghệ đóng vai trò then chốt, vì chúng ảnh hưởng đến chất lượng gia công của chi tiết, hiệu suất, cũng như tuổi thọ của các nguồn lực sản xuất như máy công cụ và dao cắt [16, 17]. Về vấn đề tối ưu hóa thông số công nghệ, hiện nay đã có nhiều nghiên cứu liên quan được triển khai. Một phương pháp là thông qua việc xây dựng mô hình lý thuyết về lực cắt, độ ổn định cắt trong quá trình gia công của máy công cụ, từ đó thực hiện tối ưu hóa các thông số công nghệ [18]. Ngoài phương pháp tối ưu hóa thông số công nghệ dựa trên phân tích lý thuyết và xây dựng mô hình, trong những năm gần đây còn xuất hiện các phương pháp tối ưu hóa thông số công nghệ dựa trên mô hình dữ liệu lớn [19, 20].

Trường hợp này được thực hiện trên máy tiện thông minh BL5-C của INC, trong đó sử dụng dữ liệu quá trình gia công CNC để xây dựng mô hình phản ứng của hệ thống công nghệ của máy tiện, qua đó kiểm chứng tính khả thi và hiệu quả của phương pháp học tập, tích lũy và ứng dụng tri thức về quy trình gia công dựa trên dữ liệu lớn. Quá trình cụ thể như sau:

(1) Sử dụng mạng nơ-ron BP làm mô hình để mô tả quy luật phản ứng của hệ thống công nghệ của máy tiện này; đầu vào của mô hình gồm 5 thông số công nghệ như chiều sâu cắt, bán kính cắt và lượng vật liệu được loại bỏ, trong khi đầu ra là công suất trục chính, như được thể hiện trong Hình 10.

 

Hình 10. Mô hình mạng nơ-ron BP biểu diễn các thông số công nghệ của máy tiện BL5-C – đáp ứng công suất trục chính.

(2) Chọn các chi tiết thường gặp trong sản xuất thực tế của loại máy tiện này để gia công, đồng thời ghi lại dữ liệu lớn về miền lệnh trong quá trình gia công. Từ dữ liệu công suất trục chính, tách riêng các dữ liệu trạng thái ổn định để sử dụng làm mẫu huấn luyện cho đầu ra của mạng nơ-ron. Thông qua phương pháp phân tích miền lệnh, trích xuất các thông số cắt tương ứng với các mẫu trạng thái ổn định, bao gồm chiều sâu cắt, tốc độ ăn dao, lượng vật liệu được loại bỏ, tốc độ quay của trục chính, bán kính quay, v.v., và sử dụng chúng làm mẫu huấn luyện cho đầu vào của mạng nơ-ron. Tiếp tục trích xuất các mẫu trạng thái ổn định để huấn luyện mô hình mạng nơ-ron; theo tiến trình gia công, mô hình này dần dần đạt được khả năng dự đoán công suất trục chính trong quá trình gia công, tức là đã hình thành một mô hình mô phỏng công suất trục chính khi tiện trên máy này.

(3) Các chi tiết gia công mới (với hình dạng và các thông số công nghệ khác nhau) trước khi tiến hành gia công thực tế sẽ được mô phỏng, lặp lại và tối ưu hóa trên mô hình này. Đối với chi tiết được trình bày trong Bảng 2, việc tối ưu hóa hiệu suất gia công được thực hiện với ràng buộc là công suất trục chính tối đa cho phép và sự biến động của công suất. Đường cong tốc độ ăn dao và công suất trục chính trước và sau khi tối ưu hóa lần lượt được thể hiện trong Hình 11(a) và (b), trong khi thời gian gia công được trình bày trong Bảng 2. Kết quả cho thấy, khi đáp ứng các điều kiện ràng buộc, thời gian gia công sau khi tối ưu hóa đã giảm 27,8% so với trước khi tối ưu hóa.

 

Bảng 2 Kết quả tối ưu hóa

 

Hình 11. Kết quả trước và sau khi tối ưu hóa. (a) Tốc độ ăn dao; (b) Công suất trục chính.

4.3.3. Mô hình hóa hỗn hợp và bù sai số cho hệ thống cấp liệu của máy công cụ dựa trên động lực học và học sâu

Việc xây dựng mô hình cho hệ thống cấp liệu của máy công cụ là nền tảng để tối ưu hóa các chiến lược điều khiển, thiết lập thông số và bù trước sai lệch biên dạng, qua đó nâng cao tính năng đáp ứng động của hệ thống cấp liệu [21, 22]. Dựa trên phân tích lý thuyết, Erkorkmaz và Altintas [23] đã tiến hành phân tích toán học và vật lý đối với hệ thống cấp liệu, đồng thời sử dụng phương pháp bình phương nhỏ nhất không thiên lệch cùng với các mô hình lực ma sát để xác định các tham số động của hệ thống cấp liệu và phân tích đặc tính ma sát, từ đó xây dựng mô hình hệ thống cấp liệu nhằm định hướng thiết kế các hệ thống cấp liệu tốc độ cao. Khác với các phương pháp mô hình hóa theo lý thuyết, một số nhà nghiên cứu lại tập trung vào các phương pháp mô hình hóa dựa trên dữ liệu. Huo và Poo [24] đã đề xuất một phương pháp mô hình hóa bằng mạng nơ-ron tự hồi quy tuyến tính phân đoạn, qua đó xây dựng mô hình cho hệ thống cấp liệu của máy công cụ. Với mô hình này, chỉ cần cung cấp tín hiệu lệnh vị trí đầu vào là có thể dự đoán được vị trí phản hồi thực tế của máy công cụ. Li và cộng sự [25] đã đề xuất một phương pháp mô hình hóa dựa trên dữ liệu, dựa trên mạng tin cậy sâu (DBN), qua đó xây dựng mô hình dự đoán sai lệch do khe hở ngược.

Trường hợp này được thực hiện trên máy phay thông minh BM8-H của INC, trong đó sử dụng phương pháp kết hợp giữa dữ liệu lớn và mô hình hóa theo lý thuyết đa lĩnh vực để xây dựng mô hình hệ thống cấp liệu của máy công cụ, đồng thời nghiên cứu các phương pháp mô hình hóa hệ thống cấp liệu của máy công cụ cũng như tính khả thi của việc áp dụng các kết quả mô phỏng từ mô hình để thực hiện bù trừ. Các bước triển khai cụ thể như sau:

(1) Lấy máy phay thông minh BM8-H làm đối tượng thí nghiệm, tiến hành xây dựng… X Và Y Mô hình lý thuyết đa lĩnh vực của bàn làm việc trục. Mô hình này bao gồm bộ truyền động servo, động cơ servo và bàn làm việc cùng các bộ phận truyền động cơ khí của nó. Trong đó, mô hình của bộ truyền động servo và động cơ servo được xây dựng dựa trên các thông số thiết kế của chúng. Các thông số chính của mô hình phần cơ khí được trình bày trong Bảng 3. Để xác định chính xác các thông số này, phương pháp phân tích độ nhạy được áp dụng để xác định thứ tự xác định; những thông số có độ nhạy thấp sẽ được gán trước một giá trị mặc định, sau đó lần lượt tiến hành xác định các thông số theo thứ tự từ cao xuống thấp. Phạm vi phân bố lý thuyết của các thông số và kết quả xác định được trình bày trong Bảng 3.

 

Bảng 3 Các tham số nhận dạng và khoảng nhận dạng của chúng

Sử dụng bán kính 50 mm, tốc độ ăn dao 3000 mm·phút ⁻¹ Quỹ đạo tròn được sử dụng để kiểm chứng độ chính xác dự đoán của mô hình; kết quả được thể hiện trong Hình 12(b), với sai số biên dạng tối đa là 10,07 µm.

 

Hình 12. (a) Đường bao hình tròn: đường bao chỉ định, đường bao thực tế, mô phỏng theo mô hình động học và dự đoán theo mô hình hỗn hợp; (b) Sai số mô phỏng theo mô hình động học của đường bao hình tròn (màu đỏ), sai số dự đoán theo mô hình hỗn hợp (màu xanh).

(2) Để tiếp tục nâng cao độ chính xác của dự đoán, thiết kế mô hình hỗn hợp như được minh họa trong Hình 13. Mô hình này bao gồm hai phần: một mô hình cơ sở và một mô hình sai lệch. Mô hình cơ sở chính là mô hình lý thuyết đa lĩnh vực thu được ở bước (1). Mô hình sai lệch là một mạng nơ-ron gồm 6 lớp. Đầu vào của mô hình này là chuỗi lệnh của hệ thống cấp liệu và chuỗi dự đoán mô phỏng từ mô hình lý thuyết đa lĩnh vực; đầu ra là chuỗi chênh lệch giữa giá trị dự đoán mô phỏng và giá trị đo thực tế. Từ X , trích xuất các mẫu từ dữ liệu lệnh và dữ liệu bộ mã hóa đo thực khi bàn làm việc trục vận hành các loại đường cong biên dạng khác nhau, đối với X 、 Y Việc huấn luyện các mô hình sai lệch riêng biệt cho từng trục sẽ cho phép lần lượt thu được các mô hình sai lệch tương ứng.

 

Hình 13. Sơ đồ mô hình hỗn hợp của hệ thống cấp liệu trên máy công cụ.

Trong đó, các mô-đun chính của mô hình cơ bản bao gồm bộ điều chỉnh vị trí APR (automatic position regulator), bộ điều chỉnh tốc độ ASR (automatic speed regulator), bộ điều chỉnh dòng điện ACR (automatic current regulator), cũng như phần động cơ và truyền động cơ khí. r Để nhập lệnh hệ thống, w Để xuất khẩu thực tế, F ₀ Là đầu vào nhiễu.

(3) Độ chính xác dự đoán sai số biên dạng được thể hiện trong Hình 12(b), trong đó giá trị tối đa của sai số dự đoán đối với mô hình hỗn hợp là 3,21 µm. Điều này đủ đáp ứng các yêu cầu về độ chính xác dự đoán cần thiết cho việc bù trừ trên các máy công cụ có độ chính xác trung bình. Dựa trên sai số biên dạng của quỹ đạo dự đoán, việc bù vị trí cho quỹ đạo tròn được thực hiện; kết quả được minh họa trong Hình 14: trước khi bù, sai số biên dạng khoảng 12,53 µm, còn sau khi bù, sai số biên dạng giảm xuống còn khoảng 4,58 µm (giảm 63,4%). Kết quả cho thấy phương pháp mô hình hóa hỗn hợp, kết hợp giữa mô hình đa lĩnh vực cổ điển và mô hình mạng nơ-ron tiêu biểu của trí tuệ nhân tạo, có thể nâng cao độ chính xác điều khiển chuyển động của hệ thống cấp liệu trên máy công cụ.

 

Hình 14. (a) Đường bao của lệnh đường tròn, đường bao thực tế trước khi bù và đường bao thực tế sau khi bù; (b) Sai số của đường bao đường tròn (màu đỏ) và sai số của đường bao sau khi bù (màu xanh).

 

5. Tổng kết và triển vọng

Bài viết này đã tiến hành khảo sát sự hội tụ và ứng dụng của các công nghệ trí tuệ nhân tạo thế hệ mới trên máy công cụ điều khiển số, đồng thời phân tích xu hướng phát triển của máy công cụ, từ máy công cụ điều khiển số, qua giai đoạn “máy công cụ Internet+”, tiến tới “máy công cụ thông minh+”. Nghiên cứu đã làm rõ nguyên lý “tăng năng” – tức sử dụng dữ liệu lớn và công nghệ trí tuệ nhân tạo để thực hiện các chức năng tự nhận biết và kết nối, tự học tập và xây dựng mô hình, tự tối ưu hóa và ra quyết định, cũng như tự điều khiển và thực thi – qua đó chỉ ra rằng bản chất của việc thông minh hóa máy công cụ nằm ở khả năng tự động sinh thành tri thức, tích lũy tri thức và vận dụng tri thức trong quá trình vận hành sản xuất, nhằm đạt được các mục tiêu về chất lượng cao, hiệu quả cao, độ tin cậy cao, an toàn cao và tiêu hao thấp. Để trang bị trí tuệ cho máy công cụ điều khiển số, bài viết đề xuất ba công nghệ tạo năng thông minh hóa, gồm phương pháp phân tích miền lệnh, mô hình song sinh kỹ thuật số hỗn hợp và kiểm soát liên kết hai mã; đồng thời thiết kế, phát triển một nguyên mẫu hệ thống điều khiển số INC và chế tạo ba máy công cụ thông minh. Trên ba máy công cụ thông minh này, ba thử nghiệm ứng dụng đã được tiến hành; kết quả cho thấy ba công nghệ tạo năng thông minh hóa được đề xuất trong bài có tính khả thi và tính tiên tiến cao, đồng thời có thể cải thiện đáng kể chất lượng bề mặt gia công bề mặt cong (đảm bảo chuyển tiếp mượt mà tại các đặc trưng bề mặt cong), nâng cao hiệu suất gia công (tăng 27,8%) và giảm sai số biên dạng của hệ thống cấp dao (giảm 63,4%).

Công trình nghiên cứu hiện tại của bài viết này là một bước thăm dò ban đầu đối với các máy công cụ thông minh. Trong tương lai, những nội dung đáng được nghiên cứu sâu hơn bao gồm: các phương pháp trích xuất các mẫu hiệu quả (cả mẫu dương và mẫu âm) từ dữ liệu tích lũy trong quá trình gia công để phục vụ cho mô hình hóa học máy; các công nghệ nền tảng cho việc chia sẻ, sử dụng chung và hợp trí thông minh của các máy công cụ thông minh; cũng như các kỹ thuật ứng dụng thực tiễn của công nghệ trí tuệ nhân tạo gắn kết với nhu cầu của ngành công nghiệp máy công cụ trong sản xuất.

 

Lời cảm ơn

Xin đặc biệt cảm ơn Viện sĩ Chu Tế của Viện Hàn lâm Kỹ thuật Trung Quốc đã hướng dẫn cho bài viết này. Bài viết được hoàn thành với sự hỗ trợ của các dự án thuộc Quỹ Khoa học Tự nhiên Quốc gia (số 51675204 và 51575210) và đề tài thuộc Chương trình Trọng điểm Khoa học và Công nghệ Quốc gia, chuyên đề 04 (số 2018ZX04035002-002).