CN110703693A - 一种机床进给系统的迭代学习前馈控制方法及系统 - Google Patents

一种机床进给系统的迭代学习前馈控制方法及系统 Download PDF

Info

Publication number
CN110703693A
CN110703693A CN201910977406.8A CN201910977406A CN110703693A CN 110703693 A CN110703693 A CN 110703693A CN 201910977406 A CN201910977406 A CN 201910977406A CN 110703693 A CN110703693 A CN 110703693A
Authority
CN
China
Prior art keywords
tracking error
position tracking
control
machine tool
iterative learning
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
Application number
CN201910977406.8A
Other languages
English (en)
Other versions
CN110703693B (zh
Inventor
杨建中
张艳芬
梅再武
夏锴
蒋亚坤
杨志国
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.)
Huazhong University of Science and Technology
Original Assignee
Huazhong University of Science and Technology
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 Huazhong University of Science and Technology filed Critical Huazhong University of Science and Technology
Priority to CN201910977406.8A priority Critical patent/CN110703693B/zh
Publication of CN110703693A publication Critical patent/CN110703693A/zh
Application granted granted Critical
Publication of CN110703693B publication Critical patent/CN110703693B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G05B19/414—Structure of the control system, e.g. common controller or multiprocessor systems, interface to servo, programmable interface controller
    • 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
    • G05B2219/33—Director till display
    • G05B2219/33116—Configuration of motion control

Landscapes

  • Engineering & Computer Science (AREA)
  • Human Computer Interaction (AREA)
  • Manufacturing & Machinery (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Feedback Control In General (AREA)

Abstract

本发明属于数控机床控制领域，并具体公开了一种机床进给系统的迭代学习前馈控制方法及系统。所述方法包括：将第N次获得的力矩电流τN和位置跟踪误差eN(t)作为输入，以输出第N+1次的前馈量τN+1；将前馈量τN+1作为输入进行迭代运算，以获取第N+1次位置跟踪误差eN+1(t)，判断位置跟踪误差eN+1(t)与位置跟踪误差eN(t)及目标值ε的关系，并以此作为后续是否进行继续迭代的依据，从而实现轮廓误差的控制，结束迭代学习前馈控制。所述系统包括数据采集模块、CNC指令模块和机床进给系统模块。本发明方法将迭代学习前馈控制方法与PID控制方法有效结合起来实现跟踪位置跟踪误差、轮廓误差的控制，进而实现机床进给系统模块的控制，加工精度高，动态响应快。

Description

一种机床进给系统的迭代学习前馈控制方法及系统
技术领域
本发明属于数控机床控制领域，更具体地，涉及一种机床进给系统的迭代学习前馈控制方法及系统。
背景技术
在机床进给系统控制中，常常采用位置环、速度环和电流环的三环PID控制的方式，传统的PID控制由于会出现位置跟踪精度较差、响应速度较慢等问题。针对PID控制存在的问题，一方面建立精确的机床动力学模型来准确预测机床运动误差，结合伺服控制算法对误差进行预先补偿，以提高伺服控制精度，进而提高数控机床的加工精度。
然而由于现实系统的复杂性，建立精确的机床动力学模型以及获取精确的模型参数都存在一定困难。另一方面，采用前馈控制的方法与PID控制相结合的方法，力矩前馈控制是目前重载机器人控制方法中最为常见的方法之一，前馈控制的核心思想是通过建立动态的惯量模型来补偿系统内部控制所提供的控制量，进而减小电流环中相邻控制周期内的偏差，改善机器人运行时的动态特性，减小位置误差，提高运动精度。这类方法需要精确地建立机器人的动力学模型，对参数辨识的精度要求较高。
专利CN105676896A提供一种应用于机器人伺服系统的前馈控制方法，通过调节电流前馈系数和速度前馈系数，以此改变前馈控制量，提高伺服控制的效果。但是其前馈系统是通过建立负载等效惯量的数学模型来实现，对模型的依赖性较大。专利CN104950806B提出一种基于GMDH数据挖掘算法的机床进给系统前馈控制方法，它将GMDH算法用于伺服进给系统摩擦力矩和负载转矩的建模及补偿前馈控制中。现有的伺服前馈控制方法大多依赖于模型，需要建立在模型准确性的基础上进行前馈补偿研究。
因此，本领域亟待提出一种机床进给系统的迭代学习前馈控制方法及系统，以实现将前馈控制与先进PID控制方法有机结合来实现力矩前馈的控制，不依赖于精准无误的动力学模型。
发明内容
针对现有技术的以上缺陷或改进需求，本发明提供了一种机床进给系统的迭代学习前馈控制方法及系统，其中结合机床进给系统自身的特征及迭代学习前馈控制特点，对迭代学习前馈控制的具体方式进行了研究和设计，相应的可通过前馈量来实时跟踪位置跟踪误差，并通过调节比例P控制以及积分I控制，实现快速响应的轮廓误差的控制，进而实现机床进给系统的控制，本发明方法将迭代学习前馈控制方法与PID控制方法有效结合起来实现跟踪位置跟踪误差、轮廓误差的控制，进而实现机床进给系统模块的控制，能够有效解决机床进给系统加工精度不高，动态响应不快的问题。
为实现上述目的，按照本发明的一个方面，提出了一种机床进给系统的迭代学习前馈控制方法，包括以下步骤：
S1采集前N次机床进给系统模块的力矩电流及位置跟踪误差的数据；
S2将第N次获得的力矩电流τN和位置跟踪误差eN(t)作为CNC指令模块中的力矩前馈控制算法的输入，该力矩前馈控制算法通过调节比例P控制以及积分I控制输出第N+1次的前馈量τN+1；
S3将前馈量τN+1作为CNC指令模块中PID控制器的电流控制单元的输入进行迭代运算，以获取第N+1次位置跟踪误差eN+1(t)；
S4判断位置跟踪误差eN+1(t)是否小于位置跟踪误差eN(t)，若否，则返回至步骤S2，通过调节比例P控制以及积分I控制输出电流环的前馈量τN+1，若是，则进入步骤S5；
S5判断位置跟踪误差eN+1(t)是否小于目标值ε，若否，则返回至步骤S2，通过调节比例P控制以及积分I控制输出电流环的前馈量τN+1，若是，则实现轮廓误差的控制，结束迭代学习前馈控制。
进一步的，步骤S2中，前馈量τN+1的计算模型为：
τN+1＝f[τN,eN(t)]＝k1×τN+k2×EN(t)
其中，k1、k2为权重系数，EN(t)为通过调节比例P控制以及积分I控制后的计算模型，eN(t)为位置跟踪误差。
进一步的，所述EN(t)的计算模型为：
Figure BDA0002234083090000031
其中，kp为比例系数，α为积分项的开关系数，T1为积分时间常数，TD为微分时间常数，f[eN(t)]为积分项可调系数，
Figure BDA0002234083090000032
为位置跟踪误差在时间t内的积分。
进一步的，所述α的判断模型为：
Figure BDA0002234083090000033
其中，ε为目标值。
进一步的，步骤S5中,若误差eN+1(t)是不小于目标值，还需构建位置跟踪误差eN+1(t)与位置跟踪误差eN(t)的关系模型，并根据该模型更新积分项可调系数f[eN(t)]的取值。
进一步的，步骤S1中，采用SSTT数据采集工具采集前N次机床进给系统的力矩电流及位置跟踪误差的数据。
进一步的，所述力矩电流为机床进给系统模块中驱动该机床进给系统模块执行动作的伺服电机，进一步的，该伺服电机为永磁同步电机。
按照本发明的另一个方面，提供一种机床进给系统的迭代学习前馈控制系统，包括：
数据采集模块，用于采集前N次机床进给系统模块的力矩电流及位置跟踪误差的数据；
CNC指令模块，用于将第N次获得的力矩电流τN和位置跟踪误差eN(t)作为CNC指令模块中的力矩前馈控制算法的输入，该力矩前馈控制算法通过调节比例P控制以及积分I控制输出第N+1次的前馈量τN+1，然后将前馈量τN+1作为CNC指令模块中PID控制器的电流控制单元的输入进行迭代运算，以获取第N+1次位置跟踪误差eN+1(t)，接着对位置跟踪误差eN+1(t)进行判断，以获取小于目标值的位置跟踪误差，完成迭代学习前馈控制；
机床进给系统模块，用于根据CNC指令模块发出的力矩电流信息驱动电机工作进而带动机床进给系统模块执行动作。
总体而言，通过本发明所构思的以上技术方案与现有技术相比，主要具备以下的技术优点：
(1)本发明提能更加充分地利用了迭代学习方法和先进PID控制方法，将两者有机结合起来实现力矩前馈的控制，不依赖于精准无误的动力学模型。
(2)本发明能根据测得的力矩电流及跟踪误差，经过多次迭代实时调节前馈量，具有良好的自适应性。
(3)相对于现有伺服前馈控制方法，本发明操作实现简单易行，效果甚好。通过模拟试验证明，通过本发明所述的一种机床进给系统的迭代学习前馈控制方法，能够有效降低跟踪误差，提高加工精度，当设置迭代次数30次后，位置跟踪误差减小明显，可降低50％。
附图说明
图1是本发明实施例涉及的一种机床进给系统的迭代学习前馈控制方法的流程图；
图2是本发明实施例涉及的一种机床进给系统的迭代学习前馈控制方法涉及的力矩前馈控制算法流程图；
图3是本发明实施例涉及的一种机床进给系统的迭代学习前馈控制方法涉及的基于机床动力学模型的前馈控制示意图；
图4是本发明优选实施例经过30次迭代试验后跟踪误差减小示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
如图1、图2和图3所示，本发明涉及的一种机床进给系统的迭代学习前馈控制方法，基于实时数据采集记录前N次试验的力矩电流及位置跟踪误差数据，其次，将第N次测得的力矩电流τN和第N次测得的跟踪误差eN(t)作为力矩前馈控制算法的输入，经过前馈控制算法计算后输出电流环的前馈量τN+1；最后，根据每次测得的力矩电流及跟踪误差，实时调节前馈量，经过多次迭代学习后，最终使得跟踪误差减小至目标值ε范围内。
具体步骤如下：
1)采用SSTT(Servo Self Test Tools：伺服调整工具)专用数据采集工具提供所需的基本数据的采样，即其可实现位置、速度、电流等的采样，本发明中，其用于采集前N次机床进给系统模块的力矩电流及位置跟踪误差的数据，然后通过网线将电脑与CNC指令模块(Computerized Numerical Control)连接起来，实现网络通讯，实现传输其采集记录的前N次试验的力矩电流及位置跟踪误差数据。
2)如图1所示，CNC指令模块发送位置指令经过三环控制，即位置控制、速度控制、电流控制，驱动电机使机床进给系统模块的机械传动部件执行运动，将第N次采集记录的力矩电流和跟踪误差eN(t)作为输入至力矩前馈控制算法进行运算，经过前馈控制算法计算后输出电流环的前馈量τN+1
τN+1＝f[τN,eN(t)]＝k1×τN+k2×EN(t)
其中k1、k2为可调整的权重系数，其大小和变化规律与前馈量的大小和变化规律一致，EN(t)为通过调节比例P控制以及积分I控制后的计算模型，eN(t)为位置跟踪误差。其的计算与跟踪误差有关，跟踪误差eN(t)通过PID调节实时调整EN(t)以适应前馈量变化的需要。
本专利在传统的PID控制调节基础上进行了改进，主要是针对比例P控制以及积分I控制进行了改进以适应前馈量变化的需求，采用可变增益的比例P控制以及积分I控制。具体而言，当被控量，即本发明中的位置跟踪误差，与设定值偏差较大时，取消积分作用，以免由于积分作用使系统稳定性降低，超调量增大；当位置跟踪误差接近给定值时，引入积分控制，并设法改变积分项的累加速度，使其与偏差大小相对应：偏差越大，积分越慢，反之则快。以便消除静差，提高控制精度。其中，
EN(t)的计算模型为：
其中，kp为比例系数，α为积分项的开关系数，T1为积分时间常数，TD为微分时间常数，f[eN(t)]为积分项可调系数，
Figure BDA0002234083090000062
为位置跟踪误差在时间t内的积分。
其中，α为积分项的开关系数，其表达式模型为：
其中，ε为目标值。
设置系数f[eN(t)]，它是eN(t)的函数，当|eN(t)|增大时，f减小，反之增大。
3)如图2所示，计算得到的当前第N+1次试验电流环的前馈τN+1输入，经过当前的迭代后得到第N+1次迭代跟踪误差eN+1(t)，如果eN+1(t)＜eN(t)，即位置跟踪误差在逐步减小，符合目标预期的趋势，通过才用曲线拟合的方式建立位置跟踪误差eN+1(t)与位置跟踪误差eN(t)的关系模型：
eN+1(t)＝g(τN,eN(t))
如果eN+1(t)＞eN(t)，即被控量(跟踪误差)在逐步增大，与目标预期相悖，这时需要实施调整电流环前馈量，通过调节权重系数k1、k2、可变增益kp以及系数f[eN(t)]等控制前馈量大小的变化达到控制跟踪误差减小的目的。如果要缩小被控量，即控制前馈量使其减小，调整原则是先向下调整k1，k2，若误差减小不明显再向下调kp和f[eN(t)]系数，使跟踪误差减小。
进一步的，如果eN+1(t)＜ε，即跟踪误差在目标值范围内，即实现跟踪误差，轮廓误差的控制，如果eN+1(t)＞ε，更新迭代循环，直至经过多次迭代仿真后输出的跟踪误差减小至目标值范围内。
如图3所示，基于机床动力学建模软件MWorks搭建机、电、控一体化的机床进给系统模块动力学模型，CNC指令模块发送位置指令作为动力学模型的输入，输出为机床进给系统模块的实际位置，位置跟踪误差eN(t)是将指令位置与实际位置经过反馈(feedback)叠加后输出得到的，力矩电流τN是机床进给系统模块中伺服电机(PMSM：permanent magnetsynchronous motor,即永磁同步电机)输出的电流，图中的gain表示增益，即比例系数，其值可以通过参数设置。
根据每次测得的力矩电流及位置跟踪误差，实时调节前馈量，采用迭代学习前馈控制方法经过多次迭代后，如图4所示，其纵坐标为位置跟踪误差e的大小(单位为m)，经过试验，当设置迭代次数30次后，位置跟踪误差减小明显，可降低50％。
本发明未涉及部分均与现有技术相同或可采用现有技术加以实现。
本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.一种机床进给系统的迭代学习前馈控制方法，其特征在于，包括以下步骤：
S1采集前N次机床进给系统模块的力矩电流及位置跟踪误差的数据；
S2将第N次获得的力矩电流τN和位置跟踪误差eN(t)作为CNC指令模块中的力矩前馈控制算法的输入，该力矩前馈控制算法通过调节比例P控制以及积分I控制输出第N+1次的前馈量τN+1；
S3将前馈量τN+1作为CNC指令模块中PID控制器的电流控制单元的输入进行迭代运算，以获取第N+1次位置跟踪误差eN+1(t)；
S4判断位置跟踪误差eN+1(t)是否小于位置跟踪误差eN(t)，若否，则返回至步骤S2，通过调节比例P控制以及积分I控制输出电流环的前馈量τN+1，若是，则进入步骤S5；
S5判断位置跟踪误差eN+1(t)是否小于目标值ε，若否，则返回至步骤S2，通过调节比例P控制以及积分I控制输出电流环的前馈量τN+1，若是，则实现轮廓误差的控制，结束迭代学习前馈控制。
2.根据权利要求1所述的迭代学习前馈控制方法，其特征在于，步骤S2中，前馈量τN+1的计算模型为：
τN+1＝f[τN,eN(t)]＝k1×τN+k2×EN(t)
其中，k1、k2为权重系数，EN(t)为通过调节比例P控制以及积分I控制后的计算模型，eN(t)为位置跟踪误差。
3.根据权利要求2所述的迭代学习前馈控制方法，其特征在于，所述EN(t)的计算模型为：
Figure FDA0002234083080000021
其中，kp为比例系数，α为积分项的开关系数，T1为积分时间常数，TD为微分时间常数，f[eN(t)]为积分项可调系数，
Figure FDA0002234083080000022
为位置跟踪误差在时间t内的积分。
4.根据权利要求3所述的迭代学习前馈控制方法，其特征在于，所述α的判断模型为：
Figure FDA0002234083080000023
其中，ε为目标值。
5.根据权利要求3所述的迭代学习前馈控制方法，其特征在于，步骤S5中,若误差eN+1(t)是不小于目标值，还需构建位置跟踪误差eN+1(t)与位置跟踪误差eN(t)的关系模型，并根据该模型更新积分项可调系数f[eN(t)]的取值。
6.根据权利要求1-5任一项所述的迭代学习前馈控制方法，其特征在于，步骤S1中，采用SSTT数据采集工具采集前N次机床进给系统的力矩电流及位置跟踪误差的数据。
7.根据权利要求1-5任一项所述的迭代学习前馈控制方法，其特征在于，所述力矩电流为机床进给系统模块中驱动该机床进给系统模块执行动作的伺服电机，进一步的，该伺服电机为永磁同步电机。
8.一种实现权利要求1-7任一项所述的迭代学习前馈控制方法的系统，其特征在于，包括：
数据采集模块，用于采集前N次机床进给系统模块的力矩电流及位置跟踪误差的数据；
CNC指令模块，用于将第N次获得的力矩电流τN和位置跟踪误差eN(t)作为CNC指令模块中的力矩前馈控制算法的输入，该力矩前馈控制算法通过调节比例P控制以及积分I控制输出第N+1次的前馈量τN+1，然后将前馈量τN+1作为CNC指令模块中PID控制器的电流控制单元的输入进行迭代运算，以获取第N+1次位置跟踪误差eN+1(t)，接着对位置跟踪误差eN+1(t)进行判断，以获取小于目标值的位置跟踪误差，完成迭代学习前馈控制；
机床进给系统模块，用于根据CNC指令模块发出的力矩电流信息驱动电机工作进而带动机床进给系统模块执行动作。
CN201910977406.8A 2019-10-15 2019-10-15 一种机床进给系统的迭代学习前馈控制方法及系统 Active CN110703693B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910977406.8A CN110703693B (zh) 2019-10-15 2019-10-15 一种机床进给系统的迭代学习前馈控制方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910977406.8A CN110703693B (zh) 2019-10-15 2019-10-15 一种机床进给系统的迭代学习前馈控制方法及系统

Publications (2)

Publication Number Publication Date
CN110703693A true CN110703693A (zh) 2020-01-17
CN110703693B CN110703693B (zh) 2020-11-17

Family

ID=69198827

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910977406.8A Active CN110703693B (zh) 2019-10-15 2019-10-15 一种机床进给系统的迭代学习前馈控制方法及系统

Country Status (1)

Country Link
CN (1) CN110703693B (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113031518A (zh) * 2021-03-19 2021-06-25 广东海洋大学 基于迭代学习的数控机床快速误差补偿控制系统及方法
CN113625542A (zh) * 2020-05-06 2021-11-09 北京新能源汽车股份有限公司 一种比例积分微分控制方法、控制装置及测功机模型
CN113848901A (zh) * 2021-09-23 2021-12-28 湖南三一中益机械有限公司 电动铣刨机的控制方法、控制系统和电动铣刨机
US11360455B1 (en) 2021-03-19 2022-06-14 Guangdong Ocean University Error compensation system and method for numerical control (NC) machine tool based on iterative learning control

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060055357A1 (en) * 2002-08-07 2006-03-16 Rijs Robertus Mathijs G Method and device for identification of the parameters of an electro-mechanical system
US20100152868A1 (en) * 2008-12-17 2010-06-17 Industrial Technology Research Institute Motion control servo loop apparatus
CN102354146A (zh) * 2011-07-22 2012-02-15 江俊逢 一种运动控制系统及其位置控制方法
CN103116314A (zh) * 2013-02-05 2013-05-22 中国人民解放军国防科学技术大学 一种快速刀具伺服系统幅值衰减和相位延迟的修正方法
US20140217951A1 (en) * 2013-02-06 2014-08-07 Kabushiki Kaisha Yaskawa Denki Motor control device and motor control method
CN104201963A (zh) * 2014-09-11 2014-12-10 哈尔滨工业大学 一种抑制直线电机定位力补偿控制器
CN109388099A (zh) * 2017-08-04 2019-02-26 西门子股份公司 利用模型支持的误差补偿对工件的加工
CN110221541A (zh) * 2019-05-31 2019-09-10 固高科技(深圳)有限公司 伺服系统中前馈控制器的前馈系数获取装置、方法
CN110221538A (zh) * 2019-04-26 2019-09-10 华南理工大学 一种结合迭代学习的时间最优轨迹规划控制器及方法
CN110262394A (zh) * 2019-07-05 2019-09-20 华中科技大学 一种数控加工中轮廓误差的补偿方法

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20060055357A1 (en) * 2002-08-07 2006-03-16 Rijs Robertus Mathijs G Method and device for identification of the parameters of an electro-mechanical system
US20100152868A1 (en) * 2008-12-17 2010-06-17 Industrial Technology Research Institute Motion control servo loop apparatus
CN102354146A (zh) * 2011-07-22 2012-02-15 江俊逢 一种运动控制系统及其位置控制方法
CN103116314A (zh) * 2013-02-05 2013-05-22 中国人民解放军国防科学技术大学 一种快速刀具伺服系统幅值衰减和相位延迟的修正方法
US20140217951A1 (en) * 2013-02-06 2014-08-07 Kabushiki Kaisha Yaskawa Denki Motor control device and motor control method
CN104201963A (zh) * 2014-09-11 2014-12-10 哈尔滨工业大学 一种抑制直线电机定位力补偿控制器
CN109388099A (zh) * 2017-08-04 2019-02-26 西门子股份公司 利用模型支持的误差补偿对工件的加工
CN110221538A (zh) * 2019-04-26 2019-09-10 华南理工大学 一种结合迭代学习的时间最优轨迹规划控制器及方法
CN110221541A (zh) * 2019-05-31 2019-09-10 固高科技(深圳)有限公司 伺服系统中前馈控制器的前馈系数获取装置、方法
CN110262394A (zh) * 2019-07-05 2019-09-20 华中科技大学 一种数控加工中轮廓误差的补偿方法

Non-Patent Citations (6)

* Cited by examiner, † Cited by third party
Title
KHENG CHER YEO, GREG HEINS, FRISO DE BOER, BEN SAUNDERS: "Adaptive Feedforward Control to Compensate Cogging Torque and Current Measurement Errors for PMSMs", 《2011 IEEE INTERNATIONAL ELECTRIC MACHINES & DRIVES CONFERENCE (IEMDC)》 *
M. IWASAKI, N. MATUSI: "Robust speed control of IM with torque feedforward control", 《IEEE TRANSACTIONS ON INDUSTRIAL ELECTRONICS》 *
YANGQUAN CHEN， KEVIN L. MOORE: "Iterative Learning Control With Iteration-Domain Adaptive Feedforward Compensation", 《42ND IEEE CONFERENCE ON DECISION AND CONTROL》 *
白敬彩，等: "同步发电机的反馈-前馈迭代学习励磁控制", 《电机与控制应用》 *
翟仑，等: "闭环迭代学习控制在切换轨迹精确跟踪中的应用", 《2018中国自动化大会（CAC2018）论文集》 *
聂建华，李晟: "基于前馈及自适应滤波的零跟踪误差伺服控制器", 《制造技术与机床》 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113625542A (zh) * 2020-05-06 2021-11-09 北京新能源汽车股份有限公司 一种比例积分微分控制方法、控制装置及测功机模型
CN113031518A (zh) * 2021-03-19 2021-06-25 广东海洋大学 基于迭代学习的数控机床快速误差补偿控制系统及方法
CN113031518B (zh) * 2021-03-19 2021-09-17 广东海洋大学 基于迭代学习的数控机床快速误差补偿控制系统及方法
US11360455B1 (en) 2021-03-19 2022-06-14 Guangdong Ocean University Error compensation system and method for numerical control (NC) machine tool based on iterative learning control
CN113848901A (zh) * 2021-09-23 2021-12-28 湖南三一中益机械有限公司 电动铣刨机的控制方法、控制系统和电动铣刨机

Also Published As

Publication number Publication date
CN110703693B (zh) 2020-11-17

Similar Documents

Publication Publication Date Title
CN110703693B (zh) 一种机床进给系统的迭代学习前馈控制方法及系统
CN105773623B (zh) 基于预测型间接迭代学习的scara机器人轨迹跟踪控制方法
CN100562823C (zh) 一种复杂轨迹的轮廓控制方法
Chen et al. Robust cross-coupling synchronous control by shaping position commands in multiaxes system
CN108803336B (zh) 一种航空发动机自适应lqg/ltr控制器设计方法
CN108303885A (zh) 一种基于干扰观测器的电机位置伺服系统自适应控制方法
CN111007804A (zh) 一种切削加工机器人的动态误差补偿与控制方法
CN102509152A (zh) 一种基于rbf神经网络的开关磁阻电机在线建模方法
CN111930008A (zh) 基于数据驱动控制的压电微定位平台轨迹跟踪控制方法
CN108873698B (zh) 一种抗扰动两阶段定点伺服控制方法
Zhang et al. Study on system recognition method for newton-raphson iterations
Farrage et al. Improvement of motion accuracy and energy consumption for industrial feed drive systems using adaptive sliding mode control
CN117226613A (zh) 一种基于ppo强化学习的机器人恒力控制打磨方法
Yi et al. DC motor control using the Lambert W function approach
Dai et al. Research on constant force grinding control of aero-engine blades based on extended state observer
CN115867870A (zh) 使用广义同质性来改进pid控制命令
Zhou et al. Research on an intelligent manufacturing system based on an information-localizing machining mode
CN101989081A (zh) 伺服落后补偿方法及其装置
Wang et al. Fast-update iterative learning control for performance enhancement with application to motion systems
CN117140504B (zh) 一种基于增量模型预测控制的n连杆机械臂控制方法
CN112327604B (zh) 一种前馈补偿的预期动态pi及pid控制方法
CN116149262B (zh) 一种伺服系统的跟踪控制方法及系统
CN112953323B (zh) 一种三坐标测量机的控制方法及系统
CN104503227B (zh) 一种平面轮廓轨迹抗扰动跟踪控制方法
CN116400584B (zh) 大载荷电液位置伺服系统快速精确控制系统应用方法

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