CN103777569A - 一种高折弯精度的折弯机数控系统 - Google Patents
一种高折弯精度的折弯机数控系统 Download PDFInfo
- Publication number
- CN103777569A CN103777569A CN201210409946.4A CN201210409946A CN103777569A CN 103777569 A CN103777569 A CN 103777569A CN 201210409946 A CN201210409946 A CN 201210409946A CN 103777569 A CN103777569 A CN 103777569A
- Authority
- CN
- China
- Prior art keywords
- microcomputer
- module
- prediction
- control system
- bending
- 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.)
- Pending
Links
Images
Abstract
本发明公开了一种高折弯精度的折弯机数控系统,包括连接在微型计算机上的操作面板、显示屏和伺服电机,微型计算机与伺服电机之间依次连接有预测模块、控制模块和电磁阀,控制模块通过预测模块的预测数据实现对伺服电机的控制,伺服电机上连接有光电解码器,光电解码器与微型计算机相连,微型计算机和操作面板之间通过输入模块相连,微型计算机和显示屏之间通过输出模块相连。本发明的有益效果:具有准确的预测功能,可根据现场状况随时对电机进行变速,节省资源,提高产品质量。
Description
技术领域
本发明涉及折弯机中的一种控制系统,特别涉及一种高折弯精度的折弯机数控系统。
背景技术
折弯机折弯角度的控制系统是一个复杂的系统,它与折弯的板料的材质、板料的厚度、下模的角度、上模的油压力(一般是通过控制液位阀的开关角度)等多方面的因素有关。为了使用方便,一般折弯机电机配置的功率一般较大,在折弯过程中,容易形成“大马拉小车”的局面,不但造成电能的浪费,而且还容易折断板料。因此迫切需要电机根据板料的材质、板料的厚度、液位阀的开关角度、以及折弯的角度等多种因素来变速运行的,由于下模在下降运行中,人为就不可以控制了,所以常规的比例-积分-微分控制(PID控制)由于干扰能力差、参数调整复杂,并且属于“事后控制”,不能根据现场情况随时调整,难以满足控制的需要、难以确定精确的数学模型,因此常规控制算法难以满足高精加工的需要。
折弯机折弯角度的不确定性的估计方法有概率分布法、模糊估计法和最小二乘法等,但在工程实际应用中误差很大。
发明内容
针对现有折弯机中控制系统的缺陷,本发明提供了一种高折弯精度的折弯机数控系统。
为了实现上述目的,本发明所采取的措施是:
一种高折弯精度的折弯机数控系统,包括连接在微型计算机上的操作面板、显示屏和伺服电机,微型计算机与伺服电机之间依次连接有预测模块、控制模块和电磁阀,控制模块通过预测模块的预测数据实现对伺服电机的控制,伺服电机上连接有光电解码器,光电解码器与微型计算机相连,微型计算机和操作面板之间通过输入模块相连,微型计算机和显示屏之间通过输出模块相连;
所述预测模块为模糊预测结合灰色集合理论形成的模糊-灰色预测模块;
所述显示屏为液晶显示屏。
本发明的有益效果:模糊-灰色预测方法不仅能较好地模拟建模数据样本,而且还能以较小的相对误差预测建模数据范围以外的其它数据点(即预测未来数据点);模糊-灰色预测方法在建模中仅需要少量试验数据样本,可大大减少折弯试验的成本和工作量;控制系统能根据板料的材质、板料的厚度、液位阀的开关角度、以及折弯的角度等多种因素随时对电机进行变速,节省资源,提高产品质量。
附图说明
图1、本发明的连接方框图。
具体实施方式
一种高折弯精度的折弯机数控系统,包括连接在微型计算机上的操作面板、显示屏和伺服电机,微型计算机与伺服电机之间依次连接有预测模块、控制模块和电磁阀,控制模块通过预测模块的预测数据实现对伺服电机的控制,伺服电机上连接有光电解码器,光电解码器与微型计算机相连,微型计算机和操作面板之间通过输入模块相连,微型计算机和显示屏之间通过输出模块相连;所述预测模块为模糊预测结合灰色集合理论形成的模糊-灰色预测模块;所述显示屏为液晶显示屏。
本发明的工作原理:光电解码器将伺服电机中轴的位置和速度即时的反馈给微型计算机,操作面板通过输入模块将板厚、材质、进深度等数据传输给计算机,预测模块通过微型计算机中板厚、材质、进深度,电机的转速等数据即时预测,控制模块通过对预测模块的预测数据分析,通过电磁阀即时改变伺服电机的转速。
模糊-灰色预测模块的预测原理:折弯机折弯过程中,折弯机折弯角度的经验数学模型可表达为:
αZ=CZ(ap)x(f)y (1)
式中,ap为折弯上模下降的深度(mm),f为进给量(mm/r),x和y为指数,CZ为系数。
对式(1)取对数,可得:log(αZ)=log(CZ)+xlog(ap)+ylog(f)(2)
令:Y=log(αZ),b0=log(CZ)b1=x X1=log(ap)b2=y X2=log(f),代入式(2)得线性模型:Y=b0+b1X1+b2X2(3)
定义式(3)对应的模糊形式为Y(Xp)=A0+A1X1p+A2X2p (4)
这里选择对称三角形形式的模糊隶属度函数。设三角形底边的中心和宽度分别为C和W,则对称模糊数表达为Y(Xp)=[C(Xp),W(Xp)],A0=[C0,W0],A1=[C1,W1],A2=[C2,W2]。分明变量为X1p=log(ap)p,X2p=log(f)p(p表示试验代码,且p=1,2,3,…,n)。
为了使角度的测量值落在式(4)所得预测区间内,并且使对称模糊数的宽度W1之和最小,应当满足以下线性规划关系:
规划目标为:∑W(Xp)→min.(5)
约束条件为:log(αZ)p≤C(Xp)+(1-h)W(Xp)(6)
log(αZ)p≥C(Xp)+(1-h)W(Xp) (7)
式中,W(Xp)=W0+W1X1p+W2X2p,C(Xp)=C0+C1X1p+C2X2p,宽度W1≥0,且中心C1≥0(下标i=0,1,2)。模糊隶属度h满足0<h<1,log(αZ)p为实测角度的对数值。为了方便编程计算,考虑到进给量X1p=log(10mf)p且取m≥2。
在求出式(4)中的模糊数Y(Xp)=[C(Xp),W(Xp)]后,再取反对数,即可得到车削力不确定性的预测区间。依据给定的切削参数范围,安排一组测量试验,试验编号为p=1,2,…,n。对于第p个测量试验,测量实际的折弯角度值;同时将相应的折弯参数(板厚、材质、下模的角度)代入式(4)~(7),以便得到折弯角度不确定性的模糊预测区间;再考察折弯角度的实测值是否落在预测范围内。
已有的研究结果表明,以上描述的模糊预测模型具有如下特征:要得到较好的预测结果,建模的数据样本越多,则在建模数据范围以内模型的输出越满意,但在建模数据范围以外模型输出越不满意。而灰色集合理论擅长于预测不确定性,且能解决模糊预测模型存在的问题。
基于式(4),假设模糊模型的输出序列为:
EY={Y(Xp)}={[Cp,Wp]}={[Yu(p),Ys(p)]}
其中Yu(p)=(Cp-Wp),Ys(p)=(Cp+Wp),且p=1,2,…,n。选出q(q<n)个数据作为折弯角度不确定性的灰色预测原始数据序列,即
Yu0={Yu0(1),Yu0(2),...,Yu0(j),...,Yu0(q)}
Ys0={Ys0(1),Ys0(2),...,Ys0(j),...,Ys0(q)}
其中j=1,2,…,q对于序列Yu0和Ys0,它们的一次累加生成序列分别定义为
Yu1={Yu1(1),Yu1(2),...,Yu1(j),...,Yu1(q)}
Ys1={Ys1(1),Ys1(2),...,Ys1(j),...,Ys1(q)}
其中j=1,2,…,q元素Yu1(j)和Ys1(j)表达为Yk1(j)=∑Yk0(i)(8)
其中j=1,2,…,q对于序列Yk1(1)和Ys1(1),它们的相邻平均生成分别定义为Zu1={Zu1(2),...,Zu1(i),...,Zu1(q)}(i=2,…,q)Zs1={Zs1(2),...,Zs1(i),...,Zs1(q)}(i=2,…,q)
其中,元素Zu1(i)和Zs1(i)可表达为
Zk1(i)=0.5Yk1(i)+0.5Yk1(i-1)(k=u或s)
假设列向量Y=[Yk0(2),Yk0(3),...,Yk0(q)]T,且矩阵B定义为
B=[-Zk1(2),1;-Zk1(3),1;...;-Zk1(q),1](k=u或s)
灰色微分方程dYk1/dt+aYk1(t)=b中的参数a和b的估计值确定为:
[a,b]T=(BTB)-1BTY (9)
根据式(8),有Yk1(0)=Yk0(1)。
灰色微分方程的解为Yk1(0)=Yk0(1)(10a)。
Yk1(i)=[Yk0(1)-b/a]exp[-a(i-1)]+b/a(10b)
式中,i=2,3,…,q。
式(10)可用于求Yk1的模拟序列Yk1。因此,Yk0的模拟序列Yk0可确定为
Yk0(1)=Yk0(1)(11a)
Yk0(i)=Yk1(i)-Yk1(i-1)(11b)
其中i=2,3,…,q;k=u或s。i≤q用于原始序列Yu0和Ys0的模拟;i>q用于折弯角度的不确定性预测。
使用过程中,用户首先输入板厚、材质、进深度,电机转速等参数。然后通过实际的折弯得出的角度,一般是折弯90度、135度、150度、180度,将实际折弯角度输入系统,就可以达到初始设定,在实际应用中,也可以设定补偿误差,本系统提供的补偿误差是0.01度。
本发明的有益效果:模糊-灰色预测方法不仅能较好地模拟建模数据样本,而且还能以较小的相对误差预测建模数据范围以外的其它数据点(即预测未来数据点);模糊-灰色预测方法在建模中仅需要少量试验数据样本,可大大减少折弯试验的成本和工作量;控制系统能根据板料的材质、板料的厚度、液位阀的开关角度、以及折弯的角度等多种因素随时对电机进行变速,节省资源,提高产品质量。
本领域内普通的技术人员的简单更改和替换都是本发明的保护范围之内。
Claims (3)
1.一种高折弯精度的折弯机数控系统,其特征在于,包括连接在微型计算机上的操作面板、显示屏和伺服电机,微型计算机与伺服电机之间依次连接有预测模块、控制模块和电磁阀,控制模块通过预测模块的预测数据实现对伺服电机的控制,伺服电机上连接有光电解码器,光电解码器与微型计算机相连,微型计算机和操作面板之间通过输入模块相连,微型计算机和显示屏之间通过输出模块相连。
2.根据权利要求1所述的一种高折弯精度的折弯机数控系统,其特征在于,所述预测模块为模糊预测结合灰色集合理论形成的模糊一灰色预测模块。
3.根据权利要求1或2所述的一种高折弯精度的折弯机数控系统,其特征在于,所述显示屏为液晶显示屏。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210409946.4A CN103777569A (zh) | 2012-10-23 | 2012-10-23 | 一种高折弯精度的折弯机数控系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210409946.4A CN103777569A (zh) | 2012-10-23 | 2012-10-23 | 一种高折弯精度的折弯机数控系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103777569A true CN103777569A (zh) | 2014-05-07 |
Family
ID=50569944
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210409946.4A Pending CN103777569A (zh) | 2012-10-23 | 2012-10-23 | 一种高折弯精度的折弯机数控系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103777569A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109814406A (zh) * | 2019-01-24 | 2019-05-28 | 成都戴瑞斯智控科技有限公司 | 一种轨道模型电控仿真系统的数据处理方法及解码器架构 |
CN110646961A (zh) * | 2019-09-25 | 2020-01-03 | 深圳市深科达智能装备股份有限公司 | 柔性屏高精度折弯方法 |
-
2012
- 2012-10-23 CN CN201210409946.4A patent/CN103777569A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109814406A (zh) * | 2019-01-24 | 2019-05-28 | 成都戴瑞斯智控科技有限公司 | 一种轨道模型电控仿真系统的数据处理方法及解码器架构 |
CN109814406B (zh) * | 2019-01-24 | 2021-12-24 | 成都戴瑞斯智控科技有限公司 | 一种轨道模型电控仿真系统的数据处理方法及解码器架构 |
CN110646961A (zh) * | 2019-09-25 | 2020-01-03 | 深圳市深科达智能装备股份有限公司 | 柔性屏高精度折弯方法 |
CN110646961B (zh) * | 2019-09-25 | 2020-11-24 | 深圳市深科达智能装备股份有限公司 | 柔性屏高精度折弯方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107861478B (zh) | 一种智能车间平行控制方法及系统 | |
Xu et al. | A hybrid procedure for MSW generation forecasting at multiple time scales in Xiamen City, China | |
CN101587328B (zh) | 非线性过程动态模型辨识方法 | |
EP2682914A1 (en) | Energy management method and system thereof, and gui method | |
CN103513632B (zh) | 能源管理系统 | |
CN100445901C (zh) | 基于AR(p)模型的过程工业生产过程动态成本控制方法 | |
CN108664682A (zh) | 一种变压器顶层油温的预测方法及其系统 | |
CN104156783A (zh) | 计及气象累积效应的电力系统最大日负荷预测系统及方法 | |
Yao et al. | A multi-objective dynamic scheduling approach using multiple attribute decision making in semiconductor manufacturing | |
CN101863088A (zh) | 一种橡胶混炼过程中门尼粘度的预报方法 | |
CN102540875A (zh) | 基于满意数字pid控制器的离散时滞系统控制方法 | |
CN103268082A (zh) | 一种基于灰色线性回归的热误差建模方法 | |
CN102601881B (zh) | 一种橡胶硬度的在线质量监控和预测模型更新的方法 | |
CN103530701B (zh) | 一种基于季节指数法的用户月用电量预测方法和系统 | |
CN101339431B (zh) | 动态物耗能耗的实时控制方法 | |
JP5288271B2 (ja) | 圧延プロセスにおける圧延トルク関数を規定する複数のモデルパラメータを最適化する方法 | |
CN106600029A (zh) | 一种基于电力数据的宏观经济预测量化修正方法 | |
CN105652666B (zh) | 基于bp神经网络的大型模锻压机上横梁速度预测控制方法 | |
CN103777569A (zh) | 一种高折弯精度的折弯机数控系统 | |
CN105320991A (zh) | 基于因素的钢铁企业工序能耗预测方法 | |
CN106202694A (zh) | 基于组合预测方法的组合Kriging模型构建方法 | |
Kurte et al. | Electricity pricing aware deep reinforcement learning based intelligent hvac control | |
CN108053055A (zh) | 基于支持向量机的大型城市中长期电力负荷组合预测方法 | |
Botes et al. | Finding the four qualities of intelligent industrial reporting | |
Zhang et al. | Research and application of computer control system for aluminium single‐stand 4‐high cold rolling mill |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20140507 |