CN110703690A - 一种用于加工过程的智能控制与监测系统的运行方法 - Google Patents

一种用于加工过程的智能控制与监测系统的运行方法 Download PDF

Info

Publication number
CN110703690A
CN110703690A CN201911136267.2A CN201911136267A CN110703690A CN 110703690 A CN110703690 A CN 110703690A CN 201911136267 A CN201911136267 A CN 201911136267A CN 110703690 A CN110703690 A CN 110703690A
Authority
CN
China
Prior art keywords
power
control
controlled object
state
machine tool
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
Application number
CN201911136267.2A
Other languages
English (en)
Inventor
黄吉勇
张皓
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tianjin Bauhinia Long Term Technology Development Co Ltd
Original Assignee
Tianjin Bauhinia Long Term Technology Development Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Tianjin Bauhinia Long Term Technology Development Co Ltd filed Critical Tianjin Bauhinia Long Term Technology Development Co Ltd
Priority to CN201911136267.2A priority Critical patent/CN110703690A/zh
Publication of CN110703690A publication Critical patent/CN110703690A/zh
Pending legal-status Critical Current

Links

Images

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
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/18—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form
    • G05B19/406—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form characterised by monitoring or safety
    • G05B19/4065—Monitoring tool breakage, life or condition
    • 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
    • G05B2219/00—Program-control systems
    • G05B2219/30—Nc systems
    • G05B2219/37—Measurements
    • G05B2219/37616—Use same monitoring tools to monitor tool and workpiece

Abstract

本发明提供一种用于加工过程的智能控制和监测系统的运行方法，根据学习过程中获取的各个瞬时功率组成的一个标准时序值，作为基准功率，当机床在对工件进行加工时，通过功率采集器，获取机床的某一个瞬时功率值,把该瞬时功率值与基准功率值作为自适应控制系统的输入，通过状态预测器预测下一步的功率值,并通过自适应律及下一步的基准功率计算出下一瞬时系统趋于稳定的偏差，最后通过控制侓得出需要对机床进行自动干预的增益值，起到对机床功率的自动控制，以及对刀具的保护，同时也能提高加工效率。

Description

一种用于加工过程的智能控制与监测系统的运行方法
技术领域
本发明涉及现代化加工领域，特别是涉及一种用于加工过程的智能控制与监测系统的运行方法。
背景技术
现有数控加工过程由加工程序指令控制刀具的切削路线和切削条件，通常判断加工过程是否异常通过经验数据判定，实际切削过程中切削条件是实时变化的，现有技术不能做到智能响应。切削过程和状态的实时监测，在本领域内属于公知。在美国专利US4208718中描述有一种自动监测方法，通过记录目标负载持续时间相对于加工总时间的百分比来做出判断。
发明内容
本发明的目的在于提供一种用于加工过程的智能控制与监测系统的运行方法，其特征在于，通过如下步骤实现：
将所述系统设置为学习模式，正常进行工具的加工，并采集各瞬间的功率值；
将所述系统切换到操作模式，通过各类传感器获取设备的当前状态数据；
通过状态预测器，预测设备的下一步状态，把预测的状态和实际采集到的状态进行对比；
根据对比结果自动调整状态预测期的各项数据，持续的自动调整设备进料速率和功率，打到对刀具的保护的同时提高加工效率。
在本发明的一些实施例里，所述的智能控制与监测系统包括机床轴驱动模块、功率传感器模块、自适应控制系统、机床单元、切削条件数据采集/输入模块、条件响应与执行/输出模块以及条件判断与应用决策决定/输入输出转换。
在本发明的一些实施例里，在学习模式中获取的各个功率传感器的瞬间功率会组成一个标准时序值，作为基准功率。
在本发明的一些实施例里，所述的自动调整设备进料速率和功率的方法为，通过功率采集器，获取机床的某个瞬时功率值,把该瞬时功率值与基准功率值作为自适应控制系统的输入，通过状态预测器预测下一步的功率值,并通过自适应律及下一个瞬间的基准功率值计算出下一瞬时系统趋于稳定的偏差，最后通过控制侓得出需要对机床进行自动干预的增益值，起到对机床功率的自动控制。
在本发明的一些实施例里，所述的自适应控制系统包括被控对象、状态预测器、自适应律和控制律，
所述被控对象为机床单元，包括主轴驱动；
所述状态预测器用于被控对象的不确定参数的估计；
所述自适应律以状态预测器和被控对象之间的误差为输入，得到对不确定性参数的估计；
所述控制律包括与状态预测器相匹配的对应参考输入的重构以及低通滤波。
在本发明的一些实施例里，所述的被控对象含有不确定参数时，可建模为：
其中A,B,σ表示系统的不确定性，其中A表示被控对象本身结构的不确定性，B表示输入引起的不确定性，而σ表示系统存在的扰动；
所述的被控对象转换为控制系统的期望输出，其数学表达为：
Figure BDA0002279674970000032
其中Am满足霍尔维茨条件即满足稳定条件，r′＝wu+θx+σ；
A＝Am+bθ，B＝bw，σ＝bσ′。
在本发明的一些实施例里，所述状态预测器的数学建模过程为：
与被控对象具有一致的数学表示，可对应建模为：
将被控对象与状态预测器相减，由参考输入到误差的状态表达式为：
Figure BDA0002279674970000034
最后为了保证公式的渐进稳定，给出误差方程的能量函数：
Figure BDA0002279674970000041
其中Γ为系统的自适应增益。
在本发明的一些实施例里，所述的自适应律的数学建模过为：
通过对估计参数确定其数学表达，保证误差方程在李雅普诺夫意义稳定，即对李雅普诺夫导数为负定，具体表达为：
Figure BDA0002279674970000042
Figure BDA0002279674970000043
Figure BDA0002279674970000044
其为对不确定参数的估计。
在本发明的一些实施例里，所述的控制律的数学表达为：
Figure BDA0002279674970000045
在本发明的一些实施例里，所述的低通滤波器设计为
Figure BDA0002279674970000046
保证闭环控制系统满足L1小增益定理。
本发明实施例至少具有如下优点或有益效果：
本方案普遍适用于所有加工设备；智能响应及响应时间迅速；操作简便；设置方式零活多样。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1是本发明实施例用于加工过程的智能控制与监测系统的结构示意图。
图2是本发明实施例用于加工过程的智能控制与监测系统的运行方法数学表达流程。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
在本发明实施例的描述中，需要说明的是，若出现术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，或者是该发明产品使用时惯常摆放的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
此外，若出现术语“水平”、“竖直”、“悬垂”等术语并不表示要求部件绝对水平或悬垂，而是可以稍微倾斜。如“水平”仅仅是指其方向相对“竖直”而言更加水平，并不是表示该结构一定要完全水平，而是可以稍微倾斜。
在本发明实施例的描述中，“多个”代表至少2个。
在本发明实施例的描述中，还需要说明的是，除非另有明确的规定和限定，若出现术语“设置”、“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。
实施例1
一种用于加工过程的智能控制与监测系统的运行方法，如图1所示，通过如下步骤实现：
将所述系统设置为学习模式，正常进行工具的加工，并采集各瞬间的功率值；
将所述系统切换到操作模式，通过各类传感器获取设备的当前状态数据；
通过状态预测器，预测设备的下一步状态，把预测的状态和实际采集到的状态进行对比；
根据对比结果自动调整状态预测期的各项数据，持续的自动调整设备进料速率和功率，打到对刀具的保护的同时提高加工效率。
在本发明的一些实施例里，所述的智能控制与监测系统包括机床轴驱动模块、功率传感器模块、自适应控制系统、机床单元、切削条件数据采集/输入模块、条件响应与执行/输出模块以及条件判断与应用决策决定/输入输出转换。
在本发明的一些实施例里，在学习模式中获取的各个功率传感器的瞬间功率会组成一个标准时序值，作为基准功率。
在本发明的一些实施例里，所述的自动调整设备进料速率和功率的方法为，通过功率采集器，获取机床的某个瞬时功率值,把该瞬时功率值与基准功率值作为自适应控制系统的输入，通过状态预测器预测下一步的功率值,并通过自适应律及下一个瞬间的基准功率值计算出下一瞬时系统趋于稳定的偏差，最后通过控制侓得出需要对机床进行自动干预的增益值，起到对机床功率的自动控制。
在本发明的一些实施例里，所述的自适应控制系统包括被控对象、状态预测器、自适应律和控制律，
所述被控对象为机床单元，包括主轴驱动；
所述状态预测器用于被控对象的不确定参数的估计；
所述自适应律以状态预测器和被控对象之间的误差为输入，得到对不确定性参数的估计；
所述控制律包括与状态预测器相匹配的对应参考输入的重构以及低通滤波。
在本发明的一些实施例里，所述的被控对象含有不确定参数时，可建模为：
Figure BDA0002279674970000081
其中A,B,σ表示系统的不确定性，其中A表示被控对象本身结构的不确定性，B表示输入引起的不确定性，而σ表示系统存在的扰动；
所述的被控对象转换为控制系统的期望输出，其数学表达为：
其中Am满足霍尔维茨条件即满足稳定条件，r′＝wu+θx+σ；
A＝Am+bθ，B＝bw，σ＝bσ′。
在本发明的一些实施例里，所述状态预测器的数学建模过程为：
与被控对象具有一致的数学表示，可对应建模为：
Figure BDA0002279674970000091
将被控对象与状态预测器相减，由参考输入到误差的状态表达式为：
Figure BDA0002279674970000092
最后为了保证公式的渐进稳定，给出误差方程的能量函数：
Figure BDA0002279674970000093
其中Γ为系统的自适应增益。
在本发明的一些实施例里，所述的自适应律的数学建模过为：
通过对估计参数确定其数学表达，保证误差方程在李雅普诺夫意义稳定，即对李雅普诺夫导数为负定，具体表达为：
Figure BDA0002279674970000094
Figure BDA0002279674970000095
Figure BDA0002279674970000096
其为对不确定参数的估计。
在本发明的一些实施例里，所述的控制律的数学表达为：
Figure BDA0002279674970000101
具体而言，所述的控制控制律设计，控制律环节输入为u，输出为r的数学表达，其保证了输入到状态预测器输出是无稳定误差的(即输出可稳定的跟踪输入信号)：
状态预测方程(输入到输出的传递函数)为：
Figure BDA0002279674970000102
当时间趋于无穷时，可达到：
Figure BDA0002279674970000103
为保证则可得：
Figure BDA0002279674970000105
低通滤波器设计为
Figure BDA0002279674970000106
保证闭环控制系统满足L1小增益定理，最终控制律数学表达式为：
Figure BDA0002279674970000107
实现框图如图1所示，u输出添加低通滤波器：
Figure BDA0002279674970000108
后，负反馈到u中。
所以可知
Figure BDA0002279674970000111
控制性能分析，控制律设计保证了输入到
Figure BDA0002279674970000112
的稳定性，系统误差的L无穷范数的平方与控制系统自适应参数成反比，当自适应参数足够大时，系统误差在任意时刻趋近于0。
以上仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种用于加工过程的智能控制与监测系统的运行方法，其特征在于，通过如下步骤实现：
将所述系统设置为学习模式，正常进行工具的加工，并采集各瞬间的功率值；
将所述系统切换到操作模式，通过各类传感器获取设备的当前状态数据；
通过状态预测器，预测设备的下一步状态，把预测的状态和实际采集到的状态进行对比；
根据对比结果自动调整状态预测期的各项数据，持续的自动调整设备进料速率和功率，打到对刀具的保护的同时提高加工效率。
2.根据权利要求1所述的用于加工过程的智能控制与监测系统的运行方法，其特征在于，所述的智能控制与监测系统包括机床轴驱动模块、功率传感器模块、自适应控制系统、机床单元、切削条件数据采集/输入模块、条件响应与执行/输出模块以及条件判断与应用决策决定/输入输出转换。
3.根据权利要求1所述的用于加工过程的智能控制与监测系统的运行方法，其特征在于，在学习模式中获取的各个功率传感器的瞬间功率会组成一个标准时序值，作为基准功率。
4.根据权利要求1所述的用于加工过程的智能控制与监测系统的运行方法，其特征在于，所述的自动调整设备进料速率和功率的方法为，通过功率采集器，获取机床的某个瞬时功率值,把该瞬时功率值与基准功率值作为自适应控制系统的输入，通过状态预测器预测下一步的功率值,并通过自适应律及下一个瞬间的基准功率值计算出下一瞬时系统趋于稳定的偏差，最后通过控制侓得出需要对机床进行自动干预的增益值，起到对机床功率的自动控制。
5.根据权利要求2所述的用于加工过程的智能控制与监测系统的运行方法，其特征在于，所述的自适应控制系统包括被控对象、状态预测器、自适应律和控制律，
所述被控对象为机床单元，包括主轴驱动；
所述状态预测器用于被控对象的不确定参数的估计；
所述自适应律以状态预测器和被控对象之间的误差为输入，得到对不确定性参数的估计；
所述控制律包括与状态预测器相匹配的对应参考输入的重构以及低通滤波。
6.根据权利要求5所述的用于加工过程的智能控制与监测系统的运行方法，其特征在于，所述的被控对象含有不确定参数时，可建模为：
Figure FDA0002279674960000021
其中A,B,σ表示系统的不确定性，其中A表示被控对象本身结构的不确定性，B表示输入引起的不确定性，而σ表示系统存在的扰动；
所述的被控对象转换为控制系统的期望输出，其数学表达为：
Figure FDA0002279674960000031
其中Am满足霍尔维茨条件即满足稳定条件，r′＝wu+θx+σ；
A＝Am+bθ，B＝bw，σ＝bσ′。
7.根据权利要求5所述的用于加工过程的智能控制与监测系统的运行方法，其特征在于，所述状态预测器的数学建模过程为：
与被控对象具有一致的数学表示，可对应建模为：
Figure FDA0002279674960000032
将被控对象与状态预测器相减，由参考输入到误差的状态表达式为：
Figure FDA0002279674960000033
最后为了保证公式的渐进稳定，给出误差方程的能量函数：
Figure FDA0002279674960000034
其中Γ为系统的自适应增益。
8.根据权利要求5所述的用于加工过程的智能控制与监测系统的运行方法，其特征在于，所述的自适应律的数学建模过为：
通过对估计参数确定其数学表达，保证误差方程在李雅普诺夫意义稳定，即对李雅普诺夫导数为负定，具体表达为：
Figure FDA0002279674960000042
Figure FDA0002279674960000043
其为对不确定参数的估计。
9.根据权利要求5所述的用于加工过程的智能控制与监测系统的运行方法，其特征在于，所述的控制律的数学表达为：
Figure FDA0002279674960000044
10.根据权利要求5所述的用于加工过程的智能控制与监测系统的运行方法，其特征在于，所述的低通滤波器设计为保证闭环控制系统满足L1小增益定理。
CN201911136267.2A 2019-11-19 2019-11-19 一种用于加工过程的智能控制与监测系统的运行方法 Pending CN110703690A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911136267.2A CN110703690A (zh) 2019-11-19 2019-11-19 一种用于加工过程的智能控制与监测系统的运行方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911136267.2A CN110703690A (zh) 2019-11-19 2019-11-19 一种用于加工过程的智能控制与监测系统的运行方法

Publications (1)

Publication Number Publication Date
CN110703690A true CN110703690A (zh) 2020-01-17

Family

ID=69207383

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911136267.2A Pending CN110703690A (zh) 2019-11-19 2019-11-19 一种用于加工过程的智能控制与监测系统的运行方法

Country Status (1)

Country Link
CN (1) CN110703690A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112698671A (zh) * 2020-11-23 2021-04-23 铜陵国星化工有限责任公司 一种成品监控方法、助剂自动添加方法和系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1210599A (zh) * 1996-01-03 1999-03-10 Omat有限公司 刀具状态的自动监测
CN104541216A (zh) * 2012-08-21 2015-04-22 通用电气公司 用于检测机械系统|以及调整与所述机械系统关联的极限值以反映|机械系统的当前条件的监测系统和方法
JP2017027449A (ja) * 2015-07-24 2017-02-02 顏均泰 工具状態のモニタリングおよび予測により製造効率を最適化するためのプラットフォームならびに方法
CN108139735A (zh) * 2015-10-13 2018-06-08 山特维克知识产权股份有限公司 机床的过程监测与自适应控制
CN108508359A (zh) * 2017-02-24 2018-09-07 通用电器技术有限公司 基于电气特征分析的机器自主监测与诊断程序
CN108614522A (zh) * 2018-06-11 2018-10-02 重庆理工大学 数控机床服役过程主轴系统能量效率在线监测方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1210599A (zh) * 1996-01-03 1999-03-10 Omat有限公司 刀具状态的自动监测
CN104541216A (zh) * 2012-08-21 2015-04-22 通用电气公司 用于检测机械系统|以及调整与所述机械系统关联的极限值以反映|机械系统的当前条件的监测系统和方法
JP2017027449A (ja) * 2015-07-24 2017-02-02 顏均泰 工具状態のモニタリングおよび予測により製造効率を最適化するためのプラットフォームならびに方法
CN108139735A (zh) * 2015-10-13 2018-06-08 山特维克知识产权股份有限公司 机床的过程监测与自适应控制
CN108508359A (zh) * 2017-02-24 2018-09-07 通用电器技术有限公司 基于电气特征分析的机器自主监测与诊断程序
CN108614522A (zh) * 2018-06-11 2018-10-02 重庆理工大学 数控机床服役过程主轴系统能量效率在线监测方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
刘志兵等: "《自适应控制技术在CNC机床上的应用》", 《制造技术与机床》 *
叫我李自信: "L1自适应控制-理论基础", 《CSDN博客》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112698671A (zh) * 2020-11-23 2021-04-23 铜陵国星化工有限责任公司 一种成品监控方法、助剂自动添加方法和系统
CN112698671B (zh) * 2020-11-23 2023-09-19 铜陵国星化工有限责任公司 一种成品监控方法、助剂自动添加方法和系统

Similar Documents

Publication Publication Date Title
US8626319B2 (en) Modular energy load management
CN101334656B (zh) 一种数控机床加工性能监控系统
CN103760820A (zh) 数控铣床加工过程状态信息评价装置
CN106786620B (zh) 孤立电网故障状态下的紧急负荷控制方法
CN100480921C (zh) 多物理状态监测优化与远程综合诊断智能数控系统
CN111948976B (zh) 刀具状态监控方法、非易失性可读存储介质及电子设备
CN114285058B (zh) 储能系统的参数整定方法和储能系统
CN116424096B (zh) 资源动态优化配置的新能源汽车电池采集总成方法及系统
CN106529786A (zh) 一种基于大数据分析的配电网负荷校准方法和装置
CN107657681A (zh) 生产设备参数调整方法及装置、计算机装置及可读存储器
CN113745707B (zh) 一种电池温度控制系统及方法
CN110733043A (zh) 一种机器人运行状态监测与切换的方法
CN114061743A (zh) 风力发电机组的振动监测方法、装置、设备及介质
CN110703690A (zh) 一种用于加工过程的智能控制与监测系统的运行方法
CN117559542B (zh) 一种分布式新能源群控群调系统及方法
CN110556828A (zh) 适应设备潮流变化的在线安全稳定紧急控制方法及系统
CN116961242B (zh) 一种一二次融合柱上断路器实时数据管理方法及系统
CN112731827B (zh) 一种用于电力设备的智能传感器的监控系统
CN207038185U (zh) 基于Takagi‑Sugeno模糊控制的压水堆核电站堆芯功率控制装置
CN109255555B (zh) 基于历史运行信息的电力大数据设备生命周期估计方法
US20220012821A1 (en) Prediction of a wind farm energy parameter value
KR102561410B1 (ko) Ai 기반의 자율제어 통합 빌딩 자동제어 시스템
CN116645077B (zh) 一种基于设备健康码的设备闭环管理方法
CN211928401U (zh) 一种用于加工过程的智能控制与监测系统
CN113433925B (zh) 掘进机电机设备的预测性控制方法及装置

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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20200117