大型曲轴是船舶、机车和发电设备内燃机上的关键零件,其加工质量与内燃机的耐磨损性、耐疲劳性、振动、噪声等性能关系密切,并直接影响内燃机的可靠度和使用寿命。船舶、机车制造业的快速发展、内燃机产品的更新换代,对大型曲轴的制造工艺提出了高速、精密、复合化的要求。针对切点跟踪磨削技术的工艺特点和加工对象大型曲轴的特性,结合“高档数控机床与基础制造装备重大专项”——大型数控切点跟踪曲轴磨床项目(编号:2009ZX04001-111)的实施,本文以提高大型曲轴切点跟踪磨削过程控制水平为研究主旨,围绕着大型曲轴智能磨削的关键技术及工艺展开系统研究,主要对曲轴弹性变形、自动定位及磨削余量分配优化、磨削参数智能决策、砂轮磨损对连杆颈几何形状和表面质量的影响、误差智能补偿等问题进行深入研究分析,并引入传感器检测及人工智能技术为解决这些难题提出了相应的方法,论文的主要研究工作和成果如下:研究了曲轴在重力、夹具夹紧力和磨削力作用下产生的弹性变形及其对连杆颈尺寸、圆度的的影响。在此基础上,分析了中心架辅助支撑及优化磨削工艺、合理安排工步顺序对减少曲轴弹性变形的作用。根据垂直、水平方向弹性变形的不同特点,重点针对中心架辅助支撑,研究了基于档距变化调整垂直方向支撑块位置的变形控制方法,并提出了基于主轴颈切深误差调整水平方向支撑力的变形控制方法,实现了对曲轴不同方向上弹性变形的有效控制。为了快速、精确地确定曲轴工件坐标系与机床坐标系之间的关系并且保证加工余量的均匀分布,以曲轴自动定位测量系统为基础,首先制定了触发式测头自动跟踪测量连杆颈表面的控制策略,通过测量数据确定了各档连杆颈圆柱面方程。在此基础上,构建了基于各档连杆颈磨削余量分布优化的加工零点定位模型,并建立了约束条件以避免“负余量”现象。求解此模型时采用杂交粒子群算法,引入基于不可行度的竞争选择机制处理约束,实例分析表明该模型和算法在求解磨削余量、确定磨削点位方面具有准确、快速的特点。探讨了曲轴切点跟踪磨削参数选取问题,设计了磨削参数智能决策系统。先对曲轴切点跟踪磨削系统参数进行分类,在此基础上将参数决策任务进行了分解,着重为磨削用量和砂轮修整参数的选取,设计了以范例推理Agent为基础,以模型推理Agent为核心,以规则推理Agent为补充的三种决策Agent。在此基础上,以黑板结构作为多Agent之间通讯与相互作用的媒介,构建了由交互层、决策层和资源层组成的基于多Agent的参数智能决策系统,实现了初始磨削用量的优化选择。砂轮的状态在一定程度上决定了被加工工件的磨削质量,为此详细分析了砂轮半径变化对连杆颈几何形状的影响以及砂轮磨损对连杆颈表面波纹度和粗糙度的影响。以此为基础,结合曲轴切点跟踪磨削过程控制的需要,研究了基于接触传感器的砂轮半径测量方法;并利用砂轮磨粒破碎、剥落产生的声发射信号,根据其振铃计数和均方根与设定阈值的比较结果进行磨削接触或修整过程监控;又以当量磨削厚度、声发射信号均方根、砂轮主轴功率信号的多项式回归曲线均值作为输入,砂轮修整信号作为输出,构建了基于RBF神经网络的砂轮磨损识别模型,并通过实验验证了该模型在砂轮磨钝监测中的有效性。研究了曲轴切点跟踪磨削加工误差补偿策略和智能补偿方法,并设计了相应补偿系统。首先提出一种适应切点跟踪磨削特点的在线误差补偿策略:通过向数控系统提供附加脉冲修正量的方式消除曲轴连杆颈加工误差。在此基础上,针对连杆颈综合加工误差,研究了在线智能预补偿方法,给出相应的补偿算法与推理规则,并利用RBF神经网络选取补偿调节因子,对补偿力度进行控制。又引入了基于模糊自学习的误差补偿方法,以连杆颈半径误差及其变化率作为模糊推理输入量,并利用自学习算法将模糊推理输出与以往补偿经验相结合作为砂轮架跟踪运动的附加修正量。磨削实验结果显示,两种补偿方法都能有效地缩小连杆颈的圆度误差,但前者更适用于“边加工边补偿”的在线补偿,而后者则具有更好的补偿精度和更快的误差收敛速度。