CN103197596B - 一种数控加工参数自适应模糊控制规则优化方法 - Google Patents
一种数控加工参数自适应模糊控制规则优化方法 Download PDFInfo
- Publication number
- CN103197596B CN103197596B CN201310081486.1A CN201310081486A CN103197596B CN 103197596 B CN103197596 B CN 103197596B CN 201310081486 A CN201310081486 A CN 201310081486A CN 103197596 B CN103197596 B CN 103197596B
- Authority
- CN
- China
- Prior art keywords
- variable
- fuzzy
- fuzzy control
- input
- rule
- 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.)
- Active
Links
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P70/00—Climate change mitigation technologies in the production process for final industrial or consumer products
- Y02P70/10—Greenhouse gas [GHG] capture, material saving, heat recovery or other energy efficient measures, e.g. motor control, characterised by manufacturing processes, e.g. for rolling metal or metal working
Landscapes
- Feedback Control In General (AREA)
Abstract
本发明公开了一种数控加工参数自适应模糊控制模型规则优化方法,该方法包括以下步骤:步骤一、建立数控机床传动系统的参数运算,确定自适应模糊控制模型的输入、输出变量,并根据实际加工情况,确定取值区间;步骤二、分析并确定数控机床传动系统模块,运用键合图法,得到输入、输出语言变量的对应变化关系仿真效果图;步骤三、结合步骤一和步骤二,根据仿真效果图分析参数间的变化关系,对模糊控制规则表进行动态优化。本发明运用功率键合图法对模糊控制规则进行优化,用于数控加工参数的在线自适应控制,提高了模糊控制器的控制性能和加工稳定性。
Description
技术领域
本发明涉及机械工程中的数控加工控制技术领域,特别是涉及一种用于数控加工参数在线调整的模糊控制规则的优化方法。
背景技术
模糊控制作为智能领域中最具有实际意义的一种控制方法,已经在工业控制领域、家用电器自动化领域和其他很多行业中展示出巨大的应用潜力,已经成为自动控制领域中一个非常重要和活跃的分支。尤其是近年来,在数控加工方面,运用此原理建立的模糊控制器,实现了加工参数的在线优化和机床的稳定加工。
随着科学技术的发展,对零件加工质量的要求也越来越高,数控加工参数优化研究应该朝着高性能、高功能、高智能方向发展,才能满足现代化制造技术的要求,因此对模糊控制器的性能也提出了高的标准和要求。而其中模糊控制规则作为模糊控制器的核心之一,关系到参数对应变化关系和变化趋向,对控制性能影响很大。
目前,对于模糊控制规则表的建立方法有如下几种:①根据专家经验或过程知识生成;②根据过程模糊模型生成;③根据对手工操作的系统观察和测量生成;④根据学习算法生成。模糊控制规则建立完之后,采用基于不同的算法进行优化。但是无论是基于经验的规则库的建立,还是基于算法的规则库的优化,都是从模拟的角度出发,与实际情况存在偏差,无法从根本上解决控制规则的数量与质量问题,从而影响模糊控制的整体性能和效果。
发明内容
为了克服现有技术中模糊控制规则的建立和优化需基于经验知识和人为主观性,因而造成控制性能较差的问题,本发明提出一种数控加工参数自适应调整模糊控制规则优化方法,基于功率键合图法建立数控机床传动系统模型,用MATLAB软件进行仿真,得到模糊控制器输入输出语言变量间的变化关系效果图,据此对模糊控制规则进行优化。
本发明提出一种数控加工参数自适应模糊控制模型规则优化方法,该方法包括以下步骤:
步骤一、建立数控机床传动系统的参数运算,确定自适应模糊控制模型的输入、输出变量,并根据实际加工情况,确定取值区间,该步骤包括以下操作:
确定模糊逻辑的控制对象;
确定输入、输出语言变量;
确定所确定的各个变量的归属范围;
确定各变量的对应规则;是指确定模糊控制器输入输出参数之间的对应变化关系,即模糊控制规则;
确定比例系数;是指确定模糊控制器输入输出参数的量化因子;
步骤二、分析并确定数控机床传动系统模块,运用键合图法,得到输入、输出语言变量的对应变化关系仿真效果图,该步骤包括以下操作:
根据传动系统的组成,结合键合图方法,将电机、工作台以键图变量形式进行表达,最终建立整个传动系统的动态键图模型;
根据机床传动系统动态键合图模型建立系统状态方程;
建立MATLAB仿真模型,设定参数值,得到输入、输出语言变量的仿真曲线;
步骤三、结合步骤一和步骤二,根据仿真效果图分析参数间的变化关系,对模糊控制规则表进行动态优化,所述动态优化操作具体包括:分析规则表中输入、输出语言变量间的对应变化关系;再根据通过MATLAB仿真得到的仿真曲线中分析各变量的对应关系;最后对控制规则表进行修改和优化。
所述步骤一中的参数运算还包括将实际电流值进行提取、量化及存储的处理。
与现有技术相比,本发明具有如下优点:
采用功率键合图法建立数控机床传动系统的动态模型,并利用MATLAB软件进行仿真,得到模糊控制器输入、输出语言变量间的变化关系曲线效果图;据此对原模糊控制规则进行优化,得到了基于实际加工情况的更优的模糊控制规则表。取代了传统的基于经验和算法思想的模糊控制规则优化方法,达到控制规则完备性、交叉性和一致性的合理目标;并且提高了系统的控制性能和机床加工稳定性,同时为数控加工参数在线自适应调整的模糊控制器的合理设计和实现提供了依据。
附图说明
图1为本发明的整体流程图;
图2为动态键图模型示意图;
图3为根据所建立的数控加工自适应模糊控制模型的进行参数运算的流程图。
具体实施方式
下面结合附图,进一步详细说明本发明的具体实施方式。
如图1所示,根据数控加工自适应控制模型,得到输入语言变量电流偏差EI、偏差变化率ECI及输出语言变量进给速度变化之间的关系,建立变量参数运算方程,令这三个语言变量的模糊集合论域量化档数均取相同值6,隶属度函数均以三角形函数表示,根据输入、输出语言变量的联系确定模糊控制规则,步骤1;机床的传动系统包括电机、机械传动装置和工作台,据此建立数控机床传动模块的动态键合图模型如图2所示,以及建立传动模块状态方程,得到输入、输出变量参数的对应变化关系仿真曲线,步骤2;结合步骤1和步骤2,根据仿真曲线分析参数间的变化关系,对模糊控制规则表进行动态优化,提高系统的控制性能,步骤3。
传动模块状态方程为:
式中,e1为电机的电势,f1为电机电流,I3为电机电枢电感,I6为电机转子惯量,I11为切削负载质量,p3,p6,p11分别为惯性元件I3,I6和I11的动量变量,C9为工作台抗压刚度,q9为容性元件C9的变位变量,Rs为电枢电阻,Cm为转子阻尼,FR为切削阻力。
图3所示为根据所建立的数控加工自适应模糊控制模型的进行参数运算的流程图,从图中可以看出该模型输入变量电流偏差EI及偏差变化率ECI与输出变量进给速度变化之间通过模糊运算,再结合实际加工条件,确定取值范围及初步形成模糊控制规则。上述的运算具体包括以下流程:
确定模糊控制逻辑的控制对象,例如进给速度变化;
b.确定输入、输出变量,例如电流偏差、偏差变化率;
c.确定各变量的归属范围,例如令三个语言变量的模糊集合论域量化档数均取相同值6;
d.确定各变量对应的模糊控制规则,例如ECI:NL;Δaf:NL;EI:NL;
e.确定量化因子比例系数,例如Ke、Kec、Ku。
在加工过程中,由于进给速度发生变化,致使电流发生变化,通过实时获取实际电流值与额定电流值相比较,得到两者差值和变化率即模糊控制器的输入语言变量:电流偏差和偏差变化率;再通过模糊控制器的作用,使得输出语言变量进给速度向相反的方向变化,这样就能使得实际电流也跟着发生变化,实际上是通过对进给速度的自适应调整,表现为电流的自适应调整。即当系统执行的程序段中进给速度发生变化时,通过模糊控制,使其缓慢变化到既定值,减少突变带来的对机床的冲击,增强系统的稳定性。
本发明的具体实施例说明如下:
基于键合图方法,将电机、工作台等以键图变量形式进行表达,最终建立整个数控加工传动系统的动态键图模型;建立系统状态方程,在设定初始条件下,确定输入量为电机的电流,输出量为进给速度,运用MATLAB软件进行仿真,得到仿真曲线。上述实例的整体流程分为以下几个步骤:
1、根据传动系统的组成,结合键合图方法,将电机、工作台等以键图变量形式进行表达,最终建立整个传动系统的动态键图模型。
2、根据机床传动系统动态键合图模型建立系统状态方程;
3、建立MATLAB仿真模型,设定参数值,得到输入、输出变量的仿真曲线。
再结合步骤1和步骤2,根据仿真曲线分析参数间的变化关系,对模糊控制规则表进行动态优化,例如:从基于专家经验建立的控制规则表1中可以看出,当输入变量电流偏差EI位于NS档、电流偏差变化率ECI位于NL档时,输出变量进给速度变化Uaf位于NM档;经过优化后得到表2,可以看出进给速度变化Uaf应该位于NL档,形成新的符合实际加工情况的模糊控制规则表。
本发明运用功率键合图法对模糊控制规则进行优化,用于数控加工参数的在线自适应控制,提高了模糊控制器的控制性能和加工稳定性。
Claims (2)
1.一种数控加工参数自适应模糊控制模型规则优化方法,其特征在于,该方法包括以下步骤:
步骤一、建立数控机床传动系统的参数运算,确定自适应模糊控制模型的输入、输出变量,并根据实际加工情况,确定取值区间,该步骤包括以下操作:
确定模糊逻辑的控制对象;
确定输入、输出语言变量;
确定所确定的各个变量的归属范围;
确定各变量的对应规则:是指确定模糊控制器输入输出参数之间的对应变化关系,即模糊控制规则;
确定比例系数:是指确定模糊控制器输入输出参数的量化因子;
步骤二、分析并确定数控机床传动系统模块,运用键合图法,得到输入、输出语言变量的对应变化关系仿真效果图,该步骤包括以下操作:
根据传动系统的组成,结合键合图方法,将电机、工作台以键图变量形式进行表达,最终建立整个传动系统的动态键图模型;
根据机床传动系统动态键合图模型建立系统状态方程;
建立MATLAB仿真模型,设定参数值,得到输入、输出语言变量的仿真曲线;
步骤三、结合步骤一和步骤二,根据仿真效果图分析参数间的变化关系,对模糊控制规则表进行动态优化,所述动态优化操作具体包括:分析规则表中输入、输出语言变量间的对应变化关系;再根据通过MATLAB仿真得到的仿真曲线中分析各变量的对应关系;最后对控制规则表进行修改和优化。
2.如权利要求1所述的一种数控加工参数自适应模糊控制模型规则优化方法,其特征在于,所述步骤一中的参数运算还包括将实际电流值进行提取、量化及存储的处理。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310081486.1A CN103197596B (zh) | 2013-03-14 | 2013-03-14 | 一种数控加工参数自适应模糊控制规则优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310081486.1A CN103197596B (zh) | 2013-03-14 | 2013-03-14 | 一种数控加工参数自适应模糊控制规则优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103197596A CN103197596A (zh) | 2013-07-10 |
CN103197596B true CN103197596B (zh) | 2015-10-28 |
Family
ID=48720260
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310081486.1A Active CN103197596B (zh) | 2013-03-14 | 2013-03-14 | 一种数控加工参数自适应模糊控制规则优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103197596B (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104407568A (zh) * | 2014-12-01 | 2015-03-11 | 西北工业大学 | 一种数控加工参数实时自适应优化方法 |
CN105739956B (zh) * | 2014-12-09 | 2019-08-09 | 阿里巴巴集团控股有限公司 | 计算机系统的构建智能规则模型的方法及系统 |
CN108181817A (zh) * | 2018-01-15 | 2018-06-19 | 中国人民解放军陆军装甲兵学院 | 火控系统建模方法 |
CN110568761A (zh) * | 2019-10-09 | 2019-12-13 | 西北工业大学 | 基于模糊控制的进给速度在线优化方法 |
CN111137171B (zh) * | 2020-01-05 | 2023-04-07 | 开沃新能源汽车集团有限公司 | 一种复合电源系统模糊控制器的参数优化设计方法 |
CN111240283B (zh) * | 2020-01-14 | 2022-09-20 | 天津大学 | 针对智能制造系统的可适应规划设计仿真平台构建方法 |
CN111930075B (zh) * | 2020-07-31 | 2022-03-15 | 深圳吉兰丁智能科技有限公司 | 一种自适应加工控制方法及非易失性可读存储介质 |
CN113202669B (zh) * | 2021-06-10 | 2022-07-15 | 哈尔滨工程大学 | 一种电控喷油器性能的多目标优化方法 |
CN116984665B (zh) * | 2023-09-27 | 2023-12-15 | 南京航空航天大学 | 基于鼠笼式异步电机的铣削加工系统及模糊逻辑控制方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1952819A (zh) * | 2005-10-17 | 2007-04-25 | 中国科学院沈阳计算技术研究所有限公司 | 数控机床模糊pid控制方法及实现装置 |
CN102645894A (zh) * | 2012-04-20 | 2012-08-22 | 中国科学院自动化研究所 | 模糊自适应动态规划方法 |
-
2013
- 2013-03-14 CN CN201310081486.1A patent/CN103197596B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1952819A (zh) * | 2005-10-17 | 2007-04-25 | 中国科学院沈阳计算技术研究所有限公司 | 数控机床模糊pid控制方法及实现装置 |
CN102645894A (zh) * | 2012-04-20 | 2012-08-22 | 中国科学院自动化研究所 | 模糊自适应动态规划方法 |
Non-Patent Citations (1)
Title |
---|
基于键合图的交流伺服X-Y工作台建模与仿真;张强等;《制造技术与机床》;20080715(第7期);148-152 * |
Also Published As
Publication number | Publication date |
---|---|
CN103197596A (zh) | 2013-07-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103197596B (zh) | 一种数控加工参数自适应模糊控制规则优化方法 | |
CN104898568A (zh) | 基于刚度辨识的数控机床进给系统控制参数优化方法 | |
CN102509152A (zh) | 一种基于rbf神经网络的开关磁阻电机在线建模方法 | |
CN103197542A (zh) | 基于数据驱动的时滞系统pid控制器镇定方法 | |
CN107968613A (zh) | 一种基于递归模糊神经网络的永磁同步电机转速控制器 | |
CN101639667A (zh) | 一种伺服系统的设计方法 | |
CN110007645A (zh) | 一种基于动力学及深度神经网络的进给系统混合建模方法 | |
CN113703412B (zh) | 基于数字孪生的数控机床虚拟调试系统及系统构建方法 | |
CN105022269A (zh) | 仿生机器鱼关节的控制方法及装置 | |
CN101691020A (zh) | 一种用于虚拟轴机床刀具运动控制的滑模控制方法 | |
CN107272409A (zh) | 一种基于迭代学习的直线伺服系统振动抑制方法 | |
CN108415253B (zh) | 基于马尔可夫跳变理论的飞轮电池磁轴承系统的控制方法 | |
CN105945311A (zh) | 一种基于功率预测的数控机床进给系统调速方法 | |
CN106877769A (zh) | 一种伺服电机速度控制器增益参数自整定的方法 | |
Jiang et al. | Residual learning of the dynamics model for feeding system modelling based on dynamic nonlinear correlate factor analysis | |
CN103744296B (zh) | 一种机电控一体化优化设计方法 | |
CN104038128B (zh) | 基于nurbs的直线电机推力波动控制方法 | |
CN103413049B (zh) | 基于机电耦合特性的并联机床结构优化参数值的获取方法 | |
CN102880118A (zh) | 基于插补精度和加速度限制的变插补周期曲线插补方法 | |
Qiu | A design of automobile cruise control system based on fuzzy PID | |
Kaihong et al. | Non-circular gear modal analysis based on ABAQUS | |
CN107942734A (zh) | 一种基于动态测试数据的进给系统闭环时域仿真方法 | |
Bayindir et al. | Implementation of a PLC and OPC-based DC motor control laboratory | |
Wu et al. | Study on control strategy of the rotary synchronous fixed-length cutting system | |
Dahale et al. | Design and Implementation of Controller using MPC Toolbox |
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 |