CN111451899A - 一种叶片自动磨抛方法、装置、电子设备及可读存储介质 - Google Patents
一种叶片自动磨抛方法、装置、电子设备及可读存储介质 Download PDFInfo
- Publication number
- CN111451899A CN111451899A CN202010180722.5A CN202010180722A CN111451899A CN 111451899 A CN111451899 A CN 111451899A CN 202010180722 A CN202010180722 A CN 202010180722A CN 111451899 A CN111451899 A CN 111451899A
- Authority
- CN
- China
- Prior art keywords
- control signal
- particle swarm
- simulated annealing
- swarm optimization
- grinding
- 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
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B24—GRINDING; POLISHING
- B24B—MACHINES, DEVICES, OR PROCESSES FOR GRINDING OR POLISHING; DRESSING OR CONDITIONING OF ABRADING SURFACES; FEEDING OF GRINDING, POLISHING, OR LAPPING AGENTS
- B24B21/00—Machines or devices using grinding or polishing belts; Accessories therefor
- B24B21/16—Machines or devices using grinding or polishing belts; Accessories therefor for grinding other surfaces of particular shape
- B24B21/165—Machines or devices using grinding or polishing belts; Accessories therefor for grinding other surfaces of particular shape for vanes or blades of turbines, propellers, impellers, compressors and the like
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B24—GRINDING; POLISHING
- B24B—MACHINES, DEVICES, OR PROCESSES FOR GRINDING OR POLISHING; DRESSING OR CONDITIONING OF ABRADING SURFACES; FEEDING OF GRINDING, POLISHING, OR LAPPING AGENTS
- B24B1/00—Processes of grinding or polishing; Use of auxiliary equipment in connection with such processes
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B24—GRINDING; POLISHING
- B24B—MACHINES, DEVICES, OR PROCESSES FOR GRINDING OR POLISHING; DRESSING OR CONDITIONING OF ABRADING SURFACES; FEEDING OF GRINDING, POLISHING, OR LAPPING AGENTS
- B24B21/00—Machines or devices using grinding or polishing belts; Accessories therefor
- B24B21/18—Accessories
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B24—GRINDING; POLISHING
- B24B—MACHINES, DEVICES, OR PROCESSES FOR GRINDING OR POLISHING; DRESSING OR CONDITIONING OF ABRADING SURFACES; FEEDING OF GRINDING, POLISHING, OR LAPPING AGENTS
- B24B51/00—Arrangements for automatic control of a series of individual steps in grinding a workpiece
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
Abstract
本申请公开了一种叶片自动磨抛方法,为解决现有技术缺陷,本申请对原始控制信号中存在的信号阶跃通过模拟退火粒子群优化算法进行处理,模拟退火粒子群优化算法在综合了模拟退火算法和粒子群优化算法两者优点的同时,也尽可能的去除了两者分别存在的缺陷,通过模拟退火粒子群优化算法具有的全局最优解寻求能力,可以最大程度上降低原始控制信号中的信号阶跃幅度,而信号阶跃幅度的降低也将导致过度态力的变化更加平滑,具有更高的稳定性和鲁棒性,从而实现减小对叶片的损伤、提升叶片性能的目的。本申请同时公开了一种叶片自动磨抛装置、电子设备及可读存储介质,具有相同的有益效果。
Description
技术领域
本申请属于叶片自动化加工技术领域,更具体地,涉及一种叶片自动磨抛方法、装置、电子设备及可读存储介质。
背景技术
工业场合所用叶片的型面精度与表面质量直接影响其工作性能,目前国内大多数类型的叶片磨抛加工90%以上仍然采用手工磨抛,但手工磨抛一致性差、质量无法得到保证、加工效率低;并且人工打磨工作环境十分恶劣,粉尘多且毒害大,机器噪声尖锐嘈杂,机械式操作重复枯燥,易使疲乏困顿,对打磨操作人员的健康有着很大程度的损害。此外,叶片型面复杂,叶缘特征微小、轮廓度与表面精度要求高、去除余量少且分布不均匀,使得对叶片的磨抛加工具有较高的要求。
仿形磨削、恒力磨削以及多轴联动磨削等数控磨抛设备极大提高了叶片制造的自动化水平,数控机床刚度高、运动精度高,对于提高叶片磨抛质量优势明显。仿形法的加工质量依赖于靠模板的精度,靠模板的制造精度以及运行损耗都影响叶片最终成型质量,且其通用性较差,难以满足叶片小批量、多规格的加工要求。多轴联动通用性数控磨削设备灵活性好,精度高,但受限于国外高端数控设备价格高昂,国内替代产品功能不足,加上工艺编程难度大,难以快速转换工艺,缺乏“测量-加工”自适应闭环加工能力等原因仍未替代人工磨抛,取得广泛应用。
机器人运动空间大、智能化、成本低、可快速灵活转换工艺,在实现多品种、小批量的航发叶片磨抛加工中具有显著优势;但工业机器人模型辨识困难,多串联结构导致末端响应较慢,定位精度较低,刚度较低且随位姿变化大,严重影响叶片加工形位精度。机器人砂带磨抛加工要求机器人夹持叶片与砂带轮进行接触操作,受限于建模误差、控制器性能及不确定性等因素,通常导致运动控制存在误差,且接触环境信息难以准确获取,单纯的运动控制不仅难以完成接触类应用,甚至易导致接触冲击与过大接触力,造成严重叶片的变形和损坏。
机器人砂带磨抛加工涉及与变化的未知环境的主动交互接触,使得机器人要经常与磨抛对象进行接触和中断接触等操作。当砂带打磨接触轮从自由空间移动到约束空间时,非零接近速度撞击刚性叶片通常会发生碰撞,产生接触力振动。
因此,如何克服上述现有技术缺陷,实现砂带磨抛装置与待磨抛叶片接触时的过渡态力的稳定鲁棒控制,是本领域技术人员亟待解决的问题。
发明内容
本申请的目的是提供一种叶片自动磨抛方法、装置、电子设备及可读存储介质,旨在由机器人实现通过砂带磨抛装置对待磨抛叶片进行自动磨抛加工时,实现砂带磨抛装置与待磨抛叶片接触时的过渡态力的稳定鲁棒控制,从而实现减小对叶片的损伤、提升叶片性能的目的。
为实现上述目的,本申请第一方面提供了一种叶片自动磨抛方法,包括:
接收下发的原始控制信号;
利用预设的模拟退火粒子群优化控制器对所述原始控制信号进行处理,得到处理后控制信号;其中,所述模拟退火粒子群优化控制器基于粒子群优化算法和模拟退火算法共同构建得到;
将所述处理后控制信号下发给砂带磨抛装置;
控制所述砂带磨抛装置按所述处理后控制信号对待磨抛叶片进行磨抛操作。
可选的,在利用模拟退火粒子群优化控制器对所述原始控制信号进行处理之前,还包括:
利用预设的输入整形器对所述原始控制信号进行处理,得到整形后信号;
对应的,利用模拟退火粒子群优化控制器对所述原始控制信号进行处理,包括:
利用所述模拟退火粒子群优化控制器对所述整形后信号进行处理。
可选的,所述输入整形器基于交替的正负脉冲序列构建得到,所述正负脉冲序列的对数至少为1,每对所述正负脉冲序列均按照正负交替的方式依次发出。
可选的,该叶片自动磨抛方法还包括:
获取所述待磨抛叶片在所述砂带磨抛装置按所述原始控制信号的控制下的第一受力参数;
获取所述待磨抛叶片在所述砂带磨抛装置按所述处理后控制信号的控制下的第二受力参数;
比较所述第二受力参数和所述第一受力参数,计算得到受力参数差异;
根据所述受力参数差异验证所述模拟退火粒子群优化控制器的可用性;
若所述模拟退火粒子群优化控制器经验证不具有可用性,则调整所述模拟退火粒子群优化控制器的各项参数直至具有可用性。
实现上述目的,本申请第二方面提供了一种叶片自动磨抛装置,包括:
原始控制信号接收单元,用于接收下发的原始控制信号;
信号优化处理单元,用于利用预设的模拟退火粒子群优化控制器对所述原始控制信号进行处理,得到处理后控制信号;其中,所述模拟退火粒子群优化控制器基于粒子群优化算法和模拟退火算法共同构建得到;
处理后控制信号下发单元,用于将所述处理后控制信号下发给砂带磨抛装置;
磨抛操作控制执行单元,用于控制所述砂带磨抛装置按所述处理后控制信号对待磨抛叶片进行磨抛操作。
可选的,该叶片自动磨抛装置还包括:
输入整形处理单元,用于在利用模拟退火粒子群优化控制器对所述原始控制信号进行处理之前,利用预设的输入整形器对所述原始控制信号进行处理,得到整形后信号;
对应的,所述信号优化处理单元包括:
整形后信号优化处理子单元,用于利用所述模拟退火粒子群优化控制器对所述整形后信号进行处理。
可选的,该叶片自动磨抛装置还包括:
第一受力参数获取单元,用于获取所述待磨抛叶片在所述砂带磨抛装置按所述原始控制信号的控制下的第一受力参数;
第二受力参数获取单元,用于获取所述待磨抛叶片在所述砂带磨抛装置按所述处理后控制信号的控制下的第二受力参数;
受力参数差异计算单元,用于比较所述第二受力参数和所述第一受力参数,计算得到受力参数差异;
可用性验证单元,用于根据所述受力参数差异验证所述模拟退火粒子群优化控制器的可用性;
可用性调整单元,用于当所述模拟退火粒子群优化控制器经验证不具有可用性时,调整所述模拟退火粒子群优化控制器的各项参数直至具有可用性。
为实现上述目的,本申请第三方面提供了一种电子设备,包括:
存储器,用于存储计算机程序;
处理器,用于在执行所述计算机程序时实现如上述内容所描述的叶片自动磨抛方法中的各步骤。
为实现上述目的,本申请第四方面提供了一种可读存储介质,所述可读存储介质上存储有计算机程序,所述计算机程序在被处理器执行后实现如上述内容所描述的叶片自动磨抛方法中的各步骤。
本申请提供的一种叶片自动磨抛方法,包括:接收下发的原始控制信号;利用预设的模拟退火粒子群优化控制器对所述原始控制信号进行处理,得到处理后控制信号;其中,所述模拟退火粒子群优化控制器基于粒子群优化算法和模拟退火算法共同构建得到;将所述处理后控制信号下发给砂带磨抛装置;控制所述砂带磨抛装置按所述处理后控制信号对待磨抛叶片进行磨抛操作。
根据本申请提供的叶片自动磨抛方法可以看出,为解决现有技术缺陷,本申请对原始控制信号中存在的信号阶跃通过模拟退火粒子群优化算法进行处理,模拟退火粒子群优化算法在综合了模拟退火算法和粒子群优化算法两者优点的同时,也尽可能的去除了两者分别存在的缺陷,通过模拟退火粒子群优化算法具有的全局最优解寻求能力,可以最大程度上降低原始控制信号中的信号阶跃幅度,而信号阶跃幅度的降低也将导致过度态力的变化更加平滑,具有更高的稳定性和鲁棒性,从而实现减小对叶片的损伤、提升叶片性能的目的。
本申请还同时提供了一种叶片自动磨抛装置、电子设备及可读存储介质,具有相同的有益效果,此处不再赘述。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的实施例,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,还可以根据提供的附图获得其他的附图。
图1为叶片自动磨抛控制系统的结构简化示意图;
图2为砂带磨抛装置对叶片进行磨抛加工时各状态力的变化示意图;
图3为本申请实施例提供的一种叶片自动磨抛方法的流程图;
图4为本申请实施例提供的一种模拟退火粒子群优化算法的实现方法的流程图;
图5为本申请实施例提供的另一种叶片自动磨抛方法的流程图;
图6为本申请实施例提供的一种验证模拟退火粒子群优化控制器的可用性的方法的流程图;
图7为输入整形技术的原理示意图;
图8为本申请实施例提供的一种基于离线反馈的输入整形器的构建过程示意图;
图9为本申请实施例提供的一种叶片自动磨抛装置的结构框图。
具体实施方式
本申请的核心是提供一种叶片自动磨抛方法,旨在由机器人实现通过砂带磨抛装置对待磨抛叶片进行自动磨抛加工时,实现砂带磨抛装置与待磨抛叶片接触时的过渡态力的稳定鲁棒控制,从而实现减小对叶片的损伤、提升叶片性能的目的。
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请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申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例,都属于本申请保护的范围。
为便于理解现有技术缺陷,此处结合图1和图2进行具体说明:
图1示出了通过机器人控制砂带磨抛装置完成对待磨抛叶片的磨抛加工的系统结构示意图,在叶片磨抛加工过程中,由于运动受到磨抛单元砂带的阻碍,逼近速度在极短时间内突然趋近零,从而导致伴随大量的能量转移与耗散,加上自由运动瞬间转变为约束运动,动态特性突变,极易导致过渡过程力冲击与接触振动(图2示出了自由态、过渡态以及约束态下的力变化情况的示意图),影响零部件的使用寿命,增加系统稳定时间,导致控制性能变差甚至使原本稳定的控制器不稳定。
同时,机械装置通常通过循环运动自身金属部件完成相应的任务,提高运动速度有利于提高生产效率,但高加/减速度易激发系统模态,造成惯性振动,影响工作质量。
为克服上述现有技术缺陷,本申请为叶片自动磨抛控制系统提供了一种如图3流程图所示的叶片自动磨抛方法,以通过该叶片自动磨抛方法中提供的对砂带磨抛装置的控制来尽可能的克服现有技术缺陷,包括如下步骤:
S101:接收下发的原始控制信号;
本步骤旨在接收到由叶片自动磨抛控制系统下发给砂带磨抛装置的原始控制信号,应当明确的是,该砂带磨抛装置是适配机器人来完成叶片磨抛的配套装置,而控制信号则是用于尽可能的调整砂带磨抛装置的各项参数(例如位置、倾斜角度等)来减小与待磨抛叶片接触时出现的力超调和力冲击问题(就过渡态力的平滑控制),从而尽可能的减少对叶片的损伤。
未经处理的原始控制信号会存在明显的阶跃,因此会导致砂带磨抛装置在与待磨抛叶片接触时不可避免的出现力超调和力冲击问题(即过渡态力的控制不平滑),进而对叶片造成损伤。
S102:利用预设的模拟退火粒子群优化控制器对原始控制信号进行处理,得到处理后控制信号;
其中,模拟退火粒子群优化控制器基于粒子群优化算法和模拟退火算法共同构建得到。
粒子群优化方法是基于一个群体的全局寻优优化方法,群体的粒子根据自己的运行轨迹和群体的最佳位置计划粒子的搜索策略。在D维的由N 个粒子组成的群体搜索空间中,每个粒子i(i=1,2,…,N)包含一个D维的位置向量xi={xi1,xi2,…,xiD}和速度向量vi={vi1,vi2,…,viD}。粒子i在D维空间进行搜索时,利用适应值函数衡量优劣,设定Pi={Pi1,Pi2,…,PiD}为粒子i截止当前时间寻找到的最佳位置,Pg={Pg1,Pg2,…,PgD}为整个粒子群体搜索到的最佳位置,在每次迭代过程中,粒子i根据Pi和Pg来调整自身的速度向量,从而得到自身位置,调整公式如下所示:
vid(k)=vid(k-1)+c1r1(Pid-xid(k-1))+c2r2(Pgd-xid(k-1)),xid(k)=xid(k-1)+vid(k);
其中:i=1,2,…,N,d=1,2,…,D,k为群体迭代次数,c1和c2为学习因子,r1和r2为(0,1)之间的随机数。
但粒子群优化算法在实际情况下常常找到的是局部最优解,而不是全局最优解,因此对原始数据的处理效果还有待改善。
为试图解决这一问题,本申请又通过使用模拟退火算法对传统的粒子群优化算法进行改进。模拟退火算法从某一较高初温出发,伴随温度参数的不断下降,结合概率突跳特性在解空间中随机寻找目标函数的全局最优解,即在局部最优解能概率性地跳出并最终趋于全局最优。简单来说,模拟退火算法是通过赋予搜索过程一种时变且最终趋于零的概率突跳性,从而可有效避免陷入局部极小并最终趋于全局最优的串行结构的优化算法。
本步骤旨在利用模拟退火粒子群优化算法寻求全局最优解的能力来尽可能的减少原始控制信号的信号阶跃幅度,以事先过渡态力的平滑处理。
一种通过模拟退火算法改进传统的粒子群优化算法得到模拟退火粒子群优化算法的实现方式可参见如图4所示的流程图,核心原理为:采用杂交粒子群优化方法中的杂交运算和高斯变异运算的粒子群优化变异运算,形成新的模拟退火粒子群优化算法,包括如下步骤:
步骤1:对参数进行初始化:
确定交叉概率Pc、变异概率Pm、学习因子c1和c2、模拟冷却退火系数 C和模拟退火方法的初始控制参数t;
步骤2:采用粒子群算法运算得到较优的子粒子:
随机生成一个个数为N个粒子的粒子群D0,根据下式进行基本粒子群方法运算,获得较优的新粒子群D1;
vid(k)=vid(k-1)+c1r1(Pid-xid(k-1))+c2r2(Pgd-xid(k-1)),xid(k)=xid(k-1)+vid(k);
对当前所产生的粒子群D1通过交叉概率Pc形成新的子种群D2,在新的子种群D2中选取母本xi和xj进行杂交计算,产生新的子粒子:
其中:p为区间[0,1]上的均匀分布随机数;
步骤3:计算适应度函数,更新速度和位置:
步骤4:进行杂交运算与高斯变异运算:
经过杂交运算后生成的粒子群通过变异概率Pm形成新的子粒子群D3,在选择D3中的子粒子yi按高斯变异进行变异,产生新的子粒子;
步骤5:判断是否满足结束条件:
如果迭代计算的结果已经满足要求,可以实现收敛条件,则迭代过程结束,输出得到的最优解,否则执行步骤6:
步骤6:衰减模拟退火方法的初始控制参数t,使得t←Ct,并跳转到步骤3。
应当理解的是,图4所示的仅为一种示例性形成模拟退火粒子群优化算法的实现方式,本领域技术人员在此思想的指导下进行的同类型改动也应属于本申请的保护范围内。
S103:将处理后控制信号下发给砂带磨抛装置;
S104:控制砂带磨抛装置按处理后控制信号对待磨抛叶片进行磨抛操作。
在S102的基础上,S103旨在将经模拟退火粒子群优化控制器处理后的控制信号下发给砂带磨抛装置,并在S104中起到控制砂带磨抛装置按处理后控制信号对待磨抛叶片进行磨抛操作,从而将对信号的处理转变为砂带磨抛装置各项使用参数的调整。
根据本申请提供的叶片自动磨抛方法可以看出,为解决现有技术缺陷,本申请对原始控制信号中存在的信号阶跃通过模拟退火粒子群优化算法进行处理,模拟退火粒子群优化算法在综合了模拟退火算法和粒子群优化算法两者优点的同时,也尽可能的去除了两者分别存在的缺陷,通过模拟退火粒子群优化算法具有的全局最优解寻求能力,可以最大程度上降低原始控制信号中的信号阶跃幅度,而信号阶跃幅度的降低也将导致过度态力的变化更加平滑,具有更高的稳定性和鲁棒性,从而实现减小对叶片的损伤、提升叶片性能的目的。
为了进一步提升模拟退火粒子群优化算法消除信号阶跃幅度的幅度,本实施例在上述实施例方案的基础上,在使用模拟退火粒子群优化控制器对控制信号进行处理之前,还首先使用了基于输入整形技术构建得到的输出整形器对原始控制信号进行处理,再将得到的整形后信号作为输入信号给到模拟退火粒子群优化控制器进行处理,从而通过依次进行的两个不同处理,给到模拟退火粒子群优化控制器一个更优的信号,以便模拟退火粒子群优化控制器基于更优的信号寻求到更好的全局最优解(相当于消除了部分干扰信号)。
请参见如图5所示的一种叶片自动磨抛方法的流程图,包括如下步骤:
S201:接收下发的原始控制信号;
S202:利用预设的输入整形器对原始控制信号进行整形处理,得到整形后信号;
传统的输入整形技术是一种通过把输入分解为多步延时加载,引导各分量的输出振荡相互抵消,达到抑制残余振动和力过冲的效果的技术。
具体的,输入整形技术是通过将原始的控制指令与一系列脉冲序列进行卷积操作,所形成新的指令作为控制系统的输入,实现对原始控制指令的整形。脉冲序列称为输入整形器,可以根据系统的频率和阻尼比进行设计,两脉冲输入整形器抑制振动原理如图5所示(A1和A2为起点不同的类正弦信号)。整形后的输入指令引起控制系统产生相应的输出,使得相隔一定振荡周期的输出相互抵消,达到抑制振动的效果。输入整形器在不增加外部器件的条件下引导自身产生的振荡相互抵消,输入整形器的成形原理如图6所示。
需要说明的是,传统的、常规的输入整形器都是基于单纯的正脉冲序列构建得到,由于均为正脉冲序列,为实现力抵消只能通过间隔一定的震荡周期来使输出相互抵消,这就导致不可避免的要存在延迟,且即使通过延时也无法抵消所有的力。
因为高性能叶片对加工时的各项受力十分敏感,因此,为进一步提升输入整形器对原始控制信号的处理效果,本申请还给出了几种对传统的、常规的输入整形器进行改进得到改进输入整形器的方案:
改进方案1:基于输入整形技术的基本原理和单纯使用正脉冲序列时实现力抵消的原理,新引入了负脉冲序列,即将原先单纯的正脉冲序列调整为了交替的正负脉冲序列,而负脉冲序列甚至无需延迟就可以直接抵消相应的正脉冲序列,力抵消更加全面,更低的延迟也提升了叶片自动加工的效率。即在传统的输入整形技术的基础上,引入负脉冲输入量,提出一种改进的输入整形控制器,降低磨抛装置与叶片接触过程中的力振荡和力超调,为实现磨抛加工过渡过程的平稳过渡提供了一种较强适应性与鲁棒性的解决方法。
改进方案2:类似于改进方案1,通过离线反馈技术的反馈来实时动态的调整发出的脉冲序列的各项参数,基于结果为导向的离线反馈技术可以更有针对性的对各项参数进行优化调整。
S203:利用预设的模拟退火粒子群优化控制器对整形后信号进行处理,得到处理后控制信号;
S204:将处理后控制信号下发给砂带磨抛装置;
S205:控制砂带磨抛装置按处理后控制信号对待磨抛叶片进行磨抛操作。
相比于上述实施例,本实施例通过增加对原始控制信号使用输入整形器进行整形处理的方案,使得输入给模拟退火粒子群优化算法的信号更优,得以让模拟退火粒子群优化控制器输出更好的全局最优解,提升了最终的控制效果。
在本申请的一些其他实施例中,为了验证构建得到的模拟退火粒子群优化控制器整形器的可用性,还可以通过控制变量法来实现可用性的验证,一种包括但不限于的实现方式可参见如图6所示的流程图:
S301:获取待磨抛叶片在砂带磨抛装置按原始控制信号的控制下的第一受力参数;
S302:获取待磨抛叶片在砂带磨抛装置按处理后控制信号的控制下的第二受力参数;
S303:比较第二受力参数和第一受力参数,计算得到受力参数差异;
S304:根据受力参数差异验证模拟退火粒子群优化控制器的可用性;
S305:调整模拟退火粒子群优化控制器的各项参数直至具有可用性。
即通过比对相同待磨抛叶片分别在原始控制信号和处理后控制信号的磨抛下的受力参数,得出受力参数差异,若基于存在的受力参数差异确定磨抛后叶片拥有更好的性能,则可以证明模拟退火粒子群优化控制器具有可用性。
当然,受力参数差异也可以作为指导调节参数的基础来实现对控制器的进一步改进。
同理,相同的方案也可以经适应性调整后应用于输入整形器的可用性验证和参数调节。
为了更加深入的理解本申请给出上述方案,下面本申请从结合公式从理论从面论证本给出的方案的可行性:
首先对输入整形器的实现原理进行介绍:
假设存在单自由度二阶阻尼线性系统,其传递函数如下:
式中:ω为系统自然角频率,ζ为系统阻尼比,G(s)为单自由度二阶阻尼线性系统的传递函数,s代表拉普拉斯变换的意义。
进一步地,n个脉冲组成的脉冲序列为:
其中Ai和ti分别为第i个脉冲的幅值脉冲作用时间,I(t)代表n个脉冲组成的脉冲序列,δ代表阶跃脉冲输入信号。该脉冲序列作用于控制系统时,在最后一个脉冲时间作用后,系统的残余振动幅值为:
其中:
此外,输入整形器的时间长度越短,带给控制系统的时间滞后也就越短,可以提高系统的响应,输入整形器的时间约束为:min(tn)。
结合上述分析可知,针对确定的控制系统,分析得到系统自然角频率ω和系统阻尼比ζ,根据系统残余振动幅值Aamp的数值或者低于某一期望水平确定系统脉冲幅值Ai和时间ti。如图7分析可知,当输入整形器具有两个输入脉冲时,在时域内对原始参考轨迹与输入整形器进行卷积可将原始参考轨迹分解为具有不同幅值和加载时间的子轨迹,该系统的输入整形器根据系统的阻尼比与振荡频率进行设计,函数为:
InS(t)=A1δ(t)+A2δ(t-t2);
其中:Ins(t)代表根据系统的阻尼比与振荡频率进行设计的函数,分解后的子轨迹之和通常与原始参考轨迹有细微的变形,常通过前馈补偿的方式降低轨迹细微改变对跟踪误差造成的影响,整形后的总轨迹等于各个子轨迹之和:
rs=rs,1+rs,2=A1r(t)+A2r(t-t2);
其中:rs代表整形后的总轨迹,rs,1与rs,2代表整形后的各个子轨迹。
进一步地,最简单的输入整形器是由两个脉冲组成的正输入ZV整形器,在最后一个脉冲作用结束时,系统振动消失,残余振动幅值为0,则有:
同时根据系统的约束条件进一步可以得到如下约束:
进一步地,结合上述约束分析可以得到ZV输入整形器的数学表达式为:
其中:
满足上述分析的约束条件,并在输入整形器中包含多个脉冲可以获得高阶输入整形器。ZVD整形器在ZV整形器的基础上增加一个振荡百分比函数对频率的微分条件,进一步提高系统的鲁棒性,ZVD整形器计算公式如下:
综合分析,ZV输入整形器响应快,延时最小,但是对建模误差很敏感,鲁棒性最差。ZVD输入整形器鲁棒性最好,但是相应速度最慢,延时最长。相比之下,ZVD输入整形器的鲁棒性和延时效果适中,一般应用ZVD输入整形器的场景较为普遍。
进一步地,在采用离线反馈的输入整形算法来解决力控磨抛单元与叶片接触过渡态的冲击抑制问题时,可以首先在无输入整形干预下获得装置末端与叶片的冲击振荡波形,通过振荡波形计算力控装置的无阻尼固有频率ωn与阻尼比ξ,然后根据ωn与ξ可设计整形器。将磨抛单元简化为典型的二阶系统,磨抛单元的阻抗特性可由阶跃响应获取,即根据超调量Mp以及达到最大超调量所需时间tp可辨识出系统传递函数。然后根据ωn与ξ,采用典型的ZV或者ZVD输入整形器可完成主动冲击抑制整形器的设计(参见如图8所示的示意图)。
根据欠阻尼二阶系统阶跃响应过渡过程的性能指标与系统参数之间的关系,可由输出振荡波形逆向推算出其模型,根据二阶系统的特性可知:
故可由Mp与tp计算出无阻尼固有角频率ωn与阻尼比ξ,其中:Mp是最大超调量,tp为到达最大超调量的时间,ωd为无阻尼自然角频率。
总体而言,通过本申请所构思的以上技术方案与现有技术相比,能够取得下列有益效果:
1.本申请的方法,基于输入整形与离线反馈技术,提出一种叶片磨抛加工的过渡过程控制优化方法。输入整形技术通过把输入分解为多步延时加载,引导各分量的输出振荡相互抵消,达到抑制残余振动的效果。当磨抛加工装置末端以一定速度趋近叶片发生碰撞时,产生的接触力振动信号的阶跃响应,直接针对系统的输出响应设计过渡态冲击抑制控制器能同时解决多耦合因素的影响。装置-叶片之间的阻抗特性可通过系统的阶跃响应获得,能够简单有效地实现稳定的过渡过程,具有结构简单和响应速度快等优点;
2.本申请的方法,基于输入整形的过渡过程主动冲击抑制方法在不增加系统资源的情况下,引导输入信号产生的振动自相抵消,方法简单实用,具有较好的有效性与鲁棒性。对于过渡态力控超调具有明显的效果,能够有效的降低接触过程中的冲击振动,实现柔性平稳过渡,对过渡态的冲击抑制效果明显,离线闭环反馈具有针对性,对特定场合能取得较好效果。
3.本申请的方法,模拟退火粒子群算法结合原有算法的优点,具有更好的收敛性。该方法不仅基本保持了粒子群优化方法简单、容易实现的优点,而且增强了粒子群优化方法的全局寻优能力,加快了方法的进化速度,提高了方法收敛精度,使得叶片磨抛加工控制过渡过程较大地降低冲击振动,实现较好的平稳过渡。
因为情况复杂,无法一一列举进行阐述,本领域技术人员应能意识到根据本申请提供的基本方法原理结合实际情况可以存在很多的例子,在不付出足够的创造性劳动下,应均在本申请的保护范围内。
下面请参见图9,图9为本申请实施例提供的一种叶片自动磨抛装置的结构框图,该装置可以包括:
原始控制信号接收单元100,用于接收下发的原始控制信号;
信号优化处理单元200,用于利用预设的模拟退火粒子群优化控制器对原始控制信号进行处理,得到处理后控制信号;其中,模拟退火粒子群优化控制器基于粒子群优化算法和模拟退火算法共同构建得到;
处理后控制信号下发单元300,用于将处理后控制信号下发给砂带磨抛装置;
磨抛操作控制执行单元400,用于控制砂带磨抛装置按处理后控制信号对待磨抛叶片进行磨抛操作。
进一步的,该叶片自动磨抛装置还可以包括:
输入整形处理单元,用于在利用模拟退火粒子群优化控制器对原始控制信号进行处理之前,利用预设的输入整形器对原始控制信号进行处理,得到整形后信号;
对应的,信号优化处理单元200可以包括:
整形后信号优化处理子单元,用于利用模拟退火粒子群优化控制器对整形后信号进行处理。
更进一步的,该叶片自动磨抛装置还可以包括:
第一受力参数获取单元,用于获取待磨抛叶片在砂带磨抛装置按原始控制信号的控制下的第一受力参数;
第二受力参数获取单元,用于获取待磨抛叶片在砂带磨抛装置按处理后控制信号的控制下的第二受力参数;
受力参数差异计算单元,用于比较第二受力参数和第一受力参数,计算得到受力参数差异;
可用性验证单元,用于根据受力参数差异验证模拟退火粒子群优化控制器的可用性;
可用性调整单元,用于当模拟退火粒子群优化控制器经验证不具有可用性时,调整模拟退火粒子群优化控制器的各项参数直至具有可用性。
本实施例作为对应于上述方法实施例的装置实施例存在,为解决现有技术缺陷,本实施例对原始控制信号中存在的信号阶跃通过模拟退火粒子群优化算法进行处理,模拟退火粒子群优化算法在综合了模拟退火算法和粒子群优化算法两者优点的同时,也尽可能的去除了两者分别存在的缺陷,通过模拟退火粒子群优化算法具有的全局最优解寻求能力,可以最大程度上降低原始控制信号中的信号阶跃幅度,而信号阶跃幅度的降低也将导致过度态力的变化更加平滑,具有更高的稳定性和鲁棒性,从而实现减小对叶片的损伤、提升叶片性能的目的。
基于上述实施例,本申请还提供了一种电子设备,该电子设备可以包括存储器和处理器,其中,该存储器中存有计算机程序,该处理器调用该存储器中的计算机程序时,可以实现上述实施例所提供的叶片自动磨抛方法的各步骤。当然,该电子设备还可以包括各种必要的网络接口、电源以及其它零部件等。
本申请还提供了一种可读存储介质,其上存有计算机程序,该计算机程序被执行终端或处理器执行时可以实现上述实施例所提供的步骤。该存储介质可以包括:U盘、移动硬盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
专业人员还可以进一步意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
本文中应用了具体个例对本申请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申请的方法及其核心思想。对于本技术领域的普通技术人员来说,在不脱离本申请原理的前提下,还可以对本申请进行若干改进和修饰,这些改进和修饰也落入本申请权利要求的保护范围内。
还需要说明的是,在本说明书中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其它变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其它要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括要素的过程、方法、物品或者设备中还存在另外的相同要素。
Claims (9)
1.一种叶片自动磨抛方法,其特征在于,包括:
接收下发的原始控制信号;
利用预设的模拟退火粒子群优化控制器对所述原始控制信号进行处理,得到处理后控制信号;其中,所述模拟退火粒子群优化控制器基于粒子群优化算法和模拟退火算法共同构建得到;
将所述处理后控制信号下发给砂带磨抛装置;
控制所述砂带磨抛装置按所述处理后控制信号对待磨抛叶片进行磨抛操作。
2.根据权利要求1所述的叶片自动磨抛方法,其特征在于,在利用模拟退火粒子群优化控制器对所述原始控制信号进行处理之前,还包括:
利用预设的输入整形器对所述原始控制信号进行处理,得到整形后信号;
对应的,利用模拟退火粒子群优化控制器对所述原始控制信号进行处理,包括:
利用所述模拟退火粒子群优化控制器对所述整形后信号进行处理。
3.根据权利要求2所述的叶片自动磨抛方法,其特征在于,所述输入整形器基于交替的正负脉冲序列构建得到,所述正负脉冲序列的对数至少为1,每对所述正负脉冲序列均按照正负交替的方式依次发出。
4.根据权利要求1至3任一项所述的叶片自动磨抛方法,其特征在于,还包括:
获取所述待磨抛叶片在所述砂带磨抛装置按所述原始控制信号的控制下的第一受力参数;
获取所述待磨抛叶片在所述砂带磨抛装置按所述处理后控制信号的控制下的第二受力参数;
比较所述第二受力参数和所述第一受力参数,计算得到受力参数差异;
根据所述受力参数差异验证所述模拟退火粒子群优化控制器的可用性;
若所述模拟退火粒子群优化控制器经验证不具有可用性,则调整所述模拟退火粒子群优化控制器的各项参数直至具有可用性。
5.一种叶片自动磨抛装置,其特征在于,包括:
原始控制信号接收单元,用于接收下发的原始控制信号;
信号优化处理单元,用于利用预设的模拟退火粒子群优化控制器对所述原始控制信号进行处理,得到处理后控制信号;其中,所述模拟退火粒子群优化控制器基于粒子群优化算法和模拟退火算法共同构建得到;
处理后控制信号下发单元,用于将所述处理后控制信号下发给砂带磨抛装置;
磨抛操作控制执行单元,用于控制所述砂带磨抛装置按所述处理后控制信号对待磨抛叶片进行磨抛操作。
6.根据权利要求5所述的叶片自动磨抛装置,其特征在于,还包括:
输入整形处理单元,用于在利用模拟退火粒子群优化控制器对所述原始控制信号进行处理之前,利用预设的输入整形器对所述原始控制信号进行处理,得到整形后信号;
对应的,所述信号优化处理单元包括:
整形后信号优化处理子单元,用于利用所述模拟退火粒子群优化控制器对所述整形后信号进行处理。
7.根据权利要求5或6所述的叶片自动磨抛装置,其特征在于,还包括:
第一受力参数获取单元,用于获取所述待磨抛叶片在所述砂带磨抛装置按所述原始控制信号的控制下的第一受力参数;
第二受力参数获取单元,用于获取所述待磨抛叶片在所述砂带磨抛装置按所述处理后控制信号的控制下的第二受力参数;
受力参数差异计算单元,用于比较所述第二受力参数和所述第一受力参数,计算得到受力参数差异;
可用性验证单元,用于根据所述受力参数差异验证所述模拟退火粒子群优化控制器的可用性;
可用性调整单元,用于当所述模拟退火粒子群优化控制器经验证不具有可用性时,调整所述模拟退火粒子群优化控制器的各项参数直至具有可用性。
8.一种电子设备,其特征在于,包括:
存储器,用于存储计算机程序;
处理器,用于在执行所述计算机程序时实现如权利要求1至4任一项所述的叶片自动磨抛方法中的各步骤。
9.一种可读存储介质,其特征在于,所述可读存储介质上存储有计算机程序,所述计算机程序在被处理器执行后实现如权利要求1至4任一项所述的叶片自动磨抛方法中的各步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010180722.5A CN111451899B (zh) | 2020-03-16 | 2020-03-16 | 一种叶片自动磨抛方法、装置、电子设备及可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010180722.5A CN111451899B (zh) | 2020-03-16 | 2020-03-16 | 一种叶片自动磨抛方法、装置、电子设备及可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111451899A true CN111451899A (zh) | 2020-07-28 |
CN111451899B CN111451899B (zh) | 2021-09-10 |
Family
ID=71673417
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010180722.5A Active CN111451899B (zh) | 2020-03-16 | 2020-03-16 | 一种叶片自动磨抛方法、装置、电子设备及可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111451899B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112676925A (zh) * | 2020-12-29 | 2021-04-20 | 襄阳华中科技大学先进制造工程研究院 | 航空发动机叶片磨抛方法、装置、设备及存储介质 |
CN113741183A (zh) * | 2021-08-12 | 2021-12-03 | 桂林电子科技大学 | 基于阻尼比模型的工业机器人自适应导纳控制方法 |
CN113910085A (zh) * | 2021-09-26 | 2022-01-11 | 江苏集萃华科智能装备科技有限公司 | 金属镜面抛光产线的控制方法、控制装置及控制系统 |
CN116038505A (zh) * | 2023-04-03 | 2023-05-02 | 国营川西机器厂 | 一种基于等级划分的风扇转子叶片抛光方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3386160B2 (ja) * | 1992-11-27 | 2003-03-17 | 株式会社神戸製鋼所 | 稼動スケジュール作成装置 |
US6017434A (en) * | 1995-05-09 | 2000-01-25 | Curagen Corporation | Apparatus and method for the generation, separation, detection, and recognition of biopolymer fragments |
JP2009166199A (ja) * | 2008-01-18 | 2009-07-30 | Fdk Corp | 微細な削り作用による表面処理方法 |
CN109410208A (zh) * | 2018-11-14 | 2019-03-01 | 成都极致智造科技有限公司 | 砂带磨损的机器学习识别与工艺参数优化方法 |
-
2020
- 2020-03-16 CN CN202010180722.5A patent/CN111451899B/zh active Active
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112676925A (zh) * | 2020-12-29 | 2021-04-20 | 襄阳华中科技大学先进制造工程研究院 | 航空发动机叶片磨抛方法、装置、设备及存储介质 |
CN113741183A (zh) * | 2021-08-12 | 2021-12-03 | 桂林电子科技大学 | 基于阻尼比模型的工业机器人自适应导纳控制方法 |
CN113741183B (zh) * | 2021-08-12 | 2023-10-27 | 桂林电子科技大学 | 基于阻尼比模型的工业机器人自适应导纳控制方法 |
CN113910085A (zh) * | 2021-09-26 | 2022-01-11 | 江苏集萃华科智能装备科技有限公司 | 金属镜面抛光产线的控制方法、控制装置及控制系统 |
CN113910085B (zh) * | 2021-09-26 | 2022-11-18 | 江苏集萃华科智能装备科技有限公司 | 金属镜面抛光产线的控制方法、控制装置及控制系统 |
CN116038505A (zh) * | 2023-04-03 | 2023-05-02 | 国营川西机器厂 | 一种基于等级划分的风扇转子叶片抛光方法 |
CN116038505B (zh) * | 2023-04-03 | 2023-06-16 | 国营川西机器厂 | 一种基于等级划分的风扇转子叶片抛光方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111451899B (zh) | 2021-09-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111451899B (zh) | 一种叶片自动磨抛方法、装置、电子设备及可读存储介质 | |
CN108656117B (zh) | 一种多约束条件下最优时间的机械臂空间轨迹优化方法 | |
CN109116811B (zh) | 机器学习装置和方法、伺服控制装置、伺服控制系统 | |
Wen et al. | Elman fuzzy adaptive control for obstacle avoidance of mobile robots using hybrid force/position incorporation | |
US20120265331A1 (en) | Five-axis flank milling system for machining curved surface and the tool-path planning method thereof | |
CN110119566B (zh) | 一种适用于复杂曲面机器人砂带磨抛的切削深度预测方法及装置 | |
Ding et al. | A novel adaptive nonsingular terminal sliding mode controller design and its application to active front steering system | |
CN108297105B (zh) | 一种机械臂任务级时间最优轨迹规划方法 | |
US9696709B2 (en) | Method and system for computing reference signals for machines with redundant positioning | |
Liu et al. | Online time-optimal trajectory planning for robotic manipulators using adaptive elite genetic algorithm with singularity avoidance | |
CN109901518B (zh) | 一种恒力约束条件下的数控机床加减速速度规划方法 | |
Wen et al. | A novel 3D path following control framework for robots performing surface finishing tasks | |
CN110875703A (zh) | 机器学习装置、控制系统以及机器学习方法 | |
CN111552237A (zh) | 机器学习装置、控制装置、以及机器学习的搜索范围的设定方法 | |
Kuo et al. | Servo parameter tuning for a 5-axis machine center based upon GA rules | |
CN114660940A (zh) | 一种基于深度强化学习ppo算法的磨削恒力控制方法 | |
CN111722530B (zh) | 机器学习装置、控制系统以及机器学习方法 | |
CN111482850A (zh) | 一种叶片自动磨抛方法、装置、电子设备及可读存储介质 | |
Tabataba'i-Nasab et al. | Tracking Control of an Autonomous Underwater Vehicle: Higher-Order Sliding Mode Control Approach | |
CN116859713A (zh) | 基于模糊pid的水下机器人的控制方法、装置、设备及介质 | |
Zeinali | Adaptive chattering-free sliding mode control design using fuzzy model of the system and estimated uncertainties and its application to robot manipulators | |
Lee et al. | The direct teaching and playback method for robotic deburring system using the adaptiveforce-control | |
CN114750146A (zh) | 一种机器人铣削轨迹精度补偿方法 | |
CN114995144A (zh) | 一种基于迭代学习的平面机械臂轨迹跟踪控制方法 | |
Kuo et al. | A genetic algorithm-based parameter-tuning algorithm for multi-dimensional motion control of a computer numerical control machine tool |
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 |