第1章 绪论
　　1.1 智能制造的产生
　　智能制造是指具有信息自感知、自决策、自执行等功能的先进制造过程、系统与模式的总称，具体体现在制造过程的各个环节与新一代信息技术的深度融合，如与物联网、大数据、云计算、人工智能等技术的融合。智能制造大体具有四大特征：以智能工厂为载体，以关键制造环节的智能化为核心，以端到端数据流为基础和以网通互联为支撑。其主要内容包括智能产品、智能生产、智能工厂、智能物流等。目前，急需建立智能制造标准体系，大力推广数字化制造，开发核心工业软件。数字化制造、网络化制造、敏捷制造等制造方式的应用与实践对智能制造的发展具有重要的支撑作用。
　　智能制造源于人工智能的研究。一般认为智能是知识和智力的总和，前者是智能的基础，后者是指获取和运用知识求解的能力。人工智能就是用人工方法在计算机上实现的智能。近半个世纪特别是近20年来，随着产品性能的完善化及其结构的复杂化、精细化以及功能的多样化，产品所包含的设计信息和工艺信息量猛增，随之生产线和生产设备内部的信息流量增加，制造过程和管理工作的信息量也必然剧增，因此促使制造技术发展的热点与前沿转向提高制造系统对于爆炸性增长的制造信息处理的能力、效率及规模等方面。目前，先进的制造设备离开了信息的输入就无法运转，柔性制造系统(Flexible Manufacture System，FMS)一旦被切断信息来源就会立刻停止工作。专家认为，制造系统正在由原先的能量驱动型转变为信息驱动型，这就要求制造系统不但要具备柔性，而且要表现出智能，否则难以处理如此大量而复杂的信息工作量。另外，瞬息万变的市场需求和激烈竞争的复杂环境，也要求制造系统表现出更高的灵活性、敏捷性和智能性。因此，智能制造越来越受到高度的重视。
　　纵览全球，总体而言虽然智能制造尚处于初级阶段，但各国政府均将此列入国家发展计划，大力推动实施。
　　1992年，美国执行新技术政策，大力支持信息技术、新制造工艺技术、智能制造技术等，美国政府希望借助此举改造传统工业并启动新产业。
　　1994年，加拿大政府指出，未来知识密集型产业是驱动全球经济和加拿大经济发展的基础，并认为发展和应用智能系统至关重要，具体研究项目包括智能计算机、人机界面、智能传感器、机器人控制、新装置、动态环境下系统集成等。
　　欧盟的信息技术相关研究有ESPRIT项目，该项目大力资助有市场潜力的信息技术。1994年该项目又启动了新的研发子项目，选择了39项核心技术，其中三项(信息技术、分子生物学和先进制造技术)均突出了智能制造的位置。
　　1989年日本提出智能制造系统，1994年启动了先进制造国际合作研究项目，包括公司集成和全球制造、制造知识体系、分布智能系统控制、快速产品实现的分布智能系统技术等。
　　我国20世纪80年代末将“智能模拟”列入国家科技发展规划的主要课题，已在专家系统、模式识别、机器人、汉语机器理解方面取得了一批成果。2015年5月国务院正式印发了《中国制造2025》国家行动纲领，其中五大工程之一就是智能制造工程。由此可见，智能制造正在世界范围内兴起，它是制造技术、自动化和集成技术向纵深发展的结果。
　　1.2 智能制造的体系
　　1.2.1 智能制造的体系发展概况
　　新一代信息技术与制造技术的深度融合，形成了新的生产方式、产业形态、商业模式和经济增长点，并由此引发了影响深远的产业变革，越来越多的国家意识到这一战略性的发展机遇，发达国家为了在新一轮制造业竞争中重塑并保持优势，纷纷实施“再工业化”战略；一些发展中国家在保持自身劳动力密集等优势的同时，也积极地拓展国际市场、承接资本转移、加快技术革新，力求参与全球产业再分工，其中三个国家层面的战略计划具有广泛的国际影响力：①美国提出“再工业化”与“工业互联网”；②德国提出“工业4.0”；③我国提出信息化和工业化深度融合和“中国制造2025”。多年来，国内外很多国家都十分重视信息技术与制造技术的深度融合工作，工业信息化发展进程如图1-1所示。
　　图1-1 工业信息化发展进程
　　在工业信息化发展进程中，标准化是现代工业运行过程中的关键活动，只有制定好标准，企业才能更好地实施新的技术。标准不仅能够带来创新、保护创新，也能提高系统的可靠性、市场的相关性、设备的安全性，以及提供支持智能制造可持续发展的环境。
　　1.2.2 智能制造系统架构
　　工业和信息化部、财政部印发的《智能制造发展规划(2016—2020年)》中指出，智能制造是基于新一代信息通信技术与先进制造技术深度融合，贯穿于设计、生产、管理、服务等制造活动的各个环节，具有自感知、自学习、自决策、自执行、自适应等功能的新型生产方式。
　　智能制造系统是一种由智能机器和人类专家共同组成的人机一体化智能系统，它在制造过程中能以一种高度柔性与集成度高的方式，借助计算机模拟人类专家的智能活动进行分析、推理、判断、构思和决策等，从而取代或者延伸制造环境中人的部分脑力劳动；同时，收集、存储、完善、共享、集成和发展人类专家的智能。智能制造系统的特征包括：具有自组织、自律、自学习和自维护的能力；是整个制造环境的智能集成。
　　智能制造系统架构通过生命周期、系统层级和智能功能三个维度构建完成，主要解决智能制造标准体系结构和框架的建模问题。
　　1．生命周期
　　生命周期是由设计、生产、物流、销售、服务等一系列相互联系的价值创造活动组成的链式集合。生命周期中各项活动相互关联、相互影响，不同行业的生命周期构成不尽相同。
　　2．系统层级
　　系统层级共五层，分别为设备层、控制层、车间层、企业层和协同层。智能制造系统层级体现装备的智能化和互联网协议(Internet Protocol，IP)化，以及网络的扁平化趋势。
　　(1)设备层包括传感器、仪器仪表、条码、射频识别(Radio Frequency Identification，RFID)、机器、机械和装置等，是企业进行生产活动的物质技术基础；
　　(2)控制层包括可编程逻辑控制器(Programmable Logic Controller，PLC)、数据采集与监视控制(Supervisory Control and Data Acquisition，SCADA)系统、分布式控制系统(Distributed Control System，DCS)和现场总线控制系统(Fieldbus Control System，FCS)等；
　　(3)车间层实现面向工厂/车间的生产管理，包括制造执行系统(Manufacturing Execution System，MES)等；
　　(4)企业层实现面向企业的经营管理，包括企业资源计划(Enterprise Resource Planning，ERP)系统、产品生命周期管理(Product Life-Cycle Management，PLM)系统、供应链管理(Supply Chain Management，SCM)系统和客户关系管理(Customer Relationship Management，CRM)系统等；
　　(5)协同层由产业链上不同企业通过互联网共享信息实现协同研发、智能生产、精准物流和智能服务等。
　　3．智能功能
　　智能功能包括资源要素、系统集成、互联互通、信息融合和新兴业态五层。
　　(1)资源要素包括设计施工图纸、产品工艺文件、原材料、制造设备、生产车间和工厂等物理实体，也包括电力、燃气等能源。此外，人员可视为资源的一个组成部分。
　　(2)系统集成是指通过二维码、射频识别、软件等信息技术集成原材料、零部件、能源、设备等各种制造资源，由小到大实现从智能装备到智能生产单元、智能生产线、数字化车间、智能工厂，乃至智能制造系统的集成。
　　(3)互联互通是指通过有线、无线等通信技术，实现机器之间、机器与控制系统之间、企业之间的互联互通。
　　(4)信息融合是指在系统集成和通信的基础上，利用云计算、大数据等新一代信息技术，在保障信息安全的前提下，实现信息协同共享。
　　(5)新兴业态包括个性化定制、远程运维和工业云等服务型制造模式。
　　1.2.3 智能制造标准体系结构
　　智能制造标准体系结构包括“A基础共性标准”“B关键技术”“C行业应用”三部分，主要反映标准体系各部分的组成关系。智能制造标准体系结构如图1-2所示。
　　图1-2 智能制造标准体系结构
　　具体而言，A基础共性标准包括通用、安全、可靠性、检测和评价五大类，位于智能制造标准体系结构图的*底层，是B关键技术标准和C行业应用标准的支撑。
　　B关键技术标准是智能制造系统架构、智能特征维度在生命周期维度和系统层级维度所组成制造平面的投影。其中，BA智能装备对应智能特征维度的资源要素，BB智能工厂对应智能特征维度的资源要素和系统集成，BC智能服务对应智能特征维度的新兴业态， BE工业网络对应智能特征维度的互联互通。
　　C行业应用标准位于智能制造标准体系结构图的*顶层，面向行业具体需求，对A基础共性标准和B关键技术标准进行细化与落地，指导各行业推进智能制造。
　　由于智能制造涉及的流程众多，相关技术层出不穷，需要通过标准化工作来提供可参考的模型，以更好地解决实施过程中可能面临的问题。标准化是实现智能制造的重要工具，众多标准化组织均提出其智能制造标准化路线图，其中以下三个报告*具影响力。
　　(1)美国国家标准技术研究所(National Institute of Standards and Technology，NIST)发布的《智能制造系统现有标准体系》(Current Standards Landscape for Smart Manufacturing Systems)。
　　(2)德国标准化学会(DIN)、德国电气工程师协会(DKE)和德国电工委员会(VDE)发布的《德国工业4.0标准化路线图》。
　　(3)中华人民共和国工业和信息化部及国家标准化管理委员会发布的《国家智能制造标准体系建设指南》。
　　这些报告指出了智能制造的发展趋势，并对相关的标准进行归类，描述不同标准集合之间的关系，提出了智能制造的相关模型和标准化框架。
　　美国NIST基于ARC咨询团队的协同制造管理模型，以及企业与控制系统集成国际标准ISO/IEC 62264(ISA 95)所定义的企业控制系统集成的层次模型，描述了智能制造的生态系统，如图1-3所示，将标准以4个维度进行归类。
　　图1-3 美国NIST提出的智能制造生态系统的基本概念
　　(1)生产系统典型的生产系统生命周期分为设计、建造、制造、运行与维护、退役和回收5个阶段，按生产系统模型数据和实践、生产系统工程、生产系统维护和生命周期数据管理进行分类。
　　(2)产品的生命周期管理包括设计、工艺设计、生产工程、制造、使用和服务、废弃和回收6个阶段，按该过程中的建模实践、产品模型和数据交换、制造模型数据、产品目录数据和产品生命周期数据管理进行分类。
　　(3)制造业业务的供应链管理涉及供应商、生产活动和客户，智能制造生态系统模型将此业务周期分为计划、资源、制造、运送、反馈5个环节，此维度下标准按此5个环节分类。
　　(4)制造金字塔维度下的标准为ISA 95模型中的企业层、制造执行管理层、监控与数据采集层、设备和交流层所涉及的标准。
　　NIST将现有的智能制造相关标准按照这4个维度及其子项进行了分类与编排，对智能制造涉及的标准构建了全面的概览，并指出现有标准并未完全覆盖智能制造所有领域。
　　德国工业4.0参考体系结构的基本概念如图1-4所示，用以下3个维度来定义工业4.0。
　　(1)类别：将技术按照功能进行分层，包括资产

目录
第1章 绪论 1
1.1 智能制造的产生 1
1.2 智能制造的体系 2
1.2.1 智能制造的体系发展概况 2
1.2.2 智能制造系统架构 2
1.2.3 智能制造标准体系结构 4
1.2.4 智能制造系统的基本构成 6
1.3 智能制造的关键环节和技术 9
1.3.1 智能制造四大关键环节 9
1.3.2 智能制造十大关键技术 18
习题与思考一 24
第2章 智能设计 25
2.1 概述 25
2.2 智能CAD设计方法 26
2.2.1 面向对象求解法 26
2.2.2 基于CAD的广义类比推理智能设计方法 29
2.3 基于TRIZ理论的智能创新设计 36
2.4 基于遗传算法的进化设计 39
2.4.1 遗传算法基本概念 39
2.4.2 遗传算法的基本原理 41
2.4.3 遗传算法的求解步骤 42
2.4.4 基于遗传算法的产品形态进化设计方法 44
习题与思考二 46
第3章 传感器技术 47
3.1 概述 47
3.1.1 传感器的作用和地位 47
3.1.2 传感器技术的发展现状 48
3.2 温度传感器 49
3.2.1 温度传感器分类 49
3.2.2 金属热电阻 50
3.2.3 半导体热敏电阻 52
3.3 液位、物位、浓度、流量传感器 54
3.3.1 液位及物位传感器 54
3.3.2 密度传感器、浓度传感器、粗糙度传感器 56
3.3.3 流量传感器 58
3.4 位移传感器 62
3.4.1 电感式传感器 62
3.4.2 电容式位移传感器 65
3.4.3 光栅数字传感器 67
3.4.4 感应同步器 68
3.4.5 角数字编码器 70
3.5 速度与加速度传感器 72
3.5.1 速度传感器 72
3.5.2 加速度传感器 73
3.6 力、压力和扭矩传感器 74
3.6.1 电阻应变传感器原理 74
3.6.2 应变片测力传感器 79
3.6.3 压力传感器 81
3.6.4 转矩(扭矩)传感器 82
3.7 智能传感器 83
3.7.1 智能传感器的基本功能 83
3.7.2 智能传感器的特点与分类 85
3.7.3 智能传感器的发展趋势 87
3.7.4 智能传感器的构成 89
3.7.5 压阻压力传感器智能化 90
习题与思考三 93
第4章 计算机视觉检测技术 94
4.1 概述 94
4.2 计算机视觉检测系统 97
4.2.1 计算机视觉系统相机的选型设计 98
4.2.2 图像采集卡的选型设计 103
4.2.3 图像数据的传输 105
4.2.4 光源的种类与选型设计 107
4.3 图像处理技术 110
习题与思考四 113
第5章 典型智能制造装备 114
5.1 概述 114
5.2 高档数控机床 116
5.2.1 国内外数控发展现状 116
5.2.2 数控加工中心加工技术 120
5.2.3 高档数控机床关键技术 121
5.3 精密、超精密和智能机床产品 128
5.4 工业机器人及选用 132
5.4.1 工业机器人的分类 133
5.4.2 工业机器人的基本构成 135
5.4.3 工业机器人主要技术参数 137
5.4.4 工业机器人机械结构组成 138
5.4.5 工业机器人核心部件研制的关键 143
5.5 快速成型技术与装备 145
5.5.1 快速成型分类及发展现状 145
5.5.2 快速成型过程 149
5.5.3 快速成型技术的应用 152
习题与思考五 154
第6章 控制电动机技术 155
6.1 概述 155
6.2 伺服电动机与控制技术 156
6.2.1 伺服电动机 156
6.2.2 直流伺服电动机及其控制 157
6.2.3 交流伺服电动机及其控制 160
6.3 步进电动机与控制技术 167
6.3.1 步进电动机的工作原理、特点及运动特性 167
6.3.2 步进电动机的驱动控制 168
6.4 力矩电动机 169
6.5 直线电动机 171
6.5.1 直线感应电动机 172
6.5.2 直线直流电动机 174
6.6 变频器 175
6.6.1 变频器发展及分类 175
6.6.2 变频器工作原理 177
6.6.3 变频器选型计算 179
习题与思考六 182
第7章 智能控制 183
7.1 概述 183
7.1.1 智能控制的发展和特点 183
7.1.2 智能控制的功能 184
7.2 模糊控制 186
7.2.1 模糊控制基础 186
7.2.2 模糊控制器设计 188
7.3 神经网络控制 192
7.3.1 人工神经网络特点 192
7.3.2 神经元模型 194
7.3.3 人工神经网络模型 196
7.3.4 神经网络学习算法 197
7.4 遗传算法控制 200
7.4.1 基于遗传算法的参数辨识 200
7.4.2 遗传算法辨识系统参数 201
7.5 仿人智能控制 202
习题与思考七 204
第8章 大数据驱动智能制造 205
8.1 概述 205
8.1.1 大数据驱动智能制造的系统框架 205
8.1.2 大数据关键技术概览 207
8.2 大数据采集技术 208
8.2.1 无线射频识别技术 209
8.2.2 二维码技术 210
8.3 大数据传输技术 211
8.3.1 工业现场总线通信技术 211
8.3.2 工业现场以太网通信技术 213
8.3.3 工业现场无线网络通信技术 214
8.3.4 5G技术 215
8.4 大数据存储技术 216
8.5 基于制造大数据的产品工艺智能规划 217
8.6 车间生产智能调度 219
8.6.1 车间生产调度问题的描述 219
8.6.2 车间生产调度问题的求解方法 220
8.7 产品质量智能控制 224
8.8 大数据驱动智能制造模数与实现技术 226
8.8.1 大数据驱动智能制造模式 226
8.8.2 大数据驱动智能制造方法 227
习题与思考八 230
第9章 智能工厂 231
9.1 概述 231
9.2 智能工厂技术基础 232
9.3 智能工厂总体规划 236
9.3.1 智能工厂模型的构建 236
9.3.2 面向智能制造的生产车间布局 239
9.4 智能工厂的电源配置 242
9.5 智能工厂无线网络配置 245
9.6 智能工厂物流系统规划 248
9.7 智能工厂工业机器人配置 252
9.7.1 工业机器人的选型依据 252
9.7.2 上下料机器人选型应用 254
9.7.3 多关节工业机器人伺服电动机计算 255
9.7.4 工业机器人的手腕形式 256
9.7.5 工业机器人手部结构 258
习题与思考九 263
第10章 智能制造应用实例 264
10.1 基于遗传算法的曝气机行星减速齿轮箱的优化设计 264
10.1.1 优化设计的方法 264
10.1.2 优化设计实例 267
10.2 基于遗传算法与模糊理论的空调智能变频控制技术 268
10.2.1 智能变频空调设计原理 268
10.2.2 智能变频空调控制系统硬件设计 270
10.2.3 智能变频空调控制系统软件设计 271
10.3 珩磨加工工艺参数智能选择 272
10.3.1 珩磨加工工艺参数建模 272
10.3.2 珩磨加工工艺参数智能选择实例 274
10.4 绿色砂芯制造生产线的研发 276
10.5 LCD/OLED显示屏模组玻璃激光智能切角设备的研发 280
10.6 新能源汽车电池托盘智能生产线设计 284
参考文献 287