李闐岐，李小虎，萬(wàn)少可，閆柯，洪軍

(1.西安交通大學(xué)，西安 710049；2.現(xiàn)代設(shè)計(jì)與轉(zhuǎn)子軸承系統(tǒng)教育部重點(diǎn)實(shí)驗(yàn)室，西安 710049)

1 研究意義及價(jià)值

自工業(yè)4.0提出以智能制造為核心的第四次工業(yè)革命以來(lái)，世界各國(guó)紛紛將智能制造技術(shù)作為國(guó)家重點(diǎn)發(fā)展領(lǐng)域，努力推動(dòng)本國(guó)的工業(yè)化水平提升，以期在工業(yè)革命中占據(jù)制高點(diǎn)[1-2]。我國(guó)也提出了智能制造2025的戰(zhàn)略方針，力求在科技發(fā)展中不落下風(fēng)[3]。數(shù)控機(jī)床作為制造業(yè)的“工作母機(jī)”，其發(fā)展水平能夠直接體現(xiàn)一個(gè)國(guó)家的制造能力，是國(guó)家工業(yè)水平和綜合國(guó)力的象征。隨著我國(guó)機(jī)床行業(yè)的創(chuàng)新和發(fā)展，國(guó)產(chǎn)數(shù)控機(jī)床的技術(shù)水平日益提高，機(jī)床的國(guó)產(chǎn)化程度也越來(lái)越高，但核心技術(shù)與穩(wěn)定性、可靠性水平還有待研究，多數(shù)的高檔數(shù)控機(jī)床仍然依賴進(jìn)口。我國(guó)的高檔數(shù)控機(jī)床起步較晚，距發(fā)達(dá)國(guó)家還有很大的差距，為此《國(guó)家中長(zhǎng)期科學(xué)和技術(shù)發(fā)展規(guī)劃綱要》將“高檔數(shù)控機(jī)床與基礎(chǔ)制造設(shè)備”列為了十六個(gè)國(guó)家科技重大專項(xiàng)之一，同時(shí)把數(shù)控機(jī)床及其功能部件的可靠性列為重大專項(xiàng)的重要研究?jī)?nèi)容。

數(shù)控機(jī)床是一個(gè)復(fù)雜的機(jī)電系統(tǒng)，由數(shù)個(gè)子系統(tǒng)耦合而成。主軸是機(jī)床的核心部件，具有高精度、高剛度、高轉(zhuǎn)速等特點(diǎn)，其性能及可靠性直接影響數(shù)控機(jī)床的加工精度、加工效率和產(chǎn)品性能。一方面，可以通過(guò)加強(qiáng)主軸的力學(xué)性能和穩(wěn)定性提高主軸性能；另一方面，可以對(duì)主軸進(jìn)行健康狀態(tài)評(píng)估監(jiān)測(cè)，在主軸運(yùn)轉(zhuǎn)過(guò)程中及時(shí)發(fā)現(xiàn)其故障狀態(tài)并實(shí)施預(yù)防性維護(hù)，從而避免故障和加工事故，減少停機(jī)次數(shù)，節(jié)約生產(chǎn)成本并提升可靠性。

一旦主軸發(fā)生故障，機(jī)床其他子系統(tǒng)也無(wú)法正常運(yùn)轉(zhuǎn)，導(dǎo)致生產(chǎn)停滯，不僅影響正常的生產(chǎn)加工，降低生產(chǎn)效率，而且會(huì)增加故障查找難度，導(dǎo)致長(zhǎng)時(shí)間維修停機(jī)，增加維修費(fèi)用，提高生產(chǎn)成本。主軸是數(shù)控機(jī)床加工的直接驅(qū)動(dòng)部件，需要承受較高的載荷，也是整個(gè)數(shù)控系統(tǒng)容易產(chǎn)生故障的環(huán)節(jié)，如果能對(duì)其進(jìn)行監(jiān)測(cè)、評(píng)估和適當(dāng)?shù)慕】稻S護(hù)，保證其處于較為良好的狀態(tài)，可避免發(fā)生加工故障。

目前，主流的主軸狀態(tài)監(jiān)測(cè)往往采用單個(gè)振動(dòng)信號(hào)進(jìn)行狀態(tài)判別，隨著機(jī)床和主軸結(jié)構(gòu)日益復(fù)雜，故障耦合程度不斷加深，單個(gè)傳感器信號(hào)無(wú)法提供完整、準(zhǔn)確的狀態(tài)信息，在未來(lái)的狀態(tài)監(jiān)測(cè)過(guò)程中需要多種、多個(gè)傳感器共同協(xié)作、深度融合，從而判別主軸狀態(tài)，如何進(jìn)行同種傳感器信息的互補(bǔ)性融合和不同傳感器的協(xié)同融合是研究的重點(diǎn)和難點(diǎn)。

主軸狀態(tài)評(píng)估技術(shù)的進(jìn)步能夠?yàn)榧皶r(shí)發(fā)現(xiàn)主軸潛在故障，判別主軸健康退化趨勢(shì)提供便利，從而實(shí)現(xiàn)基于主軸狀態(tài)的維護(hù)，在此基礎(chǔ)上提高數(shù)控系統(tǒng)的維護(hù)和管理水平，延長(zhǎng)主軸和其他部件的壽命，避免設(shè)備可靠性和穩(wěn)定性不足等問(wèn)題。研發(fā)合適的主軸監(jiān)測(cè)系統(tǒng)并集成主軸狀態(tài)評(píng)估技術(shù)有利于工廠實(shí)際加工過(guò)程中的進(jìn)一步應(yīng)用。使用多個(gè)傳感器數(shù)據(jù)對(duì)主軸進(jìn)行狀態(tài)識(shí)別需要較強(qiáng)的處理性能和計(jì)算能力，需開(kāi)發(fā)合適的監(jiān)測(cè)軟件以滿足計(jì)算性能的要求；在此基礎(chǔ)上開(kāi)發(fā)制造配套的傳感器嵌入式智能主軸，能夠提高主軸監(jiān)測(cè)的準(zhǔn)確度和快速性。另外，友好的人機(jī)界面和功能豐富的狀態(tài)監(jiān)測(cè)系統(tǒng)能夠很大程度上推動(dòng)主軸監(jiān)測(cè)的廣泛應(yīng)用，提高加工效率。

綜上所述，在主軸運(yùn)轉(zhuǎn)過(guò)程中使用多個(gè)傳感器監(jiān)測(cè)主軸的狀態(tài)參數(shù)，并運(yùn)用數(shù)據(jù)處理方法對(duì)采集到的數(shù)據(jù)進(jìn)行特征提取，狀態(tài)識(shí)別等綜合分析，結(jié)合多個(gè)傳感器的數(shù)據(jù)進(jìn)行綜合性的主軸狀態(tài)識(shí)別有利于實(shí)現(xiàn)主軸的健康狀態(tài)評(píng)估，這是進(jìn)行主軸狀態(tài)維護(hù)的前提，也能為主軸和數(shù)控機(jī)床的智能化發(fā)展提供技術(shù)保障[4]。

2 智能主軸的概念

智能主軸是具有感知、決策和執(zhí)行三大功能的主軸[5-6]。傳統(tǒng)主軸在加工過(guò)程中只能被動(dòng)地服從操作員的指令，而智能主軸則具有自主性和自學(xué)習(xí)性。目前，所期望的智能主軸應(yīng)當(dāng)具有智能化的技術(shù)，即直接根據(jù)目前狀態(tài)決定加工參數(shù)，從而優(yōu)化加工工藝和提高加工精度，保證生產(chǎn)的流暢進(jìn)行。在此基礎(chǔ)上，智能主軸需要發(fā)揮其自學(xué)習(xí)的特性，將過(guò)去的工況與知識(shí)結(jié)合起來(lái)，生成獨(dú)立的參數(shù)規(guī)劃模型，在遇到新工況時(shí)能夠通過(guò)學(xué)習(xí)到的特性給出調(diào)控策略，從而實(shí)現(xiàn)不斷的進(jìn)步。

不同領(lǐng)域的智能主軸在具體功能上會(huì)有不同的設(shè)計(jì)，總體來(lái)講，預(yù)期的智能主軸有6個(gè)主要功能[7]：刀具狀態(tài)監(jiān)控、顫振、主軸碰撞、溫度/熱誤差、主軸平衡、主軸健康。除此之外，智能主軸還具有一定的專有特性，即根據(jù)預(yù)期功能進(jìn)行專有設(shè)計(jì)，實(shí)現(xiàn)特定功能。因此，在智能主軸開(kāi)發(fā)時(shí)，設(shè)計(jì)者需根據(jù)特定需求設(shè)計(jì)相應(yīng)的功能，同時(shí)重點(diǎn)考慮對(duì)主軸的狀態(tài)監(jiān)測(cè)，準(zhǔn)確的感知是后續(xù)調(diào)控的基礎(chǔ)。

由于工業(yè)領(lǐng)域的自動(dòng)化和智能化要求越來(lái)越高，對(duì)智能化機(jī)床的需求也越來(lái)越迫切，主軸單元的智能化則是未來(lái)機(jī)床主軸的發(fā)展方向。現(xiàn)代科技的發(fā)展為主軸的智能化提供了強(qiáng)力的技術(shù)，例如高精度、高靈敏度、結(jié)構(gòu)精巧的傳感器，快速的數(shù)據(jù)總線傳輸機(jī)制以及快速發(fā)展的人工智能等，使得智能化主軸單元成為可能。

3 智能主軸的功能

3.1 狀態(tài)準(zhǔn)確感知

目前，大多數(shù)高精高速主軸單元都配備了溫度傳感器以測(cè)量電動(dòng)機(jī)、軸承等部件的溫度，一些專用主軸還配備了振動(dòng)傳感器、力傳感器、電流傳感器等，這些傳感器安裝于主軸外殼或基座、電氣箱等部位，大多采用直接測(cè)量的方式。在實(shí)際使用中，智能主軸更依賴間接測(cè)量的方法，基于主軸的切削力或與其關(guān)聯(lián)的傳感信號(hào)，如電動(dòng)機(jī)電流、刀具扭矩等。目前，智能主軸的研究集中于主軸的一個(gè)或幾個(gè)智能功能上，概念和特征尚不明確，沒(méi)有形成整體化的智能主軸單元，在工業(yè)領(lǐng)域也沒(méi)有實(shí)際使用的智能主軸。在智能化驅(qū)動(dòng)的基礎(chǔ)上，國(guó)外一些公司對(duì)主軸進(jìn)行了智能化改造以實(shí)現(xiàn)主軸單元的智能化感知、控制以及狀態(tài)評(píng)估。主軸的狀態(tài)監(jiān)測(cè)是對(duì)其進(jìn)行評(píng)估的基礎(chǔ)，通過(guò)傳感器采集主軸各個(gè)位置和部件的狀態(tài)信號(hào)并進(jìn)行后續(xù)分析和處理。在主軸狀態(tài)監(jiān)測(cè)應(yīng)用方面，各大數(shù)控機(jī)床廠商都有一些能夠直接應(yīng)用于生產(chǎn)加工的產(chǎn)品：2003年，米克朗公司開(kāi)發(fā)了SPS主軸保護(hù)系統(tǒng)，其具有主軸碰撞監(jiān)測(cè)保護(hù)功能[8]；2004年，Weiss公司將加速度傳感器和溫度傳感器直接集成到主軸中，用于后處理過(guò)程中的碰撞檢測(cè)，對(duì)主軸運(yùn)行的歷史記錄、碰撞等時(shí)間有準(zhǔn)確的記錄[9]；2006年，Mazak公司推出智能化的主軸狀態(tài)監(jiān)測(cè)系統(tǒng)，具備熱屏障保護(hù)、智能安全屏障保護(hù)、語(yǔ)音提示、振動(dòng)控制等功能[10]；2016年，F(xiàn)ischer公司研制了帶有主軸軸心冷卻系統(tǒng)的電主軸，能夠在監(jiān)測(cè)軸溫的同時(shí)對(duì)其冷卻系統(tǒng)進(jìn)行智能控制。國(guó)內(nèi)相關(guān)的研究起步較晚，近年來(lái)也有一些成果：沈陽(yáng)機(jī)床以工業(yè)化、信息化、網(wǎng)絡(luò)化、智能化和集成管理為理念，推出i5系列智能機(jī)床，變革了機(jī)床生產(chǎn)模式，致力于實(shí)現(xiàn)數(shù)控聯(lián)網(wǎng)加工[11]；華中科技大學(xué)則研發(fā)了8型智能數(shù)控系統(tǒng)以及INC型智能數(shù)控系統(tǒng)，能夠?qū)崿F(xiàn)數(shù)據(jù)互聯(lián)和智慧數(shù)控。智能主軸功能豐富，對(duì)其配套的監(jiān)測(cè)系統(tǒng)軟件提出了更高的要求：文獻(xiàn)[12]開(kāi)發(fā)了基于SVDD模型的主軸健康指標(biāo)評(píng)價(jià)系統(tǒng)(圖1a)，具有在線狀態(tài)監(jiān)測(cè)、離線健康評(píng)估等功能；文獻(xiàn)[13]開(kāi)發(fā)了多傳感信息融合的軸承狀態(tài)監(jiān)測(cè)系統(tǒng)(圖1b)，通過(guò)判斷軸承的退化壽命預(yù)測(cè)主軸壽命。

目前，能夠直接應(yīng)用的主軸監(jiān)測(cè)系統(tǒng)大多是對(duì)基礎(chǔ)的傳感信號(hào)進(jìn)行簡(jiǎn)單的時(shí)域分析，根據(jù)獲得的峰值等參數(shù)直接判別當(dāng)前狀態(tài)，沒(méi)有集成先進(jìn)的主軸狀態(tài)監(jiān)測(cè)算法，智能化程度及識(shí)別準(zhǔn)確率均較低。研究人員對(duì)主軸狀態(tài)監(jiān)測(cè)算法進(jìn)行了較深入的研究：文獻(xiàn)[12]基于多源信息融合及粗糙集理論，使用滑動(dòng)SVDD模型建立了主軸健康指標(biāo)計(jì)算方法；文獻(xiàn)[14]在包絡(luò)譜分析基礎(chǔ)上開(kāi)發(fā)了基于OSACBM及軸承故障判斷的自動(dòng)主軸狀態(tài)監(jiān)測(cè)系統(tǒng)；文獻(xiàn)[15]提出了基于聲發(fā)射信號(hào)的軸承判斷指標(biāo)，能夠判斷軸承剩余壽命并對(duì)其進(jìn)行預(yù)防性維護(hù)；文獻(xiàn)[16]對(duì)主軸振動(dòng)信號(hào)進(jìn)行小波包分解并以其能量熵值為指標(biāo)判斷銑削加工的狀態(tài)，根據(jù)顫振的發(fā)生判別主軸狀態(tài)；文獻(xiàn)[17]開(kāi)發(fā)了能夠主動(dòng)抑制銑削顫振的主動(dòng)式主軸系統(tǒng)(圖2)；文獻(xiàn)[18]根據(jù)長(zhǎng)短期記憶(LSTM)網(wǎng)絡(luò)的優(yōu)點(diǎn)，提出了具有深度學(xué)習(xí)能力態(tài)勢(shì)感知的智能主軸自主感知方法。

(a) 電主軸狀態(tài)評(píng)估模塊

圖2 基于壓電作動(dòng)器的主動(dòng)顫振抑制系統(tǒng)Fig.2 Active flutter suppression system based on piezoelectric actuator

3.1.1 主軸狀態(tài)感知

主軸狀態(tài)包括主軸的加工狀態(tài)、刀具狀態(tài)、主軸碰撞、熱變形、主軸平衡、顫振等，主軸的加工狀態(tài)由各部件的狀態(tài)共同決定。

刀具是主軸的重要部件，直接與工件接觸并影響加工性能和精度。一般采用力傳感器[19]、振動(dòng)傳感器和聲發(fā)射傳感器等進(jìn)行狀態(tài)監(jiān)測(cè)以判斷刀具的磨損和破損情況，刀具磨損會(huì)導(dǎo)致切削力分量增加，刀具斷裂會(huì)導(dǎo)致切削力不連續(xù)或產(chǎn)生脈沖信號(hào)，切削力則會(huì)引發(fā)機(jī)床結(jié)構(gòu)的振動(dòng)，由于切削力的測(cè)量具有局限性，在工程中往往使用振動(dòng)信號(hào)代替切削力：文獻(xiàn)[20]通過(guò)主軸支架上的振動(dòng)傳感器獲取振動(dòng)信號(hào)并通過(guò)在線監(jiān)測(cè)診斷主軸故障；文獻(xiàn)[21]安裝2個(gè)傳感器測(cè)量主軸位移信號(hào)，用于端面銑削時(shí)的刀具破損檢測(cè)。刀具的耐用性很強(qiáng)，其出現(xiàn)問(wèn)題的原因大部分是加工時(shí)的碰撞，包括編程錯(cuò)誤和操作失誤引起的碰撞。目前，對(duì)于主軸碰撞的研究類似于刀具磨損監(jiān)測(cè)，主要通過(guò)力傳感器或振動(dòng)傳感器的信號(hào)判斷，也可使用多普勒雷達(dá)進(jìn)行運(yùn)動(dòng)物體感知從而檢測(cè)碰撞[22]。

主軸碰撞是一種強(qiáng)烈故障，可歸類為比較容易監(jiān)測(cè)識(shí)別的故障。

在主軸運(yùn)轉(zhuǎn)過(guò)程中，熱變形引起的加工誤差也會(huì)影響加工精度和可靠性。熱變形是由不正常的主軸部件溫升所導(dǎo)致，當(dāng)主軸承受較大載荷或潤(rùn)滑不良時(shí)，軸承和電動(dòng)機(jī)的溫升會(huì)出現(xiàn)異常，這也在一定程度上預(yù)示著故障的發(fā)生。目前，普遍使用熱電偶或熱電阻傳感器監(jiān)測(cè)溫升，使用時(shí)域閾值分析完成異常判別。另外，對(duì)于主軸內(nèi)部沒(méi)有集成溫度傳感器，無(wú)法直接獲取溫升的工況，可通過(guò)間接測(cè)量判斷熱變形，如利用基于貓眼反射鏡的光學(xué)傳感器測(cè)量高速電主軸的熱伸長(zhǎng)[14]。

高速主軸的發(fā)展對(duì)主軸的平衡提出了更高要求，主軸輕微不平衡就會(huì)引起工件和工具的不對(duì)稱安裝，從而導(dǎo)致振動(dòng)。主軸平衡往往通過(guò)振動(dòng)信號(hào)監(jiān)測(cè)，加速度計(jì)的體積小、重量輕、靈敏度好、頻帶范圍寬，在不平衡監(jiān)測(cè)中廣泛應(yīng)用[23-24]。

顫振是對(duì)主軸影響最大，發(fā)生最頻繁的一種故障，顫振監(jiān)測(cè)則是一個(gè)二分類或三分類的問(wèn)題，核心算法與軸承故障診斷研究類似。在顫振識(shí)別方面，除了廣泛使用的卷積神經(jīng)網(wǎng)絡(luò)(CNN)外，傳統(tǒng)的支持向量機(jī)和人工神經(jīng)網(wǎng)絡(luò)仍占有一席之地，其識(shí)別準(zhǔn)確率達(dá)到90%以上。文獻(xiàn)[25]使用小波包分解重構(gòu)提取信號(hào)特征，通過(guò)粒子群算法優(yōu)化SVM參數(shù)并識(shí)別主軸切削顫振狀態(tài)；文獻(xiàn)[26]將主軸振動(dòng)信號(hào)進(jìn)行連續(xù)小波變換后輸入到卷積神經(jīng)網(wǎng)絡(luò)中，并根據(jù)網(wǎng)絡(luò)的分類結(jié)果判別顫振；文獻(xiàn)[27]使用小波包變換對(duì)主軸振動(dòng)信號(hào)和聲音信號(hào)進(jìn)行分解，通過(guò)RFE尋找最佳特征子集并使用人工神經(jīng)網(wǎng)絡(luò)進(jìn)行顫振診斷，同時(shí)提出一個(gè)新的特征指標(biāo)。然而，顫振識(shí)別面臨單傳感器信號(hào)診斷準(zhǔn)確率不高的問(wèn)題；而且，主流算法均以特征明顯的實(shí)驗(yàn)室數(shù)據(jù)集作為測(cè)試樣本，不能滿足實(shí)際工程需求，也難以滿足實(shí)時(shí)性要求。

3.1.2 主軸部件狀態(tài)感知

主軸部件狀態(tài)主要分為電動(dòng)機(jī)狀態(tài)和軸承狀態(tài)。

電動(dòng)機(jī)作為直接動(dòng)力源，涉及到各工業(yè)領(lǐng)域生產(chǎn)活動(dòng)的連續(xù)運(yùn)行，其故障會(huì)導(dǎo)致整個(gè)生產(chǎn)線停產(chǎn)[28]，故障模式主要包括短路、導(dǎo)條斷裂、接地故障和氣隙不均等。電動(dòng)機(jī)是出廠時(shí)調(diào)試好的部件，其穩(wěn)定性和壽命相對(duì)其他部件較優(yōu)，目前的狀態(tài)評(píng)估算法很少將電動(dòng)機(jī)故障作為識(shí)別重點(diǎn)，一般通過(guò)與其相似的其他電動(dòng)機(jī)故障類型進(jìn)行分析。電動(dòng)機(jī)一般以電流信號(hào)作為主要感知信號(hào)，由于電流信號(hào)受主軸功率和切削狀態(tài)的影響很大，難以對(duì)電動(dòng)機(jī)做出準(zhǔn)確的狀態(tài)判別。也有一些研究通過(guò)轉(zhuǎn)速等其他信號(hào)進(jìn)行電動(dòng)機(jī)狀態(tài)估計(jì)，如文獻(xiàn)[29]根據(jù)轉(zhuǎn)速波動(dòng)提出AIEKF狀態(tài)估計(jì)方法，優(yōu)化了電動(dòng)機(jī)評(píng)估的準(zhǔn)確率。

軸承是主軸的基礎(chǔ)部件和核心部件，約40%的旋轉(zhuǎn)機(jī)械故障是軸承故障所引起的[30]。軸承的工作環(huán)境十分惡劣，環(huán)境溫度高，承受載荷大，其狀態(tài)也是重要的監(jiān)測(cè)內(nèi)容，關(guān)于軸承故障診斷的算法研究取得了很多成果，當(dāng)前軸承故障診斷的兩大類方法如圖3所示。

圖3 軸承故障診斷技術(shù)Fig.3 Bearing fault diagnosis technology

基于信號(hào)處理的軸承診斷技術(shù)主要通過(guò)信號(hào)處理方法提取并分析響應(yīng)信號(hào)的故障特征，從而有效識(shí)別軸承故障：文獻(xiàn)[31]對(duì)軸承振動(dòng)信號(hào)進(jìn)行快速傅里葉變換并檢測(cè)振動(dòng)模式發(fā)生的變化，從而進(jìn)一步得出故障情況；針對(duì)傳統(tǒng)傅里葉變換難以解決信號(hào)的非平穩(wěn)性及變化較快，無(wú)法準(zhǔn)確獲得有用信息的問(wèn)題，文獻(xiàn)[32]提出了一種新的自適應(yīng)經(jīng)驗(yàn)傅里葉變換方法，并通過(guò)試驗(yàn)證明該方法能夠提高軸承故障診斷準(zhǔn)確率；文獻(xiàn)[33]研究了小波變換在軸承故障診斷中的應(yīng)用，利用一種加權(quán)香農(nóng)函數(shù)對(duì)某些頻帶的小波系數(shù)函數(shù)進(jìn)行合成，并采用平均自相關(guān)功率譜突出軸承故障特征，試驗(yàn)表明該方法對(duì)非平穩(wěn)信號(hào)的特征提取和狀態(tài)識(shí)別的效果均優(yōu)于其他方法；文獻(xiàn)[34]提出了一種改進(jìn)的經(jīng)驗(yàn)小波變換方法，提升了滾動(dòng)軸承故障診斷的快速性和準(zhǔn)確性；文獻(xiàn)[35]利用經(jīng)驗(yàn)?zāi)B(tài)分解(EMD)和雙譜分析進(jìn)行軸承故障診斷，避免了選擇小波基函數(shù)的經(jīng)驗(yàn)問(wèn)題；針對(duì)EMD的端點(diǎn)效應(yīng)，文獻(xiàn)[36]提出了改進(jìn)的基于帶寬的經(jīng)驗(yàn)?zāi)B(tài)分解方法，文獻(xiàn)[37]提出了新的自適應(yīng)經(jīng)驗(yàn)?zāi)B(tài)分解方法，使提取的故障特征更加集中，能夠更有效地檢測(cè)軸承故障。綜上可知，信號(hào)處理方法的診斷過(guò)程比較復(fù)雜，而且需要依賴專家經(jīng)驗(yàn)進(jìn)行最終的判別。

學(xué)術(shù)界對(duì)深度神經(jīng)網(wǎng)絡(luò)的研究較為深入，軸承故障診斷也據(jù)此取得了較多成果：文獻(xiàn)[38]提出了一種用于海量數(shù)據(jù)的旋轉(zhuǎn)機(jī)械故障特征挖掘和智能診斷的深度神經(jīng)網(wǎng)絡(luò)(DNN)方法；文獻(xiàn)[39]利用壓縮感知改進(jìn)卷積深度信念網(wǎng)絡(luò)，提高了壓縮數(shù)據(jù)特征學(xué)習(xí)能力；文獻(xiàn)[40]使用多個(gè)振動(dòng)傳感器的信號(hào)進(jìn)行數(shù)據(jù)層融合，通過(guò)改進(jìn)結(jié)構(gòu)的CNN網(wǎng)絡(luò)進(jìn)行軸承故障診斷。目前，主流的軸承故障診斷均采用卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行處理，具有深度特征提取，診斷準(zhǔn)確率高等優(yōu)點(diǎn)。

3.2 多源傳感器信息融合技術(shù)

在工業(yè)控制和加工領(lǐng)域，系統(tǒng)的故障類型越來(lái)越多，通過(guò)單一信號(hào)及故障診斷方法難以做出準(zhǔn)確可靠的判別，易產(chǎn)生誤判和漏判。多源信息融合的意義是充分利用各個(gè)傳感器信號(hào)源，通過(guò)一定的標(biāo)準(zhǔn)將多個(gè)信號(hào)源的信息進(jìn)行整理和組合，從而得到對(duì)所研究對(duì)象的一致性描述和狀態(tài)判斷，使該系統(tǒng)具有更強(qiáng)的綜合性和更高的準(zhǔn)確性。信號(hào)融合算法是多源信息融合的基礎(chǔ)和核心內(nèi)容，其本質(zhì)是通過(guò)數(shù)學(xué)方法加工多維度的傳感器輸入數(shù)據(jù)，實(shí)現(xiàn)傳感信號(hào)的融合。

信息融合可分為數(shù)據(jù)層融合、特征層融合和決策層融合。數(shù)據(jù)層融合指直接融合同種或同類傳感器的原始數(shù)據(jù)，并給出特征提取或局部診斷決策的結(jié)果：文獻(xiàn)[41]融合了振動(dòng)和電流信號(hào)進(jìn)行特征獲取，重構(gòu)多域高維相空間，獲得低維敏感特征，采用增殖流形相似度進(jìn)行狀態(tài)識(shí)別；文獻(xiàn)[42]使用一級(jí)CNN進(jìn)行多個(gè)傳感器的特征提取，接著使用二級(jí)CNN進(jìn)行多傳感器決策融合，提高了軸承復(fù)合故障診斷的精度；數(shù)據(jù)層融合能夠補(bǔ)足單一傳感器的缺陷，消除部分噪聲，但對(duì)于特征提取和最終決策的作用不大。

特征層融合直接提取數(shù)據(jù)源的特征信息并進(jìn)行融合分析處理，能夠保留單個(gè)傳感器的重要信息，為后期的最終決策提供支持：文獻(xiàn)[27]使用小波包提取振動(dòng)信號(hào)和電流信號(hào)的特征后進(jìn)行排列重選實(shí)現(xiàn)融合，作為人工神經(jīng)網(wǎng)絡(luò)的輸入進(jìn)行軸承故障診斷；文獻(xiàn)[43]提取雷達(dá)和紅外信號(hào)的特征后，提出基于Owen值的特征選擇算法，結(jié)合信息論和合作博弈理論,建立合作博弈特征選擇模型并選擇合適的特征作為診斷依據(jù)；特征層融合能夠在較大程度上實(shí)現(xiàn)信號(hào)的深層融合，但相關(guān)研究較少，融合深度也有待加強(qiáng)。

決策層融合是對(duì)單個(gè)傳感器數(shù)據(jù)處理和特征提取后進(jìn)行初步?jīng)Q策，然后將初步?jīng)Q策結(jié)果在某種規(guī)則下進(jìn)行組合從而得到最終的聯(lián)合決策結(jié)果：文獻(xiàn)[12]根據(jù)各傳感器對(duì)電主軸健康狀態(tài)的敏感度計(jì)算權(quán)重,并采用加權(quán)DS證據(jù)理論融合傳感器數(shù)據(jù)，通過(guò)對(duì)傳感器加權(quán)的方式實(shí)現(xiàn)了較為準(zhǔn)確的軸承健康狀態(tài)分類；文獻(xiàn)[42]使用二級(jí)CNN網(wǎng)絡(luò)進(jìn)行多傳感器決策融合，提高了軸承復(fù)合故障診斷的精度；文獻(xiàn)[44]對(duì)振動(dòng)、諧波和溫度信號(hào)進(jìn)行EMD處理得到特征向量，通過(guò)BP神經(jīng)網(wǎng)絡(luò)得到單個(gè)傳感器信號(hào)的診斷結(jié)果，最終使用DS證據(jù)理論融合得到多個(gè)傳感器信號(hào)共同的診斷結(jié)果。決策層融合是一種高層次融合，雖然精度較低，但抗干擾能力強(qiáng)，對(duì)傳感器依賴小，靈活性和容錯(cuò)性較好，是目前相對(duì)成熟的融合方式。

目前常用的信息融合算法有Bayes理論、模糊理論、DS證據(jù)理論、人工神經(jīng)網(wǎng)絡(luò)和卷積神經(jīng)網(wǎng)絡(luò)等。隨著深度學(xué)習(xí)的發(fā)展，特征提取效果越來(lái)越好，多源信息融合也具有了更好的發(fā)展：文獻(xiàn)[13]提出了一種基于多層DIN網(wǎng)絡(luò)的自適應(yīng)信號(hào)融合網(wǎng)絡(luò)，使用軟注意力機(jī)制將2層DIN網(wǎng)絡(luò)的特征進(jìn)行融合，并根據(jù)融合后的特征預(yù)測(cè)和判別軸承狀態(tài)；文獻(xiàn)[45]等將多通道振動(dòng)信號(hào)轉(zhuǎn)換為二維時(shí)間序列信號(hào)，進(jìn)行數(shù)據(jù)層融合后使用CNN模型從原始數(shù)據(jù)中直接提取特征并輸出軸承故障類型；文獻(xiàn)[46]利用改進(jìn)的CNN模型從多通道振動(dòng)數(shù)據(jù)中提取特征，然后利用支持向量機(jī)進(jìn)行故障分類；為避免多通道信號(hào)融合過(guò)程中的信息丟失，文獻(xiàn)[47]提出了一種帶有瓶頸層的CNN模型，利用瓶頸層融合來(lái)自同一時(shí)間節(jié)點(diǎn)的多通道振動(dòng)數(shù)據(jù)，取得了較好的診斷效果；文獻(xiàn)[48]采用一維卷積網(wǎng)絡(luò)分別提取振動(dòng)與聲音信號(hào)的特征后，使用卷積層和池化層對(duì)其進(jìn)行融合，最后由Softmax層輸出故障類別，在不同的信噪比下均達(dá)到了較高的精度；文獻(xiàn)[49]提出了基于深度LSTM網(wǎng)絡(luò)的預(yù)測(cè)方法，將多個(gè)傳感數(shù)據(jù)信號(hào)直接輸入同一網(wǎng)絡(luò)層實(shí)現(xiàn)數(shù)據(jù)自動(dòng)融合，同時(shí)通過(guò)多層結(jié)構(gòu)捕獲退化特征。

不論是傳統(tǒng)的信號(hào)處理方法，還是深度學(xué)習(xí)模型，其未來(lái)發(fā)展都離不開(kāi)多傳感器信息融合的要求，但大多數(shù)研究仍處于早期階段，只是將多個(gè)傳感器的數(shù)據(jù)拼接重構(gòu)后提取對(duì)應(yīng)的特征并輸入模型進(jìn)行檢測(cè)，這會(huì)導(dǎo)致多個(gè)傳感器數(shù)據(jù)的耦合信息丟失，同時(shí)也無(wú)法挖掘信號(hào)更深層的特征信息：因此，有必要在深度學(xué)習(xí)模型超強(qiáng)特征提取能力的基礎(chǔ)上，結(jié)合多源信息融合的優(yōu)勢(shì)，設(shè)計(jì)合理的信息融合算法和框架，實(shí)現(xiàn)信息的互補(bǔ)融合，提高主軸狀態(tài)監(jiān)測(cè)的效果。

3.3 主軸狀態(tài)決策及調(diào)控

在對(duì)智能主軸狀態(tài)進(jìn)行全面感知后，需要根據(jù)其狀態(tài)進(jìn)行一定的決策和控制，目前的研究主要針對(duì)刀具控制、顫振抑制、碰撞預(yù)防、熱補(bǔ)償、動(dòng)平衡以及自動(dòng)潤(rùn)滑控制等。

3.3.1 刀具狀態(tài)調(diào)整

在基于測(cè)量的方法中，大多數(shù)方法會(huì)直接或間接地從測(cè)量信號(hào)中獲得切削力，并對(duì)刀具的偏轉(zhuǎn)或磨損進(jìn)行補(bǔ)償。文獻(xiàn)[50]通過(guò)傾斜調(diào)整刀具位置，減小刀具偏轉(zhuǎn)導(dǎo)致的加工誤差。文獻(xiàn)[51]開(kāi)發(fā)了一種自適應(yīng)主軸系統(tǒng)，用于補(bǔ)償振動(dòng)引起的刀具偏轉(zhuǎn)和振動(dòng)-過(guò)程力，根據(jù)測(cè)量的加工力和刀具剛度計(jì)算刀具撓度，主軸由壓電驅(qū)動(dòng)器在3個(gè)軸向定位，實(shí)現(xiàn)了銑削過(guò)程中刀具偏轉(zhuǎn)的自動(dòng)在線補(bǔ)償。除控制刀具的偏轉(zhuǎn)外，文獻(xiàn)[52]還考慮了對(duì)工件進(jìn)行偏轉(zhuǎn)，以控制薄壁結(jié)構(gòu)周邊銑削過(guò)程中力引起的表面尺寸誤差。

基于模型的方法在加工過(guò)程中使用一個(gè)力模型估計(jì)切削力，刀具被建模為一個(gè)懸臂梁，用估計(jì)的切削力計(jì)算刀具的撓度[53-58]。此外，刀具磨損引起的加工誤差也可以用基于模型的方法控制：文獻(xiàn)[59]提出了一種球頭銑刀磨損模型預(yù)測(cè)切削刃的磨損，其通過(guò)計(jì)算刀具的實(shí)際路徑提前預(yù)測(cè)加工誤差，并在制造前對(duì)程序進(jìn)行修正；文獻(xiàn)[60]發(fā)現(xiàn)刀具偏轉(zhuǎn)引起的表面傾斜是由刀具路徑兩側(cè)的切削載荷不平衡所引起，其開(kāi)發(fā)了一種刀具負(fù)載平衡算法，通過(guò)調(diào)整刀具路徑和/或進(jìn)給速度減小表面變化。基于模型的方法通常在模擬環(huán)境中進(jìn)行研究[61]，通過(guò)各種補(bǔ)償方案計(jì)算、修正刀具路徑，直到得到所需的輪廓，為實(shí)際加工中的加工誤差補(bǔ)償?shù)於死碚摶A(chǔ)。

3.3.2 顫振決策與控制

顫振是主軸的重要狀態(tài)，識(shí)別后需進(jìn)行調(diào)控抑制。文獻(xiàn)[62]對(duì)不同的顫振抑制技術(shù)進(jìn)行了評(píng)述。

第1類方法通過(guò)優(yōu)化工藝參數(shù)(如主軸速度、每齒進(jìn)給量、切削深度或切屑負(fù)載)緩解顫振[63-65]，這類方法主要依靠經(jīng)驗(yàn)，缺乏適應(yīng)性和魯棒性，不能擴(kuò)大穩(wěn)定波瓣圖中的顫振穩(wěn)定區(qū)域。

第2類方法通過(guò)連續(xù)的主軸轉(zhuǎn)速調(diào)制干擾再生效果[66]，其需要極快的主軸轉(zhuǎn)速變化以緩解顫振，但主軸變化速度受主軸慣性和驅(qū)動(dòng)功率的限制，而且主軸轉(zhuǎn)速調(diào)節(jié)改變了穩(wěn)定性邊界[67]，此類方法不適用于高速銑削。

第3類方法是主動(dòng)/半主動(dòng)顫振控制，通過(guò)作動(dòng)器(壓電堆、主動(dòng)磁軸承等)或主動(dòng)阻尼元件(磁流變流體、電流變流體等)改變主軸動(dòng)力學(xué)特性。

主動(dòng)顫振控制是一種很有前途的智能主軸控制方法，可以根據(jù)不同的主軸轉(zhuǎn)速和切削深度動(dòng)態(tài)改善穩(wěn)定區(qū)域。實(shí)際應(yīng)用中，普遍采用安裝外部作動(dòng)裝置的方式對(duì)主軸系統(tǒng)的振動(dòng)進(jìn)行控制，如圖4所示的自適應(yīng)主軸系統(tǒng)(Adaptive Spindle)[68]， 通過(guò)安裝在主軸外部的壓電作動(dòng)器向主軸施加主動(dòng)控制力保證工件加工質(zhì)量，國(guó)內(nèi)學(xué)者也利用安裝在軸承徑向上的壓電裝置對(duì)主軸的振動(dòng)進(jìn)行抑制。然而，上述方案受限于安裝空間的同時(shí)， 容易給主軸系統(tǒng)機(jī)能帶來(lái)負(fù)面影響(壓電作動(dòng)裝置施加的徑向力會(huì)影響軸承內(nèi)部的接觸應(yīng)力進(jìn)而影響主軸壽命)。

(a) 刀具變形自適應(yīng)補(bǔ)償主軸系統(tǒng)

對(duì)于滾動(dòng)支承主軸系統(tǒng)而言，可考慮從軸承預(yù)緊的角度對(duì)主軸系統(tǒng)的性能進(jìn)行主動(dòng)調(diào)控：文獻(xiàn)[69]提出了一種基于線性二次調(diào)節(jié)器和粒子群優(yōu)化算法的顫振控制器，實(shí)現(xiàn)了主軸顫振的在線抑制；文獻(xiàn)[70]通過(guò)理論和試驗(yàn)分析了軸承預(yù)緊力對(duì)主軸支承剛度、溫升的非線性影響規(guī)律；文獻(xiàn)[71]研究了考慮軸承打滑與溫升的主軸高速球軸承在不同工況下的最佳預(yù)緊力調(diào)控準(zhǔn)則；文獻(xiàn)[72]則進(jìn)一步研究了定壓/定位預(yù)緊以及預(yù)緊力大小對(duì)主軸剛度、溫升以及振動(dòng)的影響；需要注意的是，通過(guò)預(yù)緊力調(diào)節(jié)實(shí)現(xiàn)主軸系統(tǒng)性能主動(dòng)調(diào)控的方式在改變主軸系統(tǒng)剛度的同時(shí)往往會(huì)帶來(lái)溫升方面的復(fù)雜影響。

還可對(duì)主軸系統(tǒng)的阻尼、振動(dòng)進(jìn)行主動(dòng)控制：文獻(xiàn)[72]利用磁懸浮主軸中電磁軸承阻尼可控的特性，通過(guò)增加磁懸浮主軸系統(tǒng)阻尼實(shí)現(xiàn)了銑削顫振的主動(dòng)抑制；文獻(xiàn)[73]設(shè)計(jì)了一種基于線性二次高斯的自適應(yīng)控制策略提高主軸的阻尼；文獻(xiàn)[74]采用反饋補(bǔ)償并結(jié)合自學(xué)習(xí)主動(dòng)控制策略對(duì)主軸振動(dòng)進(jìn)行主動(dòng)控制；文獻(xiàn)[75]將自適應(yīng)反饋控制與模糊邏輯算法相結(jié)合，利用電磁作動(dòng)器對(duì)銑削過(guò)程中的切削力進(jìn)行主動(dòng)抵消以實(shí)現(xiàn)主軸回轉(zhuǎn)中心位置的調(diào)控。

3.3.3 碰撞檢測(cè)與調(diào)控

碰撞控制策略的目的是避免或減少損傷，當(dāng)檢測(cè)到碰撞時(shí)，通常采取的動(dòng)作是緊急停止機(jī)床。基于距離的碰撞監(jiān)測(cè)方法可以實(shí)現(xiàn)避碰，當(dāng)監(jiān)測(cè)距離小于某一數(shù)值時(shí)，數(shù)控系統(tǒng)會(huì)發(fā)出控制指令緊急停止機(jī)床。然而，大多數(shù)碰撞監(jiān)測(cè)方法基于不能避免碰撞的接觸傳感器，因此除了緊急停止系統(tǒng)外，可能還需要過(guò)載耦合器裝置來(lái)防止損壞。過(guò)載耦合器裝置包括滾珠絲杠離合器和機(jī)械解耦保護(hù)裝置，滾珠絲杠離合器用于進(jìn)給驅(qū)動(dòng)裝置，當(dāng)作用在進(jìn)給軸上的力過(guò)高時(shí)，滾珠絲杠離合器觸發(fā)，進(jìn)給軸與進(jìn)給驅(qū)動(dòng)分離；機(jī)械解耦保護(hù)裝置[76]包括內(nèi)、外2個(gè)成形環(huán)，分別連接主軸凸緣和底座，當(dāng)作用在主軸上的力超過(guò)夾持力時(shí)，2個(gè)環(huán)分離，主軸與機(jī)床軸間的力中斷。此外，內(nèi)環(huán)中安裝了3個(gè)感應(yīng)位移傳感器元件以檢測(cè)相對(duì)運(yùn)動(dòng)，可用于啟動(dòng)CNC控制的對(duì)策，如進(jìn)給軸的緊急停止或后退運(yùn)動(dòng)[77]。最近，文獻(xiàn)[78]提出了一種新型過(guò)載保護(hù)系統(tǒng)，發(fā)生碰撞時(shí)可以減小接觸力。

3.3.4 熱誤差補(bǔ)償

熱誤差補(bǔ)償通過(guò)重新調(diào)整軸的定位實(shí)現(xiàn)，其基于對(duì)進(jìn)給驅(qū)動(dòng)系統(tǒng)的操縱，要么在伺服系統(tǒng)的反饋回路中插入補(bǔ)償，要么通過(guò)移動(dòng)控制系統(tǒng)的參考原點(diǎn)[79]。能夠處理大量數(shù)據(jù)的能力使基于計(jì)算機(jī)的外部補(bǔ)償操作得到廣泛應(yīng)用[81]，加工過(guò)程中通過(guò)外部補(bǔ)償器實(shí)時(shí)獲取機(jī)床溫度和主軸轉(zhuǎn)速信號(hào)，對(duì)熱漂移進(jìn)行估計(jì)并將補(bǔ)償信號(hào)發(fā)送給數(shù)控系統(tǒng)以調(diào)整軸的位置或移動(dòng)原點(diǎn)坐標(biāo)[82]。然而，上述解決方案的固有缺陷是無(wú)法補(bǔ)償驅(qū)動(dòng)系統(tǒng)中排除的自由度(如主軸傾斜誤差等)中的變形。

3.3.5 動(dòng)平衡調(diào)節(jié)技術(shù)

動(dòng)平衡相關(guān)的研究相對(duì)較多，文獻(xiàn)[83]提出了在線自動(dòng)平衡的概念，不需要機(jī)器停止就可以自動(dòng)完成平衡，可分為被動(dòng)平衡和主動(dòng)平衡，主動(dòng)平衡的應(yīng)用效果更好且適應(yīng)性更強(qiáng)，受到越來(lái)越多的關(guān)注。文獻(xiàn)[85]詳細(xì)回顧了旋轉(zhuǎn)機(jī)械的主動(dòng)平衡方法，最后采用基于機(jī)電、電磁或水力噴射技術(shù)的平衡裝置產(chǎn)生力來(lái)抵消主軸的不平衡質(zhì)量。

3.3.6 自動(dòng)潤(rùn)滑控制

自動(dòng)潤(rùn)滑控制主要是利用反饋信號(hào)主動(dòng)控制潤(rùn)滑流量和主軸轉(zhuǎn)速，改善軸承接觸條件。合理的潤(rùn)滑能夠有效減小主軸關(guān)鍵部位的磨損，降低軸承等部件的故障率，延長(zhǎng)主軸壽命。目前常用的主軸潤(rùn)滑方式為自動(dòng)潤(rùn)滑，即潤(rùn)滑系統(tǒng)通過(guò)將潤(rùn)滑油輸送到主軸的各個(gè)潤(rùn)滑點(diǎn)實(shí)現(xiàn)周期性潤(rùn)滑，能起到較好的保護(hù)作用，但也存在一些問(wèn)題，如惡劣工況下容易故障，油脂分配效率低下，潤(rùn)滑油脂浪費(fèi)，成本高昂，潤(rùn)滑點(diǎn)較多而無(wú)法合理布局潤(rùn)滑系統(tǒng)管道等。國(guó)外對(duì)自動(dòng)潤(rùn)滑系統(tǒng)的研究起步較早：文獻(xiàn)[86]設(shè)計(jì)的新型潤(rùn)滑分配器能夠根據(jù)當(dāng)前潤(rùn)滑點(diǎn)的溫度和流量自動(dòng)設(shè)置潤(rùn)滑給油量，在保證潤(rùn)滑性能的同時(shí)避免潤(rùn)滑油脂的浪費(fèi)；文獻(xiàn)[87]改進(jìn)了機(jī)床常用的集中式潤(rùn)滑系統(tǒng)，通過(guò)溫度信號(hào)反饋潤(rùn)滑劑的給定狀態(tài)，從而動(dòng)態(tài)設(shè)置潤(rùn)滑劑的用量，試驗(yàn)表明其能夠減少25%的潤(rùn)滑劑用量。國(guó)內(nèi)的自動(dòng)潤(rùn)滑系統(tǒng)大多沿用國(guó)外的技術(shù)，但近年來(lái)在智能化潤(rùn)滑系統(tǒng)方面有一定的研究成果：文獻(xiàn)[88]設(shè)計(jì)了新型自動(dòng)潤(rùn)滑系統(tǒng)，其使用CAN總線技術(shù)實(shí)現(xiàn)主控單元和潤(rùn)滑系統(tǒng)的數(shù)據(jù)互通，提高了潤(rùn)滑系統(tǒng)的可靠性；文獻(xiàn)[89]設(shè)計(jì)的智能控制潤(rùn)滑系統(tǒng)能夠在上位機(jī)中對(duì)給定的潤(rùn)滑劑進(jìn)行監(jiān)控，同時(shí)設(shè)置下一步的潤(rùn)滑時(shí)間、潤(rùn)滑用量等參數(shù)，實(shí)現(xiàn)了對(duì)潤(rùn)滑點(diǎn)的高效潤(rùn)滑；文獻(xiàn)[90]研發(fā)了自動(dòng)多流量潤(rùn)滑泵，使用PLC控制多流量泵分配潤(rùn)滑油，實(shí)現(xiàn)對(duì)潤(rùn)滑點(diǎn)的精準(zhǔn)潤(rùn)滑，在保證發(fā)熱符合要求的同時(shí)節(jié)約了潤(rùn)滑油的用量。

4 結(jié)論及展望

目前，智能主軸的研究已有近15年的時(shí)間，傳感器、執(zhí)行器、數(shù)據(jù)處理算法、人工智能技術(shù)、控制技術(shù)和維護(hù)策略等方面的發(fā)展為智能主軸提供了發(fā)展方向和便利。現(xiàn)有一些研究大多是對(duì)傳統(tǒng)電主軸的改進(jìn)，使其能夠帶有部分智能化的功能，如安裝顫振監(jiān)測(cè)和主動(dòng)抑制模塊，外置的振動(dòng)傳感器雖然能夠獲取主軸的振動(dòng)狀態(tài)，但魯棒性很弱，而且額外附加的調(diào)控模塊也需要復(fù)雜的控制軟硬件，應(yīng)用難度相對(duì)較大；另外，智能主軸的狀態(tài)監(jiān)測(cè)一般通過(guò)復(fù)雜的算法和人工智能模型實(shí)現(xiàn)，而當(dāng)前主軸傳感信號(hào)的數(shù)據(jù)量有限，其他領(lǐng)域的數(shù)據(jù)也難以共享到主軸，目前的主軸狀態(tài)監(jiān)測(cè)水平還處于較低水平。綜上所述，智能主軸的發(fā)展有以下幾個(gè)趨勢(shì)：

1)設(shè)計(jì)時(shí)自頂向下，設(shè)計(jì)嵌入傳感器、高魯棒性的智能主軸。智能主軸的開(kāi)發(fā)應(yīng)當(dāng)從設(shè)計(jì)開(kāi)始，通過(guò)全面的功能設(shè)計(jì)整合各部件及模塊的功能，如集成刀具控制、軸承監(jiān)測(cè)、潤(rùn)滑控制、顫振監(jiān)測(cè)控制等功能；傳統(tǒng)的傳感器布局及安裝無(wú)法滿足智能主軸的監(jiān)測(cè)需要，研究緊湊化的傳感器布局或采用無(wú)線傳感器等新型智能化傳感器也是未來(lái)的發(fā)展目標(biāo)；另外，為實(shí)現(xiàn)監(jiān)測(cè)與控制的協(xié)調(diào)功能，集成到主軸結(jié)構(gòu)中的調(diào)控模塊也十分重要。

2)準(zhǔn)確的狀態(tài)監(jiān)測(cè)算法以及監(jiān)測(cè)系統(tǒng)設(shè)計(jì)。感知是智能主軸的基礎(chǔ)，在測(cè)量振動(dòng)、電流、溫度等信號(hào)的基礎(chǔ)上，通過(guò)數(shù)據(jù)處理得到主軸的準(zhǔn)確狀態(tài)是一大難點(diǎn)。為實(shí)時(shí)監(jiān)控智能主軸，需要更快速、更準(zhǔn)確的數(shù)據(jù)處理方法提取信號(hào)特征，實(shí)現(xiàn)對(duì)數(shù)據(jù)的深層挖掘，同時(shí)要注意信號(hào)之間的耦合關(guān)系，將多源信息融合技術(shù)應(yīng)用于主軸狀態(tài)監(jiān)測(cè)中。

3)協(xié)調(diào)傳感器以及各功能模塊的同步工作，在主軸安裝調(diào)試時(shí)要注意傳感器數(shù)量增多引起的干擾，以及內(nèi)置變頻電動(dòng)機(jī)的安裝方式帶來(lái)的靜電干擾等影響實(shí)際使用的問(wèn)題。

4)根據(jù)主軸狀態(tài)及時(shí)進(jìn)行工藝參數(shù)決策和調(diào)控。實(shí)時(shí)決策是在狀態(tài)監(jiān)測(cè)前提下的智能化行為，智能主軸在加工中會(huì)面臨復(fù)雜的工況，決策系統(tǒng)開(kāi)發(fā)時(shí)應(yīng)配備快速、準(zhǔn)確的人工智能算法，并能在加工過(guò)程中通過(guò)自學(xué)習(xí)不斷改進(jìn)決策模型，提高智能主軸的穩(wěn)定性。

5)實(shí)現(xiàn)機(jī)床智能互聯(lián)，融入工業(yè)大數(shù)據(jù)時(shí)代。在工業(yè)4.0模塊化結(jié)構(gòu)的智能工廠中，智能機(jī)床將連接成為一個(gè)共同協(xié)作的整體，同種或類似的加工環(huán)境能夠?yàn)橹悄苤鬏S提供海量的共享數(shù)據(jù)以及決策方案，為智能主軸決策模型的快速豐富提供了基礎(chǔ)。另外，云計(jì)算等技術(shù)的發(fā)展能夠?yàn)橹悄苤鬏S提供強(qiáng)大的計(jì)算能力和數(shù)據(jù)存儲(chǔ)功能，避免了本地存儲(chǔ)的局限性以及數(shù)據(jù)交換困難等問(wèn)題。

對(duì)主軸不同領(lǐng)域的研究推動(dòng)了智能主軸技術(shù)的發(fā)展，工業(yè)界日益認(rèn)識(shí)到智能化的主軸是未來(lái)機(jī)床發(fā)展的必經(jīng)之路。而隨著智能化傳感器，快速準(zhǔn)確的數(shù)據(jù)處理算法，高效緊湊的控制器等關(guān)鍵技術(shù)的發(fā)展，智能主軸也將真正出現(xiàn)并應(yīng)用，成為智能工廠的重要組成部分。