CN106773716A - 一种用于复合材料压机变速下落的轨迹规划方法 - Google Patents
一种用于复合材料压机变速下落的轨迹规划方法 Download PDFInfo
- Publication number
- CN106773716A CN106773716A CN201710045227.1A CN201710045227A CN106773716A CN 106773716 A CN106773716 A CN 106773716A CN 201710045227 A CN201710045227 A CN 201710045227A CN 106773716 A CN106773716 A CN 106773716A
- Authority
- CN
- China
- Prior art keywords
- track
- walking beam
- kicker cylinder
- speed change
- value
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Feedback Control In General (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种用于复合材料压机变速下落的轨迹规划方法。该方法:首先,对比例先导控制阀输入等差额指令信号控制压机循环下落并采集活动梁位移、回程缸压力和指令信号;而后,对活动梁位移信号进行微分处理得到活动梁下降速度信号,并采用神经网络算法对采集参数进行训练得到阀流量的数学模型;然后,结合回程缸的力平衡方程和流量连续性方程构建下落系统综合数学模型;最后,以回程缸压力的误差积分为寻优指标,采用改进遗传算法对三次样条插值轨迹进行全局优化,获得活动梁下落的控制指令轨迹。本发明采用活动梁下落指令轨迹规划方法,有效避免了系统的刚性冲击与柔性冲击,抑制了系统的压力波动并提高了活动梁变速下落的轨迹规划效率与精确度,提升了工程适应性。
Description
技术领域
本发明涉及一种轨迹规划方法,特别涉及一种大吨位复合材料液压机活动梁变速下落的运动轨迹规划方法。
背景技术
复合材料压机是公共基础设施建设用于制造新型复合材料的核心装备,其以成型精度高、自动化程度强、技术密集、面对复杂构件可实现一次成型以及可连续压制等优点,广泛应用于碳纤维车身、飞机机翼、机械手以及新能源电池等高新产品制造领域。液压机在压制过程中,通常需要活动梁从机锁位高速下落,并在接触待压材料之前进行速度由快到慢的高速转变,以防止压机产生强烈的冲击以及剧烈噪声与振动,避免模具因撞击而受损,从而延长压机的使用寿命,实现料坯的平稳压制。然而对于大吨位的压机活动梁下落过程来说,过大的速度变化率以及系统的压力冲击本身会给压机带来极大振动与磨损。
针对机械构件运动过程中的减振手段目前主要有两种:增设抑振装置和抑振轨迹的规划。(1)抑振装置方面:采用喷气推力装置提供一个与振动互相作用的抑制力来实现振动抑制(如参考专利201010195780.1);或在执行器一侧设置配重阻尼装置以抑制执行器的振动(如参考专利JP2009-242062)(2)抑振轨迹优化方面:通过采用抑振轨迹实现执行器运动过程的位移、速度和加速度曲线连续,从而实现了运动过程柔性冲击与刚性冲击的消除(参考专利201310145357.4、201110299209.9、201110452788.6和US5908122A);或者进一步采用优化算法对执行器运动轨迹的最大跃度值进行最小化规划实现了运动过程对关节机构磨损的减少(如参考专利201410289512.4)。现有专利设计有助于满足抑制执行机构运动冲击的应用要求,但仍存在以下一些不足,主要表现为:
1)增设减振装置不仅提高了工业成本,同时不利于执行器运动的精确控制。针对具有较高成型精度要求的复合材料液压机下落系统,由于其需要保证活动梁在下落过程中的动态的水平精度,活动梁与回程缸只能选择刚性接触。如果二者之间增设阻尼减振装置将增加控制系统的滞后性与不确定性,不利于活动梁水平精度的保证。而在活动梁侧面加设缓冲装置,不仅会使得系统复杂化,成本升高,同时也会影响活动梁运动的动态控制精度,使产品成型质量无法保证。
2)现有轨迹抑振方法多只针对于执行器的运动冲击进行抑制或削弱,很少考虑到液压系统的内在压力冲击。在复合材料液压机压制循环过程中,模具及活动梁的质量较大,致使活动梁在下落过程中极易产生由于自身惯性而引起的机械振动与液压冲击。活动梁运动速度的突变以及加速度突变将会引起系统的刚性冲击与柔性冲击,而过大的液压冲击又将会导致压机液压系统的内在振动,造成阀件磨损以及电液控制精度的降低等。通常一个高精度的活动梁下落运动电液比例控制阀件的成本极高,而长时间高频率的压力冲击将极大缩短压机及关键液压阀件的使用寿命。
3)针对于液压驱动的复合材料压机活动梁变速下落系统,目前多以经验法确定活动梁变速下落轨迹,轨迹规划效率低下。一方面为了寻找使复合材料液压机压力冲击较小的变速轨迹,传统手段通常采用经验法,结合现场试验来确定。传统方法通常只能近似找到一条满足执行器运动冲击较小或者压力波动小的轨迹,难以同时保障运动冲击的消除以及压力振荡的抑制。另一方面,轨迹规划过程耗时较长,效率低下,对各种过程约束条件无法有效保障,无法适应不同工艺要求下变速轨迹的快速规划,极大的限制了轨迹规划方法的适应能力。
发明内容
本发明的目的在于提供一种用于复合材料压机变速下落的轨迹规划方法,该方法解决了传统压机活动梁轨迹规划存在的规划速度慢、输出轨迹无法实现有效减振等问题,实现复合材料压机活动梁无运动冲击以及抑制压力波动的轨迹规划,以提高系统稳定性,改善系统噪声和振动。
为实现上述目的,本发明的技术方案是:一种用于复合材料压机变速下落的轨迹规划方法,首先,对比例先导控制阀输入等差额指令信号控制压机循环下落并采集活动梁位移、回程缸压力和指令信号;而后,对活动梁位移信号进行微分处理得到活动梁下降速度信号,并采用神经网络算法对采集参数进行训练得到阀的通油流量数学模型;然后,结合回程缸的力平衡方程和流量连续性方程构建下落系统综合数学模型;最后,以回程缸压力的误差积分为寻优指标,采用改进遗传算法对三次样条插值轨迹进行全局优化,获得活动梁下落的抑振指令轨迹。
在本发明一实施例中,所述用于复合材料压机变速下落的轨迹规划方法具体实现如下:
S1:对输入指令信号在其工作范围内进行较小间隔的等距划分,并按指令信号从小到大的顺序给定比例先导控制阀,在每一个指令信号下,活动梁从机锁位开始循环下落运行,并同时采集第一回程缸和第二回程缸的稳态压力pL、活动梁位移s信号;
S2:将所采集的第一回程缸和第二回程缸的稳态压力pL、活动梁位移s和比例先导控制阀的指令信号u传输到上位PC机,并对活动梁的位移s进行微分处理得到活动梁的下降速度v;通过液压缸流量公式Q=Av得出流入第一回程缸和第二回程缸的流量值Q,并通过BP神经网络训练得到第一回程缸和第二回程缸稳态压力pL、比例先导控制阀的指令信号u和流入第一回程缸和第二回程缸的流量值Q三者函数映射关系Q=f(u,p);结合第一回程缸和第二回程缸的力平衡方程和流量连续性方程,构建变速下落系统综合数学模型;
S3:采用具有高阶导数连续的多项式曲线作为活动梁变速运动指令轨迹基线,同时依据无柔性冲击与刚性冲击的工艺需求设置其边界条件;将轨迹等间距离散化,得到离散后的轨迹Uspl(t),即:
对相邻两段轨迹的衔接点值Uspl(tj)进行上下浮动,从而可得各段节点指令值为Uspl(tj)=ubj+Δuj;
式中:为各段变速时间的多项式系数,m为多项式最高次数,n为轨迹分段数,i=0,1,…,m,j=0,1,…,n-1,t0为活动梁变速运动的起始时间,tn为活动梁变速运动的终止时间,ubj为基线在tj时刻的指令值,Δuj为与ubj对应的浮动值;
S4:通过Matlab遗传算法工具箱,结合精英策略与迁移策略,在过程约束和边界条件下,对每一代的节点浮动值[Δuk1 Δuk2 ... Δukn]进行最小适应度函数值的全局搜索,式中:k为迭代数;
S5:采用Matlab的样条插值函数spline将规划后的各节点浮动值结合轨迹边界条件即可生成分段连续目标指令轨迹;
S6:在活动梁下落过程中,将规划后的指令轨迹通过PLC传输给比例先导控制阀即可实现活动梁无运动冲击及抑制第一回程缸和第二回程缸压力波动的变速下落运动,轨迹规划结束。
在本发明一实施例中,所述步骤S4的具体实现方式为:
S41:将Matlab遗传算法工具箱生成的每一代的浮点数组[Δuk1 Δuk2 ... Δukn]传递到Matlab的m文件当中,并调用Matlab的样条插值函数生成高阶样条插值轨迹;
S42:将生成的指令轨迹输入到变速下落系统综合数学模型,从而计算得出适应度函数值。
在本发明一实施例中,所述适应度函数采用:
式中:ts为活动梁变速运动持续时间;ep(t)为实际压力值与稳态压力值的差值;ri为各惩罚项的系数因子;Pi(u)是由当代浮动指令电压与基础电压之和构成的Uspl(tj)超出比例先导控制阀的指令信号控制范围时的惩罚项。
在本发明一实施例中,所述边界条件设定为:起始点值Us为活动梁目标运动速度vs对应的指令电压值;终止点值Uf为活动梁目标运动速度vf对应的指令电压值;边界点处轨迹的一阶导数为零。
在本发明一实施例中,所述相邻两段轨迹的衔接点值Uspl(tj)的浮动量的范围取Δuj∈[Us-ubj,Uf-ubj]。
在本发明一实施例中,所述输入指令信号在其工作范围内的划分间隔取全程的1%~5%。
在本发明一实施例中,所述高阶导数连续的多项式曲线的最高次数取3~5。
在本发明一实施例中,所述指令轨迹在变速时间内的分割段数取2~10。
在本发明一实施例中,所述精英策略是对遗传算法每一代的每个种群最优个体进行保护,使其完整的遗传到下一代,保护精英个体数量取种群总个体数的2%~5%;所述迁移策略的迁移间隔代数取10~20。
相较于现有技术,本发明具有以下有益效果:
1)本发明采用目标导向型规划手段对具有高阶光滑连续的样条插值轨迹进行规划,有效避免了系统的运动冲击并有效削弱压力振动。规划过程采用三阶至五阶样条插值轨迹作为规划基线可实现轨迹边界值及其一阶或二阶导数的自由设定;进一步,将轨迹边界点的值及其一阶导数值设置为零可实现活动梁的无柔性冲击与刚性冲击变速下落运动;误差积分最小化的目标导向型的规划手段同时使得回程缸的压力波动趋于最小,从而在不宜添加抑振装置的条件下,降低了压机的噪声与振动,减缓液压元器件的疲劳磨损,延长使用寿命,同时为复合材料的精密压制提供了平稳的压制环境,极大的提高了系统的控制精确性与稳定性,改善产品的压制精度与成型质量。
2)本发明采用数据训练及全局优化的轨迹规划方法,实现压机模型的精确辨识与抑振轨迹快速规划。针对复合材料压机活动梁下落系统,采用神经网络训练与数学模型结合的方式对活动梁下落运动进行模型辨识,综合了压机回程缸压力、阀口开度以及每台液压机独有的不确定性负载等影响,可实现真实工作状态下的活动梁变速下落运动数学模型建立,有效提高了模型预测精度;同时由于实际工作状态下的活动梁下落工作循环具有高度的重复性,对小间隔控制信号下的数据采集一次训练即可描述活动梁下落运动的全部运动特性;多策略结合的全局优化手段与传统经验法相比能更快速高效的规划出符合工艺需求的变速系统下落轨迹模型,可节约大量的人力资源与时间成本。
3)轨迹多段化、边界条件参数化及过程约束的可设计化极大的提高了规划方法的适应性。在复合材料压机活动梁变速下落过程中,面对如活动梁不同运速度之间的转换、最大速度的约束以及指定变速时间等工艺需求,采用边界条件参数化及过程约束可设计的规划方法可实现不同工艺要求下的压力抑振轨迹规划,提高了轨迹规划方法的适应性并便于工程实现与自适应调节;轨迹多段化增大了轨迹规划的寻优范围,更易于搜索到压力波动最小的指令轨迹。
附图说明
图1是一种复合材料压机活动梁变速下落液压系统示意图。
图2是一种复合材料压机活动梁变速下落系统轨迹规划流程图。
图3是一种多约束条件下的轨迹寻优算法流程图。
图4是一种复合材料压机活动梁变速下落系统轨迹规划模块软件实现示意图。
图中:1、活动梁,2、位移传感器,3、第一回程缸,4、第二回程缸,5、测压计,6、安全阀,7、油箱,8、可调节溢流阀,9、高压油源,10、单向阀,11、蓄能器,12、第二先导控制阀,13、第一先导控制阀,14、比例先导控制阀,15、动态插装阀,16、第一插装阀,17、第二插装阀。
具体实施方式
下面结合附图,对本发明的技术方案进行具体说明。
本发明的一种用于复合材料压机变速下落的轨迹规划方法,首先,对比例先导控制阀输入等差额指令信号控制压机循环下落并采集活动梁位移、回程缸压力和指令信号;而后,对活动梁位移信号进行微分处理得到活动梁下降速度信号,并采用神经网络算法对采集参数进行训练得到阀的通油流量数学模型;然后,结合回程缸的力平衡方程和流量连续性方程构建下落系统综合数学模型;最后,以回程缸压力的误差积分为寻优指标,采用改进遗传算法对三次样条插值轨迹进行全局优化,获得活动梁下落的抑振指令轨迹。
以下为本发明的具体实现过程。
图1示意性的表征了一种复合材料液压机活动梁变速下落运动液压系统图,可在压料过程的上模下落阶段,实现活动梁运动速度的精确调节。
工作原理如下:
在活动梁1的变速下落运动过程中,由高压油源9给系统供给高压油液。先导油液由高压油源9出发,经过单向阀10以及稳压蓄能器11分别给第二先导控制阀12、第一先导控制阀13和比例先导控制阀14供油。第一回程缸3和第二回程缸4的柱塞杆在外负载及活动梁1自重的作用下由上向下运动,油液从第一回程缸3和第二回程缸4流出。通过给定比例电磁铁HT1指定大小的输入信号使比例先导控制阀14的阀芯左移,先导高压油流入动态插装阀15下控制腔,并推动动态插装阀15阀芯位上移,上控制腔油液流回油箱,使动态插装阀15阀口开启,从第一回程缸3和第二回程缸4流出的油液经过动态插装阀15,流向第二插装阀17。给定电磁铁HT2输入信号为零,使先导油经过第一先导控制阀13推动第一插装阀16的阀芯向下运动,第一插装阀16阀口关闭。给定电磁铁HT3正信号使先导油经过第二先导控制阀12推动第二插装阀17阀芯向上移动,第二插装阀17阀开启,从而由动态插装阀15流出的油液通过第二插装阀17流回油箱7,实现活动梁的下落运动。其中,活动梁1的下落速度可由输入比例先导控制阀14的信号大小动态调节。
在活动梁上1变速下落运动过程中,安全阀6在第一回程缸3和第二回程缸4压力过载的工况下打开卸压,起到保护系统的作用。可调节溢流阀8保障高压油源9的出口压力不超出系统最大许可值。位移传感器2实时采集活动梁1的运动位移信号,测压计5实时监测第一回程缸3和第二回程缸4的容腔压力。
图2表征一种复合材料压机活动梁变速下落系统轨迹规划流程图。
具体规划流程如下:
步骤1:首先对输入指令信号在其工作范围内进行1%~5%的等距划分,并按指令信号从小到大的顺序给定比例先导控制阀14;在每一个指令信号下,活动梁从机锁位开始循环下落运行,通过位置传感器2对活动梁1在等间距小间隔指令电压下的位置信号s进行采集记录;通过回程缸压力传感器5对第一回程缸3和第二回程缸4在等间距小间隔指令电压下的稳态压力信号pL进行采集记录;同时采集并记录复合材料压机在活动梁变速下落过程中的指令信号u。如针对具体的Atos二通比例插装阀,指令信号范围在0~100%以内,划分间隔取1%~5%。
步骤2:将所采集的第一回程缸3和第二回程缸4的压力pL、活动梁1位移s和比例先导控制阀14的指令信号u的数据传输到上位PC机。通过对活动梁1的位移信号进行低通滤波及微分处理后可得到活动梁1的运动速度v,结合液压缸流量公式Q=Av得出流入第一回程缸3和第二回程缸4的流量值Q。然后以比例先导控制阀14的指令信号u及第一回程缸3和第二回程缸4缸的压力pL为输入,以流入第一回程缸3和第二回程缸4的流量Q为输出,设定隐含神经元层数为3~5层,训练样本占总样本数的70%,验证样本占总样本的15%,测试样本占总样本数的15%,采用具有两层前馈的BP神经网络算法对采集的数据进行模型训练,得到三个参数之间的函数映射关系Q=f(u,p)。
步骤3:第一回程缸3和第二回程缸4的柱塞杆等效面积为Ap,外负载为FL,柱塞及负载折算到柱塞上的总质量为M,柱塞杆的位移为xp,负载及柱塞的粘性阻尼系数为Bp,负载弹簧刚度为K,液压缸外泄漏系数Cep,第一回程缸3和第二回程缸4的容腔等效容积Vt,有效体积弹性模量βe,根据牛顿第二定律及质量守恒定律构建第一回程缸3和第二回程缸4的力平衡方程和流量连续性方程,结合神经网络模型构建变速下落系统综合数学模型(该变速下落系统综合数学模型编译环境为Matlab/Simulink平台),并将其以S函数的形式编译到Simulink中作为子程序以备调用。其中,力平衡方程和流量连续性方程分别为:
步骤4:采用一种具有高阶导数连续的多项式曲线(一般取3~5阶)作为活动梁变速运动指令轨迹基线,设定其边界点值为活动梁目标运动速度对应的指令电压值(如初始为10V,终止点为3V),设定边界点处轨迹的一阶导数为零,为并将其等间距离散化,得到一种三次样条插值指令轨迹:
其特性在于每一段轨迹均为三次多项式曲线,相邻两段指令轨迹在衔接点处连续并且导数具有二阶光滑度,指令轨迹分段数一般取2~10段。对每一个分段节点值Uspl(tj)进行上下浮动,从而得到各段节点指令值为Uspl(tj)=ubj+Δuj。式中:为各段变速时间的多项式系数,i=0,1,…,m,j=0,1,…,n-1,t0为活动梁(1)变速运动的起始时间,tn为活动梁(1)变速运动的终止时间,ubj为基线在tj时刻的指令值,Δuj为与ubj对应的浮动值,m为多项式最高次数,n为轨迹分段数量。
步骤5:图3示意性的表征了一种多约束条件下的轨迹寻优算法流程图。通过Matlab遗传算法工具箱,利用与精英策略及迁移学说相结合的改进遗传算法对每一代的节点浮动值[Δuk1 Δuk2 ... Δukn]进行初值附近的全局搜索,以获取使第一回程缸3和第二回程缸4压力波动最小的指令轨迹。式中,k为算法迭代数。具体流程是:
1)先由计算机将浮动值以浮点数的形式编译成便于算法识别的编码;
2)由算法在设定的浮动范围内随机为[Δuk1 Δuk2 ... Δukn]进行赋值,每一个浮动值数组为一个个体,浮动范围设定为Δuj∈[Us-ubj,Uf-ubj],其中:设定起始点指令信号Us为活动梁目标运动速度vs对应的指令电压值;终止点指令信号Uf为活动梁目标运动速度vf对应的指令电压值;边界点处轨迹的一阶导数为零。;
3)将初始个体平均分配到2~10个板块内并对每一个个体进行适应度值计算,适应度计算函数即为所要达到的轨迹规划目标,如本例采用的是作为适应度函数值,式中:ts为轨迹变速运动持续时间,ep(t)为实际压力值与稳态压力值的差值,ri为各惩罚项的系数因子,Pi(u)是由当代浮动指令电压与基础电压之和构成的Uspl(tj)超出先导控制阀(14)的指令信号控制范围时的惩罚项。
图4示意性的表征了一种适应度函数计算方法的软件实现。
首先由GA tools将每一代的浮点数组[Δuk1 Δuk2 ... Δukn]传递到Matlab的m文件当中,并调用matlab的样条插值函数生成高阶样条插值轨迹,运行步骤3得到的活动梁变速下落系统综合数学模型Simulink子程序,从而计算得出并传递给m文件构成适应度函数的第一部分;适应度函数的第二部分是惩罚因子与惩罚项的乘积,它的一种形式为ri取1.0×106,可直接由目标函数m文件计算得出,式中:Ucon是指令电压的约束范围;
4)将终止条件设定为最大迭代代数为50~100代,适应度函数值的停滞容差为1.0×10-6,最大容差停滞代数为50代。当算法运行满足任意终止条件时,直接跳转第7)步;
5)迁移间隔设定为10~20代,算法对不满足终止条件的遗传运算进行迁移间隔判定。当满足迁移间隔条件时,算法按照迁移率对各个板块上的1~2个最优个体进行板块间的互相迁移。当不满足迁移间隔时,跳过此步;
6)采用精英策略直接保留当前板块上适应度最高的2%~5%个个体,对余下的各个板块的个体进行选择、交叉和变异的遗传程序操作,然后返回第3)步;
7)对当代各板块上的最优个体解码,得到[Δuf1 Δuf2 ... Δufn]的当代最优解,由系统输出到Matlab,算法结束。
步骤6:采用Matlab的样条插值函数spline将规划后的各节点浮动值结合轨迹边界条件即可生成分段连续目标指令轨迹;
步骤7:在活动梁1下落过程中,将规划后的指令轨迹通过PLC传输给比例先导控制阀14即可实现活动梁1无运动冲击和抑制第一回程缸3和第二回程缸4压力波动的变速下落运动,轨迹规划结束。
以上是本发明的较佳实施例,凡依本发明技术方案所作的改变,所产生的功能作用未超出本发明技术方案的范围时,均属于本发明的保护范围。
Claims (10)
1.一种用于复合材料压机变速下落的轨迹规划方法,其特征在于:首先,对比例先导控制阀输入等差额指令信号控制压机循环下落并采集活动梁位移、回程缸压力和指令信号;而后,对活动梁位移信号进行微分处理得到活动梁下降速度信号,并采用神经网络算法对采集参数进行训练得到阀的通油流量数学模型;然后,结合回程缸的力平衡方程和流量连续性方程构建下落系统综合数学模型;最后,以回程缸压力的误差积分为寻优指标,采用改进遗传算法对三次样条插值轨迹进行全局优化,获得活动梁下落的抑振指令轨迹。
2.根据权利要求1所述的一种用于复合材料压机变速下落的轨迹规划方法,其特征在于:该方法具体实现如下:
S1:对输入指令信号在其工作范围内进行较小间隔的等距划分,并按指令信号从小到大的顺序给定比例先导控制阀,在每一个指令信号下,活动梁从机锁位开始循环下落运行,并同时采集第一回程缸和第二回程缸的稳态压力pL、活动梁位移s信号;
S2:将所采集的第一回程缸和第二回程缸的稳态压力pL、活动梁位移s和比例先导控制阀的指令信号u传输到上位PC机,并对活动梁的位移s进行微分处理得到活动梁的下降速度v;通过液压缸流量公式Q=Av得出流入第一回程缸和第二回程缸的流量值Q,并通过BP神经网络训练得到第一回程缸和第二回程缸稳态压力pL、比例先导控制阀的指令信号u和流入第一回程缸和第二回程缸的流量值Q三者函数映射关系Q=f(u,p);结合第一回程缸和第二回程缸的力平衡方程和流量连续性方程,构建变速下落系统综合数学模型;
S3:采用具有高阶导数连续的多项式曲线作为活动梁变速运动指令轨迹基线,同时依据无柔性冲击与刚性冲击的工艺需求设置其边界条件;将轨迹等间距离散化,得到离散后的轨迹Uspl(t),即:
对相邻两段轨迹的衔接点值Uspl(tj)进行上下浮动,从而可得各段节点指令值为Uspl(tj)=ubj+Δuj;
式中:为各段变速时间的多项式系数,m为多项式最高次数,n为轨迹分段数,i=0,1,…,m,j=0,1,…,n-1,t0为活动梁变速运动的起始时间,tn为活动梁变速运动的终止时间,ubj为基线在tj时刻的指令值,Δuj为与ubj对应的浮动值;
S4:通过Matlab遗传算法工具箱,结合精英策略与迁移策略,在过程约束和边界条件下,对每一代的节点浮动值[Δuk1 Δuk2 ... Δukn]进行最小适应度函数值的全局搜索,式中:k为迭代数;
S5:采用Matlab的样条插值函数spline将规划后的各节点浮动值结合轨迹边界条件即可生成分段连续目标指令轨迹;
S6:在活动梁下落过程中,将规划后的指令轨迹通过PLC传输给比例先导控制阀即可实现活动梁无运动冲击及抑制第一回程缸和第二回程缸压力波动的变速下落运动,轨迹规划结束。
3.根据权利要求2所述的一种用于复合材料压机变速下落的轨迹规划方法,其特征在于:所述步骤S4的具体实现方式为:
S41:将Matlab遗传算法工具箱生成的每一代的浮点数组[Δuk1 Δuk2 ... Δukn]传递到Matlab的m文件当中,并调用Matlab的样条插值函数生成高阶样条插值轨迹;
S42:将生成的指令轨迹输入到变速下落系统综合数学模型,从而计算得出适应度函数值。
4.根据权利要求2所述的一种用于复合材料压机变速下落的轨迹规划方法,其特征在于:所述适应度函数采用:
式中:ts为活动梁变速运动持续时间;ep(t)为实际压力值与稳态压力值的差值;ri为各惩罚项的系数因子;Pi(u)是由当代浮动指令电压与基础电压之和构成的Uspl(tj)超出比例先导控制阀的指令信号控制范围时的惩罚项。
5.根据权利要求2所述的一种用于复合材料压机变速下落的轨迹规划方法,其特征在于:所述边界条件设定为:起始点值Us为活动梁目标运动速度vs对应的指令电压值;终止点值Uf为活动梁目标运动速度vf对应的指令电压值;边界点处轨迹的一阶导数为零。
6.根据权利要求2所述的一种用于复合材料压机变速下落的轨迹规划方法,其特征在于:所述相邻两段轨迹的衔接点值Uspl(tj)的浮动量的范围取Δuj∈[Us-ubj,Uf-ubj]。
7.根据权利要求2所述的一种用于复合材料压机变速下落的轨迹规划方法,其特征在于:所述输入指令信号在其工作范围内的划分间隔取全程的1%~5%。
8.根据权利要求2所述的一种用于复合材料压机变速下落的轨迹规划方法,其特征在于:所述高阶导数连续的多项式曲线的最高次数取3~5。
9.根据权利要求2所述的一种用于复合材料压机变速下落的轨迹规划方法,其特征在于:所述指令轨迹在变速时间内的分割段数取2~10。
10.根据权利要求2所述的一种用于复合材料压机变速下落的轨迹规划方法,其特征在于:所述精英策略是对遗传算法每一代的每个种群最优个体进行保护,使其完整的遗传到下一代,保护精英个体数量取种群总个体数的2%~5%;所述迁移策略的迁移间隔代数取10~20。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710045227.1A CN106773716B (zh) | 2017-01-19 | 2017-01-19 | 一种用于复合材料压机变速下落的轨迹规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710045227.1A CN106773716B (zh) | 2017-01-19 | 2017-01-19 | 一种用于复合材料压机变速下落的轨迹规划方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106773716A true CN106773716A (zh) | 2017-05-31 |
CN106773716B CN106773716B (zh) | 2019-06-04 |
Family
ID=58943815
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710045227.1A Active CN106773716B (zh) | 2017-01-19 | 2017-01-19 | 一种用于复合材料压机变速下落的轨迹规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106773716B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108388736A (zh) * | 2018-02-28 | 2018-08-10 | 中国工程物理研究院总体工程研究所 | 软超材料切口尖端形状设计方法 |
CN110017790A (zh) * | 2019-03-15 | 2019-07-16 | 南京航空航天大学 | 一种基于测量精度的曲面扫描轨迹生成与优化方法 |
CN110216673A (zh) * | 2019-06-10 | 2019-09-10 | 成都理工大学 | 电液机器人关节轨迹的非支配邻域免疫遗传多目标优化方法 |
CN110902309A (zh) * | 2018-09-18 | 2020-03-24 | 西门子股份公司 | 用于伺服压制设施的运输系统的运动规划的方法 |
CN111796516A (zh) * | 2019-04-03 | 2020-10-20 | 北京京东乾石科技有限公司 | 用于规划轨迹的方法和装置 |
CN113843304A (zh) * | 2021-09-29 | 2021-12-28 | 武汉钢铁有限公司 | 提高热轧运输线步进梁运行平稳性的方法 |
CN114253308A (zh) * | 2020-09-21 | 2022-03-29 | 陕西环保产业研究院有限公司 | 一种空间框架结构振动的主动控制方法和设备 |
CN117621533A (zh) * | 2024-01-26 | 2024-03-01 | 南通锻压设备如皋有限公司 | 一种复合材料液压机滑块快速下行的控制方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE2814120A1 (de) * | 1977-04-05 | 1978-10-19 | Willemin Machines Sa | Kopiergeraet |
US4989439A (en) * | 1988-11-17 | 1991-02-05 | Mcdonnell Douglas Corporation | Springback stretch press |
US20110087357A1 (en) * | 2009-10-09 | 2011-04-14 | Siemens Product Lifecycle Management Software (De) Gmbh | System, method, and interface for virtual commissioning of press lines |
CN102091752A (zh) * | 2010-11-25 | 2011-06-15 | 中南大学 | 一种自动化锻造的操作机与压机联动轨迹规划方法 |
CN102303421A (zh) * | 2011-09-20 | 2012-01-04 | 天津市天锻压力机有限公司 | 液压机运行速度的控制系统及控制方法 |
CN103678829A (zh) * | 2013-12-31 | 2014-03-26 | 一重集团大连设计研究院有限公司 | 一种伺服压力机拉深加工工艺轨迹的优化设计方法 |
CN105880449A (zh) * | 2016-04-07 | 2016-08-24 | 中南大学 | 模锻压机运行状态的在线预测方法及系统 |
-
2017
- 2017-01-19 CN CN201710045227.1A patent/CN106773716B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE2814120A1 (de) * | 1977-04-05 | 1978-10-19 | Willemin Machines Sa | Kopiergeraet |
US4989439A (en) * | 1988-11-17 | 1991-02-05 | Mcdonnell Douglas Corporation | Springback stretch press |
US20110087357A1 (en) * | 2009-10-09 | 2011-04-14 | Siemens Product Lifecycle Management Software (De) Gmbh | System, method, and interface for virtual commissioning of press lines |
CN102091752A (zh) * | 2010-11-25 | 2011-06-15 | 中南大学 | 一种自动化锻造的操作机与压机联动轨迹规划方法 |
CN102303421A (zh) * | 2011-09-20 | 2012-01-04 | 天津市天锻压力机有限公司 | 液压机运行速度的控制系统及控制方法 |
CN103678829A (zh) * | 2013-12-31 | 2014-03-26 | 一重集团大连设计研究院有限公司 | 一种伺服压力机拉深加工工艺轨迹的优化设计方法 |
CN105880449A (zh) * | 2016-04-07 | 2016-08-24 | 中南大学 | 模锻压机运行状态的在线预测方法及系统 |
Non-Patent Citations (3)
Title |
---|
XIONG LUO 等: "Integrated Optimization of Trajectory Planning for Robot Manipulators Based on Intensified Evolutionary Programming", 《PROCEEDINGS OF THE 2004 IEEE INTERNATIONAL CONFERENCE ON ROBOTICS AND BIOMIMETICS》 * |
周洋 等: "肘杆式伺服压力机运动学仿真与工艺轨迹规划", 《装备》 * |
李绘超 等: "基于神经网络和遗传算法的压力机调节螺杆优化设计", 《轻工机械》 * |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108388736A (zh) * | 2018-02-28 | 2018-08-10 | 中国工程物理研究院总体工程研究所 | 软超材料切口尖端形状设计方法 |
CN108388736B (zh) * | 2018-02-28 | 2022-02-22 | 中国工程物理研究院总体工程研究所 | 软超材料切口尖端形状设计方法 |
CN110902309A (zh) * | 2018-09-18 | 2020-03-24 | 西门子股份公司 | 用于伺服压制设施的运输系统的运动规划的方法 |
CN110017790A (zh) * | 2019-03-15 | 2019-07-16 | 南京航空航天大学 | 一种基于测量精度的曲面扫描轨迹生成与优化方法 |
CN111796516A (zh) * | 2019-04-03 | 2020-10-20 | 北京京东乾石科技有限公司 | 用于规划轨迹的方法和装置 |
CN110216673A (zh) * | 2019-06-10 | 2019-09-10 | 成都理工大学 | 电液机器人关节轨迹的非支配邻域免疫遗传多目标优化方法 |
CN110216673B (zh) * | 2019-06-10 | 2022-06-14 | 成都理工大学 | 电液机器人关节轨迹的非支配邻域免疫遗传多目标优化方法 |
CN114253308A (zh) * | 2020-09-21 | 2022-03-29 | 陕西环保产业研究院有限公司 | 一种空间框架结构振动的主动控制方法和设备 |
CN114253308B (zh) * | 2020-09-21 | 2022-08-30 | 陕西环保产业研究院有限公司 | 一种空间框架结构振动的主动控制方法和设备 |
CN113843304A (zh) * | 2021-09-29 | 2021-12-28 | 武汉钢铁有限公司 | 提高热轧运输线步进梁运行平稳性的方法 |
CN113843304B (zh) * | 2021-09-29 | 2023-04-25 | 武汉钢铁有限公司 | 提高热轧运输线步进梁运行平稳性的方法 |
CN117621533A (zh) * | 2024-01-26 | 2024-03-01 | 南通锻压设备如皋有限公司 | 一种复合材料液压机滑块快速下行的控制方法 |
CN117621533B (zh) * | 2024-01-26 | 2024-04-19 | 南通锻压设备如皋有限公司 | 一种复合材料液压机滑块快速下行的控制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN106773716B (zh) | 2019-06-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106773716A (zh) | 一种用于复合材料压机变速下落的轨迹规划方法 | |
Kulkarni et al. | Particle swarm optimization applications to mechanical engineering-A review | |
CN103279627B (zh) | 一种基于有限元的热-机械-磨损耦合分析数值模拟方法 | |
CN112541584B (zh) | 深度神经网络模型并行模式选择方法 | |
CN106547999A (zh) | 基于显式动力学有限元方法的拉延模结构分析 | |
CN107511823B (zh) | 机器人作业轨迹优化分析的方法 | |
CN109657408A (zh) | 一种再生核粒子算法实现结构线性静力学仿真方法 | |
CN104680025A (zh) | 基于遗传算法极限学习机的抽油机参数优化方法 | |
CN109711034A (zh) | 一种飞机起落架健康监测方法 | |
CN109902357B (zh) | 一种复变差分的光滑非线性结构动响应灵敏度分析方法 | |
CN103939423A (zh) | 一种负载敏感多路阀仿真建模方法 | |
CN112380631B (zh) | 一种基于神经网络的新型迭代混合试验方法 | |
CN117034800A (zh) | 一种基于Fluent的往复式注水泵流场分析方法 | |
CN112149255A (zh) | 基于lstm神经网络的采煤工作面液压支架工作阻力预测方法 | |
CN108694287A (zh) | 一种利用仿真软件求解作动气缸速度的方法 | |
CN113111437A (zh) | 数据融合的飞机运动机构可靠性评估方法 | |
CN117556552B (zh) | 一种基于数据驱动的飞机起落架落震试验优化方法 | |
CN105117527A (zh) | 一种循环流化床锅炉燃烧系统模型的建模方法 | |
Weatheritt et al. | Use of Symbolic Regression for construction of Reynolds-stress damping functions for Hybrid RANS/LES | |
CN118378572B (zh) | 液体火箭发动机流量调节器智能优化设计方法及装置 | |
CN113779843B (zh) | 一种流体驱动多孔弹性岩体裂缝动态扩展的并行计算方法 | |
CN118492413B (zh) | 基于梯度材料3d打印智能切片的路径规划方法及系统 | |
CN115145151B (zh) | 一种电液伺服系统的平行控制方法及系统 | |
CN110851914B (zh) | 一种面向风压传感器分布的受电弓表面风压数值模拟方法 | |
CN109558967A (zh) | 基于自我学习机制的油田开发方案优化方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |