柔性制造系统论文

《柔性制造系统论文》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、［柔性制造系统的结构组成、类型及应用］最新可编辑word文档摘要：本文主要阐述了柔性制造系统的基本概念、，并在此基础之上了解柔性制造系统的工艺基础，系统组成和分类进行阐明，探讨了柔性制造技术发展的应用现状与趋势。关键词：柔性制造系统结构组成类型应用一.柔性制造系统的定义FM至今仍未有统一、明确、公认的定义，不同的国家、企业、学者和用户往往各有各的说法，所强调的关键特征也各有差异。所以，确切地定义FM皱比具体地描述一个5乂困难得多。美国国家标准局定义FM必：由一个传输系统联接起来的一些设备（通常是具有自动换刀装置的加工中心机床）组成，传输装置

2、把工件放在托盘或其他联接装置上送到各加工设备，加工设备和传输系统在中央计算机控制下，使工件加工准确、迅速和自动化。柔性制造系统有时可同时加工几种不同的零件。日本国际贸易与工业部定义FM跋：由2台或更多NCL床组成的系统，这些机与自动物料管理设备一一连接，在计算机或类似设备控制下完成自动加工或处理操作，从而可加工多个不同形状和尺寸的工件。中国机械部北京机械工业自动化研究所199孙编写的《制造自动化术语汇编》中，定义FMS^J:将自动化生产系统从少品种大批量生产型转向多品种生产型的柔性化系统。FMS^S:（1）机械加工中心等加工作业机床；（2）

3、加工对象的辅助作业工业机器人和托盘；（3）加工对象的搬运作业工业机器人/传送带/无人搬运车；（4）存贮工件的自动仓库；（5）上述作业用的各种自动设备的管理和控制用计算机。二.柔性制造系统工艺基础FMS勺工艺基础是成组技术，它按照成组的加工对象确定工艺过程，选择相适应的数控加工设备和工件、工具等物料的储运系统，并由计算机进行控制，故能自动调整并实现一定范围内多种工件的成批高效生产（即具有“柔性”八并能及时地改变产品以满足市场需求。FM兼有加工制造和部分生产管理两种功能，因此能综合地提高生产效益。FMS勺工艺范围正在不断扩大，可以包括毛坯制造、

4、机械加工、装配和质量检验最新可编辑word文档等。投入使用的FMS大都用于切削加工，也有用于冲压和焊接的。三.柔性制造系统的组成(1)加工系统柔性制造系统采用的设备由待加工工件的类别决定，主要有加工中心、车削中心或计算机数控(CNC用、铳、磨及齿轮加工机床等，用以自动地完成多种工序的加工。(2)物料系统物料系统用以实现工件及工装夹具的自动供给和装卸，以及完成工序间的自动传送、调运和存贮工作，包括各种传送带、自动导引小车、工业机器人及专用起吊运送机等。(3)计算机控制系统计算机控制系统用以处理柔性制造系统的各种信息，输出控制CNCL床和物料系

5、统等自动操作所需的信息。通常采用三级(设备级、工作站级、单元级)分布式计算机控制系统，其中单元级控制系统(单元控制器)是柔性制造系统的核心。(4)系统软件系统软件用以确保柔性制造系统有效地适应中小批量多品种生产的管理、控制及优化工作，包括设计规划软件、生产过程分析软件、生产过程调度软件、系统管理和监控软件。四.柔性制造系统的分类(1)柔性制造单元(FMC)FMC5单台带多托盘系统的加工中心或3台以下的CNCL床组成,具有适应加工多品种产品的灵活性。FMC勺柔性最高。(2)柔性制造线(FML)柔性制造线FM是处于非柔Tt自动线和FMS1间的生

6、产线，对物料系统的柔性要求低于FMS但生产效率更高。(3)柔性制造系统(FMS)FMS1常包括3台以上的CNCL床(或加工中心),由集中的控制系统及物料系统连接起来，可在不停机情况下实现多品种、中小批量的加工管理。FMSI使用柔性制造技术最具代表性的制造自动化系统。五.柔性制造系统应用(1)利用计算机设计(cAD)技术CAIM术是基于计算机环境下的完整设计过程，是一项产品建模技术(将产品的物理模型转换为产品的数据模型)。带有32位Pc微机的cALE成为应用主流。引入专家系统的cAD£具具有智能化，可处理各种复杂问题，当前的一个应用热点是快速

7、成型(RP)技术。它利用三维cADK据，通过快速成型机将一层层的材料堆积成实体原型。RF&术具有快速、高柔性、高度集成等突出优点，尤其适合制造单件小批量、形状复杂的产品或原型。最新可编辑word文档(2)机电一体化技术机电一体化技术是机械、电子、信息、计算机等多学科的相互融合和交叉，特别是机械、信息学科的融合交叉。从这个意义上说，其内涵是机械产品的信息化，它由机械、信息处理、传感器三大部分组成。近年来，微电子机械系统(MEMs)作为机电一体化的一个发展方向得到了特别重视和研究。(3)模糊控制技术模糊数学在工业上的应用始于1974年对锅炉和蒸

8、汽机的模糊控制。目前模糊控制技术正处于稳定发展阶段，其核心是模糊控制器。新近开发的高性能模糊控制器具有基于人工神经网络的自学习功能，可在控制过程中不断获取新的信息，并自动地对控制