CN109514039A - 一种数字化焊机电源控制系统 - Google Patents
一种数字化焊机电源控制系统 Download PDFInfo
- Publication number
- CN109514039A CN109514039A CN201811527110.8A CN201811527110A CN109514039A CN 109514039 A CN109514039 A CN 109514039A CN 201811527110 A CN201811527110 A CN 201811527110A CN 109514039 A CN109514039 A CN 109514039A
- Authority
- CN
- China
- Prior art keywords
- welding
- module
- welding current
- current
- parameter
- 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
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
- B23K—SOLDERING OR UNSOLDERING; WELDING; CLADDING OR PLATING BY SOLDERING OR WELDING; CUTTING BY APPLYING HEAT LOCALLY, e.g. FLAME CUTTING; WORKING BY LASER BEAM
- B23K9/00—Arc welding or cutting
- B23K9/10—Other electric circuits therefor; Protective circuits; Remote controls
- B23K9/1006—Power supply
- B23K9/1043—Power supply characterised by the electric circuit
- B23K9/1056—Power supply characterised by the electric circuit by using digital means
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
- B23K—SOLDERING OR UNSOLDERING; WELDING; CLADDING OR PLATING BY SOLDERING OR WELDING; CUTTING BY APPLYING HEAT LOCALLY, e.g. FLAME CUTTING; WORKING BY LASER BEAM
- B23K9/00—Arc welding or cutting
- B23K9/095—Monitoring or automatic control of welding parameters
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
- B23K—SOLDERING OR UNSOLDERING; WELDING; CLADDING OR PLATING BY SOLDERING OR WELDING; CUTTING BY APPLYING HEAT LOCALLY, e.g. FLAME CUTTING; WORKING BY LASER BEAM
- B23K9/00—Arc welding or cutting
- B23K9/16—Arc welding or cutting making use of shielding gas
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Plasma & Fusion (AREA)
- Mechanical Engineering (AREA)
- Feedback Control In General (AREA)
Abstract
一种数字化焊机电源控制系统,包括参数设置模块、逆变主电路模块、数字信号处理模块、智能控制模块和PWM驱动模块,所述参数设置模块用于输入焊接参数和给定电流值,所述逆变主电路模块用于将三相交流电转换成可供焊机使用的焊接电流,所述数字信号处理模块用于对所述焊接电流进行采样和滤波,所述智能控制模块采用PID控制器得出PWM波占空比的调节参数,所述PWM驱动模块用于根据给定的电流值和所述占空比的调节参数生成PWM波驱动逆变主电路模块进行工作。本发明有益效果为:采用时滞滤波算法对焊接电流进行滤波处理,有效的提高了焊接电流的精度;采用改进的神经网络算法在线调整PID参数,能够实现焊接电流的精细控制。
Description
技术领域
本发明创造涉及焊接技术领域,具体涉及一种数字化焊机电源控制系统。
背景技术
焊接技术为工业领域的重要支柱技术之一,随着现代化工业的发展对焊接电源提出了更高的要求,数字化焊接电源相较于传统是模拟焊接电源具有控制精度高、稳定性好、控制灵活的优点,是焊接电源未来的发展趋势。焊接电源是一个典型的弱电控制强电的设备,工作在高电压、大电流、强干扰的恶劣环境中,这为数字控制系统的信号获取和稳定运行带来了巨大的困难,此外,焊接电源中现有控制策略存在参数调节麻烦和控制性能不高的缺陷。
针对上述问题,本发明提供一种数字化焊机电源控制系统,采用改进的数字化滤波算法对采集得到的焊接电流进行滤波处理,有效的提高了焊接电流的精度;针对焊接电源中现有控制策略参数调节麻烦和控制性能不高的问题,提出了采用改进的神经网络算法在线调整PID参数的自适应控制策略,能够实现焊接电流的精细控制,为达到较高的焊接质量奠定了基础。
发明内容
针对上述问题,本发明旨在提供一种数字化焊机电源控制系统。
本发明创造的目的通过以下技术方案实现:
一种数字化焊机电源控制系统,包括参数设置模块、逆变主电路模块、数字信号处理模块、智能控制模块和PWM驱动模块,所述参数设置模块用于输入焊接参数和给定电流值,所述逆变主电路模块用于将连接的三相交流电转换成可供焊机使用的焊接电流,所述数字信号处理模块用于对逆变主电路输出的焊接电流进行采样,并对采样得到的焊接电流进行滤波处理,所述智能控制模块采用PID控制器根据处理过的焊接电流和给定的电流值得出PWM波占空比的调节参数,所述PWM驱动模块用于根据给定的电流值和所述占空比的调节参数生成相应占空比的PWM波,并利用所述PWM波驱动逆变主电路模块进行工作。
本发明创造的有益效果:采用改进的时滞滤波算法对采集得到的焊接电流进行滤波处理,有效的提高了焊接电流的精度;针对焊接电源中现有控制策略参数调节麻烦和控制性能不高的问题,提出了采用改进的神经网络算法在线调整PID参数的自适应控制策略,能够实现焊接电流的精细控制,为达到较高的焊接质量奠定了基础。
附图说明
利用附图对发明创造作进一步说明,但附图中的实施例不构成对本发明创造的任何限制,对于本领域的普通技术人员,在不付出创造性劳动的前提下,还可以根据以下附图获得其它的附图。
图1是本发明系统的结构示意图;
附图标记:
参数设置模块1;逆变主电路模块2;数字信号处理模块3;智能控制模块4;PWM驱动模块5;信号采集单元31;信号处理单元32。
图2和图3是本公司的焊机V8,V320,V360的结构示意图。
具体实施方式
结合以下实施例对本发明作进一步描述。
实施例1
参见图1,本实施例的一种数字化焊机电源控制系统,包括参数设置模块1、逆变主电路模块2、数字信号处理模块3、智能控制模块4和PWM驱动模块5,所述参数设置模块1用于输入焊接参数和给定电流值,所述逆变主电路模块2用于将连接的三相交流电转换成可供焊机使用的焊接电流,所述数字信号处理模块3用于对逆变主电路输出的焊接电流进行采样,并对采样得到的焊接电流进行滤波处理,所述智能控制模块4采用PID控制器根据处理过的焊接电流和给定的电流值得出PWM波占空比的调节参数,所述PWM驱动模块5用于根据给定的电流值和所述占空比的调节参数生成相应占空比的PWM波,并利用所述PWM波驱动逆变主电路模块2进行工作。
本优选实施例采用改进的时滞滤波算法对采集得到的焊接电流进行滤波处理,有效的提高了焊接电流的精度;针对焊接电源中现有控制策略参数调节麻烦和控制性能不高的问题,提出了采用改进的神经网络算法在线调整PID参数的自适应控制策略,能够实现焊接电流的精细控制,为达到较高的焊接质量奠定了基础。
优选地,所述数字信号处理模块3包括信号采集单元31和信号调理单元32,所述信号采集单元31用于对逆变主电路2输出的焊接电流进行采样,所述信号调理单元32用于对采样得到的焊接电流进行滤波处理。
本优选实施例对逆变主电路输出的焊接电流进行采样,并对采样所得的焊接电流进行滤波处理,能够有效的从大量的干扰因素中得到高品质的电流信号,保证了获取的电流信号的正确性,从而有效的提高了整个焊接电流的稳定性。
优选地,所述信号调理单元32采用时滞滤波算法对采样得到的焊接电流进行滤波处理,设I′i为滤波后的焊接电流,Ii为第i次采样得到的焊接电流,则采用的时滞滤波算法为:
式中,Ii为第i次采样得到的焊接电流,Ii-1为第i-1次采样得到的焊接电流,Ii-2为第i-2次采样得到的焊接电流,k为设置的阈值,ui为上升调整因子,且ui=aui-1,a>1,ji为下降调整因子,且ji=bji-1,b>1,I′i-1为Ii-1滤波后的焊接电流,t1为时延常数,tS为常数,为调节系数。
本优选实施例采用改进的时滞滤波算法对弧焊电流进行滤波,针对弧焊电流信号的不同阶段设计相应的滤波公式对电流信号进行滤波,能够有效的满足实时信号处理的要求;此外,针对滤波算法的时滞性缺陷,在滤波算法中添加了补偿项,能够有效的避免滤波算法的滞后性,提高了滤波算法的跟随效果。
优选地,所述智能控制模块4采用BP神经网络算法实时在线调整PID控制器的参数,所述BP神经网络算法的误差函数E和激活函数f(x)分别定义为:
式中,l表示网络训练样本集中的样本数,yi表示期望输出,表示经过BP神经网络训练后的输出值,m表示连接权值的总数,ωj表示BP神经网络的权值矩阵,α和β分别表示权重系数,且α+β=1,a调节系数,且a∈[-1,1],c1为数值较小的常数。
本优选实施例的BP神经网络算法定义的误差函数使每个样本拟合的相对误差较小,从而使得每个样本得到较好的拟合;定义的激励函数可以使神经网络快速脱离误差曲面的平坦区域,加快神经网络的收敛速度,避免神经网络陷入局部最优。
优选地,采用粒子群算法对所述BP神经网络算法中的参数进行优化,定义所述粒子群算法的适应度函数为f(x),则f(x)的表达式为:
式中,E为BP神经网络的误差函数。
优选地,采用粒子群算法对所述BP神经网络算法中的参数进行优化,在所述粒子群算法中,定义局部最优检测系数为k,则k的计算公式为:
式中,N为粒子群的群体规模,f(i)为第i个粒子的适应度值,为粒子群在t时刻的平均适应度值,f(Pg(t))为在t时刻全局最优位置对应的适应度值,f(b)为设置的全局最优适应度值;
当局部最优检测系数0<k<a时(其中,a为设置的阈值),判定粒子群算法陷入了局部最优,则采用下式对粒子进行位置更新:
Vi(t+1)=ω*Vi(t)+c1*r1*[Pi(t)-Xi(t)]+c2*r2*[r3*Pg(t)-Xi(t)]
否则,判定粒子群算法没有陷入局部最优,则采用下式对粒子进行位置更新:
Vi(t+1)=ω*Vi(t)+c1*r1*[Pi(t)-Xi(t)]+c2*r2*[Pg(t)-Xi(t)]
式中,Vi(t)是粒子i在t时刻的速度,Vi(t+1)是粒子i在t+1时刻的速度,ω是惯性权重,Xi(t)是粒子i在t时刻的位置,Pi(t)是粒子i在t时刻的最优位置,Pg(t)是在t时刻的全局最优位置,r1、r2和r3是介于(0,1)之间的随机数,c1和c2是学习因子。
本优选实施例针对传统粒子群算法容易陷入局部最优值的缺陷,设置了局部最优检测系数,系数k中的部分通过算法中全体粒子的适应度值和粒子群当前的平均适应度值的差值衡量算法中粒子的聚集程度,从而判断算法是否进入收敛阶段,系数k中的部分通过比较设置的全局最优适应度值和当前全局最优位置对应的适应度值的大小,判断当前算法的收敛是全局收敛还是陷入了局部最优值,因此,本优选实施例的局部最优检测系数能够快速、准确的检测出算法是否陷入了局部最优值,从而采用相应的速度更新对粒子的速度进行更新,能够有效的提高算法跳出局部收敛的能力,解决了传统粒子群算法容易陷入局部最优的缺陷。
实施例2
实施例1的数字化焊机电源控制系统可以运用于多款产品,如南昌曙光电器公司的焊机V8,V320,V360,其焊机基本结构参见图2和图3。
本本公司的焊机V8V320,V360采用实施例1的数字化焊机电源控制系统,其改进的时滞滤波算法对弧焊电流进行滤波,针对弧焊电流信号的不同阶段设计相应的滤波公式对电流信号进行滤波,能够有效的满足实时信号处理的要求;此外,针对滤波算法的时滞性缺陷,在滤波算法中添加了补偿项,能够有效的避免滤波算法的滞后性,提高了滤波算法的跟随效果,能够实现焊接电流的精细控制,为达到较高的焊接质量奠定了基础。
最后应当说明的是,以上实施例仅用以说明本发明的技术方案,而非对本发明保护范围的限制,尽管参照较佳实施例对本发明作了详细地说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的实质和范围。
Claims (6)
1.一种数字化焊机电源控制系统,其特征是,包括参数设置模块、逆变主电路模块、数字信号处理模块、智能控制模块和PWM驱动模块,所述参数设置模块用于输入焊接参数和给定电流值,所述逆变主电路模块用于将连接的三相交流电转换成可供焊机使用的焊接电流,所述数字信号处理模块用于对逆变主电路输出的焊接电流进行采样,并对采样得到的焊接电流进行滤波处理,所述智能控制模块采用PID控制器根据处理过的焊接电流和给定的电流值得出PWM波占空比的调节参数,所述PWM驱动模块用于根据给定的电流值和所述占空比的调节参数生成相应占空比的PWM波,并利用所述PWM波驱动逆变主电路模块进行工作。
2.根据权利要求1所述的一种数字化焊机电源控制系统,其特征是,所述数字信号处理模块包括信号采集单元和信号调理单元,所述信号采集单元用于对逆变主电路输出的焊接电流进行采样,所述信号调理单元用于对采样得到的焊接电流进行滤波处理。
3.根据权利要求2所述的一种数字化焊机电源控制系统,其特征是,所述信号调理单元采用时滞滤波算法对采样得到的焊接电流进行滤波处理,设I′i为滤波后的焊接电流,Ii为第i次采样得到的焊接电流,则采用的时滞滤波算法为:
式中,Ii为第i次采样得到的焊接电流,Ii-1为第i-1次采样得到的焊接电流,Ii-2为第i-2次采样得到的焊接电流,k为设置的阈值,ui为上升调整因子,且ui=aui-1,α>1,ji为下降调整因子,且ji=bji-1,b>1,Ii′-1为Ii-1滤波后的焊接电流,t1为时延常数,ts为常数,为调节系数。
4.根据权利要求3所述的一种数字化焊机电源控制系统,其特征是,所述智能控制模块采用BP神经网络算法实时在线调整PID控制器的参数。
5.根据权利要求4所述的一种数字化焊机电源控制系统,其特征是,所述智能控制模块采用BP神经网络算法实时在线调整PID控制器的参数,所述BP神经网络算法的误差函数E和激活函数f(x)分别定义为:
式中,l表示网络训练样本集中的样本数,yi表示期望输出,表示经过BP神经网络训练后的输出值,m表示连接权值的总数,ωj表示BP神经网络的权值矩阵,α和β分别表示权重系数,且α+β=1,a是调节系数,且a∈[-1,1],c1为数值较小的常数。
6.权利要求1-6任一项所述的数字化焊机电源控制系统在焊机上的应用。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811527110.8A CN109514039B (zh) | 2018-12-13 | 2018-12-13 | 一种数字化焊机电源控制系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811527110.8A CN109514039B (zh) | 2018-12-13 | 2018-12-13 | 一种数字化焊机电源控制系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109514039A true CN109514039A (zh) | 2019-03-26 |
CN109514039B CN109514039B (zh) | 2020-10-09 |
Family
ID=65796684
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811527110.8A Active CN109514039B (zh) | 2018-12-13 | 2018-12-13 | 一种数字化焊机电源控制系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109514039B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101362245A (zh) * | 2008-09-12 | 2009-02-11 | 叶玲平 | 全数字化数控逆变焊机 |
CN101391336A (zh) * | 2008-10-24 | 2009-03-25 | 广东火电工程总公司 | 嵌入式数字化控制的管板全位置自动焊接逆变电源 |
CN101791733A (zh) * | 2009-10-31 | 2010-08-04 | 华南理工大学 | 一种铝合金双丝双脉冲焊接方法及其焊接电源 |
CN102554409A (zh) * | 2012-01-06 | 2012-07-11 | 广州市长胜焊接设备实业有限公司 | 一种具有良好焊接波形的数字化焊机 |
CN102672310A (zh) * | 2012-05-23 | 2012-09-19 | 华南理工大学 | 基于dsp的并联式大功率脉冲mig焊逆变电源系统 |
CN102773587A (zh) * | 2012-07-28 | 2012-11-14 | 深圳市瑞凌实业股份有限公司 | 一种采样全数字化电流型pid控制方法及控制电路 |
CN102922091A (zh) * | 2012-11-26 | 2013-02-13 | 甘肃西柴动力机电制造有限公司 | 数字控制多功能逆变弧焊机 |
CN103586564A (zh) * | 2013-10-28 | 2014-02-19 | 广东电网公司电力科学研究院 | 基于stm32的脉冲mig焊电源系统 |
CN103706922A (zh) * | 2013-12-18 | 2014-04-09 | 华南理工大学 | 可视化高效管板焊接系统 |
US20150375328A1 (en) * | 2009-06-03 | 2015-12-31 | Illinois Tool Works Inc. | Welding power supply with digital controller |
-
2018
- 2018-12-13 CN CN201811527110.8A patent/CN109514039B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101362245A (zh) * | 2008-09-12 | 2009-02-11 | 叶玲平 | 全数字化数控逆变焊机 |
CN101391336A (zh) * | 2008-10-24 | 2009-03-25 | 广东火电工程总公司 | 嵌入式数字化控制的管板全位置自动焊接逆变电源 |
US20150375328A1 (en) * | 2009-06-03 | 2015-12-31 | Illinois Tool Works Inc. | Welding power supply with digital controller |
CN101791733A (zh) * | 2009-10-31 | 2010-08-04 | 华南理工大学 | 一种铝合金双丝双脉冲焊接方法及其焊接电源 |
CN102554409A (zh) * | 2012-01-06 | 2012-07-11 | 广州市长胜焊接设备实业有限公司 | 一种具有良好焊接波形的数字化焊机 |
CN102672310A (zh) * | 2012-05-23 | 2012-09-19 | 华南理工大学 | 基于dsp的并联式大功率脉冲mig焊逆变电源系统 |
CN102773587A (zh) * | 2012-07-28 | 2012-11-14 | 深圳市瑞凌实业股份有限公司 | 一种采样全数字化电流型pid控制方法及控制电路 |
CN102922091A (zh) * | 2012-11-26 | 2013-02-13 | 甘肃西柴动力机电制造有限公司 | 数字控制多功能逆变弧焊机 |
CN103586564A (zh) * | 2013-10-28 | 2014-02-19 | 广东电网公司电力科学研究院 | 基于stm32的脉冲mig焊电源系统 |
CN103706922A (zh) * | 2013-12-18 | 2014-04-09 | 华南理工大学 | 可视化高效管板焊接系统 |
Also Published As
Publication number | Publication date |
---|---|
CN109514039B (zh) | 2020-10-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102354107B (zh) | 一种交流位置伺服系统模型参数在线辨识和控制方法 | |
CN105888971B (zh) | 一种大型风力机叶片主动降载控制系统及方法 | |
CN101986564B (zh) | 基于Backlash算子和神经网络的自适应滤波器 | |
CN102593862B (zh) | 一种光伏并网逆变器及其控制方法 | |
CN107732978A (zh) | 一种基于虚拟同步发电机改进功率分配策略的逆变器系统 | |
CN110161841A (zh) | 一种适用于暂冲式跨声速风洞的前馈-模糊pid控制方法 | |
CN105870942B (zh) | 一种基于近似动态规划算法的一次调频附加学习控制方法 | |
CN105116733A (zh) | 改良型粒子群寻优神经网络超声波电机控制系统及其方法 | |
CN110531614A (zh) | 新颖的无刷直流电机模糊神经网络pi控制器 | |
CN107069831B (zh) | 一种下垂控制方法 | |
CN107896071A (zh) | 一种基于神经网络的三相组合式逆变电源 | |
CN109889069A (zh) | 一种单项逆变器复合控制方法及系统 | |
CN106099943A (zh) | 一种瞬时功率因数补偿控制方法及系统 | |
CN111740421A (zh) | 有源电力滤波器直流侧电压的滑模自抗扰控制方法 | |
CN109514039A (zh) | 一种数字化焊机电源控制系统 | |
CN102522948B (zh) | Dtc系统中转矩滞环宽度的混合智能调节方法 | |
CN106356893A (zh) | 一种在光伏并网系统中最大功率点跟踪双模糊控制方法 | |
CN109298631A (zh) | 一种基于传统pid控制器附加二次比例系数的自适应参数整定方法 | |
CN109103902A (zh) | 一种储能平滑新能源出力波动的控制方法及装置 | |
CN117189472A (zh) | 一种独立变桨距控制方法 | |
CN110518625B (zh) | 一种可变学习率bp-pid控制的并网逆变器直流分量抑制方法 | |
CN104965981B (zh) | 一种可逆变流岸电网侧控制器多参数优化方法 | |
CN105870972B (zh) | 一种光伏微网pwm逆变器的智能控制系统 | |
CN114552653B (zh) | 基于智能算法的并网逆变器系统控制参数多目标优化方法 | |
CN109975610A (zh) | 一种微电网动态频率检测及调节方法 |
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 | ||
TR01 | Transfer of patent right |
Effective date of registration: 20220729 Address after: 330300 Makou new area, Chengnan Industrial Park, Yunshan Economic Development Zone, Yongxiu County, Jiujiang City, Jiangxi Province Patentee after: Jiangxi volken Intelligent Equipment Technology Co.,Ltd. Address before: 570001 building g109, fuliyingxigu, Xiuying District, Haikou City, Hainan Province Patentee before: Liu Tangbin |
|
TR01 | Transfer of patent right |