1．目的及意义
随着制造业的不断发展，对于零件质量及加工效率的要求越来越高，从而对制造装备提出越来越高的要求。2015年，我国首次提出“中国制造2025”的宏大计划，其中“智能制造”是主攻方向。而数控机床是制造企业最重要的制造资源，是实现智能制造的重要基础。一般认为：智能机床应具有自感知、自分析、自适应、自维护、自学习等能力，并能够实现加工优化、实时补偿、智能测量、远程监控和诊断等功能，从而能够支持加工过程的高效运行。而数控系统是数控机床的“大脑”，是实现上述智能化应用的重要基础，因此对数控系统开发相关智能化应用显得尤为重要。

制造企业在产品开发和生产过程中，会产生大量的数据，这些数据通常符合大数据的种类繁多，变化较快，数据量较大，隐藏价值较为丰富等特点。其中，数控机床在加工过程中产生的大数据，可以有效反应出加工过程中数控机床的状态情况。对于数控机床大数据进行采集、处理、分析，一方面可以有效监控、优化加工过程，保证零件加工质量；另一方面，长期累积的加工大数据，可以进行数控机床健康保障和车间整体调度优化等智能化应用。Lidong Wang等^[1]指出生产传感器以亚秒级速度生成大量数据。使用合适的分析方法处理这些海量数据，以监控生产过程，并在生产质量受到实际影响之前，确定事件何时影响生产质量以及何时需要维护，以维持产品的高质量。IvanKuric等^[2]利用统计方法和人工智能等智能分析工具进行数据挖掘，处理分析多标准诊断收集的数据，分析结果通过预测模型进行处理，然后得出最终预测结果。

加工过程中，数控系统中产生的大数据一方面包括机床内部数据，如光栅尺位置，主轴电流、指令信息，刀具信息等，另一方面，还包括机床外部传感器的数据，如：机床震动，机床热误差等。本研究主要针对数控系统内部数据进行采集与应用。

实现对数控系统数据应用的前提是实现对数控系统大数据的采集。目前，对数控系统大数据的采集方法主要有基于机床电气电路和基于机床通信接口两种方法。肖士利等^[3]研究了基于外接PLC的数据采集方法，该方法通过外部的PLC来获取数控机床电气电路的相关信号，实现对数控机床加工状态的实时采集，并设计了一个可从不同OPC服务器读取数据的通用OPC客户端。高飞等^[4]提出了一种分布采集集中管理的采集方案，该方案以嵌入式数据采集终端和手持移动数据采集器为采集平台，以上位机为管理平台。数控机床数据采集采用基于电气电路和基于OPC规范两种方法，并基于RFID技术和条形码技术采集现场生产数据。徐永乐等^[5]提出了基于ARM平台和嵌入式Linux操作系统的机床数据采集平台。陈浩等^[6]为弥补华中8型现场总线对振动等传感器高频信号传输能力的不足，提出以华中8型数控系统中HIO-1000总线IO单元为依托，通过基于FPGA 的模拟量信号采集卡HIO-1073采集传感器数据，通过STM32的文件系统存储为特定格式的文件，而后通过USB传递至数控系统，实现对高频传感器信号的采集。宋杰等^[7]提出基于NCUC 总线技术的大数据采集平台，对其采集传输数据的过程进行了分析描述，总结并提出了基于数控机床大数据的新一代云数控服务平台。

王勃等^[8]提出基于大数据的加工过程优化分为三个步骤：机床大数据的可视化，实现基于可视化数据的辅助制造，实现基于大数据的人工智能。机床大数据的可视化：显性的、量化的制造过程数据是分析与决策的依据，目前大多数控系统均提供了数据采集接口，能够方便地从中提取相关参数信息；其次，当制造数据被提取出来之后，建立这些数据与加工过程、加工指令之间的映射关系，并通过人工分析影响加工效率或加工质量的程序片段予以优化；最后，实现基于大数据的人工智能：建立制造数据与质量、效率之间的关联知识库，通过对机床运行参数的实时分析来预判产品质量、机床故障等，并进行实时优化调整，进而真正达到自适应加工的水平。

徐迭石等^[9]提出：在车间MES系统中，分析生产过程大数据，以实现对生产车间异常的智能发现与响应，从而提高车间生产自适应能力，以达到车间作业计划与调度优化的目标。Ji-HyeongHan等^[10]应用机器学习方法，分析掌握加工过程中产生大数据的特点，并基于此实现加工过程周期变化机器参数的预测，最终实现预测数控刀具磨损补偿偏移量的设置值。姚晓栋等^[11]提出基于大数据思维的热误差补偿技术，并通过试验证明了这种新方法在数控机床生产加工的复杂工况中提高补偿精度的有效性。

丁国涛等^[12]指出：加工过程大数据进行的分析过程，对于数控装置的软硬件系统要求越来越高。文章提出了一种基于云结构的数控系统，提出将非实时性且计算量较大的进程放置在云端，以减少对数控装置资源的利用。进而更好的进行加工大数据的分析应用及其他智能化进程，使数控智能化进程不再受硬件及软件资源的影响。

时域和频域是目前广泛使用的数控系统数据分析方法，但是数控加工，是依照G代码逐条进行的，G代码是数控加工的控制代码，包含了加工零件的尺寸信息，以及一些工艺参数的选择。陈吉红等^[13]提出了基于指令域的数据分析方法，指令域的定义为：数控加工G代码序列与该指令所对应的时间序列的集合。一行G代码是切削参数最小的作用单位，因而，某些情况下针对于数控系统大数据进行指令域分析要优于进行时域及频域分析。

刘璐等^[14]根据加工过程中，指令域主轴电流与材料去除率及主轴负载的变化变化关系，提出：对主轴电流进行指令域的统计和分析，以实现对进给速度的优化，保持主轴电流为一恒定的值，进而将主轴负载维持在一个较为恒定的值。周振等^[15]利用数控机床，运行特定的自检G代码，通过数控系统采集运行状态数据，将相关数据传递至云服务平台。在云平台中建立健康保障模块，对相关运行状态数据进行指令域的分析与处理，将其与评估模板的数据进行比较分析，实现对数控机床故障的预测，即数控机床的健康状态监测。{title}

2. 研究的基本内容与方案

{title} 2.1 基本内容

（1）数控系统控制原理及其架构；

（2）数控加工过程大数据产生机理及其分类（位置环、速度环、电流环、G指令等）；

（3）指令域大数据原理及其采集方法；