CN105425586A - 一种铣削加工振动的在线主动抑制方法 - Google Patents

Abstract

本发明公开一种铣削加工振动的在线主动抑制方法。首先，基于改进的频域LMS算法构造了频域在线主动控制架构。然后，推导了权值系数的迭代公式。再次，融合频点误差和全局频域误差，构造了一种混合误差收敛准则，用于控制算法权值系数的迭代更新和控制收敛点的判定。最后，以铣削加工工件的表面振动为控制目标，以大驱动力压电激励装置为次级激励源，实现铣削加工振动的在线主动抑制。该方法基于频域实现，一个控制循环只进行一次FFT运算，无IFFT运算，可有效保证控制效率。混合误差准则的构造，可在一定程度上有效提高算法的自适应性以及抗干扰能力。

Description

一种铣削加工振动的在线主动抑制方法

技术领域

本发明涉及一种振动控制领域，具体涉及铣削加工振动的在线主动控制与抑制方法。

背景技术

随着机械装备的不断发展与性能提升，对机械部件的加工质量和加工精度提出了越来越高的要求。然而，机械加工振动对加工质量和产品表面精度产生重大影响，严重制约了产品性能的提升。铣削加工作为一个典型代表，加工振动不仅会导致产品质量粗糙，而且影响刀具寿命，甚至导致加工系统的不稳定。因此，抑制铣削加工振动，提升加工质量，迫在眉睫。

主动控制具有结构简单、自适应性强等特点受到广泛关注。然而，现有时域主动控制方法对硬件、软件的时效性要求极高，并且易受信号波动的影响。频域主动控制方法稳定性好，对信号波动不敏感，适宜于工业现场的在线应用。但是，对于在线铣削加工，如何提升控制系统的可靠性、效率以及防止控制参数不当对系统的损坏等一系列问题亟需进一步研究与解决。

本申请人于2012年07月03日提交了一份发明专利申请，其申请号：CN201210227696.2公开了一种壳体结构表面变频率特性的主动控制方法，该方法首先构建频域神经网络辨识器(FNNI)对受控对象进行辨识，采用频域振动响应信号和作动参数作为输入，实现被控结构的建模和响应的一步预测功能，建立响应和激励参数之间的关系；然后构建频域神经网络控制器，由FNNI权值、辨识信号与频域目标信号的误差以及作动参数组成FNNC的输入，采用全局频域误差与特征频点误差相结合的评判准则，由FNNC产生新的作动参数，不断循环迭代，直至达到预设的振幅，完成壳体结构表面变频率特性的主动控制。整个过程集中于频域进行，节省了信号转换时间，构造的评判准则有效提高算法的可靠性、抗干扰性，适于振动和噪声的主动抑制以及结构动态频率特性主动控制。

此外，本申请人于2014年10月11日提交了另一份发明专利申请，其申请号：CN201410531535.1，该申请公开了一种基于神经网络的壳体结构表面振动一致性控制方法。该方法首先基于神经网络优化算法构建振动一致性控制架构，控制架构主要包含辨识器和控制器两部分核心模块，其中辨识器用于被控壳体模型的辨识与振动响应的预测，控制器用于激励参数的优化与控制目标的实现；然后，基于梯度下降法推导辨识器、控制器权值与阈值的迭代公式，用于循环参数的优化与更新；再进一步计算全局误差与频点误差并将它们相结合，构造一种新型的误差评判准则，用于判别控制效果与目标的差异；最后，以壳体结构表面多点振动响应的协同控制为目标，同步实现壳体结构表面多点振动响应的一致性控制。

然而，上述专利申请的控制方法并没有采用本申请采用的技术方案实现铣削加工振动的在线主动抑制以提升自适应性与抗干扰能力、避免了局部最优对控制效果的影响以及避免了控制溢出对硬件装置的损坏。此外，本申请专利与上述现有技术专利存在如下区别：本申请中在线铣削振动抑制时效性要求高，因此基于改进的LMS算法构造频域控制流程。由于LMS算法结构简单，频域控制结构稳定，较上述专利申请的神经网络控制算法，可更有效提高时效性，满足铣削在线控制需求。其次，上述专利申请中以目标点振动响应频谱特性为目标，本申请是以目标点的振动响应最小化为目标。混合误差准则构造与应用，可有效判别目标频段以及受控频点幅值，避免非加工频段及非加工频点对受控过程的干扰，提升方法的自适应性以及对背景噪声的抗干扰能力。再次，区别于上述专利申请，本申请中加入预判断模块来提升系统的鲁棒性。由于铣削加工的不可重复性，一旦控制失效，将会导致不可挽回的损失。因此，本申请引入预判断模块，有效避免了局部最优对控制效果的影响以及控制溢出对硬件装置造成的损坏。

发明内容

针对上述部分问题，本发明提供了一种铣削加工振动的在线主动抑制方法，所述方法基于改进的频域LMS(最小均方算法)实现，控制流程简单，时效性高；构造混合误差评价准则，提升控制系统的可靠性和自适应性；融入预判断模块，防止控制参数溢出对硬件系统的损坏及控制失效。

一种铣削加工振动的在线主动抑制方法，该方法用于铣削加工振动的在线消减与主动抑制，该方法包括如下步骤：

(1)步骤1：基于改进的频域LMS算法实现频域主动控制，每个控制循环只进行一次FFT运算，无IFFT运算；

(2)步骤2：构造混合误差准则，将全局频域误差和特征频点误差相结合；

(3)步骤3：在控制流程中加入预判断模块。

有益效果：有效减少了控制时间，提高了控制效率；有效提高了控制算法的自适应性和抗干扰能力；有效防止局部最优及控制参数溢出造成的硬件损坏与控制失效。

附图说明

图1为本发明的铣削加工振动的在线主动抑制方法的架构图；

图2(a)为本发明铣削加工振动的在线主动抑制方法的时域信号；

图2(b)为本发明铣削加工振动的在线主动抑制方法的频域信号；

图3(a)为本发明铣削加工振动的在线主动抑制方法的容许误差内的受控振动信号；

图3(b)为本发明铣削加工振动的在线主动抑制方法的不在容许误差内的受控振动信号；

图4为本发明铣削加工振动的在线主动抑制方法的控制流程图；

图5为本发明铣削加工振动的在线主动抑制方法的铣削加工振动控制系统；

图6为本发明铣削加工振动的在线主动抑制方法的铣削加工振动信号频谱控制效果对比图；

图7为本发明铣削加工振动的在线主动抑制方法的铣削加工振动信号能量谱效果对比图。

具体实施方式

下面结合附图及具体实施例对本发明的内容作进一步详细说明。参见附图1-7所示。

本发明的一种铣削加工振动的在线抑制方法，其特征在于：

(1)基于改进的频域LMS算法实现频域主动控制，每个控制循环只进行一次FFT运算，无IFFT运算，有效减少了控制时间，提高了控制效率。

图1所示为铣削加工振动在线主动控制的系统架构示意图。其中，铣削振动控制的目标信号为D，控制器输出的次级激励装置的驱动参数为F，时域在线铣削振动信号为y(t)，频域在线铣削振动信号为Y，误差信号为E。控制流程为：系统开始运行时，首先设定铣削振动控制的频域目标振动信号为D；然后通过传感器与数据采集器收集被控铣削加工过程的在线时域振动信号y(t)，通过FFT将其转换为在线频域振动信号Y；将在线频域振动信号Y反馈于控制器，以在线频域振动响应Y与目标振动响应D的差值E作为控制器的输入，通过控制器优化，输出激励参数；原始激励与次级激励作用于铣削加工产生新的在线时域振动信号y(t)，然后采集进行FFT变换，并反馈于控制器。如此反复，直到误差信号E小于预先设定的目标精度。由此可以看出，除了时域在线振动信号y(t)以外，其余均在频域内进行。每一个控制循环只进行一次FFT，无IFFT运算，因此，有效简化了控制流程，提升了控制效率。

控制器的输入输出关系为：

F＝W×(D·Y)＝W×E

其中，F是包含次级激励装置激励频率、幅值、相位信息的控制器输出驱动参数；W为控制器的权值系数，根据误差大小不断的迭代更新优化频域铣削振动信号Y；误差信号E是由目标频域信号D和在线频域振动信号Y相减得到。

控制器的控制优化过程是通过不断的迭代更新权值系数W而实现的，按照一定的规则不断的优化权值系数，从而优化输出激励参数F去激励被控目标，改变在线频域振动信号Y，使Y不断的逼近目标信号D，直至达到目标精度。因此，控制器权值系数的优化更新是保证控制器有效收敛的重要因素之一。

构造控制器权值系数的收敛方式如下：

W(n+1)＝W(n)-ΔW(n)

其中，W(n+1)是第n+1步迭代中控制器的权值系数，W(n)为第n步迭代中控制器的权值系数，ΔW(n)为n+1步迭代中权值系数的变化量，即梯度向量

$\mathrm{\Δ}W\left(n\right)=\frac{\∂J}{\∂W\left(n\right)}=\frac{\∂\left(\frac{1}{2}\right||D-Y|{|}^2)}{\∂W\left(n\right)}=\frac{\∂\left(\frac{1}{2}{E}^2\right)}{\∂W\left(n\right)}=-E\left(n\right)$

其中，J为全局频域误差。

因此，控制器权值系数的迭代公式为：

W(n+1)＝W(n)+ηE(n)

其中，η为学习率，用于控制循环迭代过程的步长。

(2)构造了混合误差准则，将全局频域误差和特征频点误差相结合，有效提高了控制算法的自适应性和抗干扰能力。

误差准则是评判迭代优化过程是否达到目标的重要判别标准，不同的误差准则对控制过程的稳定性以及效率都有重要影响。因此，为了提高本方法的自适应性以及抗干扰能力，分别构造全局频域误差函数以及特征频点误差函数，并将两者结合，构成混合误差准则，用于控制优化过程收敛性的判定。

构造全局频域误差函数，用于评判在线频域振动信号与目标频域信号的距离，以及控制器权值系数的迭代更新。

$J=\frac{1}{2}\underset{i=1}{\overset{n}{\Σ}}{(d_i-y_i)}^2=\frac{1}{2}\left|\right|D-Y|{|}^2$

其中，d_i为目标频域信号D中第i个元素的幅值；y_i为在线频域振动信号Y中第i个元素的幅值；n为目标频域信号D或在线频域振动信号Y离散采样后的频点个数；||·||表示求范数。

构造特征频点误差函数，用于评判控制过程中在线频域振动信号Y中特征频点幅值与目标频谱信号D中特征频点幅值的距离，用于实时反映特征频点处的控制效果。

$J_n=\frac{1}{m}\underset{k=1}{\overset{m}{\Σ}}{(d_k-y_k)}^2$

其中，d_k为目标频谱信号D中第k个特征频点的幅值；y_k为在线振动频谱信号Y中第k个特征频点的幅值；m为特征频点的总个数；且d_i，d_k∈D，y_i，y_k∈Y，m＜n。

综合全局频域误差J与特征频点误差J_n构造混合误差评价准则，作为控制迭代终止的判定条件。如果全局频域误差J小于预先设定的目标精度pre_g，并且特征频点误差J_n小于预先设定的目标精度pre_n，则判定控制迭代终止。

J≤pre_g&J_n≤pre_n

其中，pre_g为预先设定的全局频域误差的目标精度；pre_n为预先设定的特征频点误差的目标精度。

混合误差准则的构造及应用，有两点优势和好处。第一，混合误差准则可有效提升控制效率，并保障控制过程更加平稳光滑。如图2所示，由于时域信号和频域信号并非一对一关系，因此，采用全局频域误差J来进行权值系数优化以及总体误差判定可更好的反映在线频域振动信号Y与目标频域信号D的差异。否则，如果采用时域误差，则可能导致控制过程的震荡。第二，基于全局频域误差和特征频点误差的混合误差准则可有效提升本方法的自适应性与抗干扰能力。在很多情况下，我们更多地会关注振动信号中特征频点的幅值，如果单独采用全局频域误差构成误差准则，将会对所有频点的幅值进行平均化处理，不能有效的反映特征频点处幅值的变化。如果单独采用特征频点误差构成误差准则，将会更多的关注于特征频点的幅值，忽略非特征频点处幅值，从而造成不能接受的控制效果。如图3所示，如果单独采用全局频域误差，将所有频点平均化处理，可能特征频点处的幅值已满足要求，如图3(a)，而由于其他频点的影响，算法不能收敛；如果单独采用特征频点误差，过度的关注特征频点幅值，忽略其他频点幅值，可能得到图3(b)所示的不能接受的控制效果。另外，如果适当的调整全局频域误差的目标精度与特征频点误差的目标精度，可有效提升方法对背景噪声的抗干扰能力。

(3)在控制流程中加入预判断模块，有效防止局部最优及控制参数溢出造成的硬件损坏。

如图4所示的控制流程，在控制过程中实时监测控制器输出驱动参数的值，在输出给硬件装置之前，将其与硬件装置的参数阈值进行比较，如若驱动参数的值小于硬件阈值，则正常输出给硬件装置驱动激励。如若驱动参数的值大于硬件阈值，则对整个控制器重新附初值，重新迭代循环，这样有效避免了非正常驱动参数对硬件装置的损坏。

F＜F_threshold

其中，F为控制迭代输出驱动参数，F_threshold为硬件装置的参数阈值。

当控制器迭代循环首次达到目标精度后，赋予控制器输出驱动参数F一定的扰动量，让其重新迭代，如果在扰动量叠加后二次收敛达到同一收敛状态(即误差精度一致)，则判定此状态为全局最优，迭代终止。如果在叠加扰动量后二次收敛与第一次收敛非同一收敛状态(即误差精度不一致)，则判定此状态为局部最优，给控制器赋予新的初始参数重新启动控制循环。

F₂＝F₁+ΔF

其中，F₁为首次达到目标精度后控制器输出的驱动参数，F₂为对F₁叠加扰动量后的驱动参数，ΔF为扰动量，此扰动量由随机参数产生。

【应用实例】

图5所示为实验系统构成图，实验系统由铣床、被铣削工件、加速度传感器、数据采集器、实时控制器、功率放大器、压电激励装置等组成。实验流程为：通过传感器与数据采集器收集铣床受控前的加工振动信号，经FFT变换与预先设定的目标信号做差后作为控制器的输入，控制器通过迭代优化，输出激励参数，经功率放大器放大后驱动压电激励装置动作，采集原始振动与压电激励装置共同激励后新的振动信号反馈于控制器，并输出新的激励参数，如此循环，直到达到误差准则要求的目标精度。

图6所示为铣削加工受控前与受控后振动信号频谱对比图，图7为受控前与受控后能量谱效果对比图。控制目标是减小铣削加工过程中的低频振荡。通过对受控前与受控后铣削加工在线振动频域信号与能量谱的对比可以发现，本控制系统运行后使低频振动(＜600Hz)得到了有效的衰减，衰减幅值大于50％，使加工质量得到了有效提升。

以上对本发明所提供的一种铣削加工振动的在线主动抑制方法进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (4)

1.一种铣削加工振动的在线主动抑制方法，该方法用于铣削加工振动的在线消减与主动抑制，其特征在于：

该方法包括如下步骤：

(1)步骤1：基于改进的频域LMS算法实现频域主动控制，每个控制循环只进行一次FFT运算，无IFFT运算，有效减少了控制时间，提高了控制效率；

(2)步骤2：构造混合误差准则，将全局频域误差和特征频点误差相结合，有效提高了控制算法的自适应性和抗干扰能力；

(3)步骤3：在控制流程中加入预判断模块，有效防止局部最优及控制参数溢出造成的硬件损坏与控制失效。

2.根据权利要求1所述的铣削加工振动的在线主动抑制方法，其特征为：优选的，所述步骤1包括如下步骤：

(1)假设铣削振动控制的目标信号为D，控制器输出驱动参数为F，时域铣削振动信号为y(t)，频域铣削振动信号为Y，误差信号为E，建立控制器的输入输出关系为：

F＝W×(D-Y)＝W×E

其中，F是包含次级激励装置激励频率、幅值、相位信息的控制器输出驱动参数；W为控制器的权值系数，根据误差大小不断的迭代更新优化在线频域振动信号Y；误差信号E是由目标频域信号D和在线频域振动信号Y相减得到；

除了在线时域振动信号y(t)以外，驱动参数F、目标信号D、在线频域振动信号Y以及误差信号E均为频域信号，因此，一个控制循环只需对在线振动信号y(t)进行一次FFT运算，无任何IFFT运算，有效保证了控制的时效性；

(2)控制器通过不断的迭代更新权值系数W，从而优化输出激励参数F使在线频域振动信号Y不断的去逼近目标频域信号D；

构造控制器权值系数的收敛方式如下：

W(n+1)＝W(n)-ΔW(n)

其中，n为自然数，W(n+1)是第n+1步迭代中控制器的权值系数，W(n)为第n步迭代中控制器的权值系数，△W(n)为n+1步迭代中权值系数的变化量，即梯度向量：

$\mathrm{\Δ}W\left(n\right)=\frac{\∂J}{\∂W\left(n\right)}=\frac{\∂\left(\frac{1}{2}\right||D-Y|{|}^2)}{\∂W\left(n\right)}=\frac{\∂\left(\frac{1}{2}{E}^2\right)}{\∂W\left(n\right)}=-E\left(n\right)$

其中，J为全局频域误差；

因此，控制器权值系数的迭代公式为：

W(n+1)＝W(n)+ηE(n)

其中，η为学习率，用于控制循环迭代过程的步长。

3.根据权利要求2所述铣削加工振动的在线主动抑制方法，其特征为：

所述步骤2包括如下步骤：

(1)构造全局频域误差函数，用于评判在线振动频域信号与目标频域信号的距离，控制器权值系数的迭代更新：

$J=\frac{1}{2}\underset{i=1}{\overset{n}{\Σ}}{(d_i-y_i)}^2=\frac{1}{2}\left|\right|D-Y|{|}^2$

其中，d_i为目标频域信号D中第i个元素的幅值；y_i为在线频域振动信号Y中第i个元素的幅值；n为目标频域信号D或在线振动频域信号Y离散采样后的频点个数；||·||表示求范数；

(2)构造特征频点误差函数，用于评判控制过程中在线频域振动信号Y中特征频点幅值与目标频谱信号D中特征频点幅值的距离，用于实时反映特征频点处的控制效果；

$J_n=\frac{1}{m}\underset{k=1}{\overset{m}{\Σ}}{(d_k-y_k)}^2$

其中，d_k为目标频谱信号D中第k个特征频点的幅值；y_k为在线频域振动信号Y中第k个特征频点的幅值；m为特征频点的总个数；且d_i，d_k∈D，y_i，y_k∈Y，m＜n；

(3)综合全局频域误差J与特征频点误差J_n构造混合误差评价准则，作为控制迭代终止的判定条件：如果全局频域误差J小于预先设定的目标精度pre_g，并且特征频点误差J_n小于预先设定的目标精度pre_n，则判定控制迭代终止；

J≤pre_g&J_n≤pre_n

其中，pre_g为预先设定的全局频域误差的目标精度；pre_n为预先设定的特征频点误差的目标精度。

4.根据权利要求1所述铣削加工振动的在线主动抑制方法，其特征为：

所述步骤3包括以下步骤：

(1)当控制器迭代循环首次达到目标精度后，赋予控制器输出驱动参数F一定的扰动量，让其重新迭代，如果在扰动量叠加后二次收敛达到同一收敛状态，则判定此状态为全局最优，迭代终止，如果在叠加扰动量二次收敛后与第一次收敛非同一收敛状态，则判定此状态为局部最优，给控制器赋予新的初始参数重新启动控制循环：

F₂＝F₁+ΔF

其中，F₁为首次达到目标精度后控制器输出的驱动参数，F₂为对F₁叠加扰动量后的驱动参数，△F为扰动量，此扰动量由随机参数产生；

(2)在控制过程中实时监测控制器输出驱动参数的值，在输出给硬件装置之前，将其与硬件装置的参数阈值进行实时比较，如若驱动参数的值小于硬件阈值，则正常输出给硬件装置驱动次级激励装置；如若驱动控制的值大于硬件阈值，则对整个控制器重新附初值，重新迭代循环，这样有效避免了非正常驱动参数对硬件装置的损坏，

F＜F_threshold

其中，F为控制迭代输出驱动参数，F_threshold为硬件装置的参数阈值。