CN118778543A - 一种数控加工过程智能调控方法、系统及程序产品 - Google Patents

Abstract

本发明公开了数控加工过程智能调控方法、系统及程序产品，首先根据加工产品的形状、尺寸和加工工艺要求，确定刀具类型、刀具材料、工件材料和工件尺寸，并设置机床的各项加工参数。然后基于预设的参数建立仿真模型，模拟数控加工过程中的切削操作，获得模拟实验数据。同时，采集数控加工过程中的传感器数据，监测数控机床的工作状态和加工参数。接下来，基于模拟实验数据和传感器数据，对两种数据进行验证比较。最后，基于预测获得的补偿参数或调控获得的优化加工参数，对机床加工参数进行调整优化。本发明通过多步骤/模块的协同合作、能够使得数控加工过程的调节更加智能化，同时也能够提高加工工件的精度和生产效率。

Description

一种数控加工过程智能调控方法、系统及程序产品

技术领域

本发明属于数控加工过程智能调控技术领域，涉及数控加工过程的智能调控技术，具体是一种数控加工过程智能调控方法、系统及计算机程序产品。

背景技术

数控加工(Computer Numerical Control,NC)是一种利用计算机控制系统来控制机床和刀具进行加工的工艺方法。相比传统的手工操作或者传统的机械加工方式，数控加工具有高效、精准、灵活等特点，广泛应用于各种零部件的加工生产中。数控加工包括数控车床加工、数控铣床加工、数控钻床加工等多种形式，是现代制造业中的重要加工方法之一。

现有数控加工技术的核心是通过预先编写的数控程序来指导机床和刀具的运动，实现对工件的切削、铣削、钻孔等加工。尽管数控加工技术具备高度的自动化水平，但在实际应用中仍存在诸多问题和挑战。例如现有的数控加工技术在调控方面主要扮演的是一种顺序和逻辑执行器的功能，缺少与制造系统的其他智能决策系统互动的功能和协同的能力；数控加工程序需要经过事先编制，编制程序时，需要事先设置合适的参数，合适的参数能够经过复杂计算得到，但得到的参数无法知道是否与整个制造系统目标协同，同时，刀具在加工时会出现磨损，刀具磨损会导致工件的加工程度不精。

综上所述，现有数控加工技术在智能调控方面存在诸多不足，无法满足现代智能制造环境的需求。因此，开发数控加工过程智能调控技术，以实现数控加工过程的实时优化和动态调整，提高加工精度和效率，降低生产成本，是亟待解决的技术问题。

发明内容

(一)发明目的

针对现有数控加工技术在智能调控方面的缺陷和不足，为解决现有技术中的上述以及其他方面的至少一种技术问题，本发明旨在提供一种数控加工过程智能调控方法、系统及程序产品，通过多模块协同合作，使得数控加工过程能够得到智能调控，同时提高加工工件的精度和生产效率。

(二)技术方案

为实现该发明目的，解决其技术问题，本发明采用如下技术方案：

本发明的第1个发明目的在于提供一种数控加工过程智能调控方法，用于实现对数控加工过程的智能化调节和优化，所述方法在实施时包括如下步骤：

SS1.根据加工产品的形状、尺寸和加工工艺要求，确定刀具类型、刀具材料、工件材料和工件尺寸，并设置机床的各项加工参数，机床的加工参数至少包括切削速度、进给速度、切削深度；

SS2.基于步骤SS1预设的刀具类型、刀具材料、工件材料、工件尺寸及机床加工参数建立仿真模型，模拟数控加工过程中的切削操作，获得模拟实验数据；

SS3.采集数控加工过程中的传感器数据，用于监测数控机床的工作状态和加工参数，所述传感器数据至少包括测速传感器数据、位移传感器数据、加速度传感器数据、力传感器数据和振动传感器数据；

SS4.基于步骤SS2仿真获得的模拟实验数据以及步骤SS3所采集的传感器数据，生成正确加工参数范围，并对两种数据进行验证比较，当二者保持一致时，进行加工参数的预测补偿操作，当二者不一致时，进行加工参数的调控操作；

SS5.进行加工参数的预测补偿操作时，基于步骤SS3所采集的传感器数据采集刀头数据，建立刀头磨损的数学模型，预测未来一段时间内刀头的磨损情况，计算出机床加工参数的补偿参数；

SS6.进行加工参数的调控操作时，基于步骤SS4中两种数据不一致的验证比较结果，调整优化步骤SS2中仿真模型的机床加工参数，并重新进行仿真模拟，基于调整后的仿真结果并结合传感器数据，重新执行步骤SS4的验证比较操作，直至两种数据保持一致；

SS7.基于步骤SS5预测获得的机床加工参数的补偿参数或步骤SS6调控获得的优化加工参数，调整优化步骤SS1中机床设置的实际加工参数，从而实现数控加工过程的智能化调节与优化。

本发明的第2个发明目的在于提供一种计算机程序产品，包括计算机指令，用于执行本发明的上述数控加工过程智能调控方法。

本发明的第3个发明目的在于提供一种数控加工过程智能调控系统，包括参数设定模块、仿真模拟模块、数据采集模块、验证模块、控制调控模块、预测补偿模块，其中：

所述参数设定模块，用于根据加工产品的形状、尺寸和加工工艺要求，确定刀具类型、刀具材料、工件材料、工件尺寸，设置机床的各项参数，包括切削速度、进给速度、切削深度；

所述仿真模拟模块的输入端通信连接于参数设定模块，基于所述参数设定模块中预设的刀具类型、刀具材料、工件材料、工件尺寸及机床加工参数建立仿真模型，对数控加工过程中的切削操作进行仿真模拟实验，得出模拟实验数据；

所述数据采集模块，用于实时采集数控加工过程中的传感器数据，监测机床状态和加工参数，所述传感器数据至少包括测速传感器数据、位移传感器数据、加速度传感器数据、力传感器数据和振动传感器数据；

所述数据验证模块的输入端通信连接于仿真模拟模块及数据采集模块，并基于所接收的仿真模拟模块的模拟实验数据以及数据采集模块的实际生产加工数据，生成正确加工参数范围，并对数据进行验证比较，数据一致时，将数据传输至预测补偿模块，数据不一致时，将数据传输至控制调控模块；

所述预测补偿模块的输入端通信连接于数据验证模块，基于已知的传感器数据采集刀头数据，建立刀头磨损的数学模型，并将这些数据作为预测补偿机构的输入，预测未来一段时间内的磨损情况，并计算出相应的补偿参数；

所述控制调控模块的输入端通信连接于数据验证模块，用于解析数控程序中的指令，将其转换为执行的控制信号并输出，同时在数据验证结果不一致时，调整优化仿真模拟模块中仿真模型的机床加工参数，并重新进行仿真模拟，基于调整后的仿真结果并结合传感器数据，重新进行验证比较，直至数据保持一致。

(三)技术效果

同现有技术相比，本发明的数控加工过程智能调控方法、系统及程序产品，具有以下有益且显著的技术效果：

(1)本发明通过参数设定、仿真模拟、数据采集、数据验证、预测补偿与控制调控等步骤或模块之间相互协同决策和互动，并通过共同决策能够综合优化加工参数，提高加工效率和质量，同时也能够减少人工干预而出现失误的情况，进而提高调控的整体性能和智能化水平；

(2)本发明通过仿真模拟、数据采集并配合数据验证，将模拟加工过程的数据以及实际加工的数据进行对比验证，并通过模拟加工过程的数据设置加工参数范围，当两者数据一致时，将继续进行正常加工，当数据不一致时，将数据传输至控制调控步骤或模块进行调控，由此能够及时了解到加工的实际数据是否与最终加工的目标协同，同时，也可以及时发现调整过程中的误差和偏差，调整实际加工参数，使实际加工数据位于模拟加工数据范围内；

(3)本发明通过设置预测补偿配合仿真模拟中的参数预测模拟，预测补偿首先预测出未来一段时间内的刀头磨损状况，并获得补偿参数，将补偿参数输出至仿真模拟中的参数预测模拟，通过仿真模拟实验验证并调整补偿参数，最后将补偿参数传输至预测补偿，预测补偿步骤或模块将补偿参数传输至控制调控步骤或模块，通过输出指令进行调控，完成预测补偿参数调控，通过添加的补偿参数能够有效减少因刀具磨损而导致的工件质量不精的情况。

附图说明

图1为本发明的数控加工过程智能调控方法流程图；

图2为本发明的数控加工过程智能调控系统框图。

具体实施方式

为了更好的理解本发明，下面结合实施例进一步阐明本发明的内容。在附图中，自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。所描述的实施例是本发明一部分实施例，而不是全部的实施例。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。

实施例1

作为一个具体的实例，如图1所示，本发明提供的数控加工过程智能调控方法，用于实现对数控加工过程的智能化调节和优化，提高加工精度和生产效率，该方法在实施时包括如下步骤：

SS1.根据加工产品的形状、尺寸和加工工艺要求，确定刀具类型、刀具材料、工件材料和工件尺寸，并设置机床的各项加工参数，机床的加工参数至少包括切削速度、进给速度、切削深度。

SS2.基于步骤SS1预设的刀具类型、刀具材料、工件材料、工件尺寸及机床加工参数建立仿真模型，模拟数控加工过程中的切削操作，获得模拟实验数据。

SS3.采集数控加工过程中的传感器数据，用于监测数控机床的工作状态和加工参数，所述传感器数据至少包括测速传感器数据、位移传感器数据、加速度传感器数据、力传感器数据和振动传感器数据。

SS4.基于步骤SS2仿真获得的模拟实验数据以及步骤SS3所采集的传感器数据，生成正确加工参数范围，并对两种数据进行验证比较，当二者保持一致时，进行加工参数的预测补偿操作，当二者不一致时，进行加工参数的调控操作。

SS5.进行加工参数的预测补偿操作时，基于步骤SS3所采集的传感器数据采集刀头数据，建立刀头磨损的数学模型，预测未来一段时间内刀头的磨损情况，计算出机床加工参数的补偿参数。

SS6.进行加工参数的调控操作时，基于步骤SS4中两种数据不一致的验证比较结果，调整优化步骤SS2中仿真模型的机床加工参数，并重新进行仿真模拟，基于调整后的仿真结果并结合传感器数据，重新执行步骤SS4的验证比较操作，直至两种数据保持一致。

SS7.基于步骤SS5预测获得的机床加工参数的补偿参数或步骤SS6调控获得的优化加工参数，调整优化步骤SS1中机床设置的实际加工参数，从而实现数控加工过程的智能化调节与优化。

一些优选的实例中，上述步骤SS1中，根据加工产品的形状、尺寸和加工工艺要求，确定刀具类型、刀具材料、工件材料、工件尺寸，设置机床的各项参数的处理过程如下：根据加工产品的要求和加工材料的特性，确定刀具类型和刀具材料，包括刀具的形状、材质和刀片的刃角；确定工件的材料和尺寸，包括工件的硬度、强度这些参数；根据所选刀具和工件的特性，设置机床的各项参数，包括切削速度、进给速度、切削深度。

一些优选的实例中，上述步骤SS2中，建立仿真模型，模拟数控加工过程中的切削操作，获得模拟实验数据的过程如下：将步骤SS1预设的刀具类型、刀具材料、工件材料、工件尺寸以及机床参数作为输入数据，并建立仿真模型；基于所建立的仿真模型进行模拟实验，模拟数控加工过程中的切削操作，并记录模拟实验中的各项数据，包括切削速度、切削深度、切削力，进给速度。

进一步地，基于所建立的仿真模型进行模拟实验时，还包括参数预测模拟操作：将步骤SS5计算得到的补偿参数作为输入数据，包括刀具补偿量和补偿类型这些信息，并根据输入的补偿参数建立刀具磨损模型，模型考虑包括刀具材料、切削条件、加工材料这些因素；确定仿真实验的时间段，即模拟刀头在未来一段时间内的使用情况；根据建立的磨损模型模拟刀具在设定的时间段内的磨损过程，获取仿真结果数据；将仿真实验得到的磨损数据与输入的补偿参数进行比对分析，验证补偿参数，数据一致时，补偿参数无需调整，数据不一致时，根据验证结果，对补偿参数进行调整，获得最终数据；将得出补偿参数再次传输至步骤SS5进行预测补偿操作。

一些优选的实例中，上述步骤SS3中，实时采集数控加工过程中的传感器数据的处理过程如下：分别采集测速传感器、位移传感器、加速度传感器、力传感器数据、振动传感器数据的数据，测速传感器用于监测切削速度，位移传感器用于监测工件在加工过程中的位置和运动轨迹，从而确定切削深度的参数，加速度传感器用于监测机床或工件的加速度，加工过程中的进给速度的参数，力传感器用来监测切削过程中的切削力和反馈力，评估切削负荷，振动传感器用于监测刀具在切削过程中的振动情况。

一些优选的实例中，上述步骤SS4中，对数据进行验证比较的处理过程如下：接收步骤SS2的模拟实验数据和步骤SS3的实际加工数据；根据模拟实验数据设置加工参数范围，切削速度为V1、切削深度D1、切削力S1及进给速度A1，对于实际加工数据中的切削速度为V2、切削深度D2、切削力S2及进给速度A2：当V2∈V1、D2∈D1、S2∈S1、A2∈A1，两种数据保持一致，将数据传输至步骤SS5进行预测补偿操作；当两种数据不一致，将数据传输至步骤SS6进行数据调控。

一些优选的实例中，上述步骤SS5中，基于刀头磨损的数学模型预测未来一段时间内的磨损情况，并计算出相应的补偿参数处理过程如下：基于已知的传感器数据，建立刀头磨损的数学模型，设刀头磨损量W为这些传感器数据的函数，具体公式为：W(t)＝f(x_1t,x_2t,x_3t,x_4t,x_5t)，其中，W(t)表示在时间t的刀头磨损量，x_1t、x_2t、x_3t、x_4t、x_5t分别表示在时间t的测速传感器、位移传感器、加速度传感器、力传感器、振动传感器的数据；利用预测算法对未来一段时间内的刀头磨损情况进行预测，具体公式为：W_p＝β₀+β₁x_1f+β₂x_2f+β₃x_3f+β₄x_4f+β₅x_5f，其中，W_p表示未来一段时间内的刀头磨损预测值，β₀、β₁、β₂、β₃、β₄、β₅是模型参数，x_1f、x_2f、x_3f、x_4f、x_5f表示未来时间点上的测速传感器、位移传感器、加速度传感器、力传感器、振动传感器的数据；据预测得到的刀头磨损情况，结合补偿算法，计算出相应的补偿参数，包括刀具的补偿长度、补偿角度；将计算得到的补偿参数输出至步骤SS3中进行仿真模拟。

进一步地，根据预测得到的刀头磨损情况，计算出相应的补偿参数的处理过程如下：获取未来一段时间内的刀头磨损量W_p，确定刀具的补偿策略和算法，计算出相应的补偿长度和补偿角度，其具体公式为：

[T＝k₁·W_p+b₁]

[a＝k₂·W_p+b₂]

其中，k₁、b₁、k₂、b₂是常数，T、a分别为计算后的补偿长度、补偿角度。

实施例2

与实施例1相对应的，如图2所示，本实施例用以详细介绍本发明的数控加工过程智能调控系统，包括参数设定模块、仿真模拟模块、数据采集模块、验证模块、控制调控模块、预测补偿模块等。

本发明中的参数设定模块用于根据加工产品的形状、尺寸和加工工艺要求，确定刀具类型、刀具材料、工件材料、工件尺寸，设置机床的各项参数，包括切削速度、进给速度、切削深度。

所述仿真模拟模块的输入端通信连接于参数设定模块，基于所述参数设定模块中预设的刀具类型、刀具材料、工件材料、工件尺寸及机床加工参数建立仿真模型，对数控加工过程中的切削操作进行仿真模拟实验，得出模拟实验数据；所述数据采集模块，用于实时采集数控加工过程中的传感器数据，监测机床状态和加工参数，所述传感器数据至少包括测速传感器数据、位移传感器数据、加速度传感器数据、力传感器数据和振动传感器数据。

同时，本发明中的数据验证模块的输入端通信连接于仿真模拟模块及数据采集模块，并基于所接收的仿真模拟模块的模拟实验数据以及数据采集模块的实际生产加工数据，生成正确加工参数范围，并对数据进行验证比较，数据一致时，将数据传输至预测补偿模块，数据不一致时，将数据传输至控制调控模块；所述预测补偿模块的输入端通信连接于数据验证模块，基于已知的传感器数据采集刀头数据，建立刀头磨损的数学模型，并将这些数据作为预测补偿机构的输入，预测未来一段时间内的磨损情况，并计算出相应的补偿参数；所述控制调控模块的输入端通信连接于数据验证模块，用于解析数控程序中的指令，将其转换为执行的控制信号并输出，同时在数据验证结果不一致时，调整优化仿真模拟模块中仿真模型的机床加工参数，并重新进行仿真模拟，基于调整后的仿真结果并结合传感器数据，重新进行验证比较，直至数据保持一致。

此外，本发明的数控加工过程智能调控系统还优选设置一数据集成模块，用于将数控加工过程相关的知识和信息以知识图谱的形式表示，包括各种机床、加工工艺、材料特性这些信息，并建立它们之间的关联关系，最后将数据存储；根据收集到的数据，建立知识图谱的实体和关系；将数据通过不同节点划分，并使用节点表示各种机床、刀具、加工工艺和材料特性，具体划分为机床、刀具、加工工艺、材料特性，其中：机床：包括车床、铣床、钻床；刀具：各种类型的刀具，包括铣刀、钻头、车刀；加工工艺：包括铣削、钻削、车削；材料特性：各种加工材料的特性，包括金属、塑料、陶瓷；使用边表示各节点之间的关联，在节点和边上添加属性信息，描述各个元素之间的关系和特性；将建立好的知识图谱存储到图数据库中，并进行管理和维护。需要说明的是，通过建立知识图谱，可以将各种机床、刀具、加工工艺和材料特性以结构化的形式进行管理，这样不仅有利于数据的组织和检索，同时也能够使得各节点之间的关联关系能够展示得更加清晰。

一些优选的实例中，可以将仿真模拟模块分为加工模拟单元和参数预测模拟单元，加工模拟单元通过预设的各项参数进行模拟加工，能够得出加工的数据，为实际加工提供有力的判断数据，同时，加工模拟单元可以使用Mastercam软件模拟加工过程。参数预测模拟单元具体运行过程包括：

将计算得到的补偿参数作为输入数据，包括刀具补偿量和补偿类型这些信息；根据输入的补偿参数，建立刀具磨损模型；模型考虑包括刀具材料、切削条件、加工材料这些因素；确定仿真实验的时间段，即模拟刀头在未来一段时间内的使用情况；利用仿真软件运行模拟实验，根据建立的磨损模型模拟刀具在设定的时间段内的磨损过程，获取仿真结果数据；将仿真实验得到的磨损数据与输入的补偿参数进行比对分析，验证补偿参数，数据一致时，补偿参数无需调整，数据不一致时，根据验证结果，对补偿参数进行调整，获得最终数据；将得出补偿参数再次传输至预测补偿模块。

需要说明的是，参数预测模拟单元可以使用AdvantEdge软件模拟刀头在未来一段时间内的磨损情况，同时，通过仿真模拟实验能够获得最终的预测补偿参数，使得补偿参数更加准确，方便后续进行实际加工。

作为一种优选，本发明中的验证模块，接收仿真模拟模块的实验数据和实际生产的加工数据，生成正确加工参数范围，并对数据进行验证比较，数据一致时，将数据传输至预测补偿模块，数据不一致时，将数据传输至控制调控模块。通过验证和调控模块的联动，可以保证加工参数的精准性和一致性，进而提高加工的精度和质量。

一些优选的实例中，本发明中的预测补偿模块，基于已知的传感器数据采集刀头数据，建立刀头磨损的数学模型，并将这些数据作为预测补偿机构的输入，预测未来一段时间内的磨损情况，并计算出相应的补偿参数。需要说明的是，刀具在加工时会出现磨损的情况，刀具磨损可能会导致工件的加工出现偏差，因此计算补偿长度和补偿角度，能够使得加工的工件精度更高。此外，通过预测未来一段时间内刀头的磨损情况，并及时计算出相应的补偿参数，可以在刀具磨损影响加工质量之前进行预防性的调整。

通过上述实施例，完全有效地实现了本发明的目的。该领域的技术人员可以理解本发明包括但不限于附图和以上具体实施方式中描述的内容。虽然本发明已就目前认为最为实用且优选的实施例进行说明，但应知道，本发明并不限于所公开的实施例，任何不偏离本发明的功能和结构原理的修改都将包括在权利要求书的范围中。

Claims (10)

1.一种数控加工过程智能调控方法，其特征在于，包括如下步骤：

SS1.根据加工产品的形状、尺寸和加工工艺要求，确定刀具类型、刀具材料、工件材料和工件尺寸，并设置机床的各项加工参数；

SS2.基于步骤SS1预设的各类参数建立仿真模型，模拟数控加工过程中的切削操作，获得模拟实验数据；

SS3.采集数控加工过程中的传感器数据，用于监测数控机床的工作状态和加工参数；

SS4.基于步骤SS2仿真获得的模拟实验数据以及步骤SS3所采集的传感器数据，生成正确加工参数范围，并对两种数据进行验证比较，当二者保持一致时，进行加工参数的预测补偿操作，当二者不一致时，进行加工参数的调控操作；

SS5.进行加工参数的预测补偿操作时，基于步骤SS3所采集的传感器数据采集刀头数据，建立刀头磨损的数学模型，预测未来一段时间内刀头的磨损情况，计算出机床加工参数的补偿参数；

SS6.进行加工参数的调控操作时，基于步骤SS4中两种数据不一致的验证比较结果，调整优化步骤SS2中仿真模型的机床加工参数，并重新进行仿真模拟，基于调整后的仿真结果并结合传感器数据，重新执行步骤SS4的验证比较操作，直至两种数据保持一致；

SS7.基于步骤SS5预测获得的机床加工参数的补偿参数或步骤SS6调控获得的优化加工参数，调整优化步骤SS1中机床设置的实际加工参数，实现数控加工过程的智能化调节与优化。

2.根据权利要求1所述的数控加工过程智能调控方法，其特征在于：上述步骤SS1中，根据加工产品的形状、尺寸和加工工艺要求，确定刀具类型、刀具材料、工件材料、工件尺寸，设置机床的各项参数的处理过程如下：

根据加工产品的要求和加工材料的特性，确定刀具类型和刀具材料，包括刀具的形状、材质和刀片的刃角；

确定工件的材料和尺寸，包括工件的硬度、强度这些参数；

根据所选刀具和工件的特性，设置机床的各项参数，包括切削速度、进给速度、切削深度。

3.根据权利要求1所述的数控加工过程智能调控方法，其特征在于：上述步骤SS2中，建立仿真模型，模拟数控加工过程中的切削操作，获得模拟实验数据的过程如下：

将步骤SS1预设的刀具类型、刀具材料、工件材料、工件尺寸以及机床参数作为输入数据，并建立仿真模型；

基于所建立的仿真模型进行模拟实验，模拟数控加工过程中的切削操作，并记录模拟实验中的各项数据，包括切削速度、切削深度、切削力，进给速度。

4.根据权利要求3所述的数控加工过程智能调控系统，其特征在于：基于所建立的仿真模型进行模拟实验时，还包括参数预测模拟操作：

将步骤SS5计算得到的补偿参数作为输入数据，包括刀具补偿量和补偿类型这些信息，并根据输入的补偿参数建立刀具磨损模型，模型考虑包括刀具材料、切削条件、加工材料这些因素；

确定仿真实验的时间段，即模拟刀头在未来一段时间内的使用情况；

根据建立的磨损模型模拟刀具在设定的时间段内的磨损过程，获取仿真结果数据；

将仿真实验得到的磨损数据与输入的补偿参数进行比对分析，验证补偿参数，数据一致时，补偿参数无需调整，数据不一致时，根据验证结果，对补偿参数进行调整，获得最终数据；

将得出补偿参数再次传输至步骤SS5进行预测补偿操作。

5.根据权利要求1所述的数控加工过程智能调控方法，其特征在于：上述步骤SS3中，实时采集数控加工过程中的传感器数据的处理过程如下：

分别采集测速传感器、位移传感器、加速度传感器、力传感器数据、振动传感器数据的数据，测速传感器用于监测切削速度，位移传感器用于监测工件在加工过程中的位置和运动轨迹，从而确定切削深度的参数，加速度传感器用于监测机床或工件的加速度，加工过程中的进给速度的参数，力传感器用来监测切削过程中的切削力和反馈力，振动传感器用于监测刀具在切削过程中的振动情况。

6.根据权利要求1所述的数控加工过程智能调控方法，其特征在于：上述步骤SS4中，对数据进行验证比较的处理过程如下：

接收步骤SS2的模拟实验数据和步骤SS3的实际加工数据；

根据模拟实验数据设置加工参数范围，切削速度为V1、切削深度D1、切削力S1及进给速度A1，对于实际加工数据中的切削速度为V2、切削深度D2、切削力S2及进给速度A2：

当V2∈V1、D2∈D1、S2∈S1、A2∈A1，两种数据保持一致，将数据传输至步骤SS5进行预测补偿操作；

当两种数据不一致，将数据传输至步骤SS6进行数据调控。

7.根据权利要求4所述的数控加工过程智能调控方法，其特征在于：上述步骤SS5中，基于传感器数据采集刀头数据，建立刀头磨损的数学模型，预测未来一段时间内的磨损情况，并计算出相应的补偿参数处理过程如下：

基于已知的传感器数据，建立刀头磨损的数学模型，设刀头磨损量W为这些传感器数据的函数，具体公式为：

W(t)＝f(x_1t,x_2t,x_3t,x_4t,x_5t)

其中，W(t)表示在时间t的刀头磨损量，x_1t、x_2t、x_3t、x_4t、x_5t分别表示在时间t的测速传感器、位移传感器、加速度传感器、力传感器、振动传感器的数据；

利用预测算法对未来一段时间内的刀头磨损情况进行预测，具体公式为：

W_p＝β₀+β₁x_1f+β₂x_2f+β₃x_3f+β₄x_4f+β₅x_5f

其中，W_p表示未来一段时间内的刀头磨损预测值，β₀、β₁、β₂、β₃、β₄、β₅是模型参数，x_1f、x_2f、x_3f、x_4f、x_5f表示未来时间点上的测速传感器、位移传感器、加速度传感器、力传感器、振动传感器的数据；

据预测得到的刀头磨损情况，结合补偿算法，计算出相应的补偿参数，包括刀具的补偿长度、补偿角度；

将计算得到的补偿参数输出至步骤SS3中进行仿真模拟。

8.根据权利要求7所述的数控加工过程智能调控方法，其特征在于：根据预测得到的刀头磨损情况，计算出相应的补偿参数的处理过程如下：

获取未来一段时间内的刀头磨损量W_p，确定刀具的补偿策略和算法，计算出相应的补偿长度和补偿角度，其具体公式为：

[T＝k₁·W_p+b₁]

[a＝k₂·W_p+b₂]

其中，k₁、b₁、k₂、b₂是常数，T、a分别为计算后的补偿长度、补偿角度。

9.一种计算机程序产品，其特征在于，包括计算机指令，所述计算机指令指示计算设备执行权利要求1～8任一项所述的数控加工过程智能调控方法。

10.一种数控加工过程智能调控系统，包括参数设定模块、仿真模拟模块、数据采集模块、验证模块、控制调控模块、预测补偿模块，其特征在于：

所述参数设定模块，用于根据加工产品的形状、尺寸和加工工艺要求，确定刀具类型、刀具材料、工件材料、工件尺寸，设置机床的各项参数；

所述仿真模拟模块的输入端通信连接于参数设定模块，基于所述参数设定模块中预设的各类参数建立仿真模型，对数控加工过程中的切削操作进行仿真模拟实验，得出模拟实验数据；

所述数据采集模块，用于实时采集数控加工过程中的传感器数据，监测机床状态和加工参数；

所述数据验证模块的输入端通信连接于仿真模拟模块及数据采集模块，并基于模拟实验数据以及数据采集模块的实际生产加工数据，生成正确加工参数范围，并对数据进行验证比较，数据一致时，将数据传输至预测补偿模块，数据不一致时，将数据传输至控制调控模块；

所述预测补偿模块的输入端通信连接于数据验证模块，基于已知的传感器数据采集刀头数据，建立刀头磨损的数学模型，并将这些数据作为预测补偿机构的输入，预测未来一段时间内的磨损情况，并计算出相应的补偿参数；

所述控制调控模块的输入端通信连接于数据验证模块，用于解析数控程序中的指令，将其转换为执行的控制信号并输出，同时在数据验证结果不一致时，调整优化仿真模拟模块中仿真模型的机床加工参数，并重新进行仿真模拟，基于调整后的仿真结果并结合传感器数据，重新进行验证比较，直至数据保持一致。