CN102069245B - 基于区间二型模糊逻辑的微细电火花两阶模糊控制方法 - Google Patents

基于区间二型模糊逻辑的微细电火花两阶模糊控制方法 Download PDF

Info

Publication number
CN102069245B
CN102069245B CN2010105447259A CN201010544725A CN102069245B CN 102069245 B CN102069245 B CN 102069245B CN 2010105447259 A CN2010105447259 A CN 2010105447259A CN 201010544725 A CN201010544725 A CN 201010544725A CN 102069245 B CN102069245 B CN 102069245B
Authority
CN
China
Prior art keywords
overbar
fuzzy
rank
zeta
discharge condition
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Expired - Fee Related
Application number
CN2010105447259A
Other languages
English (en)
Other versions
CN102069245A (zh
Inventor
贾振元
张玲瑄
刘巍
李安超
魏力
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Dalian University of Technology
Original Assignee
Dalian University of Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Dalian University of Technology filed Critical Dalian University of Technology
Priority to CN2010105447259A priority Critical patent/CN102069245B/zh
Publication of CN102069245A publication Critical patent/CN102069245A/zh
Application granted granted Critical
Publication of CN102069245B publication Critical patent/CN102069245B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Electrical Discharge Machining, Electrochemical Machining, And Combined Machining (AREA)

Abstract

一种基于区间二型模糊逻辑的微细电火花两阶模糊控制方法,属于微细电火花加工技术领域,涉及一种对微细电火花加工放电状态的检测和控制方法。其特征是首先将采集的电压和电流经过第一阶区间二型模糊系统,得到采样点放电状态矢量;对一个周期内的放电状态矢量进行统计,得到该周期内各放电状态的比率;将其作为输入量再经过第二阶区间二型模糊系统,最终输出微细电极的进给速度。本发明的效果和益处是所提出的控制方法有效克服了平均电压控制方法过于简单化、调节量单一化等缺点及传统一型模糊逻辑在处理不确定性方面的局限性,保证了控制系统和加工过程的稳定性和准确性,显著提高了加工效率,是一种非常适用于微细电火花加工的控制方法。

Description

基于区间二型模糊逻辑的微细电火花两阶模糊控制方法
技术领域
本发明属于微细电火花加工技术领域,涉及一种对微细电火花加工放电状态的检测和控制方法。
背景技术
微细电火花加工具有放电能量微、脉冲电源频率高、放电间隙小、波形畸变严重及噪声干扰大等复杂特性,使得加工过程极为不稳定,加工放电状态难于准确检测和控制,并且随着加工深度的不断增大,放电碎屑排出更加困难,加工环境愈发恶化,致使加工效率低下。因此,实现加工放电状态的准确检测和加工过程的实时有效控制,从而保证加工始终处于最佳放电状态是提高微细电火花加工效率和稳定性的根本途径。
常规电火花加工的控制方法常采用平均电压法,该方法将采集到的放电间隙电压的平均值与设定的伺服参考电压进行比较,当火花放电时,伺服机构保持不动;当间隙开路时,伺服机构进行小位移进给;而当间隙短路时,伺服机构则大位移回退。平均电压法的不足之处是控制规则偏于简单化、加工经验在控制策略中融合不足以及判断依据和调节量单一化,但由于常规电火花加工放电状态变化缓慢且平稳,利用平均电压控制法可以得到较好的控制效果。然而对于微细电火花加工,其脉宽通常很窄,放电能量十分微弱,间隙平均电压幅值较低,并且加工过程干扰严重,采集的电压信号中噪声比率较大,因此平均电压法已不适用于微细电火花加工。
近年来,模糊逻辑被证明是一种较为有效的控制方法,目前已成功用于微细电火花的放电状态检测和加工控制中,在某些加工条件下提高了加工效率并降低了电极损耗。模糊控制系统的设计不要求给出被控对象的精确数学模型,只需要提供操作人员的经验知识及操作数据,即可以模仿人的思维过程进行“不精确推理”,由于介入了人类的经验,因而能够处理微细电火花加工等复杂甚至“病态”系统,在微细电火花加工领域应用十分广泛。然而,模糊控制系统的建立包含如下诸多不确定性因素:(1)不同人员对同一模糊语言变量的理解不同,造成模糊空间难以统一划分;(2)受人为经验局限,输入输出隶属度函数的建立具有不确定性;(3)采集的数据中噪声干扰严重;(4)用以优化模糊控制系统各参数的样本数据也不准确。因此,传统的模糊控制系统本身就具有不确定性,并且其信息处理方法简单,当加工环境恶化时会导致系统动态性能变差,因而仍不能保证微细电火花加工过程的高效性和稳定性。
专利号为ZL200410050760.X的《微细电火花加工间隙放电状态的检测方法》结合系统辨识和模糊逻辑理论提出了微细电火花加工间隙放电状态检测方法,该方法能较好适应微细电火花高频、微能的加工条件,但主要存在采样点放电状态模糊逻辑规则的设计过于依赖人工经验、不确定性大,以及放电状态分类方法耗时且较为粗略,易导致有效信息丢失等缺点。专利公告号为CN101362235的《一种电火花微小孔加工控制方法》结合前提隶属度和适合度确定加工控制策略,提供了一种基于模糊逻辑的微细电火花加工控制方法,该方法运算量小、运算周期短,但主要存在模糊系统设计缺少解模糊环节、输出电机速度模块化致使速度选择不灵活等缺点,此外其隶属度函数的建立仍主要依靠人工经验,亦不能很好的解决模糊控制的不确定性问题。
发明内容
本发明的目的是针对复杂非线性和多因素时变的微细电火花加工系统难以进行实时、准确、高效控制的技术难题,克服平均电压法在加工控制中过于简单化、加工经验在控制策略中融合不足和调节量单一化等缺点,解决传统模糊控制系统本身包含较大不确定性,易导致加工过程不稳定、加工效率低等亟待突破的难点问题,提出一种基于区间二型模糊逻辑的微细电火花加工两阶模糊控制方法,将传统的模糊集合扩展为二型模糊集合,以提高系统处理不确定性的能力;同时还提出了微细电火花加工分析周期内放电状态的准确分类及统计方法,以实现对微细电火花加工控制的精确控制,从而提高加工效率和加工系统的稳定性。
本发明所采用的技术方案是:一种基于区间二型模糊逻辑的微细电火花两阶模糊控制方法,其特征在于,将传统一型模糊系统扩展为二型模糊系统,并建立两阶模糊控制器,第一阶模糊控制系统用来准确判别采样点的放电状态,第二阶模糊控制系统用来输出电机的进给速度;首先将加工过程中实时采集到的间隙电压和间隙电流作为第一阶模糊控制系统的输入,经过区间二型模糊逻辑的模糊化和规则表进行推理,得到包含四种放电状态概率的采样点放电状态矢量;通过对一个分析周期内的所有放电状态矢量进行统计,得到该分析周期内各放电状态的比率,并将其作为第二阶模糊系统的输入;再经过完整的区间二型模糊系统,最终输出电机的运动速度;将该速度乘以速度系数,即可得到微细电极的进给速度,基于区间二型模糊逻辑的微细电火花加工两阶模糊控制方法具体步骤如下:
(1)第一阶控制系统输入输出隶属度函数的建立
将加工过程中实时采集到的间隙电压和间隙电流,除以数据采集卡的增益η,得到值在[0,5]之间的标准化电压Ui和电流Ii,作为第一阶模糊控制系统的输入;结合加工经验和神经网络优化方法,初步建立一型模糊输入输出隶属度函数,并制定相应模糊规则,然后将输入隶属度函数进一步扩展为区间二型模糊隶属度函数:针对每一个隶属度函数μi,选取容量为N的样本,样本数据记为zi=[Ui,Ii,SPi],其中SPi为经过模糊推理得到的放电状态值;将样本分成k组,并保证每组中的样本数量大于1且||zi-zj||≤δ,δ为根据实际样本情况选取的一个极小值;找出每组样本中隶属度最大和最小的两个数据,并将其隶属度值记为maxl(μ)和minl(μ),l=1,2,...,k;最后以原隶属度函数μi为中心,向两侧分别进行扩展,扩展量为:
| Δ μ i | = 1 k Σ l = 1 k ( max l ( μ ) - min l ( μ ) ) / 2
扩展后,隶属度函数形成了上下两个边界,其中上边界的函数表达式为
Figure BSA00000346400000042
下边界的函数表达式为μ i=μi-|Δμi|,并且当
Figure BSA00000346400000043
时,取μ i=0,当μ i=μi-|Δμi|<0时,取
Figure BSA00000346400000044
(2)采样点放电状态辨识方法
使用输入变量隶属度的最小化运算,对第一阶模糊推理的前提隶属度进行计算,其中模糊规则见表1:
表1第一阶区间二型模糊系统的模糊规则
Figure BSA00000346400000045
对于一条模糊规则l,其前提隶属度Fl为一个区间
Figure BSA00000346400000046
f l
Figure BSA00000346400000047
为其上下边界,因此一阶模糊系统的输出是一个区间
Figure BSA00000346400000048
设输出论域Yi内共有n条隶属度函数,其重心的最大及最小值分别为b l
Figure BSA00000346400000051
S p 可通过下面两式计算
S p ‾ = b 1 ‾ ∫ Y 1 f 1 ‾ dy 1 + Σ l = 2 n b l ‾ ∫ Y l f l ‾ dy l ∫ Y 1 f 1 ‾ dy 1 + Σ l = 2 n ∫ Y l f l ‾ dy l , S p ‾ = Σ l = 1 n - 1 b l ‾ ∫ Y l f ‾ dy l + b n ‾ ∫ Y n f ‾ dy n Σ l = 1 n - 1 ∫ Y l f ‾ dy l + ∫ Y n f ‾ dy n ,
如果输出隶属度函数仍保持一型,则利用加权求和方法可得到最终输出的放电状态值为
Figure BSA00000346400000056
0<λ<1;
(3)采样点放电状态矢量映射及统计方法
使用四维单位矢量p来描述采样点的四种放电状态,将采样点输出论域按放电状态取值范围划分成4个类,记为
Figure BSA00000346400000057
其中i=1,2,3,4;保留完整的采样点放电状态信息,设计映射规则为:如果Sp∈Mi∩Mi+1,则
Figure BSA00000346400000058
Figure BSA00000346400000059
其余元素为0;如果Sp仅包含于Mi,则pi=1,其余元素为0,由此完成采样点放电状态矢量映射过程;
假设一个分析周期内采样点数量为N,则该分析周期内的短路率ζSH,火花率ζSP,脉间率ζOFF和开路率ζO可按下式得到
ζ SH = Σ j = 1 N p 1 j N , ζ SP = Σ j = 1 N p 2 j N , ζ OFF = Σ j = 1 N p 3 j N , ζO=1-ζDSOFF
式中ζSH,ζSP,ζOFF,ζO∈[0,1];忽略脉间状态,其余三种放电状态可按下式统计得到
ζ SH ′ = ζ SH ζ SH + ζ SP + ζ O , ζ SP ′ = ζ SP ζ SH + ζ SP + ζ O , ζO′=1-ζ′SH-ζ′SP
(4)第二阶控制系统输入输出隶属度函数的建立
第二阶控制系统的输入为前述(3)中所得的短路率ζSH′和火花率ζSP′,输出为电极的运动命令速度v,将其乘以速度系数即可得到微细电极的进给速度;第二阶模糊控制规则见表2:
表2第二阶区间二型模糊系统的模糊规则
Figure BSA00000346400000061
第二阶区间二型模糊控制系统的设计方法同第一阶,在输出速度前首先得到输出速度v的一型模糊区间
Figure BSA00000346400000062
v计算方法如下:①首先将各输出论域上的每条隶属度函数重心的左端点v l 按由大到小的顺序排序,即v 1 v 2 ≤...≤v n ,令且vlv l ,然后利用
Figure BSA00000346400000064
计算v且令v=v;②找到一个值k1,其中1≤k1≤n-1,使得
Figure BSA00000346400000065
③对于l≤k1,令
Figure BSA00000346400000066
对于l>k1,令flf l ,然后再利用公式
Figure BSA00000346400000067
计算v;④如果v=v,则停止计算,否则令v=v返回②重新进行计算;
Figure BSA00000346400000068
的计算方法同v,仅需要更改各变量的上下标,由此得到输出速度的区间为
Figure BSA00000346400000069
最后取平均值得到输出电机命令速度为
Figure BSA000003464000000610
本发明的效果和益处是所提出的基于区间二型模糊逻辑的微细电火花两阶模糊控制方法有效克服了平均电压控制方法过于简单化、调节量单一化等缺点及传统一型模糊逻辑在处理不确定性方面的局限性,保证了控制系统和加工过程的稳定性和准确性,显著提高了加工效率,确保了加工控制的实时性,是一种非常适用于微细电火花加工的控制方法。
附图说明
图1是基于区间二型模糊逻辑的两阶模糊控制原理图,X为第一阶模糊系统的输入量:采样点电压和电流,p为采样点放电状态矢量,Y为第二阶模糊系统输入量:分析周期内的短路率和火花率,Z为输出电极的运动速度。
图2是第一阶控制系统输入区间二型隶属度函数图,图(a)为输入电压隶属度函数图,横坐标为间隙电压除以数据采集卡的增益η后的标准化电压值,纵坐标为电压的隶属度值,图(b)为输入电流隶属度函数图,横坐标为间隙电流除以数据采集卡的增益η后的标准化电流值,纵坐标为电流的隶属度值,图中L代表“低”,M代表“中”,H代表“高”。
图3是第一阶控制系统输出一型隶属度函数图,横坐标为放电状态值,纵坐标为输入前提隶属度值。
图4是第二阶控制系统输入区间二型隶属度函数图,图(a)为输入短路率隶属度函数图,横坐标为短路率,纵坐标为短路率的隶属度值,图(b)为输入火花率隶属度函数图,横坐标为火花率,纵坐标为火花率的隶属度值,图中S代表“小”,M代表“中”,L代表“大”。
图5是第二阶控制系统输出区间二型隶属度函数图,横坐标为电机的命令速度,纵坐标为输入前提隶属度值,图中FB代表“快退”,SB代表“慢退”,SM代表“不动”,SF代表“慢进”,FF代表“快进”。
具体实施方式
以下结合技术方案和附图详细叙述本发明的具体实施方式。
加工实验条件如下:电极材料为黄铜,电极直径0.1mm,工件材料为铝板,高低压复合加工,其中高压255V、低压94V,脉宽25μs,脉间30μs,峰值电流0.88A,加工电容为4700pF,工作液为煤油,正极性加工,主轴转速r=1500转/分;对放电间隙电信号的数据采样频率为2MHz。
首先通过样本分析,建立第一阶输入二型模糊隶属度函数,分别如图2(a)和(b)所示。取如上所示加工条件下任一采样点的标准化Ui和Ii作为第一阶模糊系统的输入量,不妨假设该采样点的标准化Ui和Ii数值分别为1.5和1.25,由于输入隶属度函数包含上下边界,因而输入电压和电流的隶属度为区间值,分别为
Figure BSA00000346400000083
根据第一阶模糊规则及图3,采用最小值算法计算得到第一阶输入前提隶属度为:
F DL = min ( μ U L ( U i ) , μ I M ( I i ) ) = [ 0.15,0.2 ]
F HH = min ( μ U M ( U i ) , μ I M ( I i ) ) = [ 0.2,0.4 ]
F MJ = max ( min ( μ U L ( U i ) , μ I L ( I i ) ) , min ( μ U M ( U i ) , μ I L ( I i ) ) ) = [ 0.2,0.45 ]
其中FDL、FHH及FMJ分别代表一阶输出隶属度函数中“短路”、“火花”及“脉间”状态的前提隶属度值。计算得输出采样点放电状态值区间上下端点为:
S p ‾ = b 1 ‾ ∫ Y 1 f 1 ‾ dy 1 + Σ l = 2 n b l ‾ ∫ Y l f l ‾ dy l ∫ Y 1 f 1 ‾ dy 1 + Σ l = 2 n ∫ Y l f l ‾ dy l = 1 , S p ‾ = Σ l = 1 n - 1 b l ‾ ∫ Y l f ‾ dy l + b n ‾ ∫ Y n f ‾ dy n Σ l = 1 n - 1 ∫ Y l f ‾ dy l + ∫ Y n f ‾ dy n = 1.06 ;
令λ=0.5,则
Figure BSA000003464000000810
由附图3知Sp∈M2∩M3,因此
Figure BSA000003464000000811
Figure BSA000003464000000812
p1=p4=0,即得采样点放电状态矢量为p=[0,0.94,0.06,0]。
假设在任意分析周期内对采样点放电状态矢量进行统计后得到短路率和火花率分别为ζSH′=0.17和ζSP′=0.66,它们也是第二阶模糊控制系统的输入量。建立区间二型隶属度函数分别如图4(a)和(b)所示,同样由于其输入隶属度函数包含上下边界,输入短路率和火花率的隶属度区间分别为
Figure BSA00000346400000091
Figure BSA00000346400000092
Figure BSA00000346400000093
第二阶前提隶属度依然采用最小值算法,根据第二阶模糊系统的模糊规则及图5,得到第一阶输入前提隶属度为:
F SF = min ( μ ζ SH ′ S ( ζ SH ′ ) , μ ζ SP ′ M ( ζ SP ′ ) ) = [ 0.8,0.83 ]
F SM = min ( μ ζ SH ′ M ( ζ SH ′ ) , μ ζ SP ′ M ( ζ SP ′ ) ) = [ 0.59,0.69 ]
其中FSF和FSM分别代表第二阶输出隶属度函数“慢进”和“不动”状态的前提隶属度区间值。通过发明内容(4)中的循环方法计算得到输出速度的一型模糊区间为
Figure BSA00000346400000096
同样利用均值法对速度进行解模糊,得到电机命令速度为
Figure BSA00000346400000097
将此速度乘以速度系数1000后,最终得到该分析周期的微细电极进给速度为149nm/ms。
实施方式1在加工条件如前所示的微细电火花加工系统中,选择厚度为1mm的铝板作为工件,分别采用基于平均电压法的传统自动进给控制方法、传统一型模糊控制法和本发明提出的两阶区间二型模糊控制法各加工5个小孔,平均加工时间见表3:
表3实施方式1中三种加工方法平均加工时间
Figure BSA00000346400000098
通过实施方式1的结果比较可见:应用本发明提出的两阶区间二型模糊控制法比应用基于平均电压法的传统自动进给控制方法的加工效率提高41.3%,比传统一型模糊控制法加工效率亦提高了21.9%。
实施方式2保持加工参数不变,选择厚度为2mm的铝板作为工件,仍然采用上述三种控制方法各加工5个小孔,平均加工时间见表4:
表4实施方式2中三种加工方法平均加工时间
Figure BSA00000346400000101
通过实施方式2的结果比较可见:将铝板工件的厚度由1mm增大到2mm,即将小孔深径比由10∶1增大到20∶1时,应用本发明提出的两阶区间二型模糊控制法比应用基于平均电压法的传统自动进给控制方法的加工效率提高51.6%,比传统一型模糊控制法加工效率亦提高了31.6%。此外,对于相同的加工实验条件,当增大小孔的深径比时,由于加工环境随加工深度的增大而逐渐恶化,本发明所采用的控制方法因其具有较强的不确定性处理能力,所需加工时间大幅缩短,加工效率明显提高。

Claims (1)

1.一种基于区间二型模糊逻辑的微细电火花加工两阶模糊控制方法,其特征在于,将传统一型模糊系统扩展为二型模糊系统,并建立两阶模糊控制器,第一阶模糊控制系统用来准确判别采样点的放电状态,第二阶模糊控制系统用来输出电机的进给速度;首先将加工过程中实时采集到的间隙电压和间隙电流作为第一阶模糊控制系统的输入,经过区间二型模糊逻辑的模糊化和规则表进行推理,得到包含四种放电状态概率的采样点放电状态矢量,通过对一个分析周期内的所有放电状态矢量进行统计,得到该分析周期内各放电状态的比率,并将其作为第二阶模糊控制系统的输入,再经过完整的区间二型模糊系统,最终输出电机的进给速度,将该速度乘以速度系数,即可得到微细电极的进给速度;基于区间二型模糊逻辑的微细电火花加工两阶模糊控制方法具体步骤如下:
(1)第一阶模糊控制系统输入输出隶属度函数的建立
将加工过程中实时采集到的间隙电压和间隙电流,除以数据采集卡的增益η,得到值在[0,5]之间的标准化电压Ui和电流Ii,作为第一阶模糊控制系统的输入;结合加工经验和神经网络优化方法,初步建立一型模糊输入输出隶属度函数,并制定相应模糊规则,然后将输入隶属度函数进一步扩展为区间二型模糊隶属度函数:针对每一个输入隶属度函数μi,选取容量为N的样本,样本数据记为zi=[Ui,Ii,SPi],其中SPi为经过模糊推理得到的放电状态值;
将样本分成k组,并保证每组中的样本数量大于1且‖zi-zj‖≤δ,δ为根据实际样本情况选取的一个极小值;找出每组样本中隶属度最大和最小的两个数据,并将其隶属度值记为maxl(μ)和minl(μ),l=1,2,...,k;最后以原输入隶属度函数μi为中心,向两侧分别进行扩展,扩展量为:
| Δμ i | = 1 k Σ l = 1 k ( max l ( μ ) - min l ( μ ) ) / 2
扩展后,隶属度函数形成了上下两个边界,其中上边界的函数表达式为
Figure FSB00000727822800022
下边界的函数表达式为μ i=μi-|Δμi|,并且当
Figure FSB00000727822800023
时,取μ i=0,当μ i=μi-|Δμi|<0时,取
Figure FSB00000727822800024
(2)采样点放电状态辨识方法
使用输入变量隶属度的最小化运算,对第一阶模糊推理的前提隶属度进行计算;对于模糊规则l,其前提隶属度Fl为一个区间
Figure FSB00000727822800025
f l 为其上下边界,因此第一阶模糊控制系统的输出是一个区间
Figure FSB00000727822800027
设输出论域Yi内共有n条隶属度函数,其重心的最大及最小值分别为b l S p 可通过下面两式计算 S p ‾ = b 1 ‾ ∫ Y 1 f 1 ‾ dy 1 + Σ l = 2 n b 1 ‾ ∫ Y l f l ‾ dy l ∫ Y 1 f 1 ‾ dy 1 + Σ l = 2 n ∫ Y l f l ‾ dy l , S p ‾ = Σ l = 1 n - 1 b l ‾ ∫ Y i f l ‾ dy l + b n ‾ ∫ Y n f n ‾ dy n Σ l = 1 n - 1 ∫ Y l f l ‾ dy l + ∫ Y n f n ‾ dy n , 如果输出隶属度函数仍保持一型,则
Figure FSB000007278228000212
利用加权求和方法可得到最终输出的放电状态值为 S p = &lambda; S p &OverBar; + ( 1 - &lambda; ) S p &OverBar; , 0 < &lambda; < 1 ;
(3)采样点放电状态矢量映射及统计方法
使用四维单位矢量p来描述采样点的四种放电状态,将采样点输出论域按放电状态取值范围划分成4个类,记为
Figure FSB000007278228000214
其中i=1,2,3,4;保留完整的采样点放电状态信息,设计映射规则为:如果Sp∈Mi∩Mi+1,则
Figure FSB000007278228000215
Figure FSB000007278228000216
其余元素为0;如果Sp仅包含于Mi,则pi=1,其余元素为0;由此完成采样点放电状态矢量映射过程;
假设一个分析周期内采样点数量为N,则该分析周期内的短路率ζSH,火花率ζSP,脉间率ζOFF和开路率ζO可按下式得到
&zeta; SH = &Sigma; j = 1 N p 1 j N , &zeta; SP = &Sigma; j = 1 N p 2 j N , &zeta; OFF = &Sigma; j = 1 N p 3 j N , ζO=1-ζSHSPOFF
式中ζSH,ζSP,ζOFF,ζO∈[0,1];忽略脉间状态,其余三种放电状态可按下式统计得到 &zeta; SH &prime; = &zeta; SH &zeta; SH + &zeta; SP + &zeta; O , &zeta; SP &prime; = &zeta; SP &zeta; SH + &zeta; SP + &zeta; O , ζO′=1-ζ′SH-ζ′SP
(4)第二阶模糊控制系统输入输出隶属度函数的建立
第二阶模糊控制系统的输入为前述(3)中所得的短路率ζSH′和火花率ζSP′,输出为电机的进给速度v,将其乘以速度系数即可得到微细电极的进给速度;第二阶区间二型模糊控制系统的设计方法同第一阶,在输出速度前首先得到电机的进给速度v的一型模糊区间 v计算方法如下:①首先将各输出论域上的每条隶属度函数重心的左端点v l 按由大到小的顺序排序,即v 1 v 2 ≤...≤v n ,令
Figure FSB00000727822800037
且vlv l ,然后利用
Figure FSB00000727822800038
计算v且令v=v;②找到一个值k1,其中1≤k1≤n-1,使得③对于l≤k1,令
Figure FSB000007278228000310
对于l>k1,令flf l ,然后再利用公式
Figure FSB000007278228000311
计算v;④如果v=v,则停止计算,否则令v=v返回②重新进行计算;
Figure FSB000007278228000312
的计算方法同v,仅需要更改各变量的上下标,其中与k1相应的值记为k2;由此得到电机的进给速度的降型集为
Figure FSB000007278228000313
最后取平均值得到电机的进给速度为 v = 1 2 ( v &OverBar; + v &OverBar; ) .
CN2010105447259A 2010-11-08 2010-11-08 基于区间二型模糊逻辑的微细电火花两阶模糊控制方法 Expired - Fee Related CN102069245B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN2010105447259A CN102069245B (zh) 2010-11-08 2010-11-08 基于区间二型模糊逻辑的微细电火花两阶模糊控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN2010105447259A CN102069245B (zh) 2010-11-08 2010-11-08 基于区间二型模糊逻辑的微细电火花两阶模糊控制方法

Publications (2)

Publication Number Publication Date
CN102069245A CN102069245A (zh) 2011-05-25
CN102069245B true CN102069245B (zh) 2012-05-16

Family

ID=44028122

Family Applications (1)

Application Number Title Priority Date Filing Date
CN2010105447259A Expired - Fee Related CN102069245B (zh) 2010-11-08 2010-11-08 基于区间二型模糊逻辑的微细电火花两阶模糊控制方法

Country Status (1)

Country Link
CN (1) CN102069245B (zh)

Families Citing this family (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102909447B (zh) * 2012-09-19 2014-06-18 南京航空航天大学 基于电流脉冲概率检测的电火花伺服控制方法
CN104028861B (zh) * 2014-05-29 2016-08-24 哈尔滨工业大学 一种金属-陶瓷功能梯度材料电火花加工逐级自适应模糊控制方法
CN107276405B (zh) * 2017-05-27 2019-06-04 南京理工大学 微细电火花脉冲电源及基于该电源的分段控制方法
CN107340753B (zh) * 2017-07-05 2019-05-03 苏州电加工机床研究所有限公司 一种电火花数字化脉冲电源的加工脉冲宏观控制方法
CN107862864B (zh) * 2017-10-18 2021-06-15 南京航空航天大学 基于驾驶习惯和交通路况的行驶工况智能预测估计方法
CN108303982B (zh) * 2018-01-31 2021-11-30 深圳力子机器人有限公司 自动引导运输车、其控制方法及控制系统
CN109202192B (zh) * 2018-10-31 2019-09-17 清华大学 微细电火花伺服扫描加工参数优选方法及系统
CN110181132B (zh) * 2019-07-02 2020-09-15 哈尔滨工业大学 绝缘陶瓷涂层-金属电火花加工材料辨识的模糊伺服控制系统及方法
CN112954977B (zh) * 2021-02-18 2023-04-14 财拓云计算(上海)有限公司 一种基于人工智能实现数据中心节能温控的系统及方法
CN113110363B (zh) * 2021-05-24 2023-03-31 齐齐哈尔大学 基于事件驱动策略的网络系统非脆弱模糊滤波器设计方法
CN114372416A (zh) * 2022-01-12 2022-04-19 北京交通大学 牵引变压器的剩余使用寿命预测方法及系统
CN115401274A (zh) * 2022-04-28 2022-11-29 北京迪蒙数控技术有限责任公司 基于模糊控制的电火花自适应控制系统

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH02303720A (ja) * 1989-05-15 1990-12-17 Fanuc Ltd 放電加工機のジャンプ制御方式
EP0548516B1 (de) * 1991-12-23 1995-06-07 AG für industrielle Elektronik AGIE Losone bei Locarno Verfahren zur Steuerung einer Funkenerosionsmaschine
CN100413645C (zh) * 2004-10-29 2008-08-27 大连理工大学 微细电火花加工间隙放电状态的检测方法
CN101143394B (zh) * 2007-09-14 2010-05-19 大连理工大学 电火花加工放电状态预测方法
CN101362235B (zh) * 2008-09-12 2010-06-02 大连理工大学 一种电火花微小孔加工控制方法
CN101695777B (zh) * 2009-10-26 2011-08-17 清华大学 微小放电间隙的双反馈自适应解析模糊伺服控制方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
JP平11-151620A 1999.06.08
井水淼.电火花微小孔加工控制方法及参数优化的研究.《中国优秀硕士学位论文全文数据库 工程科技I辑》.2009,(第5期), *
任小涛.微细电火花加工智能控制算法的研究与应用.《中国优秀硕士学位论文全文数据库 工程科技I辑》.2010,(第7期), *
张玲瑄 等.微细电火花加工放电状态逐级映射检测.《光学精密工程》.2010,第18卷(第3期), *
高升晖.微细及小孔电火花加工的关键技术研究.《中国优秀硕士学位论文全文数据库 工程科技I辑》.2008,(第8期), *

Also Published As

Publication number Publication date
CN102069245A (zh) 2011-05-25

Similar Documents

Publication Publication Date Title
CN102069245B (zh) 基于区间二型模糊逻辑的微细电火花两阶模糊控制方法
CN106933778A (zh) 一种基于爬坡事件特征识别的风电功率组合预测方法
CN103034170A (zh) 一种基于区间的数控机床性能预测方法
Zhang et al. A two-stage servo feed controller of micro-EDM based on interval type-2 fuzzy logic
CN103197596A (zh) 一种数控加工参数自适应模糊控制规则优化方法
CN101143394B (zh) 电火花加工放电状态预测方法
CN1128040C (zh) 机床切削颤振在线智能控制方法
CN108596158A (zh) 一种基于能耗的车削表面粗糙度预测方法
CN113255458A (zh) 基于多视图关联特征学习的轴承故障诊断方法
Liu et al. An accurate prediction method of multiple deterioration forms of tool based on multitask learning with low rank tensor constraint
CN101693324B (zh) 激光加工系统中的激光随动的控制方法及系统
Bharathi et al. Multi-input fuzzy logic controller for brushless dc motor drives
CN104866716A (zh) 一种无传感器的切削状态识别方法
CN108319149B (zh) 一种具有自学习控制模式的电磁开关智慧控制系统
CN109249932B (zh) 一种车辆加速模型标定方法及加速意图识别方法及其装置
CN106323326A (zh) 基于加速度的计数装置及方法
Yumak et al. Tool wear condition monitoring in drilling processes using fuzzy logic
Fu et al. Intelligent classification of cutting tool wear states
CN1515382A (zh) 机床切削颤振在线智能控制系统
Jin et al. On-line chatter recognition and supression in milling based on smart CNC
Gupta et al. Position control of servo motor using sliding mode fuzzy controller
Liu Application of RBF neural network and sliding mode control for a servo mechanical press
Liu et al. Multiple model internal model control based on fuzzy membership function
CN114571286B (zh) 一种基于摩擦起电原理的刀具磨损状态监测方法及系统
CN102328009A (zh) 非线性精密锻压机模糊控制的模糊化和模糊推理方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20120516

Termination date: 20151108

EXPY Termination of patent right or utility model