CN107966954B - 一种计算机数字控制方法与系统 - Google Patents

Abstract

大数据是新一轮的技术革命。传统理论与传统技术必须面对大数据时代所导致的观念变革。现有CNC技术基于插补控制原理，是算法驱动CNC技术。本申请基于大数据控制原理，审视大数据时代的实时控制技术，将大数据的观念应用于自动控制与智能制造，提出一种数据驱动计算机数字控制方法及系统，首创大数据在科学与工程中的应用。

Description

一种计算机数字控制方法与系统

技术领域

本发明属自动控制与智能制造领域，具体涉及计算机数字控制(ComputerNumerical Control，CNC)领域的一种基于大数据的数据驱动计算机数字控制方法与系统(A data-driven computer numerical control method and system based on bigdata)。

技术背景

现代自动控制理论与自动控制技术基于数字计算机，其自动控制系统都是CNC系统，其自动控制技术都是CNC技术。

CNC技术是智能制造的基础技术，是数控机床，机器人，无人飞行器(无人机)，3D打印机等产业的核心共性技术。

许多复杂的多轴系统，例如，并联系统(并联机床，并联机器人)、串联系统(多轴串联机床)，串并混联系统，无人机，3D打印机等，其运动轨迹为预先确定的，称之为期望运动轨迹。期望运动轨迹用笛卡坐标系中的曲线表示，是多个实轴联合运动(多轴联动)所合成的结果。多轴系统不同，期望运动轨迹也不同。例如，数控机床的期望运动轨迹为刀具中心的运动轨迹，称之为刀路曲线(tool path)，无人机的期望运动轨迹为飞行轨迹，机器人的期望运动轨迹为机器人的各部分的运动轨迹，机械手的期望运动轨迹为其末端操作器的运动轨迹等。

多轴系统的运动过程可分为实时过程与非实时过程。

非实时过程涉及辅助功能。辅助功能的控制系常规技术。

实时控制包括期望运动轨迹的实时控制与开关量的实时控制。

本申请针对期望运动轨迹的实时控制，不涉及开关量的实时控制。

期望运动轨迹的实时控制所需要的数字控制数据(简称为NC数据)，涉及空间数据与时间数据，即联动轴的离散位置数据与离散时间数据。

对于期望运动轨迹，例如，多轴联动机床、并联机床、机器人、3D打印机、无人机等的期望运动轨迹，现有CNC的技术方案是，根据用户指定的运动速度，在实时操作系统的掌控下，以插补周期为分时周期，采用插补算法实时插补联动轴的离散位置数据，通过现场总线实时分配、发送给联动轴的伺服驱动器，驱动联动轴产生合成位移，控制多轴系统的期望运动轨迹。跟随插补周期，如此周而复始，完成期望运动轨迹的实时控制。

这是一种在实时操作系统掌控下的极为复杂的实时控制技术，本申请称之为算法驱动(algorithm-driven)CNC技术。

所谓算法驱动CNC技术，指的是，在实时操作系统的掌控下，基于插补控制算法，在插补周期中实时生成、通过现场总线实时分配、发送联动轴的离散位置数据，驱动坐标轴联动。

对于现有算法驱动CNC技术，插补算法不只是一种实时计算方法，更是一种实时控制方法，因而称之为算法驱动。

现有算法驱动CNC技术面向计算机系统，而不是面向多轴系统，所生成的NC数据并非多轴系统所需要的最优NC数据。插补算法、控制模型、开发平台的易用性必然成为现有算法驱动CNC技术体系的核心技术。

特别是，插补算法作为一种实时控制算法，用于实时生成、发送、执行NC数据，其计算精度与计算速度在本质上决定了现有算法驱动CNC系统的整体性能与可靠性，决定了NC数据的品质，是现有算法驱动CNC技术体系中的核心技术。因而，日本的OSEC计划(OpenSystem Environment for Controller)认为，没有先进的控制算法的下一代CNC系统只是进化性的，非革命性的。

对于5轴以上的多轴系统，其期望运动轨迹极为复杂，导致插补算法的实时计算与实时控制极为复杂。

例如，对于并联多轴系统(并联机床，并联机器人)，涉及运动学正解与反解、虚实转换、运动耦合和多解性，以及求解微分方程，旋转坐标变换、异位型检验、非线性误差校正等大量的极为复杂的实时计算与实时控制。

再例如，对于串联多轴联动机床，现有算法驱动CNC技术面临的问题是，由于刀具沿期望运动轨迹移动时，不断地改变方向，加上旋转运动的非线性，导致刀具相对于工件的运动极为复杂，必须在一个插补周期内实时进行复杂曲线的插补、刀具半径与长度的补偿、加减速控制等，涉及求解常微分方程，进行旋转坐标变换等复杂的实时计算与实时控制。

对于多轴系统，任何复杂的运动关系都是常规的数学计算问题，都不是问题。难的是，必须在极短的时间内完成高精度的数学计算。现有算法驱动CNC技术的所有技术瓶颈实质上都源于此。

在现有算法驱动CNC技术中，时间被插补周期锁定，成为系统参数。因而，对于复杂多轴系统，由于计算的复杂性与实时性，现有算法驱动CNC系统的技术手段只能是采用速度更高、位数更多的芯片及其实时操作系统，以及更先进的插补算法作为控制算法。这是现有算法驱动CNC技术必须付出的代价。

这样一来，对于复杂多轴系统，现有算法驱动CNC技术只能采用高速/超高速芯片，以获得128ns插补周期、64ns插补周期等等。相应地，64位高速/超高速CPU及其实时操作系统、128位高速/超高速CPU及其实时操作系统等等，现有算法驱动CNC技术就只能这样一直走下去。

计算机系统的一个基本问题是，协调计算速度与存储空间之间的关系，时间换空间与空间换时间则是处理这个问题的两种最基本的技术手段。

所谓时间换空间就是牺牲速度以节省存储空间。所谓空间换时间就是增加存储空间以提高速度。

时间是现有算法驱动CNC技术的系统参数，不是自由变量，不能调整。插补算法则进一步将时间与空间强耦合。这种技术方案的实质是时间换空间，以节省存储空间。

在CNC技术的早期，计算机的硬件资源极为昂贵，为节省存储空间，采用插补算法无疑是最佳选择。然而，大规模/超大规模集成电路飞速发展，大容量/超大容量存储器已极为便宜，其价格已低至可忽略不计。

在计算机领域，处理时间的技术手段是最简单的，只是简单的定时技术而已。处理空间的技术手段也是最简单的，只是存储空间的线性扩展。

由此可见，由于现有算法驱动CNC技术将时间与空间强耦合，一方面丧失了处理时间的最简单的技术手段，另一方面又不能追随存储器技术的发展，导致无法与时俱进。

大数据对人类生产方式、生活方式乃至思维方式将产生前所未有的深刻影响。

对于许多技术领域，大数据的观念为之提供了前所未有的、深刻的、全面的洞察能力。

大数据是新一轮的技术革命。传统理论与传统技术必须面对大数据时代所导致的观念变革。自动控制理论与自动控制技术亦然。

有别于现有算法驱动CNC技术，本申请基于大数据控制原理，提出一种数据驱动(data-driven)CNC新技术。

发明内容

CNC系统的基本任务是制造多轴系统期望运动轨迹所需要的NC数据。

所谓NC数据包括联动轴的离散位置数据与离散时间数据。

对于多轴系统，特别是复杂多轴系统，其离散位置数据之总和与其离散时间数据之总和都十分庞大，本申请视为一种大数据，即数字控制大数据，简称NC大数据。

多轴系统的实时过程的核心是期望运动轨迹的实时控制，联动轴的运动精度与运动平稳性是两个基本问题。

本申请将NC数据制造系统所制造的NC数据进行精加工以实现其最优化，重构其存储结构以实现实时控制过程的最优化，生成TB级的NC大数据，并储存在NC大数据存储器中。

从NC大数据中识别新关系，从NC大数据中获得新观念。新观念必然导致新原理与新技术。

大数据控制原理表明，传统的自动控制理论与传统的自动控制技术必须面对大数据时代所导致的观念变革。

基于大数据控制原理，对多轴系统期望运动轨迹的实时控制，本申请提出一种大数据时代的数据驱动CNC技术。

本申请的技术方案如下。

一种计算机数字控制方法，用于实时控制多轴系统期望运动轨迹；其特征在于，储存在NC大数据存储器中的所述期望运动轨迹的NC大数据通过联动接口驱动所述多轴系统的坐标轴联动，实时控制所述多轴系统的运动过程；

所述NC大数据包括联动映像δD_i(i＝1、…、n)、控制节律δt_i(i＝1、…、n)、状态字；

所述联动映像用于指定联动轴的离散位置数据；

所述控制节律用于指定所述联动映像之间的时间间隔，以控制所述联动轴的运动速度；所述联动轴为实时联动的坐标轴；

所述状态字用于指定所述联动轴及其运动方向，包括联动状态字与方向状态字；所述联动状态字用于指定所述联动轴，所述方向状态字用方向符号指定所述联动轴的运动方向；所述方向符号为1，所述联动轴的运动方向为正向，所述方向符号为0，所述联动轴的运动方向为负向；

所述联动接口为所述联动映像与所述联动状态字共同控制的并行接口，用于向所述联动状态字指定的联动轴发送联动命令；所述联动命令为所述联动映像与所述联动状态字共同控制的一组并行同步脉冲，用于控制所述联动轴的起点同步；

所述计算机数字控制方法包括NC大数据制造步骤(1)、NC大数据的存储结构重构步骤(2)、NC大数据文件生成步骤(3)、NC大数据文件发送步骤(4)、NC大数据驱动步骤(5)；

所述NC大数据制造步骤(1)用于制造NC大数据；所述步骤(1)包括联动轴的离散位置数据生成步骤(1-1)、控制节律生成步骤(1-2)；

所述联动轴的离散位置数据生成步骤(1-1)用于将所述期望运动轨迹离散为n个离散点序列，生成所述联动轴的离散位置数据δD_i(i＝1、…、n)；所述离散位置数据的分量记为(δd₁、…δd_j、…、δd_ki)，其中，j＝1、…、k_i，k_i为所述分量中联动轴的个数，δd_j的坐标值为1或0；所述步骤(1-1)包括下述步骤：

步骤(1-1-1)：按照用户指定的优化目标与所述期望运动轨迹，将所述期望运动轨迹离散为所述离散点序列，计算所述期望运动轨迹的第1个离散点的k₁个坐标值；

步骤(1-1-2)：依存储地址的顺序，将k₁个坐标值分别存储在k₁个数据区中；

步骤(1-1-3)：重复所述步骤(1-1-1)至所述步骤(1-1-2)，直至所述期望运动轨迹的第n个离散点，计算所述期望运动轨迹的第n个离散点的k_n个坐标值；

步骤(1-1-4)：按照n个离散点的顺序，生成所述联动轴的离散位置数据δD_i(i＝1、…、n)；

所述控制节律生成步骤(1-2)用于生成所述控制节律δt_i(i＝1、…、n)；所述步骤(1-2)包括下述步骤：

步骤(1-2-1)：按照主动轴的离散位置数据与用户指定的主动轴运动速度V，生成主动轴的初始离散时间数据，记为δt′₁、…、δt′_i、…、δt′_n；

按照加减速要求，将所述初始离散时间数据划分为加速段、匀速段与减速段，确定所述加速段的终点与所述减速段的起点；对应地，将其他联动轴的离散时间数据划分为加速段、匀速段与减速段；所述主动轴为离散位置数据全为“1”的联动轴；

步骤(1-2-2)：基于所述主动轴匀速段的离散时间数据δt′_i，校核所述用户指定的主动轴运动速度V；如果(1/δt′_i)不等于V，调整所述用户指定的主动轴运动速度V；重复所述步骤(1-2-1)；

步骤(1-2-3)：按照运动平稳性约束条件，改变加速度或减速度，调整随动轴离散时间数据加速段的终点与减速段的起点，以满足所述运动平稳性约束条件；所述随动轴为离散位置数据中“1”的个数最少的联动轴；

步骤(1-2-4)：逐点精修所述初始离散时间数据δt′₁、…、δt′_i、…、δt′_n，生成所述控制节律δt_i(i＝1、…、n)；

步骤(1-2-5)：依存储地址的顺序，将所述控制节律存储在随动表的n个字节中；

所述NC大数据的存储结构重构步骤(2)用于重构所述离散位置数据δD_i(i＝1、…、n)在存储空间的存储结构，生成所述联动映像δD_i(i＝1、…、n)与联动表；所述步骤(2)包括下述步骤：

步骤(2-1)：对于第1个离散位置数据δD₁(δd₁、…δd_j、…、δdk₁)，从其k₁个数据区中读出k₁个分量，依所述联动状态字指定的状态，将所述k₁个分量按位存储在同一个字节的k₁个位中，将剩余的(k-k₁)个位全置为“0”，生成第1个联动映像δD₁(δd₁、…、δd_k)，其中，k₁为所述第1个离散位置数据中联动轴的个数，k为所述多轴系统中坐标轴的个数；

步骤(2-2)：重复所述步骤(2-1)，直至第n个离散位置数据δD_n，生成第n个联动映像δD_n(δd₁、…、δd_k)；

步骤(2-3)：依存储地址的顺序，将所述联动映像δD_i(i＝1、…、n)存储在n个字节中；

步骤(2-4)：将所述n个字节分为若干子表，以数字序号标识；每个子表中的联动轴相同，每个子表中所述联动轴的运动方向相同；在每个子表的顶部添加所述联动状态字与所述方向状态字，生成所述联动表；

步骤(2-5)：对应地，将所述随动表的n个字节分为若干子表，以数字序号标识；

所述NC大数据文件生成步骤(3)用于生成NC大数据文件；所述步骤(3)包括下述步骤：

步骤(3-1)：对于所述联动表的所有子表，生成所述联动表的所有子表的地址目录；所述地址目录包括每子表的联动表首地址；所述联动表首地址用于从所述联动表的每个子表中读取所述联动状态字、所述方向状态字、所述联动映像；

步骤(3-2)：对于所述随动表的所有子表，生成所述随动表的所有子表的地址目录；所述地址目录包括每个子表的随动表首地址与末地址；所述随动表首地址用于从所述随动表的每个子表中读取所述控制节律；所述随动表末地址用于所述期望运动轨迹的终点控制；

步骤(3-3)：将所述联动表的所有子表、所述随动表的所有子表、所述联动表的所有子表的地址目录、以及所述随动表的所有子表的地址目录合并，生成所述NC大数据文件；

所述NC大数据文件发送步骤(4)用于通过串行接口向所述数据驱动器发送所述NC大数据文件；所述步骤(4)包括下述步骤：

步骤(4-1)：所述NC大数据文件通过所述串行接口发送给所述数据驱动器；

步骤(4-2)：所述数据驱动器通过所述串行接口接收所述NC大数据文件；

步骤(4-3)：所述数据驱动器将所述NC大数据文件存储在所述NC大数据存储器中；

所述NC大数据驱动步骤(5)用于所述数据驱动器通过所述联动接口向伺服驱动器发送所述联动映像与所述方向符号，所述伺服驱动器接收与执行所述联动映像与所述方向符号，驱动所述联动轴联动；所述步骤(5)包括下述步骤：

步骤(5-1)：所述数据驱动器从所述地址目录中读取所述联动表第1个子表的首地址，写入数据指针；

根据所述数据指针，所述数据驱动器从所述联动表的第1个子表中读取第1个联动状态字，写入联动寄存器；

根据所述数据指针，所述数据驱动器从所述联动表第1个子表中读取第1个方向状态字，写入方向寄存器；

根据所述数据指针，所述数据驱动器从所述联动表第1个子表中读取第1个联动映像，写入联动映像寄存器；

步骤(5-2)：所述数据驱动器从所述地址目录中读取所述随动表第1个子表的首地址，写入节律指针；

根据所述节律指针，所述数据驱动器从所述随动表的第1个子表中读取第1个控制节律，并写入节律定时器；

所述节律定时器中的定时时间到，通过所述联动接口，向所述第1个联动状态字指定的伺服驱动器发送所述联动命令与所述第1个方向状态字指定的所述方向符号；

所述伺服驱动器响应所述联动命令所产生的中断请求，将所述联动映像与所述方向符号写入位置环，驱动所述联动轴联动；

步骤(5-3)：所述数据指针加1，所述节律指针加1，重复所述步骤(5-1)至所述步骤(5-2)，直至所述节律指针指向所述随动表第1个子表的末地址；

步骤(5-4)：所述数据指针加1，所述节律指针加1，重复所述步骤(5-1)至所述步骤(5-3)，直至所述节律指针指向所述随动表最后1个子表的末地址。

进一步地，所述计算机数字控制方法，其特征还在于，对于X/Y/Z三轴系统，所述步骤(1-1)用于将所述X/Y/Z三轴系统期望运动轨迹离散为离散点序列，生成所述联动轴的离散位置数据δD_i(i＝1、…、3)，其分量δd_x、δd_y、δd_z的坐标值为1或0；所述步骤(1-1-1)至步骤(1-1-4)由以下步骤替代：

步骤(1-1-1b)：在X/Y离散坐标系中，从所述三轴系统期望运动轨迹的起点开始，沿允许运动方向运动一个离散标度，分别到达两个不同的格点，按照用户指定的优化目标，确定第1个离散点，生成所述三轴系统期望运动轨迹的第1个离散点的x坐标值与y坐标值；

步骤(1-1-2b)：在X/Z离散坐标系中，重复所述步骤(1)，生成所述第1个离散点的z坐标值；

步骤(1-1-3b)：依存储地址的顺序，将所述第1个离散点的x、y、z三个坐标值分别存储在x、y、z三个数据区中；

步骤(1-1-4b)：重复所述步骤(1)至所述步骤(3)，直至所述三轴系统期望运动轨迹的第n个离散点，生成所述三轴系统期望运动轨迹的第n个离散点的x坐标值与y坐标值；

步骤(1-1-5b)：按照n个离散点的顺序，生成所述联动轴的离散位置数据δD_i(i＝1、…、3)。

进一步地，所述计算机数字控制方法，其特征还在于，在所述步骤(1-2)中，所述加减速要求包括S曲线加减速、指数加减速和三次/四次多项式加减速；所述运动平稳性约束条件包括运动速度跳变量、加速度跳变量。

进一步地，所述计算机数字控制方法，其特征还在于，包括确定性误差补偿步骤，所述确定性误差补偿步骤在所述NC大数据制造步骤(1)之后与所述NC大数据的存储结构重构步骤(2)之前，用于补偿所述多轴系统的确定性误差；

按照所述确定性误差的分布、所述确定性误差的正负、所述确定性误差在所述联动轴的离散位置数据中的具体位置，增加或减少所述联动轴的离散位置数据；

所述确定性误差包括反向间隙、螺距误差、不垂直度误差、不平行度误差、热变形误差。

一种计算机数字控制系统，用于实时控制多轴系统期望运动轨迹；其特征在于，储存在NC大数据存储器中的所述期望运动轨迹的NC大数据通过联动接口驱动所述多轴系统的坐标轴联动，实时控制所述多轴系统的运动过程；

所述计算机数字控制系统包括NC大数据制造系统(10)、串行接口(20)、数据驱动器(30)、联动接口(40)；

所述NC大数据制造系统(10)用于制造NC大数据，并生成NC大数据文件；所述NC大数据制造系统包括NC大数据制造模块(1)、NC大数据的存储结构重构模块(2)、NC大数据文件生成模块(3)、NC大数据文件发送模块(4)；

所述NC大数据包括联动映像δD_i(i＝1、…、n)、控制节律δt_i(i＝1、…、n)、状态字；

所述联动映像用于指定联动轴的离散位置数据；

所述控制节律用于指定所述联动映像之间的时间间隔，以控制所述联动轴的运动速度；所述联动轴为实时联动的坐标轴；

所述状态字用于指定所述联动轴及其运动方向，包括联动状态字与方向状态字；所述联动状态字用于指定所述联动轴，所述方向状态字用方向符号指定所述联动轴的运动方向；所述方向符号为1，所述联动轴的运动方向为正向，所述方向符号为0，所述联动轴的运动方向为负向；

所述NC大数据制造系统(10)通过所述串行接口(20)与所述数据驱动器连接(30)；

所述数据驱动器(30)包括NC大数据存储器(6)、NC大数据驱动模块(5)；

所述NC大数据存储器(6)用于存储所述NC大数据文件；所述NC大数据存储器包括联动表、随动表、地址目录；所述联动表用于存储所述状态字、所述联动映像，所述随动表用于存储所述控制节律；所述地址目录用于存储所述联动表的首地址、所述随动表的首地址与末地址；

所述NC大数据驱动模块(5)用于根据所述控制节律与所述状态字，向伺服驱动器发送所述联动映像，驱动所述坐标轴联动；所述NC大数据驱动模块包括数据指针、联动寄存器、方向寄存器、联动映像寄存器、节律指针、节律定时器；

所述数据指针用于读取所述联动表中的所述状态字与所述联动映像；所述联动寄存器用于寄存所述联动状态字；所述方向寄存器用于寄存所述方向状态字；所述联动映像寄存器用于寄存所述联动映像；所述节律指针用于读取所述随动表中的所述控制节律；所述节律定时器用于寄存所述控制节律；

所述联动接口(40)为所述联动映像寄存器与所述联动寄存器共同控制的并行接口，用于向所述联动状态字指定的坐标轴发送联动命令；所述联动命令为所述所述联动映像寄存器与所述联动寄存器共同控制的一组并行同步脉冲，用于控制所述坐标轴的起点同步；

所述数据驱动器(30)通过所述联动接口(40)与控制所述坐标轴的伺服驱动器连接；

所述NC大数据制造模块(1)用于制造NC大数据；所述NC大数据制造模块(1)包括联动轴的离散位置数据生成模块(1-1)、控制节律生成模块(1-2)；

所述联动轴的离散位置数据生成模块(1-1)用于将所述期望运动轨迹离散为n个离散点序列，生成所述联动轴的离散位置数据δD_i(i＝1、…、n)；所述离散位置数据的分量记为(δd₁、…δd_j、…、δd_ki)，其中，j＝1、…、k_i，k_i为所述分量中联动轴的个数，δd_j的坐标值为1或0；进而包括下述步骤：

步骤(1-1-1)：按照用户指定的优化目标与所述期望运动轨迹，将所述期望运动轨迹离散为所述离散点序列，计算所述期望运动轨迹的第1个离散点的k₁个坐标值；

步骤(1-1-2)：依存储地址的顺序，将k₁个坐标值分别存储在k₁个数据区中；

步骤(1-1-3)：重复所述步骤(1-1-1)至所述步骤(1-1-2)，直至所述期望运动轨迹的第n个离散点，计算所述期望运动轨迹的第n个离散点的k_n个坐标值；

步骤(1-1-4)：按照n个离散点的顺序，生成所述联动轴的离散位置数据δD_i(i＝1、…、n)；

所述控制节律生成模块(1-2)用于生成所述控制节律δt_i(i＝1、…、n)；进而包括下述步骤：

步骤(1-2-1)：按照主动轴的离散位置数据与用户指定的主动轴运动速度V，生成主动轴的初始离散时间数据，记为δt′₁、…、δt′_i、…、δt′_n；

按照加减速要求，将所述初始离散时间数据划分为加速段、匀速段与减速段，确定所述加速段的终点与所述减速段的起点；对应地，将其他联动轴的离散时间数据划分为加速段、匀速段与减速段；所述主动轴为离散位置数据全为“1”的联动轴；

步骤(1-2-2)：基于所述主动轴匀速段的离散时间数据δt′_i，校核所述用户指定的主动轴运动速度V；如果(1/δt′_i)不等于V，调整所述用户指定的主动轴运动速度V；重复所述步骤(1-2-1)；

步骤(1-2-3)：按照运动平稳性约束条件，改变加速度或减速度，调整随动轴离散时间数据加速段的终点与减速段的起点，以满足运动平稳性约束条件；所述随动轴为离散位置数据中“1”的个数最少的联动轴；

步骤(1-2-4)：逐点精修所述初始离散时间数据δt′₁、…、δt′_i、…、δt′_n，生成所述控制节律δt_i(i＝1、…、n)；

步骤(1-2-5)：依存储地址的顺序，将所述控制节律δt_i(i＝1、…、n)存储在随动表的n个字节中；

所述NC大数据的存储结构重构模块(2)用于重构所述离散位置数据δD_i(i＝1、…、n)在存储空间的存储结构，生成所述联动映像δD_i(i＝1、…、n)与联动表；进而包括下述步骤：

步骤(2-1)：对于第1个离散位置数据δD₁(δd₁、…δd_j、…、δd_k1)，从其k₁个数据区中读出k₁个分量，依所述联动状态字指定的状态，将所述k₁个分量按位存储在同一个字节的k₁个位中，将剩余的(k-k₁)个位全置为“0”，生成第1个联动映像δD₁(δd₁、…、δd_k)，其中，k₁为所述第1个离散位置数据中联动轴的个数，k为所述多轴系统中坐标轴的个数；

步骤(2-2)：重复所述步骤(2-1)，直至第n个离散位置数据δD_n，生成第n个联动映像δD_n(δd₁、…、δd_k)；

步骤(2-3)：依存储地址的顺序，将所述联动映像δD_i(i＝1、…、n)存储在n个字节中；

步骤(2-4)：将所述n个字节分为若干子表，以数字序号标识；每个子表中的联动轴相同，每个子表中所述联动轴的运动方向相同；在每个子表的顶部添加所述联动状态字与所述方向状态字，生成所述联动表；

步骤(2-5)：对应地，将所述随动表的n个字节分为若干子表，以数字序号标识；

所述NC大数据文件生成模块(3)用于生成所述NC大数据文件；进而包括下述步骤：

步骤(3-1)：对于所述联动表的所有子表，生成所述联动表的所有子表的地址目录；所述地址目录包括每子表的联动表首地址；所述联动表首地址用于从所述联动表的每个子表中读取所述联动状态字、所述方向状态字、所述联动映像；

步骤(3-2)：对于所述随动表的所有子表，生成所述随动表的所有子表的地址目录；所述地址目录包括每个子表的随动表首地址与末地址；所述随动表首地址用于从所述随动表的每个子表中读取所述控制节律；所述随动表末地址用于所述期望运动轨迹的终点控制；

步骤(3-3)：将所述联动表的所有子表、所述随动表的所有子表、所述联动表的所有子表的地址目录、以及所述随动表的所有子表的地址目录合并，生成所述NC大数据文件；

所述NC大数据文件发送模块(4)用于通过串行接口向所述数据驱动器发送所述NC大数据文件；进而包括下述步骤：

步骤(4-1)：所述NC大数据制造系统将所述NC大数据文件通过串行接口发送给所述数据驱动器；

步骤(4-2)：所述数据驱动器通过所述串行接口接收所述NC大数据文件；

步骤(4-3)：所述数据驱动器将所述NC大数据文件存储在所述NC大数据存储器中；

所述NC大数据驱动模块(5)用于所述数据驱动器通过所述联动接口向所述伺服驱动器发送所述联动映像与所述方向符号，所述伺服驱动器接收与执行所述联动映像与所述方向符号，驱动所述联动轴联动；进而包括下述步骤：

步骤(5-1)：所述数据驱动器从所述地址目录中读取所述联动表第1个子表的首地址，写入所述数据指针；

根据所述数据指针，所述数据驱动器从所述联动表的第1个子表中读取第1个联动状态字，写入所述联动寄存器；

根据所述数据指针，所述数据驱动器从所述联动表第1个子表中读取第1个方向状态字，写入所述方向寄存器；

根据所述数据指针，所述数据驱动器从所述联动表第1个子表中读取第1个联动映像，写入所述联动映像寄存器；

步骤(5-2)：所述数据驱动器从所述地址目录中读取所述随动表第1个子表的首地址，写入所述节律指针；

根据所述节律指针，所述数据驱动器从所述随动表的第1个子表中读取第1个控制节律，并写入所述节律定时器；

所述节律定时器中的定时时间到，通过所述联动接口，向所述联动寄存器指定的伺服驱动器发送所述联动命令、以及所述方向寄存器指定的所述方向符号；

所述伺服驱动器响应所述联动命令所产生的中断请求，将所述联动映像与所述方向符号写入位置环，驱动所述联动轴联动；

步骤(5-3)：所述数据指针加1，所述节律指针加1，重复所述步骤(5-1)至所述步骤(5-2)，直至所述节律指针指向所述随动表第1个子表的末地址；

步骤(5-4)：所述数据指针加1，所述节律指针加1，重复所述步骤(5-1)至所述步骤(5-3)，直至所述节律指针指向所述随动表最后1个子表的末地址。

进一步地，所述计算机数字控制系统，其特征还在于：所述多轴系统为串联多轴系统、并联多轴系统、串并混联多轴系统、机器人、3D打印机、无人飞行器。

进一步地，所述计算机数字控制系统，其特征还在于：所述NC大数据制造系统通过物联网与所述数据驱动器连接。

进一步地，所述计算机数字控制系统，其特征还在于：所述NC大数据制造系统还包括确定性误差补偿模块；所述确定性误差补偿模块用于补偿确定性误差；所述确定性误差包括反向间隙、螺距误差、不垂直度误差、不平行度误差、热变形误差；

对于所述多轴系统的确定性误差，按照所述确定性误差的分布、所述确定性误差的正负、以及所述确定性误差在所述联动轴的离散位置数据中的具体位置，增加或减少所述联动轴的离散位置数据。

进一步地，所述计算机数字控制系统，其特征还在于：所述联动轴的联动映像为增量型联动映像，记为△D_j(j＝1、…、s)，用粗粒度予以限定；所述控制节律，记为△t_j(j＝1、…、s)，为所述粗粒度所指定的δt_i之和；微调每个△t_j，以改善联动轴的运动平稳性；所述粗粒度为△D_j中所包含的δD_i的个数；所述粗粒度为用户参数；对应地，所述粗粒度为所述伺服驱动器的伺服参数。

与现有算法驱动CNC技术对比，本申请提出的数据驱动CNC技术具有下述显著有益效果：

1、创新可分为原理创新、技术创新和产品创新三个层次。

本申请首创大数据控制原理，基于大数据控制原理，提出数据驱动CNC技术，重建了CNC的基础理论与基础技术，首次将大数据的观念应用于自动控制理论与制造业，首创大数据在科学与工程方面的应用。

现有算法驱动CNC技术基于插补控制原理，插补算法不只是一种实时计算方法，更是一种实时控制方法。这是一种在实时操作系统掌控下由算法驱动的极为复杂的实时控制技术。现有算法驱动CNC系统因之成为一个庞大而复杂的中断系统。

插补算法的计算精度与计算速度在本质上决定了现有算法驱动CNC系统的整体性能与可靠性，决定了NC数据的品质，是现有算法驱动CNC技术体系中的核心技术。因而，日本的OSEC计划(Open System Environment for Controller)认为，没有先进的控制算法的下一代CNC系统只是进化性的，非革命性的。

纵观历史，几乎所有伟大的变革都是由观念的变革引起的。只有进行观念创新，才能导致理论创新与技术创新。

插补算法作为一种实时控制算法，必然将非实时控制过程与实时控制过程紧密耦合在一起，将离散位置数据与离散时间数据紧密耦合在一起，实时生成、发送、执行NC数据。这样一来，现有算法驱动CNC技术无法产生NC大数据，无法洞察NC大数据中的关系，更无法转变插补控制的旧观念，接受大数据控制的新观念。

基于大数据控制的新观念，数据驱动CNC技术将非实时控制过程与实时控制过程分离，将离散位置数据与离散时间数据分离，取消了现有算法驱动CNC技术中插补算法的实时计算功能与实时控制功能，将插补算法视为诸多离散算法中的一种。因而，插补算法不再是实时计算方法，更不是实时控制算法，不再成为CNC的核心技术。

在数据驱动CNC技术中，期望运动轨迹的实时控制过程完全取决于NC大数据，无须任何控制算法。

数据驱动CNC技术用最简单、最可靠的技术手段解决了期望运动轨迹的实时控制问题，完全消除了现有算法驱动CNC技术受制于控制算法、芯片速度、实时操作系统与开发平台的技术瓶颈，将现有算法驱动CNC技术中的几乎所有的关键技术与尖端技术统统简化为常规技术。

现有算法驱动CNC技术能做的，数据驱动CNC技术都能做，且精度更好、速度更快、可靠性更高，现有算法驱动CNC技术不能做的，数据驱动CNC技术更能做。

综上所述，本申请提出的数据驱动CNC技术是一种实时性最好、最简单、最可靠的革命性的CNC技术，是大数据时代的实时控制技术。

2、基于大数据控制原理，本申请重新审视离散位置数据在存储空间的存储结构，提出实时控制过程最优化的问题。

重构后的联动映像完全消除了离散位置数据发送过程中的冗余时间，完全实现了实时控制过程最优化，显著提高了多轴系统的运动速度与实时性。

3、加减速控制是CNC技术中的关键技术，国际生产工程学会(CIRP)将其确定为21世纪的中心研究方向之一。

大数据控制原理发现，现有加减速控制的技术原理是错误的。

现有加减速控制技术基于算法驱动，采用牛顿运动学处理联动轴的离散运动，忽视了期望运动轨迹的数字映像是与运动速度无关的离散几何不变量，并基于插补控制算法，将时间与空间强耦合，时间被插补周期锁定为系统参数，从而完全掩盖了控制节律的结构与运动平稳性之间的本质联系。

基于基础原理的失误，现有加减速控制技术完全迷失了方向，成为21世纪的所谓中心研究方向。

数据驱动CNC技术发现，运动平稳性完全取决于控制节律的结构，调整控制节律的结构是处理运动平稳性的唯一技术乎段。

数据驱动CNC技术将NC大数据的时空结构分离，时间成为自由变量。因而，对于给定的期望运动轨迹与运动速度，数据驱动CNC技术将运动平稳性简化为生成与调整控制节律的简单问题，加减速控制技术随之简化为一种简单的、精细化的、开放的、大众化的常规技术，显著改善了多轴系统的运动平稳性。

4、动态时滞导致终点不同步必然产生累积轮廓误差，这是现有算法驱动CNC技术难以处理的问题。

基于数据驱动，本申请提出一种最简单、最可靠、最高精度、最高速度的同步机制以实现起点同步。

本申请提出的步进型数据驱动CNC系统与增量型数据驱动CNC系统可显著降低甚至消除动态时滞对终点同步的影响，显著减小终点不同步所导致的累积轮廓误差。

5、控制模型、控制算法、开发平台的易用性是现有算法驱动CNC技术体系的核心技术。

本申请提出的数据驱动CNC技术具有控制算法无关性、控制模型无关性、开发平台无关性、操作系统无关性，将现有算法驱动CNC技术体系中的控制模型、控制算法、开发平台三项核心技术简化为常规技术，显著降低了CNC技术的开发门槛与应用门槛。

6、用数据说话。高质量的数据才是最本质的数字控制资源。

真实性、不变性、完整性、独立性、精密性、时空分离性、开放性是NC大数据的七个本质特征。

NC大数据的七个本质特征说明，最优化的NC大数据必将成为一种新商品，并催生一个新产业，即数字控制数据制造业。

7、本申请中的NC大数据可在云端制造。

NC大数据制造系统通过物联网与数据驱动器连接，用户只须将期望运动轨迹的相关技术文件上传云端，在云端制造期望运动轨迹的NC大数据后，再下传给用户指定的数据驱动器，并在云端对这些数据进行分析和可视化处理，实现CNC系统的实时监控、调整和优化，提升了CNC系统的运行效率。

8、本申请提出的数据驱动CNC技术完全适应大数据、云计算与物联网，易于实现互联网+的商业模式，从而为CNC系统的智能化与制造业的智能化奠定了坚实的基础，为CNC技术的“大众创业、万众创新”奠定了坚实的基础。

附图说明

图1为期望运动轨迹中一条线段的最优离散点序列示意图；

图2为具体实施方式中的一种计算机数字控制系统的体系结构示意图；

图3为图2中NC大数据制造系统的内部模块图；

图4为图2中数据驱动器的内部模块图。

具体实施方式

多轴系统需要什么样的NC数据？这是从多轴系统的角度提问题。显然，在这里，重要的是，NC数据之间的关系如何？NC数据之间的关系如何影响多轴系统的实时控制过程？

在现有算法驱动CNC技术体系中，关注的问题是，CNC系统可以制造什么样的NC数据？采取什么样的技术手段制造NC数据？这是从CNC系统的角度提问题。

显然，提问题的角度不同，也就是观念不同，答案也不同。

从多轴系统的角度来看，一个基本事实是，多轴系统所需要的NC数据只是离散时间数据掌控下的离散位置数据，涉及联动轴的运动精度与运动平稳性这两个基本问题。

多轴系统所需要的离散位置数据与离散时间数据是高达数百GB甚至TB级的数字控制大数据，称之为NC大数据。

现代计算机基于冯·诺伊曼结构，其本质有二。一是用最快的速度做最简单的事，二进制算术运算与二进制逻辑运算无疑是最简单的运算。二是“存储程序控制”，程序被事先存储，先存后用。

大数据最重要的本质是，大数据被事先存储，通过计算机处理，以发现大数据中隐藏的新关系。

更为重要的是，从大数据的新关系中获得新观念，掌握认识事物的新规律。新观念与新规律往往导致新原理与新技术。

本申请基于大数据的本质，针对计算机数字控制领域，将“存储程序控制”推广为“存储数据控制”，提出大数据控制的新原理。

大数据控制原理研究曲线的数字映像，NC大数据之间的关系，NC大数据的存储结构，以及NC大数据在其制造过程(NC大数据的生成过程、分配过程、发送过程、执行过程)中的运动规律。

大数据控制原理基于下述原则：

1、存储数据控制

用数据说话。高质量的NC大数据才是最本质的数字控制资源。

所谓“存储数据控制”，指的是，高质量的NC大数据被事先存储，先存后用。

2、控制流程

计算机数字控制不是一个对象，而是一个过程。

大数据控制原理将NC大数据看作一种产品，进而将制造NC大数据的工艺流程划分为NC大数据制造过程、NC大数据分配过程、NC大数据发送过程、NC大数据执行过程，称之为控制流程。

大数据控制按照控制流程来配置控制资源。

3、过程分离与时空分离

非实时控制过程与实时控制过程分离称为过程分离。

离散位置数据与离散时间数据分离称为时空分离。

基于两种分离，大数据控制原理以最简单的技术手段、最快的速度、最好的实时性与最高的可靠性完成实时控制过程。

4、起点同步与终点同步

CNC的实质问题就是联动轴的两点同步，即联动轴同时启动与同时停止，前者称之为起点同步，后者称之为终点同步。

5、NC大数据的本质特征

NC大数据具有真实性、不变性、完整性、独立性、精密性、时空分离性、开放性。这是NC大数据的七个本质特征。

所谓真实性指的是，NC大数据是储存在大数据器中的真实的物理实体。

所谓不变性指的是，NC大数据中的离散位置数据，是与运动速度无关的离散几何不变量。

所谓完整性指的是，NC大数据包含了实时控制期望运动轨迹所需要的全部数据。

所谓独立性指的是，NC大数据是独立的物理实体，与NC大数据的制造方法、制造算法、控制模型、开发平台无关，具有算法无关性、模型无关性、开发平台无关性；NC大数据还与NC大数据的制造过程无关，具有过程无关性。

所谓精密性指的是，可以采用种种技术手段对NC大数据进行精加工，实现NC大数据的最优化，实现NC大数据的实时控制过程的最优化。

所谓时空分离性指的是，离散位置数据与离散时间数据分离。

对于给定的运动轨迹，NC大数据中的离散位置数据完全确定了联动轴的运动精度。对于给定的运动轨迹与运动速度，NC大数据中的离散时间数据完全确定了联动轴的运动平稳性。

所谓开放性指的是，NC大数据是完全透明的，无须任何算法便可直接修改，对用户是开放的。

6、时间是自由变量

时序性是过程的内禀属性。

在计算机中，时间的控制是最简单的。时间释放为自由变量，必然为过程的实时控制提供一种最简单、最可靠的技术手段。

大数据控制要求，必须从NC大数据中识别新关系，从NC大数据中获得新观念。新观念必然导致新原理与新技术。

NC大数据提出了一个新观念，即期望运动轨迹的实时控制过程最优化及其实现方法。

所谓实时控制过程最优化指的是，NC大数据的发送速度最优化，伺服驱动器接收NC大数据的速度最优化，NC大数据的发送过程与接收过程的可靠性最优化。

期望运动轨迹的实时控制过程最优化取决于NC大数据在存储空间的存储结构。本申请重新审视NC大数据的存储结构，以适应期望运动轨迹的实时控制过程。

本申请的技术方案如下。

一、制造NC大数据

计算机编程经历了从面向过程编程到面向对象编程的变革，深刻影响了所有应用软件系统，CNC系统也不例外。

然而，CNC系统中的数字控制是一个过程，而不是对象。对数字控制而言，过程比对象更具本质特征。

将NC大数据看作一种产品，可将NC大数据的制造过程划分为NC大数据制造过程、NC大数据分配过程、NC大数据发送过程、NC大数据执行过程，称之为控制流程，并按照控制流程来配置控制资源。

NC大数据的控制流程极为清晰地揭示了，哪些过程必须是实时的，哪些过程可以是非实时的。

一个基本事实是，期望运动轨迹由用户指定，是确定性的。因而，联动轴的离散位置数据是与联动轴的运动速度无关的离散几何不变量。因而，NC大数据的制造过程并非实时过程，只有NC大数据的发送与执行过程才是实时过程。

基于非实时控制过程与实时控制过程分离，本申请采用NC大数据制造系统来制造NC大数据。

对于复杂多轴系统，任何复杂的运动关系都是常规的数学计算问题，都不是问题。问题在于，对于曲线上的点，必然有多个映像。为了寻找最优离散点，势必进行多次计算与比较，计算复杂度高，必然耗费数倍的时间。现有算法驱动CNC技术受制于插补周期，在1个插补周期内难以完成计算复杂度高的多次实时计算与比较，以获得坐标轴的最优离散位置数据。

本申请将非实时控制过程与实时控制过程分离，离散位置数据的实时计算问题便转化非实时的规划问题，从而将离散位置数据的问题简化为最简单的常规技术。

X/Y/Z三轴系统是所有复杂多轴系统的基础。不失一般性，本申请基于X/Y/Z三轴系统及其步进型CNC系统，以便更清楚地说明制造NC大数据的技术方案。

数字化就是离散化。数字化用离散量代替连续量。

在X/Y/Z坐标系中，期望运动轨迹表示为一条曲线。以一定的离散误差将该曲线离散为离散点序列。这种预先设定的允许的离散误差称为离散标度。对于高精度的期望运动轨迹，离散标度一般为1μm。

以离散标度将坐标轴离散，相互之间的距离等于离散误差的平行线将X/Y坐标平面网格化。由此建立的坐标系称之为正交离散坐标系。

如图1所示的X/Y正交离散坐标系，距离为离散标度的等距线将坐标平面网格化。

彼此平行的等距线之交点称为格点，如图1中的a、b、c等交点。

只有格点才是坐标轴的离散运动所允许的位置。

在CNC系统中，坐标轴的运动方向是受约束的。例如，对于x/y坐标工作台，运动方向为±x方向、±y方向、以及x轴和y轴联动所形成的+x/+y、+x/-y、-x/+y、-x/-y四个方向。这8个运动方向称之为期望运动轨迹的允许运动方向。

图1所示线段OA，期望运动轨迹的运动方位指向东北方位，只有+x方向与+x/+y方向是允许运动方向，其他方向为排斥运动方向。

曲线上的点称为原像，如图1中的m点。

一个格点，如果与曲线的某个原像的距离小于或等于离散误差，则称为该原像的映像，如图1中的b、c、e、f诸点为原像m的映像。

显然，对于曲线上的一个原像，存在多个映像；反之，对于一个映像，在该曲线上则存在多个原像。

对于一个给定的映像，在曲线的允许运动方向上与该曲线的原像的距离小于或等于离散误差的全部映像称之为该映像的邻域。例如，对于映像d，e点与b点为其邻域。

对于给定的曲线，其全部邻域构成一个集合，称之为该曲线的邻域集。

在给定的离散坐标系中，曲线的邻域集及其在离散坐标系中的分布完全取决于该曲线的几何结构与期望运动轨迹的运动方位。

离散化就是数字化。在CNC领域，期望运动轨迹只有两种离散方式，即两种数字映像，离散点序列或首尾相连的微线段。

在曲线的允许运动方向上，离散误差小于或等于离散标度的离散点序列P₁、…、P_i、…、P_n，称之为曲线的步进型数字映像。

在曲线的允许运动方向上，离散误差小于或等于离散标度的首尾相连的微线段称之为曲线的增量型数字映像。

显然，离散点序列是曲线的精细数字映像。

离散点P_i+1相对于离散点P_i的相对坐标值(简称坐标值)或为“0”，或为“1”，对应脉冲的“无”或“有”。

期望运动轨迹为笛卡儿坐标系中的平面曲线或空间曲线。对于多轴联动机床、并联机床等多轴系统，期望运动轨迹为刀具中心的运动轨迹，称之为刀路曲线(tool path)。

众所周知，CAM系统将期望运动轨迹离散为一系列的线段。

不失一般性，将这些线段视为X/Y坐标系中的平面曲线。

如图1所示，线段OA为期望运动轨迹在X/Y离散坐标系中的1条线段，其终点坐标为(15，12)，+x/+y方向与+x方向为允许运动方向。

最优离散点序列P₁、…、P₁₅为线段OA的精细数字映像，d点为离散点p₁₂，e与b为p₁₂的邻域。

表1为X、Y、Z、A、B五轴联动步进型NC数据的示意图。

表1

表1中，时间T被离散为n个区间，即n个离散时间数据：δt_i，其中，i＝1、…、n。

在期望运动轨迹的实时控制过程中，实时联动的坐标轴称之为联动轴。

在每个时间区间δt_i，五轴联动时，X、Y、Z、A、B轴的坐标值为1或0，这种离散位置数据称为联动轴的步进型离散位置数据(简称离散位置数据)，记之为δD_i，以粗黑体表示。

有别于现有算法驱动的CNC技术中的插补周期，离散时间数据δt_i为联动轴的离散位置数据δD_i之间的时间间隔。

在实时控制过程中，联动轴不断改变，有时2轴联动，有时3轴联动，有时4轴联动，有时甚至5轴联动。换言之，δD_i的分量个数等于实时联动的坐标轴的个数，以k_i表示δD_i中联动轴的个数，记之为δD_i(δd₁、…δd_j、…、δd_ki)。每个δd_j的坐标值为1或0，并标识1的正负。

为书写的简便，联动轴的n个离散位置数据之总和δD₁、…、δD_i、…、δD_n，记为δD_i(i＝1、…、n)，其分量为(δd₁、…δd_j、…、δd_ki)，式中，j＝1、…、k_i，k_i为δD_i中联动轴的个数，δd_j的坐标值为1或0。

n个离散时间数据之总和δt₁、…、δt_i、…、δt_n，记为δt_i(i＝1、…、n)，称之为控制节律。

有別于插补周期，控制节律δt_i是不等长的。

联动轴的离散位置数据δD_i(i＝1、…、n)描述联动轴的联动性，用于产生所要求的合成位移。控制节律δt_i(i＝1、…、n)描述联动轴的随动性，用于控制所述合成位移之间的时间间隔，也就是运动速度。

采用联动轴的离散位置数据δD_i(i＝1、…、n)的CNC系统称之为步进型CNC系统。

1、离散位置数据

任何计算方法都会产生计算误差，特别是产生累积误差，导致联动轴的离散位置数据不是最优的。另一方面，现代计算机的体系结构极为复杂，操作系统、数据库系统、高级语言及其编译系统、开发平台及其开发工具等等，构成了NC大数据制造系统的运行环境。在这样一种复杂的运行环境下，对于复杂多轴系统，一般来说，联动轴的离散位置数据不是最优的。

期望运动轨迹是X/Y/Z笛卡儿坐标系中的曲线。众所周知，CAM系统已将其离散为若干平面线段或空间线段。按照用户指定的优化目标，例如离散误差最小，这些平面线段或空间线段可精细地预先规划，离散为最优离散点序列P₁、…、P_i、…、P_n，生成最优离散位置数据δD₁、…、δD_n。

以空间线段为例，以离散误差最小为优化目标，在X/Y/Z离散坐标系中生成期望运动轨迹的最优离散位置数据δD₁、…、δD_n。

设空间线段为OS(15，12，6)，其在X/Y平面与X/Z平面的投影为OS_XY(15，12)，OS_XZ(15，6)。

在X/Y离散坐标系中规划线段OS_XY(15，12)，在X/Z离散坐标系中规划线段OS_XZ(15，6)，从而，得到空间线段OS(15，12，6)的x离散位置数据、y离散位置数据、z离散位置数据：

x离散位置数据：11111 11111 11111

y离散位置数据：11011 11011 11011

z离散位置数据：01010 01010 01010，

或记为：δD₁(1，1，0)、δD₂(1，1，1)、δD₃(1，0，0)、δD₄(1，1，1)、δD₅(1，1，0)、δD₆(1，1，0)、…、δD₁₅(1，1，0)。

X轴的坐标值最大，X轴的离散位置数据全为“1”，X轴为主动轴。

Y轴与Z轴的坐标值小于X轴的坐标值，其离散位置数据必不全为“1”；其中，Z轴的坐标值最小，为随动轴。

由于直线的线性，Y轴与Z轴的离散位置数据是关于主动轴X的离散位置数据的周期分布。

δD₄至δD₇中，z离散位置数据有2个“0”，δD₇至δD₉中，z离散位置数据有1个“0”，运动速度的跳变量最大。

离散位置数据δD_i的个数等于x离散位置数据中“1”的个数，即等于N_x＝15。对应地，离散时间数据δt_i的个数为15。

对于空间线段OS(15，12，6)，上述最优离散位置数据δD₁、…、δD₁₅的生成方法如下。

对于X/Y/Z三轴系统，将其期望运动轨迹离散为离散点序列，生成联动轴的离散位置数据δD_i(i＝1、…、3)，其分量δd_x、δd_y、δd_z的坐标值为1或0；

步骤(1)：在X/Y离散坐标系中，从三轴系统期望运动轨迹的起点开始，沿允许运动方向运动一个离散标度，分别到达两个不同的格点，按照用户指定的优化目标，确定第1个离散点，生成三轴系统期望运动轨迹的第1个离散点的x坐标值与y坐标值；

步骤(2)：在X/Z离散坐标系中，重复所述步骤(1)，生成第1个离散点的z坐标值；

步骤(3)：依存储地址的顺序，将第1个离散点的x、y、z三个坐标值分别存储在x、y、z三个数据区中；

步骤(4)：重复步骤(1)至步骤(3)，直至三轴系统期望运动轨迹的第n个离散点，生成三轴系统期望运动轨迹的第n个离散点的x坐标值与y坐标值；

步骤(5)：按照n个离散点的顺序，生成联动轴的离散位置数据δD_i(i＝1、…、3)。

上述技术方案说明，与现有算法驱动CNC技术相比，数据驱动CNC技术以简单开放的技术手段实现了离散位置数据的最优化。特别是，对于X轴、Y轴、Z轴构成的三轴系统，解决最优离散位置数据的技术方案尤为筒单。2、离散时间数据与运动平稳性

对于不同的线段，用户指定的运动速度往往不同，以及期望运动轨迹的曲率变化，从而联动轴的运动速度与运动方向随之不断改变，伺服电机频繁启动/停止，导致速度频繁突变与加速度频繁突变，甚至加加速度频繁突变，严重影响轴的运动平稳性。因而，加减速控制成为现有CNC技术的关键技术，国际生产工程学会(CIRP)将其确定为21世纪的中心研究方向之一。

联动轴的运动平稳性涉及联动轴的加减速控制。通常，用运动速度跳变量作为运动平稳性的约束条件。对于具体的多轴系统与具体的期望运动轨迹，可将加速度跳变量(减速度跳变量)同时列入运动平稳性的约束条件，甚至将加加速度跳变量也列入运动平稳性的约束条件，视具体的多轴系统及其具体的期望运动轨迹而定。

“走走停停”是离散运动的内禀属性。因而，轴的运动速度、加速度、加加速度均处于不断变动之中。

联动轴的运动平稳性包括两方面。一是校核用户指定的运动速度，以发现并纠正用户可能产生的失误。二是尽可能减小运动速度跳变量，使之不大于允许值(有时，还要求尽可能减小加速度跳变量与减速度跳变量，甚至加加速度跳变量，使之不大于允许值)。

加减速控制要求，对于期望运动轨迹的匀速段，运动速度应尽可能为常量；对于期望运动轨迹的加速段，运动速度应逐渐增大，运动速度跳变量尽可能不变，加速度跳变量尽可能不变；对于期望运动轨迹的减速段，运动速度应逐渐减小，运动速度跳变量尽可能不变，减速度跳变量尽可能不变。其次，要求加速度与减速度尽可能最大化，以缩短加减速时间。

加减速控制一般还要求，对加速段/减速段采用S曲线加减速、指数加减速和三次/四次多项式加减速等，视具体的多轴系统及其具体的期望运动轨迹而定。

对于CNC技术领域，NC大数据的观念提供了前所未有的、深刻的、全面的洞察能力。

现有算法驱动CNC技术通常采用增量型离散位置数据，对应微线段终点的坐标值增量。增量型数字映像并非期望运动轨迹的精细数字映像，从而掩盖了NC大数据中的关系，以及NC大数据与期望运动轨迹的实时控制过程之间的关系。

作为期望运动轨迹的精细数字映像，步进型NC大数据可充分揭示NC大数据中隐藏的关系，以及NC大数据与期望运动轨迹的实时控制过程之间隐藏的关系。

更为重要的是，可从NC大数据中挖掘、认识新关系，从新关系中获得新观念。新观念必然导致新原理与新技术。

从NC大数据的关系中，申请人认识到：

(1)、离散位置数据δD_i(i＝1、…、n)是期望运动轨迹的精细数字映像，是与运动速度无关的离散几何不变量。

(2)、控制节律δt_i(i＝1、…、n)完全确定了联动轴的运动速度及其运动平稳性。

(3)、NC大数据在存储空间的存储结构与期望运动轨迹的实时控制过程密不可分。

对于每个联动轴，其离散时间数据为轴的离散位置数据中相邻的2个“1”之间的时间间隔。由于主动轴的离散位置数据全为“1”，因而，主动轴的运动速度就是(1/δt_i)。

主动轴的运动速度跳变量为：

(1/δt_i-1/δt_i+1)＝(δt_i+1-δδt_i)/δt_iδt_i+1

主动轴的加速度为：

(1/δt_i-1/δt_i+1)/(δt_i-δt_i+1)＝-1/δt_iδt_i+1，

主动轴的加速度跳变量为：

(1/δt_i+1δt_i+2)-(1/δt_iδt_i+1)

对于其他的联动轴，相邻的2个“1”中往往包括若干个“0”。因而，相邻的2个“1”之间的时间间隔为若干个δt_i。换言之，对于其他的联动轴，其离散时间数据并非δt_i，而是由若干个δt_i构成。

对于主动轴，其离散时间数据就是控制节律δt_i(i＝1、…、n)。对于其他的联动轴，每个离散时间数据一般由个数不等的若干个δt_i构成。

联动轴的离散位置数据的结构指的是联动轴的离散位置数据的个数及其“0”、“1”分布。

联动轴的离散时间数据的结构指的是其离散时间中所包含的δt_i的个数。

控制节律的结构指的是δt_i的个数与δt_i所表示的时间值。

以下述X轴的离散位置数据为例，说明离散时间数据的结构：

δt_i：δt₁ δt₂ δt₃ δt₄ δt₅ δt₆ δt₇ δt₈ δt₉ δt₁₀ δt₁₁

δb_i：δb₁ δb₂ δb₃ δb₄ δb₅ δb₆ δb₇ δb₈ δb₉ δb₁₀ δb₁₁

1 0 0 0 1 1 0 0 1 0 1

X轴有11个离散位置数据，其中有5个“1”，6个“0”，不是主动轴。

X轴的离散时间数据有5个，其结构为：

δt₁，(δt₂+δt₃+δt₄+δt₅)，δt₆，(δt₇+δt₈+δt₉)，(δt₁₀+δt₁₁)

X轴的起始运动速度V₀为(1/δt₁)，从δb₁到δb₅，其运动速度V₁为：V₁＝1/(δt₂+δt₃+δt₄+δt₅)，从δb₅到δb₆，其运动速度V₂为：V₂＝1/δt₆，从δb₆到δb₉，其运动速度V₃为：V₃＝1/(δt₇+δt₈+δt₉)，从δb₉到δb₁₁，其运动速度V₄为：V₄＝1/(δt₁₀+δt₁₁)。

X轴的运动速度跳变量取决于相邻的2个运动速度之差，其运动速度的跳变次数等于其离散位置数据中“1”的个数减1。X轴的离散位置数据有5个“1”，产生4次跳变，其运动速度跳变量为：

△V₁＝V₀-V₁＝(1/δt₁)-﹝1/(δt₂+δt₃+δt₄+δt₅)﹞，

△V₂＝V₁-V₂＝﹝1/(δt₂+δt₃+δt₄+δt₅)﹞-(1/δt₆)，

△V₃＝V₂-V₃＝﹝(1/δt₆)-﹝1/(δt₇+δt₈+δt₉)﹞，

△V₄＝V₃-V₄＝﹝1/(δt₇+δt₈+δt₉)﹞-﹝1/(δt₁₀+δt₁₁)﹞，

对于△V₁，其时间改变量△t₁为﹝(δt₂+δt₃+δt₄+δt₅)-δt₁﹞，加速度a₁为△V₁/△t₁。类似地，可求出所有加速度与加速度跳变量。

上述分析清楚地揭示了联动轴的离散时间数据的结构与联动轴的离散位置数据的结构之间的关系，联动轴的离散时间数据的结构与控制节律之间的关系，特别是控制节律的结构与联动轴的运动平稳性之间的关系。

第一，对于给定的期望运动轨迹，联动轴的离散位置数据是与运动速度无关的离散几何不变量，是完全确定且不可变更的。因而，对于给定的期望运动轨迹与运动速度，控制节律的结构完全确定了联动轴的运动平稳性。

第二，控制节律δt_i(i＝1、…、n)的个数取决于主动轴的离散位置数据的个数，其个数等于主动轴的离散位置数据中“1”的个数。

其他联动轴的离散时间数据的个数等于其离散位置数据中“1”的个数，其离散时间数据的结构取决其离散位置数据中的“0”、“1”分布。

第三、随动轴的离散位置数据中“0”的个数最多。特别是，相邻的2个“1”中所包括的“0”最多，其离散时间数据中所包含的δt_i的个数最多，随之产生的运动速度跳变量往往最大，加速度跳变量也往往最大。这就意味着，随动轴的离散时间数据的结构对联动轴的运动平稳性的影响较大。

第四，由于多轴系统的结构与运动关系各不相同，多轴系统的具体期望运动轨迹的曲率各不相同，导致控制节律的结构各不相同。另一方面，多轴系统运动时，参入实时联动的轴处于变动之中，其主动/随动属性也处于变动之中，也导致控制节律的结构各不相同。

这就意味着，联动轴的运动平稳性与多轴系统的具体结构及其具体运动关系密不可分，与多轴系统的具体期望运动轨迹密不可分，也就是说，联动轴的运动平稳性与控制节律的具体结构密不可分。

因而，联动轴的运动平稳性是个性化的具体技术问题，不存在基于算法的通用技术手段。

第五，基于NC大数据的观念，可清楚地发现控制节律的结构与联动轴的运动平稳性之间的关系。NC大数据充分说明，调整控制节律的结构是处理联动轴的运动平稳性的唯一技术乎段。因而，只能通过逐点精修控制节律以寻求统计意义上的运动平稳性。

第六，对于复杂多轴系统，例如，X/Y/Z/A/B五轴联动机床，并联机床等，由于联动轴往往相互耦合，运动关系相当复杂，调整某个控制节律δt_i，势必影响所有联动轴的运动平稳性。因而，必须反复调整控制节律的结构，以满足运动平稳性约束条件。

主动轴的离散位置数据全为“1”。因而，基于主动轴，生成主动轴的离散时间数据，并将其划分为加速段、匀速段与减速段。

主动轴的运动速度最大。因而，基于主动轴离散时间数据的匀速段，校核用户指定的运动速度。

随动轴的离散位置数据中“0”的个数最多，其运动速度跳变量与加速度跳变量最大。因而，应基于随动轴校核随动轴的运动平稳性。

用户指定的运动速度调整后，随动轴的运动平稳性则取决于加速段与减速段的长度。已知起点运动速度V_a、终点运动速度V_b与距离S。从初等运动学公式V_a ²–V_b ²＝2aS可知，改变加速度或减速度a，便可调整加速段的终点与减速段的起点。

由此获得主动轴的n个离散时间数据。然后，只能通过逐点精修，生成控制节律δt_i(i＝1、…、n)。

由此得到生成控制节律的4项基本原理，即4个基本步骤：

步骤1、生成主动轴的离散时间数据，并将其划分为加速段、匀速段与减速段

按照主动轴的离散位置数据与用户指定的运动速度V，生成主动轴的n个初始离散时间数据，以δt′₁、…、δt′_n表示；

按照加减速要求，将主动轴的离散时间数据划分为加速段、匀速段与减速段，确定加速段的终点与减速段的起点；对应地，将其他联动轴的离散时间数据划分为加速段、匀速段与减速段；主动轴为离散位置数据全为“1”的联动轴；加减速要求包括S曲线加减速、指数加减速和三次/四次多项式加减速；

步骤2、校核用户指定的运动速度

基于主动轴匀速段的离散时间数据δt′_i，校核用户指定的运动速度V；如果(1/δt′_i)不等于V，调整V；重复步骤1；

步骤3、校核随动轴的运动平稳性

调整随动轴离散时间数据加速段的终点与减速段的起点，以满足运动平稳性约束条件；随动轴为离散位置数据中“1”的个数最少的联动轴；运动平稳性约束条件包括运动速度跳变量、加速度跳变量；

步骤4、生成控制节律

逐点精修主动轴的n个离散时间数据，生成控制节律δt_i(i＝1、…、n)。

上述4个基本步骤说明，处理联动轴的运动平稳性的技术手段只有三种。

一是调整用户指定的运动速度，实际上这是用户的经验问题。

二是调整加速段的终点与减速段的起点，这是初等运动学的简单问题。

三是逐点精修控制节律，这并非技术方法问题，而是工匠技艺问题。

由此可见，在实质上，联动轴的运动平稳性是大数据的处理问题，而不是基于算法的通用技术问题。

众所周知，计算机系统是处理大数据的顶级工匠。因而，大数据控制原理与大数据处理才是加减速控制技术的发展方向。

在现有算法驱动CNC技术中，采用牛顿运动学处理联动轴的离散运动，基于插补控制算法，将时间与空间强耦合，时间被插补周期锁定为系统参数，从而掩盖了控制节律的结构与联动轴的运动平稳性之间的本质联系，加减速控制完全迷失了方向。

显然，在技术原理上，这是完全错误的。这是导致加减速控制技术成为21世纪的一个中心研究方向之根本原因。

在本申请中，时间不再是系统参数，而是自由变量。这就为精细地调整控制节律以改善联动轴的运动平稳性提供了最简单最有效的技术手段。这样一来，本申请将加减速控制技术简化为简单的、开放的、大众化的常规技术。

二、NC大数据

NC大数据制造系统所制造的NC大数据包括状态字、离散位置数据δD_i(i＝1、…、n)、控制节律δt_i(i＝1、…、n)。

大数据的观念充分揭示了NC大数据在存储空间的存储结构与期望运动轨迹的实时控制过程密不可分。因而，本申请重新审视NC大数据在存储空间的存储结构，以实现期望运动轨迹的实时控制过程的最优化。

1、状态字

在期望运动轨迹的实时控制过程中，联动轴及其运动方向都不断改变。这就意味着，在离散位置数据δD_i(i＝1、…、n)中，联动轴往往不同，联动轴的个数往往不同，每个联动轴的运动方向也往往不同。可用状态字指定联动轴及其运动方向。

状态字包括联动状态字与方向状态字。

轴的运动状态，运动或不运动，由联动状态字指定。1个16位的字节可指定16个联动轴的运动状态。例如，联动状态字的B₁₅位为1，指定X轴运动1步；联动状态字的B₁₄位为0，指定Y轴不运动。如果δx_j与δy_j的值均为1，则X轴与Y轴联动，即同时运动1步。由此可见，δx_j与δy_j的值指定了X轴与Y轴的运动状态，即不运动或运动1步。

X轴与Y轴的运动方向用方向符号表示，方向符号为1，表示运动方向为正向；方向符号为0，表示运动方向为负向。

联动轴的方向符号构成方向状态字。

1个16位的字节可指定16个联动轴的运动方向。例如，方向状态字的B₁₅位的方向符号为0，指定X轴的运动方向为正向，B₁₅位的方向符号为1，指定X轴的运动方向为负向；方向状态字的B₁₄位的方向符号为0，指定Y轴的运动方向为正向，B₁₄位的方向符号为1，指定Y轴的运动方向为负向。

这就意味着，离散位置数据可视为联动命令，将δx_j与δy_j的值输入给X轴伺服驱动器与Y轴伺服驱动器的中断请求端，离散位置数据与联动命令便合二为一，离散位置数据的发送过程与联动命令的发送过程合也二为一，从而最大程度地简化了期望运动轨迹的实时控制过程。

因而，只须向联动轴的伺服驱动器发出中断请求，便可实现联动轴的起点同步。这就意味着，联动轴的离散时间数据δD_i(i＝1、…、n)本身就是实现起点同步的最简单、最精密、最可靠的联动命令。

2、联动映像与联动表

对于离散位置数据δD_i(i＝1、…、n)，其分量为(δd₁、…δd_j、…、δd_ki)，式中，j＝1、…、k_i，k_i为δD_i中联动轴的个数，δd_j的坐标值为1或0。

为存储k_i个离散位置数据δD_j(δd₁、…δd_j、…、δd_ki)，操作系统在存储空间开辟k_i个数据区，分别用于存储δD_i的k_i个分量。在每个数据区中，分量的坐标值，1或0，以全“1”或全“0”的通常数据格式存储在一个字节中，分量的所有坐标值依字节顺序存储。

例如，对于X轴与Y轴联动，为存储离散位置数据δD_j(δx_j、δy_j)，操作系统在存储空间开辟x存储区与y存储区，x存储区存储X轴的离散位置数据δx_j，y存储区存储Y轴的离散位置数据δy_j。在x存储区中，X轴的离散位置数据依字节顺序存储，δx₁、…、δx_n在x存储区中占用n个字节；在y存储区中，Y轴的离散位置数据依字节顺序存储，δy₁、…、δy_n在y存储区中也占用n个字节。

由此可见，由于实时联动的坐标轴不断改变，离散位置数据的分量个数不断改变，对应的数据区及其个数也不断改变。因而，如果8轴联动，在多轴系统的实时控制过程中，必须从8个存储区中分8次读取与发送8个轴的离散位置数据。

离散位置数据在存储空间的上述存储结构存在的问题是，多轴联动时，必须从k_i个数据区分k_i次读取联动轴的离散位置数据，多轴不能同时启动，影响起点同步。读取联动轴的离散位置数据所耗费的时间与联动轴的个数有关，是不断变化的，影响实时性，还影响运动速度。

为提高离散位置数据的发送能力与伺服驱动器的接收能力，必须重构离散位置数据在存储空间的存储结构，其重构方法如下。

步骤(1)：对于第1个离散位置数据δD₁(δd₁、…δd_j、…、δd_k1)，从其k₁个数据区中读出k₁个分量，依联动状态字指定的顺序，将k₁个分量按位存储在同一个字节的k₁个位中，将剩余的(k-k₁)个位全置为“0”，生成第1个联动映像δD₁(δd₁、…、δd_k)，其中，k₁为第1个离散位置数据中联动轴的个数，k为多轴系统中坐标轴的个数；

步骤(2)：重复所述步骤(1)，直至第n个离散位置数据δD_n，生成第n个联动映像δD_n(δd₁、…、δd_k)；

步骤(3)：依存储地址的顺序，将联动映像δD_i(i＝1、…、n)存储在n个字节中。

步骤(4)：将联动映像的n个字节分为若干子表，每个子表中联动轴相同，每个子表中联动轴的运动方向相同。每个子表以数字序号标识，例如，联动表第1个子表、联动表第2个子表、…，等等。

存储结构重构后的n个离散位置数据，以粗斜体表示，记为δD_i(i＝1、…、n)，δD_i的分量为(δd₁、…、δd_k)。

配合状态字，离散位置数据δD_i(i＝1、…、n)在存储空间的这种存储结构完全确定了坐标轴的联动状态(联动/不联动)、坐标值、以及运动方向，故称之为联动映像。

在每个子表的顶部添加联动状态字与方向状态字，生成联动映像δD_i(i＝1、…、n)的联动表，简称联动表。

每个子表的顶部第1字节为联动状态字，第2字节为方向状态字，例如，第1个联动状态字、第1个方向状态字、…，等等。从第3字节始，为若干个联动映像。

例如，对于X轴、Y轴、Z轴、A轴、B轴、C轴、D轴、E轴构成的8轴系统，联动状态字为1个8位字节。X轴、Y轴、Z轴、A轴、B轴、C轴6轴联动时，联动状态字的B₇位到B₂位全为“1”，B₁位到B₀位全为“0”。6轴的分量δx_i、δy_i、δz_i、δa_i、δb_i、δc_i取值1或0，依联动状态字指定的顺序，存储在NC大数据存储器中的同一个字节的B₇位到B₂位。该字节的B₁位、B₀位置为“0”，表示D轴、E轴不参入联动。

以图1中的线段OA为例，说明联动映像及其联动表的存储结构。线段OA共计15个离散点，其在存储空间的存储结构如表2所示。

表2

表2中，每个δD_i(δx_i，δy_i)，i＝1,…,15，有δx_i与δy_i 2个分量，存储在同一个字节中。例如，B₇位存储δx_i，B₆存储δy_i，Z轴、A轴、B轴、C轴、D轴、E轴不参入联动，B₅位至B₀位全置为“0”。

联动映像δD_i(i＝1、…、n)的存储结构表明，在多轴系统的实时控制过程中，只须从联动表中1次读取与发送联动轴的离散位置数据，完全消除了离散位置数据发送过程中的冗余时间，完全解决了实时控制过程最优化的问题，显著提高了多轴系统的运动速度与实时性。对于5轴以上的多轴系统，发送速度与实时性的提高更为突出。

另一方面，联动映像的发送过程与联动命令的发送过程合二为一，不仅最大程度地简化了期望运动轨迹的实时控制过程，而且是一种最简单、最可靠的高速高精度的起点同步机制。

如果线段OA的终点坐标为(15mm，12mm)，离散标度为μm，则线段OA有15×10³联动映像。其联动表占用(15×10³+2)个字节，将表2中的字节1至字节15，以1000为周期重复之。

3、控制节律与随动表

控制节律δt_i(i＝1、…、n)用于指定联动映像δD_i(i＝1、…、n)之间的时间间隔，以控制联动轴的运动速度。

注意到，对于主动轴，其离散位置数据就是控制节律δt_i(i＝1、…、n)。对于其他的联动轴，其离散时间数据并非控制节律δt_i(i＝1、…、n)。因而，控制节律δt_i(i＝1、…、n)可称为联动映像δD_i(i＝1、…、n)的离散时间数据。

按联动映像δD_i(i＝1、…、n)的次序，控制节律δt_i(i＝1、…、n)依存储地址顺序存储在n个字节中，1个字节存储1个控制节律。

δt_i一般以微秒(μs)或毫秒(ms)为单位，为二进制无符号整数。

控制节律δt_i(i＝1、…、n)在存储空间的数字映像称之为随动表。

与联动表相对应，将随动表分为若干子表，例如，随动表第1个子表、随动表第2个子表、…，等等。

4、NC大数据文件

将联动映像δD_i(i＝1、…、n)的联动表与控制节律δt_i(i＝1、…、n)的随动表合并，添加其所有子表的地址目录，生成NC大数据文件，具体方案如下。

步骤(1)：对于联动表的所有子表，生成联动表的所有子表的地址目录；地址目录包括每子表的联动表首地址；联动表首地址用于从联动表的每个子表中读取联动状态字、方向状态字、联动映像；

步骤(2)：对于随动表的所有子表，生成随动表的所有子表的地址目录；地址目录包括每个子表的随动表首地址与末地址；随动表首地址用于从随动表的每个子表中读取控制节律；随动表末地址用于期望运动轨迹的终点控制；

步骤(3)：将所述联动表的所有子表、所述随动表的所有子表、所述联动表的所有子表的地址目录、以及所述随动表的所有子表的地址目录合并，生成所述NC大数据文件。

三、数据驱动器与联动接口

NC大数据制造系统制造NC大数据文件后，将NC大数据文件通过串行接口发送给数据驱动器。

可采用通用串行接口，例如，RS232接口、RS485接口、USB接口、现场总线等。

数据驱动器包括NC大数据存储器、NC大数据驱动模块。

NC大数据存储器用于存储NC大数据文件；NC大数据存储器包括联动表、随动表、地址目录；联动表用于存储状态字与联动映像，随动表用于存储控制节律；地址目录用于存储联动表的首地址、随动表的首地址与末地址；

NC大数据存储器用于存储NC大数据文件；NC大数据存储器包括联动表存储区、随动表存储区、地址目录区；联动表存储区用于存储状态字与联动映像，随动表存储区用于存储控制节律；地址目录区用于存储联动表的首地址、随动表的首地址与末地址。

数据驱动器通过联动接口与控制坐标轴的伺服驱动器连接。

在发送端，联动接口为联动映像寄存器与联动寄存器(或联动映像与联动状态字)共同控制的并行接口，用于向联动状态字指定的坐标轴的伺服驱动器发送联动命令；联动命令为联动映像寄存器与联动寄存器(或联动映像与联动状态字)共同控制的一组并行同步脉冲，用于控制坐标轴的起点同步。

在接收端，每个伺服驱动器的中断请求端与联动接口的每个输出端连接，通过中断请求接收联动命令，并控制坐标轴的起点同步。

NC大数据驱动模块用于通过联动接口向状态字指定的伺服驱动器发送NC大数据，驱动坐标轴联动；包括数据指针、联动寄存器、方向寄存器、联动映像寄存器、节律指针、节律定时器；

数据指针用于读取联动表中的状态字与联动映像；联动寄存器用于寄存联动状态字；方向寄存器用于寄存方向状态字；联动映像寄存器用于寄存联动映像；节律指针用于读取随动表中的控制节律；节律定时器用于寄存控制节律。

由此可见，数据驱动器唯一的功能是，通过联动接口向状态字指定的伺服驱动器发送NC大数据，驱动联动轴联动。基于联动映像，数据驱动器与联动接口以极为筒单的功能与结构实现了期望运动轨迹的实时控制过程的最优化。

基于上述说明，本申请的技术方案是，规划期望运动轨迹所需要的NC大数据，生成联动轴的最优离散位置数据，重构其在存储空间的存储结构，生成联动映像δD_i(i＝1、…、n)；对于用户指定的运动速度，基于运动平稳性的要求，精细地规划控制节律δt_i(i＝1、…、n)；然后，生成NC大数据文件，通过串行接口发送给数据驱动器的大数据存储器。

在期望运动轨迹的实时控制过程中，数据驱动器只须也仅仅只须从NC大数据存储器的联动表中读取联动映像与状态字，从NC大数据存储器的随动表中读取控制节律；然后，按照控制节律，通过联动接口，向状态字指定的伺服驱动器实时分配、发送联动命令，驱动坐标轴联动，控制多轴系统的期望运动轨迹。跟随联动命令，如此周而复始，完成期望运动轨迹的实时控制。

有别于现有算法驱动CNC技术，这是一种数据驱动(data-driven)CNC技术。

所谓数据驱动CNC技术，本申请定义为，基于CANC(Computer Aided NumericalControl，计算机辅助数字控制)，数据驱动器根据NC大数据存储器中所储存的控制节律，通过联动接口，向状态字指定的坐标轴实时分配、发送NC大数据存储器中所储存的联动映像，驱动坐标轴联动。

直观地说，数据驱动CNC技术有两层涵义。

第一，数据驱动CNC技术取消了现有算法驱动CNC技术中插补算法的实时计算功能与实时控制功能，将插补算法视为诸多离散算法中的一种。因而，插补算法不再是实时计算方法，更不是实时控制方法。

第二，对于数据驱动CNC技术，实时控制过程无须任何控制算法，完全取决于NC大数据，故称之为数据驱动。

与现有算法驱动CNC技术对比，可以清楚地看出，在本申请提出的数据驱动CNC技术中，期望运动轨迹的实时控制过程完全由数据驱动，即完全由联动轴的联动映像δD_i(i＝1、…、n)与控制节律δt_i(i＝1、…、n)驱动。联动映像δD_i(i＝1、…、n)与控制节律δt_i(i＝1、…、n)是最优的，NC大数据的发送过程是最优的，期望运动轨迹的实时控制过程必然是最优的。

与现有算法驱动CNC技术不同，数据驱动CNC技术是面向多轴系统的，不是面向计算机系统的，所生成的NC数据系多轴系统所需要的最优NC数据。另一方面，数据驱动CNC技术与控制算法、控制模型、开发平台、实时操作系统无关。

对于数据驱动CNC技术，期望运动轨迹的实时控制过程完全取决于NC大数据，无须任何控制算法。期望运动轨迹的精度完全取决于联动轴的联动映像δD_i(i＝1、…、n)，多轴系统的运动平稳性完全取决于控制节律δt_i(i＝1、…、n)，NC大数据的发送速度与可靠性完全取决于CPU发送NC大数据的过程，并达到CPU所允许的最高发送速度与最高可靠性。

由此可见，数据驱动CNC技术是一种实时性最好、最简单、最可靠的革命性的CNC技术，是大数据时代的实时控制技术。

基于上述技术方案，本申请审视NC大数据的制造方法，NC大数据在存储空间的存储结构与期望运动轨迹的实时控制过程之间的联系，以及NC大数据的存储结构与多轴系统的运动平稳性之间的联系，提出一种数据驱动的实时控制新方法，用于实时控制期望运动轨迹。

本申请采用的符号说明如下：

δD_i(i＝1、…、n)：联动轴的离散位置数据，以粗体表示，其中，δD_i的分量为(δd₁、…δd_j、…、δd_ki)，式中，j＝1、…、k_i，k_i为δD_i中联动轴的个数，δd_j的坐标值为1或0，

δD_i(i＝1、…、n)：联动映像，以粗斜体表示，其中，δD_i的分量为(δd₁、…、δd_k)，k为联动轴的个数，

δt_i(i＝1、…、n)：控制节律，以粗体表示。

一种计算机数字控制方法，用于实时控制多轴系统期望运动轨迹；其特征在于，储存在NC大数据存储器中的期望运动轨迹的NC大数据通过联动接口驱动多轴系统的坐标轴联动，实时控制多轴系统的运动过程；

NC大数据包括联动映像δD_i(i＝1、…、n)、控制节律δt_i(i＝1、…、n)、状态字；

联动映像用于指定联动轴的离散位置数据：

控制节律用于指定联动映像之间的时间间隔，以控制联动轴的运动速度；联动轴为实时联动的坐标轴；

状态字用于指定联动轴及其运动方向，包括联动状态字与方向状态字；联动状态字用于指定联动轴，方向状态字用方向符号指定联动轴的运动方向；方向符号为1，联动轴的运动方向为正向，方向符号为0，联动轴的运动方向为负向；

联动接口为联动映像与联动状态字共同控制的并行接口，用于向联动状态字指定的联动轴发送联动命令；联动命令为联动映像与联动状态字共同控制的一组并行同步脉冲，用于控制联动轴的起点同步；

该计算机数字控制方法包括NC大数据制造步骤(1)、NC大数据的存储结构重构步骤(2)、NC大数据文件生成步骤(3)、NC大数据文件发送步骤(4)、NC大数据发送与执行步骤(5)；

NC大数据制造步骤(1)用于制造NC大数据，步骤(1)包括联动轴的离散位置数据生成步骤(1-1)、控制节律生成步骤(1-2)；

联动轴的离散位置数据生成步骤(1-1)用于将期望运动轨迹离散为n个离散点的序列，生成联动轴的离散位置数据δD_i(i＝1、…、n)；离散位置数据的分量记为(δd₁、…δd_j、…、δd_ki)，其中，j＝1、…、k_i，k_i为分量中联动轴的个数，δd_j的坐标值为1或0；步骤(1-1)包括下述步骤：

步骤(1-1-1)：按照用户指定的优化目标与期望运动轨迹，将期望运动轨迹离散为离散点序列，计算期望运动轨迹的第1个离散点的k₁个坐标值；

步骤(1-1-2)：依存储地址的顺序，将k₁个坐标值分别存储在k₁个数据区中；

步骤(1-1-3)：重复步骤(1-1-1)至步骤(1-1-2)，直至期望运动轨迹的第n个离散点，计算期望运动轨迹的第n个离散点的k_n个坐标值；

步骤(1-1-4)：按照n个离散点的顺序，生成联动轴的离散位置数据δD_i(i＝1、…、n)；

控制节律生成步骤(1-2)用于生成控制节律δt_i(i＝1、…、n)；步骤(1-2)包括下述步骤：

步骤(1-2-1)：按照主动轴的离散位置数据与用户指定的主动轴运动速度V，生成主动轴的初始离散时间数据，记为δt′₁、…、δt′_i、…、δt′_n；

按照加减速要求，将主动轴的离散时间数据划分为加速段、匀速段与减速段，确定其加速段的终点与减速段的起点；对应地，将其他联动轴的离散时间数据划分为加速段、匀速段与减速段；主动轴为离散位置数据全为“1”的联动轴；加减速要求包括S曲线加减速、指数加减速和三次/四次多项式加减速；

步骤(1-2-2)：基于主动轴匀速段的离散时间数据δt′_i，校核用户指定的主动轴运动速度V；如果(1/δt′_i)不等于V，调整用户指定的主动轴运动速度V重复步骤(1-2-1)；

步骤(1-2-3)：按照运动平稳性约束条件，改变加速度或减速度，调整随动轴离散时间数据加速段的终点与减速段的起点，以满足运动平稳性约束条件；随动轴为离散位置数据中“1”的个数最少的联动轴；运动平稳性约束条件包括运动速度跳变量、加速度跳变量；

步骤(1-2-4)：逐点精修初始离散时间数据δt′₁、…、δt′_i、…、δt′_n，生成所述控制节律δt_i(i＝1、…、n)；

步骤(1-2-5)：依存储地址的顺序，将控制节律δt_i(i＝1、…、n)存储在随动表的n个字节中；

NC大数据的存储结构重构步骤(2)用于重构离散位置数据δD_i(i＝1、…、n)在存储空间的存储结构，生成联动映像δD_i(i＝1、…、n)与联动表；步骤(2)包括下述步骤：

步骤(2-1)：对于第1个离散位置数据δD₁(δd₁、…δd_j、…、δdk₁)，从其k₁个数据区中读出k₁个分量，依联动状态字指定的状态，将k₁个分量按位存储在同一个字节的k₁个位中，将剩余的(k-k₁)个位全置为“0”，生成第1个联动映像δD₁(δd₁、…、δd_k)，其中，k₁为第1个离散位置数据中联动轴的个数，k为多轴系统中坐标轴的个数；

步骤(2-2)：重复步骤(2-1)，直至第n个离散位置数据δD_n，生成第n个联动映像δD_n(δd₁、…、δd_k)；

步骤(2-3)：依存储地址的顺序，将联动映像δD_i(i＝1、…、n)存储在n个字节中；

步骤(2-4)：将n个字节分为若干子表，以数字序号标识；每个子表中的联动轴相同，每个子表中联动轴的运动方向相同；在每个子表的顶部添加联动状态字与方向状态字，生成联动表；

步骤(2-5)：对应地，将随动表的n个字节分为若干子表，以数字序号标识；

NC大数据文件生成步骤(3)用于生成NC大数据文件；步骤(3)包括下述步骤：

步骤(3-1)：对于联动表的所有子表，生成联动表的所有子表的地址目录；地址目录包括每子表的联动表首地址；联动表首地址用于从联动表的每个子表中读取联动状态字、方向状态字、联动映像；

步骤(3-2)：对于随动表的所有子表，生成随动表的所有子表的地址目录；地址目录包括每个子表的随动表首地址与末地址；随动表首地址用于从所述随动表的每个子表中读取控制节律；随动表末地址用于期望运动轨迹的终点控制；

步骤(3-3)：将联动表的所有子表、随动表的所有子表、联动表的所有子表的地址目录、以及随动表的所有子表的地址目录合并，生成NC大数据文件；

NC大数据文件发送步骤(4)用于通过串行接口向数据驱动器发送NC大数据文件；步骤(4)包括下述步骤：

步骤(4-1)：NC大数据文件通过串行接口发送给数据驱动器；

步骤(4-2)：数据驱动器通过串行接口接收NC大数据文件；

步骤(4-3)：数据驱动器将NC大数据文件存储在NC大数据存储器中；

NC大数据发送与执行步骤(5)用于数据驱动器通过联动接口向伺服驱动器发送联动映像δD_i(i＝1、…、n)与方向符号，伺服驱动器接收与执行联动映像δD_i(i＝1、…、n)与方向符号；所述步骤(5)包括下述步骤：

步骤(5-1)：数据驱动器从地址目录中读取联动表第1个子表的首地址，写入数据指针；

根据数据指针，数据驱动器从联动表的第1个子表中读取第1个联动状态字，写入联动寄存器；

根据数据指针，数据驱动器从联动表第1个子表中读取第1个方向状态字，写入方向寄存器；

根据数据指针，数据驱动器从联动表第1个子表中读取第1个联动映像，写入联动映像寄存器；

步骤(5-2)：数据驱动器从地址目录中读取随动表第1个子表的首地址，写入节律指针；

根据节律指针，数据驱动器从随动表的第1个子表中读取第1个控制节律，并写入节律定时器；

节律定时器中的定时时间到，通过联动接口，向第1个联动状态字指定的伺服驱动器发送联动命令与第1个方向状态字指定的方向符号；

伺服驱动器响应联动命令所产生的中断请求，将联动映像与方向符号写入位置环，驱动联动轴联动；

步骤(5-3)：数据指针加1，节律指针加1，重复步骤(5-1)至步骤(5-2)，直至节律指针指向随动表第1个子表的末地址；

步骤(5-4)：数据指针加1，节律指针加1，重复步骤(5-1)至步骤(5-3)，直至节律指针指向随动表最后1个子表的末地址。

任何实际的过程必然存在误差。误差可进一步区分为确定性误差与随机性误差。

离散误差、零部件的加工误差与装配误差等因素所产生的位移误差，虽然是随机的，却是必然产生的并且必然在允许范围内。因之，这种必然产生的并且必然在允许范围内的误差可称为确定性误差。确定性误差可以忽略或通过事先规划予以补偿。有些误差，例如负载、热变形导致的几何误差，虽然与负载、环境温度、机械结构及其材料等许多非线性因素有关，然而，对于具体的多轴系统与一定范围内的环境，在一定的误差范围内，这些几何误差在不同环境的分布却是可预期的，这种可预期在一定的误差范围内的误差也可视为确定性误差或称之为准确定性误差。

在NC大数据制造之后，离散位置数据的存储结构重构之前，对于多轴系统的确定性误差，例如反向间隙、螺距误差、不垂直度误差、不平行度误差、热变形误差等，按照确定性误差的分布、确定性误差的正负、以及确定性误差在联动轴的离散位置数据中的具体位置，增加或减少联动轴的离散位置数据。

基于上述数据驱动计算机数字控制方法，本申请提出一种基于NC大数据的计算机数字控制系统。

图2为一种基于NC大数据的计算机数字控制系统的体系结构示意图，其中，多轴系统50、伺服驱动器60不属于本申请的技术领域。

一种计算机数字控制系统，用于实时控制多轴系统期望运动轨迹；储存在NC大数据存储器中的期望运动轨迹的NC大数据通过联动接口40驱动多轴系统60的坐标轴联动，实时控制多轴系统的运动过程；

NC大数据包括联动映像δD_i(i＝1、…、n)、控制节律δt_i(i＝1、…、n)、状态字；

联动映像用于指定联动轴的离散位置数据；

控制节律用于指定联动映像之间的时间间隔，以控制联动轴的运动速度；联动轴为实时联动的坐标轴；

状态字用于指定联动轴及其运动方向，包括联动状态字与方向状态字；联动状态字用于指定联动轴，方向状态字用方向符号指定联动轴的运动方向；方向符号为1，联动轴的运动方向为正向，方向符号为0，联动轴的运动方向为负向；

该计算机数字控制系统包括NC大数据制造系统10、串行接口20、数据驱动器30、联动接口40；

串行接口20为RS232接口、RS485接口、USB接口或现场总线；

NC大数据制造系统10通过串行接口20与所述数据驱动器30连接，包括NC大数据制造模块1、NC大数据的存储结构重构模块2、NC大数据文件生成模块3、NC大数据文件发送模块4；

数据驱动器30包括NC大数据存储器6、NC大数据驱动模块5；

NC大数据存储器6用于存储NC大数据文件；NC大数据存储器包括联动表、随动表、地址目录；联动表用于存储状态字与联动映像，随动表用于存储控制节律；地址目录用于存储联动表的首地址、随动表的首地址与末地址；

NC大数据驱动模块5用于通过联动接口40向状态字指定的伺服驱动器50发送NC大数据，驱动坐标轴联动，包括数据指针、联动寄存器、方向寄存器、联动映像寄存器、节律指针、节律定时器；

数据指针用于读取联动表中的状态字与联动映像；联动寄存器用于寄存联动状态字；方向寄存器用于寄存方向状态字；联动映像寄存器用于寄存联动映像；节律指针用于读取随动表中的控制节律；节律定时器用于寄存控制节律；

联动接口40为联动映像寄存器与联动寄存器共同控制的并行接口，用于向联动状态字指定的坐标轴发送联动命令；联动命令为联动映像寄存器与联动寄存器共同控制的一组并行同步脉冲，用于控制坐标轴的起点同步；

数据驱动器30通过联动接口40与控制坐标轴的伺服驱动器50连接；

NC大数据制造模块1用于制造NC大数据，包括联动轴的离散位置数据生成模块1-1、控制节律生成模块1-2；

联动轴的离散位置数据生成模块1-1用于将期望运动轨迹离散为n个离散点序列，生成联动轴的离散位置数据δD_i(i＝1、…、n)；离散位置数据的分量记为(δd₁、…δd_j、…、δd_ki)，其中，j＝1、…、k_i，k_i为分量中联动轴的个数，δd_j的坐标值为1或0；进而包括下述步骤：

步骤(1-1-1)：按照用户指定的优化目标与期望运动轨迹，将期望运动轨迹离散为离散点序列，计算期望运动轨迹的第1个离散点的k₁个坐标值；

步骤(1-1-2)：依存储地址的顺序，将k₁个坐标值分别存储在k₁个数据区中；

步骤(1-1-3)：重复步骤(1-1-1)至步骤(1-1-2)，直至期望运动轨迹的第n个离散点，计算期望运动轨迹的第n个离散点的k_n个坐标值；

步骤(1-1-4)：按照n个离散点的顺序，生成联动轴的离散位置数据δD_i(i＝1、…、n)；

控制节律生成模块1-2用于生成控制节律δt_i(i＝1、…、n)；进而包括下述步骤：

步骤(1-2-1)：按照主动轴的离散位置数据与用户指定的主动轴运动速度V，生成主动轴的初始离散时间数据，记为δt′₁、…、δt′_i、…、δt′_n；

按照加减速要求，将主动轴的离散时间数据划分为加速段、匀速段与减速段，确定其加速段的终点与减速段的起点；对应地，将其他联动轴的离散时间数据划分为加速段、匀速段与减速段；主动轴为离散位置数据全为“1”的联动轴；加减速要求包括S曲线加减速、指数加减速和三次/四次多项式加减速；

步骤(1-2-2)：基于主动轴匀速段的离散时间数据δt′_i，校核用户指定的主动轴运动速度V；如果(1/δt′_i)不等于V，调整用户指定的主动轴运动速度V重复步骤(1-2-1)；

步骤(1-2-3)：按照运动平稳性约束条件，改变加速度或减速度，调整随动轴离散时间数据加速段的终点与减速段的起点，以满足运动平稳性约束条件；随动轴为离散位置数据中“1”的个数最少的联动轴；运动平稳性约束条件包括运动速度跳变量、加速度跳变量；

步骤(1-2-4)：逐点精修初始离散时间数据δt′₁、…、δt′_i、…、δt′_n，生成所述控制节律δt_i(i＝1、…、n)；

步骤(1-2-5)：依存储地址的顺序，将控制节律δt_i(i＝1、…、n)存储在随动表的n个字节中；

NC大数据的存储结构重构模块2用于重构离散位置数据δD_i(i＝1、…、n)在存储空间的存储结构，生成联动映像δD_i(i＝1、…、n)与联动表；进而包括下述步骤：

步骤(2-1)：对于第1个离散位置数据δD₁(δd₁、…δd_j、…、δdk₁)，从其k₁个数据区中读出k₁个分量，依联动状态字指定的顺序，将k₁个分量按位存储在同一个字节的k₁个位中，将剩余的(k-k₁)个位全置为“0”，生成第1个联动映像δD₁(δd₁、…、δd_k)，其中，k₁为第1个离散位置数据中联动轴的个数，k为多轴系统中坐标轴的个数；

步骤(2-2)：重复步骤(2-1)，直至第n个离散位置数据δD_n，生成第n个联动映像δD_n(δd₁、…、δd_k)；

步骤(2-3)：依存储地址的顺序，将联动映像δD_i(i＝1、…、n)存储在n个字节中；

步骤(2-4)：将n个字节分为若干子表，以数字序号标识；每个子表中的联动轴相同，每个子表中联动轴的运动方向相同；在每个子表的顶部添加联动状态字与方向状态字，生成联动表；

步骤(2-5)：对应地，将随动表的n个字节分为若干子表，以数字序号标识；

NC大数据文件生成模块3用于生成NC大数据文件；进而包括下述步骤：

步骤(3-1)：对于联动表的所有子表，生成联动表的所有子表的地址目录；地址目录包括每子表的联动表首地址；联动表首地址用于从联动表的每个子表中读取联动状态字、方向状态字、联动映像；

步骤(3-2)：对于随动表的所有子表，生成随动表的所有子表的地址目录；地址目录包括每个子表的随动表首地址与末地址；随动表首地址用于从所述随动表的每个子表中读取控制节律；随动表末地址用于期望运动轨迹的终点控制；

步骤(3-3)：将联动表的所有子表、随动表的所有子表、联动表的所有子表的地址目录、以及随动表的所有子表的地址目录合并，生成NC大数据文件；

NC大数据文件发送模块4用于通过串行接口向数据驱动器发送NC大数据文件；进而包括下述步骤：

步骤(4-1)：NC大数据制造系统将NC大数据文件通过串行接口发送给数据驱动器；

步骤(4-2)：数据驱动器通过串行接口接收NC大数据文件；

步骤(4-3)：数据驱动器将NC大数据文件存储在NC大数据存储器中；

NC大数据驱动模块5用于数据驱动器30通过联动接口40向伺服驱动器50发送联动映像δD_i(i＝1、…、n)与方向符号，伺服驱动器50接收与执行联动映像δD_i(i＝1、…、n)与方向符号，驱动联动轴60联动；进而包括下述步骤：

步骤(1)：数据驱动器从地址目录中读取联动表第1个子表的首地址，写入数据指针；

根据数据指针，数据驱动器从联动表的第1个子表中读取第1个联动状态字，写入联动寄存器；

根据数据指针，数据驱动器从联动表第1个子表中读取第1个方向状态字，写入方向寄存器；

根据数据指针，数据驱动器从联动表第1个子表中读取第1个联动映像，写入联动映像寄存器；

步骤(2)：数据驱动器从地址目录中读取随动表第1个子表的首地址，写入节律指针；

根据节律指针，数据驱动器从随动表的第1个子表中读取第1个控制节律，并写入节律定时器；

节律定时器中的定时时间到，通过联动接口，向第1个联动状态字指定的伺服驱动器发送联动命令与第1个方向状态字指定的方向符号；

伺服驱动器50响应联动命令所产生的中断请求，将联动映像与方向符号写入位置环，驱动联动轴60联动；

步骤(3)：数据指针加1，节律指针加1，重复步骤(1)至步骤(2)，直至节律指针指向随动表第1个子表的末地址；

步骤(4)：数据指针加1，节律指针加1，重复步骤(1)至步骤(3)，直至节律指针指向随动表最后1个子表的末地址。

NC大数据制造系统10还包括确定性误差补偿模块；确定性误差补偿模块用于补偿确定性误差；确定性误差包括反向间隙、螺距误差、不垂直度误差、不平行度误差、热变形误差；

对于多轴系统的确定性误差，按照确定性误差的分布、确定性误差的正负、以及确定性误差在联动轴的离散位置数据中的具体位置，增加或减少联动轴的离散位置数据。

以增量型数据驱动CNC系统为另一个具体实施例，进一步说明本申请的技术方案。

曲线的另一种数字映像为微线段序列，也就是用一系列首尾相连的微线段来逼近曲线。

一条微线段往往包含多个离散点，换言之，一条微线段就是一个较短的离散点序列。

微线段序列所对应的NC大数据称之为增量型NC大数据。

现有增量型算法驱动CNC系统采用微线段来逼近曲线，生成微线段的坐标值增量，即增量型离散位置数据。

采用增量型NC大数据的数据驱动CNC系统称之为增量型数据驱动CNC系统。

联动轴的增量型离散位置数据△D₁、…、△D_j、…、△D_s，或记为△D_s(j＝1、…、s)，以粗体表示；其中，△D_j的分量为(△d₁、…、△d_j、…、△d_k)，变量k为联动轴的个数，△d_j为坐标值增量。

控制节律△t₁、…、△t_j、…、△t_s-1，或记为△t_j(j＝1、…、s)，以粗体表示。

与现有增量型算法驱动CNC技术不同，本申请基于上述步进型数据驱动CNC系统，提出一种增量型数据驱动CNC系统。其技术方案如下。

表3为5轴3参数8联动增量型NC大数据的示意图。期望运动轨迹为x、y、z、a、b、w、e、h等8个变量的函数。

表3

表3中，时间T被离散分割为s个区间：△t_j，j＝1、…、s。X、y、Z、A、B等五轴在△t_j内的坐标值增量为△x_j、△y_j、△z_j、△a_j、△b_j，W、E、H三参数在△t_j内的改变量为△w_j、△e_j、△h_j。

本申请提出的增量型数据驱动CNC系统采用增量型联动映像，记为△D₁、…、△D_j、…、△D_s，或记为△D_j(j＝1、…、s)，以粗斜体表示。

1个增量型联动映像可视为若干个步进型联动映像之和，用粗粒度予以限定。

所谓粗粒度指的是，增量型联动映像△D_j中所包含的步进型联动映像δD_i的个数。

因而，可一次发送若干个脉冲的方式来发送增量型联动映像△D_j。例如，一次发送1个4个脉冲。与该4个脉冲相对应的4个控制节律δt_i之和构成△D_j的控制节律，即以△t_j的时间间隔发送增量型联动映像△D_i。

控制节律△t_j(j＝1、…、s)，为粗粒度所指定的δt_i之和。一般来说，每个△t_j都应进行微调，以改善联动轴的运动平稳性。

粗粒度为用户参数；对应地，粗粒度为伺服驱动器的伺服参数。

与现有增量型算法驱动CNC技术对比，本申请中的增量型数据驱动CNC技术有下述优点。

第1、提高轴的的运动速度。例如，数字化交流伺服电机的可接收频率为300kpps，脉冲当量为1μm，△D_i中包含4个脉冲，则轴的运动速度可高达72m/min。

第2、在现有算法驱动CNC技术中，由于步进型离散位置数据的插补算法，插补周期，体系结构与增量型离散位置数据的插补算法，插补周期，体系结构都不相同，现有步进型算法驱动CNC系统与现有增量型算法驱动CNC系统是2种独立的系统。

在本申请中，基于步进型数据驱动CNC系统来构建增量型数据驱动CNC系统，因而，步进型数据驱动CNC系统与增量型数据驱动CNC系统可合为1个系统。其方法为，将一次发送的脉冲个数即增量型联动映像△D_i中的坐标值增量设为用户参数，由用户设置，称之为粗粒度。同时，将粗粒度列为伺服参数。用户为伺服驱动器设置位置环参数、速度环参数、电流环参数等伺服参数时，同时设置粗粒度。于是，在本申请中，可以为每个轴设置不同的粗粒度。因而，每个联动轴的运动模式可以是步进型，也可以是增量型。

这样一来，根据期望运动轨迹的曲率与运动速度，可指定每个增量型联动映像的粗粒度，有利于提高轴的运动平稳性。

第3、现有增量型算法驱动CNC系统一般通过现场总线发送坐标值增量，必须采用复杂的同步机制以保证起点同步。

在本申请中，通过联动接口向联动状态字指定的轴一次发送增量型联动映像△D_i，确保了起点同步，无须另外配置同步机制。

另一方面，本申请可以采用允许最高频率一次发送增量型联动映像△D_i，其发送速度远高于现场总线的发送速度，所耗费的软硬件资源也远低于现场总线。

第4、显著降低动态时滞对终点同步的影响

任何过程都有时滞，静态下的时滞称为静态时滞。种种非线性因素所产生的非线性复杂性与不确定性都使轴的时滞发生变化，形成动态时滞。动态时滞类似分布电容，无处不在，是工业过程中固有的特性，是多轴系统中最难控制的动态环节。

连续运动经数字化后变成离散运动。就像电影、电视一样，“走走停停”是离散运动的内禀属性。

对于步进型CNC系统，每次运动1步后，轴“停”的时间为δt_i。轴的动态时滞通常远小于δt_i。这就意味着，动态时滞被δt_i覆盖，因而被“消除”了。换言之，终点同步是步进型计算机数字控制系统的内禀属性。

早期，步进型CNC系统采用机械式步进电机。机械式步进电机的转速低，机械特性软，高速时易丢步，一般只能用于低速、低精度、小功率的多轴系统。步进型CNC系统因而被学术界与产业界视为低端系统。

数字化交流伺服电机可在步进模式下运行，且完全克服了机械式步进电机的上述缺点。

对于步进型CNC系统，轴的运动速度取决于离散时间数据δt_i(i＝1,…,n)，即步进脉冲的频率。

数字化交流伺服电机可在步进模式下高速运行。例如，数字化交流伺服电机的可接收频率为300kpps(kilo pulse per second，kpps即KHz，千个脉冲/秒)的脉冲。如果脉冲当量为1μm，轴的运动速度可达18m/min。

现有增量型算法驱动CNC技术采用增量型离散位置数据，主要是为了提高运动速度。

然而，现有增量型算法驱动CNC系统中的坐标值增量较大，动态时滞也较大。

终点同步取决于轴的动态时滞。

动态时滞及动态时滞所导致的累积轮廓误差成为现有增量型算法驱动CNC系统的一个难点。

对于2轴系统，现有算法驱动CNC技术采用交叉耦合控制(Cross CouplingControl，CCC)处理因动态时滞导致终点不同步所产生的累积轮廓误差。对于多轴系统，由于组合爆炸，难以实施交叉耦合。

对于增量型数据驱动CNC系统，显然，粗粒度越小，动态时滞对终点同步的影响也越小。粗粒度为1，增量型联动映像退化为步进型联动映像，动态时滞被δt_i“消除”了。

由于增量型联动映像△D_i中的坐标值增量一般小于甚至远小于现有增量型算法驱动CNC系统中的坐标值增量。因而，本申请的这种技术方案可显著降低甚至消除动态时滞对终点同步的影响，显著减小终点不同步所导致的累积轮廓误差。

对于复杂多轴系统，例如，并联系统(并联机床，并联机器人)、串联系统(多轴串联机床)，串并混联系统，无人机，3D打印机等，无论是步进型离散位置数据还是增量型离散位置数据，所涉及的问题只是数学计算方面的问题。事实上，任何复杂的运动关系都是常规的数学计算问题，都不是问题。因而，本申请完全适用上述复杂多轴系统。

此外，对于本申请所属技术领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本申请的保护范围。

Claims (9)

1.一种计算机数字控制方法，用于实时控制多轴系统期望运动轨迹；其特征在于，储存在NC大数据存储器中的所述期望运动轨迹的NC大数据通过联动接口驱动所述多轴系统的坐标轴联动，实时控制所述多轴系统的运动过程；

所述NC大数据包括联动映像δD_i(i＝1、…、n)、控制节律δt_i(i＝1、…、n)、状态字；

所述联动映像用于指定联动轴的离散位置数据；

所述控制节律用于指定所述联动映像之间的时间间隔，以控制所述联动轴的运动速度；所述联动轴为实时联动的坐标轴；

所述状态字用于指定所述联动轴及其运动方向，包括联动状态字与方向状态字；所述联动状态字用于指定所述联动轴，所述方向状态字用方向符号指定所述联动轴的运动方向；所述方向符号为1，所述联动轴的运动方向为正向，所述方向符号为0，所述联动轴的运动方向为负向；

所述联动接口为所述联动映像与所述联动状态字共同控制的并行接口，用于向所述联动状态字指定的联动轴发送联动命令；所述联动命令为所述联动映像与所述联动状态字共同控制的一组并行同步脉冲，用于控制所述联动轴的起点同步；

所述计算机数字控制方法包括NC大数据制造步骤(1)、NC大数据的存储结构重构步骤(2)、NC大数据文件生成步骤(3)、NC大数据文件发送步骤(4)、NC大数据驱动步骤(5)；

所述NC大数据制造步骤(1)用于制造NC大数据；所述步骤(1)包括联动轴的离散位置数据生成步骤(1-1)、控制节律生成步骤(1-2)；

所述联动轴的离散位置数据生成步骤(1-1)用于将所述期望运动轨迹离散为n个离散点序列，生成所述联动轴的离散位置数据δD_i(i＝1、…、n)；所述离散位置数据的分量记为(δd₁、…δd_j、…、

)，其中，j＝1、…、k_i，k_i为所述分量中联动轴的个数，δd_j的坐标值为1或0；所述步骤(1-1)包括下述步骤：

步骤(1-1-1)：按照用户指定的优化目标与所述期望运动轨迹，将所述期望运动轨迹离散为所述离散点序列，计算所述期望运动轨迹的第1个离散点的k₁个坐标值；

步骤(1-1-2)：依存储地址的顺序，将k₁个坐标值分别存储在k₁个数据区中；

步骤(1-1-3)：重复所述步骤(1-1-1)至所述步骤(1-1-2)，直至所述期望运动轨迹的第n个离散点，计算所述期望运动轨迹的第n个离散点的k_n个坐标值；

步骤(1-1-4)：按照n个离散点的顺序，生成所述联动轴的离散位置数据δD_i(i＝1、…、n)；

所述控制节律生成步骤(1-2)用于生成所述控制节律δt_i(i＝1、…、n)；所述步骤(1-2)包括下述步骤：

步骤(1-2-1)：按照主动轴的离散位置数据与用户指定的主动轴运动速度V，生成主动轴的初始离散时间数据，记为δt′₁、…、δt′_i、…、δt′_n；

按照加减速要求，将所述初始离散时间数据划分为加速段、匀速段与减速段，确定所述加速段的终点与所述减速段的起点；对应地，将其他联动轴的离散时间数据划分为加速段、匀速段与减速段；所述主动轴为离散位置数据全为“1”的联动轴；

步骤(1-2-2)：基于所述主动轴匀速段的离散时间数据δt′_i，校核所述用户指定的主动轴运动速度V；如果(1/δt′_i)不等于V，调整所述用户指定的主动轴运动速度V；重复所述步骤(1-2-1)；

步骤(1-2-3)：按照运动平稳性约束条件，改变加速度或减速度，按照运动平稳性约束条件，调整随动轴离散时间数据加速段的终点与减速段的起点，以满足所述运动平稳性约束条件；所述随动轴为离散位置数据中“1”的个数最少的联动轴；

步骤(1-2-4)：逐点精修所述初始离散时间数据δt′₁、…、δt′_i、…、δt′_n，生成所述控制节律δt_i(i＝1、…、n)；

步骤(1-2-5)：依存储地址的顺序，将所述控制节律δt_i(i＝1、…、n)存储在随动表的n个字节中；

所述NC大数据的存储结构重构步骤(2)用于重构所述离散位置数据δD_i(i＝1、…、n)在存储空间的存储结构，生成所述联动映像与联动表；所述步骤(2)包括下述步骤：

步骤(2-1)：对于第1个离散位置数据δD₁(δd₁、…δd_j、…、

)，从其k₁个数据区中读出k₁个分量，依所述联动状态字指定的状态，将所述k₁个分量按位存储在同一个字节的k₁个位中，将剩余的(k-k₁)个位全置为“0”，生成第1个联动映像δD₁(δd₁、…、δd_k)，其中，k₁为所述第1个离散位置数据中联动轴的个数，k为所述多轴系统中坐标轴的个数；

步骤(2-2)：重复所述步骤(2-1)，直至第n个离散位置数据δD_n，生成第n个联动映像δD_n(δd₁、…、δd_k)；

步骤(2-3)：依存储地址的顺序，将所述联动映像δD_i(i＝1、…、n)存储在n个字节中；

步骤(2-4)：将所述n个字节分为若干子表，以数字序号标识；每个子表中的联动轴相同，每个子表中所述联动轴的运动方向相同；在每个子表的顶部添加所述联动状态字与所述方向状态字，生成所述联动表；

步骤(2-5)：对应地，将所述随动表的n个字节分为若干子表，以数字序号标识；

所述NC大数据文件生成步骤(3)用于生成NC大数据文件；所述步骤(3)包括下述步骤：

步骤(3-1)：对于所述联动表的所有子表，生成所述联动表的所有子表的地址目录；所述地址目录包括每子表的联动表首地址；所述联动表首地址用于从所述联动表的每个子表中读取所述联动状态字、所述方向状态字、所述联动映像；

步骤(3-2)：对于所述随动表的所有子表，生成所述随动表的所有子表的地址目录；所述地址目录包括每个子表的随动表首地址与末地址；所述随动表首地址用于从所述随动表的每个子表中读取所述控制节律；所述随动表末地址用于所述期望运动轨迹的终点控制；

步骤(3-3)：将所述联动表的所有子表、所述随动表的所有子表、所述联动表的所有子表的地址目录、以及所述随动表的所有子表的地址目录合并，生成所述NC大数据文件；

所述NC大数据文件发送步骤(4)用于通过串行接口向所述数据驱动器发送所述NC大数据文件；所述步骤(4)包括下述步骤：

步骤(4-1)：所述NC大数据文件通过所述串行接口发送给所述数据驱动器；

步骤(4-2)：所述数据驱动器通过所述串行接口接收所述NC大数据文件；

步骤(4-3)：所述数据驱动器将所述NC大数据文件存储在所述NC大数据存储器中；

所述NC大数据驱动步骤(5)用于所述数据驱动器通过所述联动接口向伺服驱动器发送所述联动映像与所述方向符号，所述伺服驱动器接收与执行所述联动映像与所述方向符号，驱动所述联动轴联动；所述步骤(5)包括下述步骤：

步骤(5-1)：所述数据驱动器从所述地址目录中读取所述联动表第1个子表的首地址，写入数据指针；

根据所述数据指针，所述数据驱动器从所述联动表的第1个子表中读取第1个联动状态字，写入联动寄存器；

根据所述数据指针，所述数据驱动器从所述联动表第1个子表中读取第1个方向状态字，写入方向寄存器；

根据所述数据指针，所述数据驱动器从所述联动表第1个子表中读取第1个联动映像，写入联动映像寄存器；

步骤(5-2)：所述数据驱动器从所述地址目录中读取所述随动表第1个子表的首地址，写入节律指针；

根据所述节律指针，所述数据驱动器从所述随动表的第1个子表中读取第1个控制节律，并写入节律定时器；

所述节律定时器中的定时时间到，通过所述联动接口，向所述第1个联动状态字指定的伺服驱动器发送所述联动命令与所述第1个方向状态字指定的所述方向符号；

所述伺服驱动器响应所述联动命令所产生的中断请求，将所述联动映像与所述方向符号写入位置环，驱动所述联动轴联动；

步骤(5-3)：所述数据指针加1，所述节律指针加1，重复所述步骤(5-1)至所述步骤(5-2)，直至所述节律指针指向所述随动表第1个子表的末地址；

步骤(5-4)：所述数据指针加1，所述节律指针加1，重复所述步骤(5-1)至所述步骤(5-3)，直至所述节律指针指向所述随动表最后1个子表的末地址。

2.如权利要求1所述的计算机数字控制方法，其特征还在于，对于X/Y/Z三轴系统，所述步骤(1-1)用于将所述X/Y/Z三轴系统期望运动轨迹离散为离散点序列，生成所述联动轴的离散位置数据δD_i(i＝1、…、3)，其分量δd_x、δd_y、δd_z的坐标值为1或0；所述步骤(1-1-1)至步骤(1-1-4)由以下步骤替代：

步骤(1-1-1b)：在X/Y离散坐标系中，从所述三轴系统期望运动轨迹的起点开始，沿允许运动方向运动一个离散标度，分别到达两个不同的格点，按照用户指定的优化目标，确定第1个离散点，生成所述三轴系统期望运动轨迹的第1个离散点的x坐标值与y坐标值；

步骤(1-1-2b)：在X/Z离散坐标系中，重复所述步骤(1)，生成所述第1个离散点的z坐标值；

步骤(1-1-3b)：依存储地址的顺序，将所述第1个离散点的x、y、z三个坐标值分别存储在x、y、z三个数据区中；

步骤(1-1-4b)：重复所述步骤(1)至所述步骤(3)，直至所述三轴系统期望运动轨迹的第n个离散点，生成所述三轴系统期望运动轨迹的第n个离散点的x坐标值与y坐标值；

步骤(1-1-5b)：按照n个离散点的顺序，生成所述联动轴的离散位置数据δD_i(i＝1、…、3)。

3.如权利要求1所述的计算机数字控制方法，其特征还在于，在所述步骤(1-2)中，所述加减速要求包括S曲线加减速、指数加减速和三次/四次多项式加减速；所述运动平稳性约束条件包括运动速度跳变量、加速度跳变量。

4.如权利要求1所述的计算机数字控制方法，其特征还在于，包括确定性误差补偿步骤，所述确定性误差补偿步骤在所述NC大数据制造步骤(1)之后与所述NC大数据的存储结构重构步骤(2)之前，用于补偿所述多轴系统的确定性误差；

按照所述确定性误差的分布、所述确定性误差的正负、所述确定性误差在所述联动轴的离散位置数据中的具体位置，增加或减少所述联动轴的离散位置数据；

所述确定性误差包括反向间隙、螺距误差、不垂直度误差、不平行度误差、热变形误差。

5.一种计算机数字控制系统，用于实时控制多轴系统期望运动轨迹；其特征在于，储存在NC大数据存储器中的所述期望运动轨迹的NC大数据通过联动接口驱动所述多轴系统的坐标轴联动，实时控制所述多轴系统的运动过程；

所述计算机数字控制系统包括NC大数据制造系统(10)、串行接口(20)、数据驱动器(30)、联动接口(40)；

所述NC大数据制造系统(10)用于制造NC大数据，并生成NC大数据文件；所述NC大数据制造系统包括NC大数据制造模块(1)、NC大数据的存储结构重构模块(2)、NC大数据文件生成模块(3)、NC大数据文件发送模块(4)；

所述NC大数据包括联动映像δD_i(i＝1、…、n)、控制节律δt_i(i＝1、…、n)、状态字；

所述联动映像用于指定联动轴的离散位置数据；

所述控制节律用于指定所述联动映像之间的时间间隔，以控制所述联动轴的运动速度；所述联动轴为实时联动的坐标轴；

所述状态字用于指定所述联动轴及其运动方向，包括联动状态字与方向状态字；所述联动状态字用于指定所述联动轴，所述方向状态字用方向符号指定所述联动轴的运动方向；所述方向符号为1，所述联动轴的运动方向为正向，所述方向符号为0，所述联动轴的运动方向为负向；

所述NC大数据制造系统(10)通过所述串行接口(20)与所述数据驱动器连接(30)；

所述数据驱动器(30)包括NC大数据存储器(6)、NC大数据驱动模块(5)；

所述NC大数据存储器(6)用于存储所述NC大数据文件；所述NC大数据存储器包括联动表、随动表、地址目录；所述联动表用于存储所述状态字、所述联动映像，所述随动表用于存储所述控制节律；所述地址目录用于存储所述联动表的首地址、所述随动表的首地址与末地址；

所述NC大数据驱动模块(5)用于根据所述控制节律与所述状态字，向伺服驱动器发送所述联动映像，驱动所述坐标轴联动；所述NC大数据驱动模块包括数据指针、联动寄存器、方向寄存器、联动映像寄存器、节律指针、节律定时器；

所述数据指针用于读取所述联动表中的所述状态字与所述联动映像；所述联动寄存器用于寄存所述联动状态字；所述方向寄存器用于寄存所述方向状态字；所述联动映像寄存器用于寄存所述联动映像；所述节律指针用于读取所述随动表中的所述控制节律；所述节律定时器用于寄存所述控制节律；

所述联动接口(40)为所述联动映像寄存器与所述联动寄存器共同控制的并行接口，用于向所述联动状态字指定的坐标轴发送联动命令；所述联动命令为所述所述联动映像寄存器与所述联动寄存器共同控制的一组并行同步脉冲，用于控制所述坐标轴的起点同步；

所述数据驱动器(30)通过所述联动接口(40)与控制所述坐标轴的伺服驱动器连接；

所述NC大数据制造模块(1)用于制造NC大数据；所述NC大数据制造模块(1)包括联动轴的离散位置数据生成模块(1-1)、控制节律生成模块(1-2)；

所述联动轴的离散位置数据生成模块(1-1)用于将所述期望运动轨迹离散为n个离散点序列，生成所述联动轴的离散位置数据δD_i(i＝1、…、n)；所述离散位置数据的分量记为(δd₁、…δd_j、…、

)，其中，j＝1、…、k_i，k_i为所述分量中联动轴的个数，δd_j的坐标值为1或0；进而包括下述步骤：

步骤(1-1-1)：按照用户指定的优化目标与所述期望运动轨迹，将所述期望运动轨迹离散为所述离散点序列，计算所述期望运动轨迹的第1个离散点的k₁个坐标值；

步骤(1-1-2)：依存储地址的顺序，将k₁个坐标值分别存储在k₁个数据区中；

步骤(1-1-3)：重复所述步骤(1-1-1)至所述步骤(1-1-2)，直至所述期望运动轨迹的第n个离散点，计算所述期望运动轨迹的第n个离散点的k_n个坐标值；

步骤(1-1-4)：按照n个离散点的顺序，生成所述联动轴的离散位置数据δD_i(i＝1、…、n)；

所述控制节律生成模块(1-2)用于生成所述控制节律δt_i(i＝1、…、n)；进而包括下述步骤：

步骤(1-2-1)：按照主动轴的离散位置数据与用户指定的主动轴运动速度V，生成主动轴的初始离散时间数据，记为δt′₁、…、δt′_i、…、δt′_n；

按照加减速要求，将所述初始离散时间数据划分为加速段、匀速段与减速段，确定所述加速段的终点与所述减速段的起点；对应地，将其他联动轴的离散时间数据划分为加速段、匀速段与减速段；所述主动轴为离散位置数据全为“1”的联动轴；

步骤(1-2-2)：基于所述主动轴匀速段的离散时间数据δt′_i，校核所述用户指定的主动轴运动速度V；如果(1/δt′_i)不等于V，调整所述用户指定的主动轴运动速度V；重复所述步骤(1-2-1)；

步骤(1-2-3)：按照运动平稳性约束条件，改变加速度或减速度，调整随动轴离散时间数据加速段的终点与减速段的起点，以满足运动平稳性约束条件；所述随动轴为离散位置数据中“1”的个数最少的联动轴；

步骤(1-2-4)：逐点精修所述初始离散时间数据δt′₁、…、δt′_i、…、δt′_n，生成所述控制节律δt_i(i＝1、…、n)；

步骤(1-2-5)：依存储地址的顺序，将所述控制节律δt_i(i＝1、…、n)存储在随动表的n个字节中；

所述NC大数据的存储结构重构模块(2)用于重构所述离散位置数据δD_i(i＝1、…、n)在存储空间的存储结构，生成所述联动映像δD_i(i＝1、…、n)与联动表；进而包括下述步骤：

步骤(2-1)：对于第1个离散位置数据δD₁(δd₁、…δd_j、…、

)，从其k₁个数据区中读出k₁个分量，依所述联动状态字指定的状态，将所述k₁个分量按位存储在同一个字节的k₁个位中，将剩余的(k-k₁)个位全置为“0”，生成第1个联动映像δD₁(δd₁、…、δd_k)，其中，k₁为所述第1个离散位置数据中联动轴的个数，k为所述多轴系统中坐标轴的个数；

步骤(2-2)：重复所述步骤(2-1)，直至第n个离散位置数据δD_n，生成第n个联动映像δD_n(δd₁、…、δd_k)；

步骤(2-3)：依存储地址的顺序，将所述联动映像δD_i(i＝1、…、n)存储在n个字节中；

步骤(2-4)：将所述n个字节分为若干子表，以数字序号标识；每个子表中的联动轴相同，每个子表中所述联动轴的运动方向相同；在每个子表的顶部添加所述联动状态字与所述方向状态字，生成所述联动表；

步骤(2-5)：对应地，将所述随动表的n个字节分为若干子表，以数字序号标识；

所述NC大数据文件生成模块(3)用于生成所述NC大数据文件；进而包括下述步骤：

步骤(3-1)：对于所述联动表的所有子表，生成所述联动表的所有子表的地址目录；所述地址目录包括每子表的联动表首地址；所述联动表首地址用于从所述联动表的每个子表中读取所述联动状态字、所述方向状态字、所述联动映像；

步骤(3-2)：对于所述随动表的所有子表，生成所述随动表的所有子表的地址目录；所述地址目录包括每个子表的随动表首地址与末地址；所述随动表首地址用于从所述随动表的每个子表中读取所述控制节律；所述随动表末地址用于所述期望运动轨迹的终点控制；

步骤(3-3)：将所述联动表的所有子表、所述随动表的所有子表、所述联动表的所有子表的地址目录、以及所述随动表的所有子表的地址目录合并，生成所述NC大数据文件；

所述NC大数据文件发送模块(4)用于通过串行接口向所述数据驱动器发送所述NC大数据文件；进而包括下述步骤：

步骤(4-1)：所述NC大数据制造系统将所述NC大数据文件通过串行接口发送给所述数据驱动器；

步骤(4-2)：所述数据驱动器通过所述串行接口接收所述NC大数据文件；

步骤(4-3)：所述数据驱动器将所述NC大数据文件存储在所述NC大数据存储器中；

所述NC大数据驱动模块(5)用于所述数据驱动器通过所述联动接口向所述伺服驱动器发送所述联动映像与所述方向符号，所述伺服驱动器接收与执行所述联动映像与所述方向符号，驱动所述联动轴联动；进而包括下述步骤：

步骤(5-1)：所述数据驱动器从所述地址目录中读取所述联动表第1个子表的首地址，写入所述数据指针；

根据所述数据指针，所述数据驱动器从所述联动表的第1个子表中读取第1个联动状态字，写入所述联动寄存器；

根据所述数据指针，所述数据驱动器从所述联动表第1个子表中读取第1个方向状态字，写入所述方向寄存器；

根据所述数据指针，所述数据驱动器从所述联动表第1个子表中读取第1个联动映像，写入所述联动映像寄存器；

步骤(5-2)：所述数据驱动器从所述地址目录中读取所述随动表第1个子表的首地址，写入所述节律指针；

根据所述节律指针，所述数据驱动器从所述随动表的第1个子表中读取第1个控制节律，并写入所述节律定时器；

所述节律定时器中的定时时间到，通过所述联动接口，向所述联动寄存器指定的伺服驱动器发送所述联动命令、以及所述方向寄存器指定的所述方向符号；

所述伺服驱动器响应所述联动命令所产生的中断请求，将所述联动映像与所述方向符号写入位置环，驱动所述联动轴联动；

步骤(5-3)：所述数据指针加1，所述节律指针加1，重复所述步骤(5-1)至所述步骤(5-2)，直至所述节律指针指向所述随动表第1个子表的末地址；

步骤(5-4)：所述数据指针加1，所述节律指针加1，重复所述步骤(5-1)至所述步骤(5-3)，直至所述节律指针指向所述随动表最后1个子表的末地址。

6.如权利要求5所述的计算机数字控制系统，其特征还在于：所述多轴系统为串联多轴系统、并联多轴系统、串并混联多轴系统、机器人、3D打印机、无人飞行器。

7.如权利要求5所述的计算机数字控制系统，其特征还在于：所述NC大数据制造系统通过物联网与所述数据驱动器连接。

8.如权利要求5所述的计算机数字控制系统，其特征还在于：所述NC大数据制造系统还包括确定性误差补偿模块；所述确定性误差补偿模块用于补偿确定性误差；所述确定性误差包括反向间隙、螺距误差、不垂直度误差、不平行度误差、热变形误差；

对于所述多轴系统的确定性误差，按照所述确定性误差的分布、所述确定性误差的正负、以及所述确定性误差在所述联动轴的离散位置数据中的具体位置，增加或减少所述联动轴的离散位置数据。

9.如权利要求5所述的计算机数字控制系统，其特征还在于：所述联动轴的联动映像为增量型联动映像，记为△D_j(j＝1、…、s)，用粗粒度予以限定；所述控制节律，记为△t_j(j＝1、…、s)，为所述粗粒度所指定的δt_i之和；微调每个△t_j，以改善联动轴的运动平稳性；所述粗粒度为△D_j中所包含的δD_i的个数；所述粗粒度为用户参数；对应地，所述粗粒度为所述伺服驱动器的伺服参数。

Images