车辆机械制造中的自动化网络数控技术研究

马礼

摘要：网络自动数控技术的出现促进了汽车制造自动化的发展，自动化网络数控技术为自动化机械制造提供了坚实的基础，大大提高了自动化机械制造整体的生产水平。本文重点介绍了自动网络数字控制技术在汽车制造和工业生产中的应用，最后提出了提高自动网络数字控制技术在自动化机械制造中的应用效率的建议。

关键词：自动化网络数控技术;机械制造;汽车制造

近年来，汽车已成为自己生活不可或缺的交通工具，汽车行业发展迅速，自动化技术是汽车行业制造的核心。在网络化信息时代，数据挖掘技术越来越多。因此，数字控制技术在我国当前工业革命中得到了更好的利用和发展。专家们建议将数字控制技术应用于汽车自动制造，从而在机械制造过程中实现具体操作，减少一些复杂的手动操作

一、数控技术的含义及特点

1.数字技术的重要性。数控技术是使用特殊的数字符号来控制汽车的制造过程。数字技术科学地结合了计算机与机械工程，为我国自动化机械制造的发展提供了持续的技术支持。从而使机械制造能够扩大中国的规模和范围。

2.数字控制技术特点。数字控制技术有两个主要特点：效率和方便性。与通常的手动操作相比，自动化可以更困难地装配零件，还可以执工序较多的操作。它不仅消除了耗时的手动操作，而且大大提高了工作效率并降低了成本。数控技术的工艺和操作主要由计算机控制，大大减少了制造工艺的数量。产品的整个生产过程，包括产品的加工、成品和包装，可以一次完成，从而避免了加工过程中的错误，大大简化了生产。

二、车辆机械制造中的自动化网络数控通讯技术

通信技术是计算机之间传输和交换信息的基础。当相通讯时，必须确定通讯的传输方式：文件、消息或其他。还需要确定传输时间、传输方式等两个通信必须遵守协议规则，否则就无法通信。通信技术是基于计算机的。双方通过不同的计算机系统进行通信，需要网络或其他信号作为桥梁。如特网，两台计算机必须接受IP协议才能进行通信。在计算机的通信接口上，连接通信线路并将计算机连接到互联网。硬件安装需要计算机通信接口，包括计算机的网络端口和网卡，通信线路包括电话线、光缆和无线电信号。

三、车辆机械制造中的自动化网络数控机床自我诊断技术

随着全球化的不断发展，数字控制技术越来越多地被使用并在全球范围内传播。大部分机械制造活动分散在全国各地，导致综合统一管理失败，缺乏单一管理监控系统无法适应当前分散的机械制造结构，导致频繁故障、及时诊断和及时纠正等问题。针对上述故障问题，本文结合网络数控技术提出了一种新的解决方案。提出了一种基于自动网络的数控机床自诊断技术。

1.网络拓扑诊断技术。该机的自诊断技术通过网络中的数字自动控制工具，使频繁和困难的案例得到明显改善。该系统以计算机网络为基础，连接到世界各地的服务器和管理系统。计算机服务器整合和分配系统资源，调动互联网诊断资源，并解决结构性故障。灵活、开放的系统体系结构有助于优化诊断。网络系统远程诊断的具体拓扑见图1。

由于汽车机械制造规模庞大，企业需要车间机器人检测和管理工具，因此必须局域网进行分层控制。数控机床实时监控系统，诊断结构应安排在多层次系统中，主要包括传感器系统。有两种方法可以通过通信接口和网络线路收集数据。一种是比较传统的，需要固定和获取通信信号;另一种更灵活，允许实时传输数据。前端计算机。它可以接收和传输数据，分析和处理所收集的信息，将这些信息传送给主服务器，并将其传递给其他数据处理程序进行进一步处理。诊断中心是自我诊断系统的核心，它在本地网络内调动网络资源，整合诊断软件和数据。，建立执行监测系统，并监测程序和数据文件。故障警报和诊断中心响应。诊断中心维护人员可以根据操作手册执行故障修复。

2.自我诊断功能。数字技术的自我诊断功能，包括警报和故障排除功能。

（1）报警功能。数字控制系统通常具有数百个报警功能。当系统发生故障时，报警程序通过确定故障类型和结构提供不同形式的报警指令，并由证人显示故障信息，以帮助人员确定故障的具体位置和原因。一些报警说明涉及系统软件的操作和程序内容，另一些报警说明涉及系统硬件安装和机器工具故障。这种区分使维修人员能够将相应的故障排除和维修作为目标。（2）诊断故障技术。对网络数控技术中的诊断故障技术，进行了复杂故障诊断问题的分析研究。专家们在广泛的网络数字控制技术经验和相关知识的基础上，得出了一个更为典型的模型，该模型采用的技术是模糊的故障排除技术。模糊逻辑系统基于模糊理论，根据一些缺陷问题的特点判断缺陷形状和解决方法，然后对缺陷问题进行故障排除和解决。机床系统故障时，由于故障位置不确定，员工无法准确识别故障及其原因。这些工具允许开发基于模糊系统版本的故障排除和修复程序，捕获系统的总体结构，并根据环境变化诊断和修复故障原因和损坏。

鉴于我国汽车行业自动化网络技术的独特优势和优势，能够有效提高汽车制造质量和生产率，取得进步为了确保汽车工业的可持續发展，我们的工业和制造业已经进入了一个新的阶段。

参考文献：

[1]辛涛.神经网络训练算法在数控机床故障诊断中的应用【J】.自动化技术与应用，2020，39（02）：13.17.

沈阳市地铁集团有限公司运营分公司 辽宁沈阳 110000