CN112000011A - 小龙门数控加工中心的机电耦合分析与优化方法 - Google Patents
小龙门数控加工中心的机电耦合分析与优化方法 Download PDFInfo
- Publication number
- CN112000011A CN112000011A CN202010803490.4A CN202010803490A CN112000011A CN 112000011 A CN112000011 A CN 112000011A CN 202010803490 A CN202010803490 A CN 202010803490A CN 112000011 A CN112000011 A CN 112000011A
- Authority
- CN
- China
- Prior art keywords
- machining center
- electromechanical coupling
- numerical control
- electromechanical
- control machining
- 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
-
- 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)
- Automatic Control Of Machine Tools (AREA)
Abstract
一种小龙门数控加工中心的机电耦合分析与优化方法,该方法包括以下内容:(1)建立小龙门数控加工中心机电耦合模型;(2)确定机电参数作为设计变量并确定变量空间、综合响应效率和响应精度作为评价指标,采用全因子设计法设计方法创建样本点,修改机电耦合模型中的参数,得到响应值;(3)构造极限学习机(ELM),并将所选的机电参数、响应值作为样本数据,建立映射规律;(4)采用二进制引力搜索算法(RGSA)对极限学习机进行优化,获取最优响应值。本发明通过分析机电参数对小龙门数控加工中心动态性能的影响,对机械参数和控制参数进行优化,对样机的生产制造具有指导意义。
Description
技术领域
本发明属于机床制造领域,尤其涉及一种小龙门数控加工中心的机电耦合分析与优化方法。
背景技术
小龙门数控加工中心采用门型封闭式结构,具有刚性好,轻型重载,加工精度高及主轴高度限制小等优点,特别适合于品种多样化、异型精密零部件的加工,在很多应用领域已逐渐取代大、中型立式加工中心,应用前景非常广阔。研发高性能的小龙门数控加工中心对工业产业的发展具有重大意义。
小龙门数控加工中心是一种典型的机电一体化设备,其工作需要伺服驱动、控制单元和机械结构的密切相互作用,整体性能有由这些系统协同决定。传统设计制造方法一般是将各个系统组件分工设计制造之后再联合组装,没有考虑系统间耦合关系,使得最终性能受到不同程度的影响。
因此,在设计制造过程中需要建立系统间的机电耦合关系,得到机械结构和控制参数对性能的耦合影响规律,在此基础上进行优化设计,最大程度地提高设计质量和设计效率。
发明内容
本发明提供一种小龙门数控加工中心的机电耦合分析与优化方法,基于小机电耦合模型,探究关键机电参数对性能的影响规律,优化和指导小龙门数控加工中心的设计制造。
基于此,本发明采用如下技术方案:
步骤1:建立小龙门数控加工中心机电耦合模型;
步骤2:确定机电参数作为设计变量、综合响应效率和响应精度作为评价指标,采用Box-Benhnken设计方法创建样本点,修改机电耦合模型中的参数,得到响应值;
步骤3:构造ELM,并将步骤2所得的机电参数、响应值作为样本数据,建立映射规律;
步骤4:采用RGSA算法对ELM进行优化,获取最优响应值。
进一步地,步骤1所述小龙门数控加工中心机电耦合模型,机械传动系统主要包括齿轮、轴承、丝杆等,控制系统主要包含位置环、速度环、电流环等。
进一步地,步骤1所述小龙门数控加工中心机电耦合模型,具体包括:
(1)设置初始材料属性和几何参数,确定丝杆轴等效转动惯量JEqu、丝杆轴等效阻尼系数fEqu、丝杆轴等效刚度KEqu、丝杆导程S0、齿轮减速比i。机械传动系统中输出位移XP与电动机转角θ的传递函数为:
(2)对于控制系统,电机输入电压F、位置反馈电压Pf、位置调节器比例增益K1、位置反馈系数KP、速度反馈电压Vf、速度调节器比例增益K2、速度反馈系数KV、积分时间T2、电动机转速ω、整流放大系数KZ、滞后时间TZ、反电动势Ke、机械时间常量Tm、电气时间常量Td。
电机转速ω与转角θ传递函数为:
位置反馈电压Pf与输出位移XP的传递函数为:
Pf(S)=KPXP(S)
速度反馈电压Vf与电机转速ω的传递函数为:
Vf(S)=KVω(S)
(3)所述小龙门数控加工中心机电耦合模型结构图如附图2所示,对应机电耦合控制系统状态空间模型为:
式中:
B=[K1 K1K2 0 0 0 0 0]T
进一步地,步骤2所述机电参数为位置环增益K1、速度环增益K2、丝杆轴等效阻尼系数fEqu、丝杆轴等效刚度KEqu。
进一步地,步骤2所述综合评价指标:
C=αC1+(1-α)C2,
式中α为0~1之间的权重系数、C1为精度评价指标、C2为效率评价指标;
如附图1所示,x2为设定位置,x1达到设定位置时对应的实际位置、te为测试结束时间、tc为实际达到稳定时间、tp为设定停止时间,根据图示关系:
C1=x1/x2
进一步地,步骤2所述全因子设计法共有34=81组样本点,样本空间为[0.75R,1.25R],其中R为变量初始值即机电初始参数。
进一步地,步骤3所述ELM测试集为样本数据的95%,测试集为样本数据的5%。
进一步地,步骤4所述RGSA算法优化对象为步骤3所述ELM隐藏层权重 w和偏移b。
附图说明
图1是响应效率和响应精度描述示意图。
图2是小龙门数控加工中心机电耦合模型结构示意图。
具体实施方式
为使本发明的目的、方案和优点更清楚,兹例举以下实施例,结合附图对本发明作进一步地详细说明。显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明的实施例,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他实施例,都属于本发明的保护范围。
参见图1和图2,本发明以一种实际小龙门数控加工中心系统设计为例,对本发明进行详细说明。系统初始参数为:KP=1,KV=0.025,T2=0.139s,KZ=40, TZ=0.003s,Ke=1.04,Tm=0.05s,Td=0.009s,JEqu=20kg·m2,S0=5mm,i=1.7, K1=0.3,K2=25,fEqu=25s·N·m,KEqu=40N·m。
具体地,本发明所述的一种小龙门机床的机电耦合分析与优化方法,包括以下步骤:
步骤1:结合实际参数建立小龙门数控加工中心机电耦合模型,具体包括:
(1)设置初始材料属性和几何参数,确定丝杆轴等效转动惯量JEqu、丝杆轴等效阻尼系数fEqu、丝杆轴等效刚度KEqu、丝杆导程S0、齿轮减速比i。机械传动系统中输出位移XP与电动机转角θ的传递函数为:
(2)对于控制系统,电机输入电压F、位置反馈电压Pf、位置调节器比例增益K1、位置反馈系数KP、速度反馈电压Vf、速度调节器比例增益K2、速度反馈系数KV、积分时间T2、电动机转速ω、整流放大系数KZ、滞后时间 TZ、反电动势Ke、机械时间常量Tm、电气时间常量Td。
电机转速ω与转角θ传递函数为:
位置反馈电压Pf与输出位移XP的传递函数为:
Pf(S)=KPXP(S)
速度反馈电压Vf与电机转速ω的传递函数为:
Vf(S)=KVω(S)
(4)所述小龙门数控加工中心机电耦合模型结构,对应机电耦合控制系统状态空间模型为:
式中:
B=[K1 K1K2 0 0 0 0 0]T
步骤2:确定位置环增益K1、速度环增益K2、丝杆轴等效阻尼系数fEqu、丝杆轴等效刚度KEqu作为设计变量、综合响应效率和响应精度作为评价指标,采用全因子设计法创建81个样本点,样本空间为[0.75R,1.25R],其中R为变量初始值即机电初始参数,修改机电耦合模型中的参数,得到响应值,具体如表1 所示。
表1样本点及其响应值
步骤3:构造ELM,并将步骤2所得的机电参数、响应值作为样本数据,其中74组作为训练集、7组作为测试集,对ELM进行训练,建立映射规律。
步骤4:采用RGSA算法对ELM隐藏层权重w和偏移b进行优化,获取最优响应值,最终优化结果如表2所示。
表2优化前后机电参数及其响应值
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,上述的具体实施方式仅仅是示意性的,并不是限制性的,任何熟悉本技术领域的技术人员在本发明披露的技术范围内,可轻易想到的变化或替换,均应包含在本发明的保护范围之内。
Claims (7)
1.一种小龙门数控加工中心的机电耦合分析与优化方法,其特征在于,包括以下步骤:
步骤1:建立小龙门数控加工中心机电耦合模型,具体包括:
(1)设置初始材料属性和几何参数,确定丝杆轴等效转动惯量JEqu、丝杆轴等效阻尼系数fEqu、丝杆轴等效刚度KEqu、丝杆导程S0、齿轮减速比i。机械传动系统中输出位移XP与电动机转角θ的传递函数为:
(2)对于控制系统,电机输入电压F、位置反馈电压Pf、位置调节器比例增益K1、位置反馈系数KP、速度反馈电压Vf、速度调节器比例增益K2、速度反馈系数KV、积分时间T2、电动机转速ω、整流放大系数KZ、滞后时间TZ、反电动势Ke、机械时间常量Tm、电气时间常量Td。
电机转速ω与转角θ传递函数为:
位置反馈电压Pf与输出位移XP的传递函数为:
Pf(S)=KPXP(S)
速度反馈电压Vf与电机转速ω的传递函数为:
Vf(S)=KVω(S)
(3)所述小龙门数控加工中心机电耦合模型结构,对应机电耦合控制系统状态空间模型为:
式中:
B=[K1 K1K2 0 0 0 0 0]T
步骤2:确定机电参数作为设计变量并确定变量空间、综合响应效率和响应精度作为评价指标,采用全因子设计法创建样本点,修改机电耦合模型中的参数,得到响应值;
步骤3:构造ELM,并将步骤2所得的机电参数、响应值作为样本数据,建立映射规律;
步骤4:采用RGSA算法对ELM进行优化,获取最优响应值。
2.根据权利要求1所述的一种小龙门数控加工中心的机电耦合分析与优化方法,其特征在于,步骤1所述小龙门数控加工中心机电耦合模型,机械传动系统主要包括齿轮、轴承、丝杆等,控制系统主要包含位置环、速度环、电流环等。
3.根据权利要求1所述的一种小龙门数控加工中心的机电耦合分析与优化方法,其特征在于,步骤2所述机电参数为位置环增益K1、速度环增益K2、丝杆轴等效阻尼系数fEqu、丝杆轴等效刚度KEqu。
5.根据权利要求1所述的一种小龙门数控加工中心的机电耦合分析与优化方法,其特征在于,步骤2所述全因子设计法共有34=81组样本点,样本空间为[0.75R,1.25R],其中R为变量初始值即机电初始参数。
6.根据权利要求1所述的一种小龙门数控加工中心的机电耦合分析与优化方法,其特征在于,步骤3所述ELM测试集为样本数据的95%,测试集为样本数据的5%。
7.根据权利要求1所述的一种小龙门数控加工中心的机电耦合分析与优化方法,其特征在于,步骤4所述RGSA算法优化对象为步骤3所述ELM隐藏层权重w和偏移b。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010803490.4A CN112000011B (zh) | 2020-08-12 | 2020-08-12 | 小龙门数控加工中心的机电耦合分析与优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010803490.4A CN112000011B (zh) | 2020-08-12 | 2020-08-12 | 小龙门数控加工中心的机电耦合分析与优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112000011A true CN112000011A (zh) | 2020-11-27 |
CN112000011B CN112000011B (zh) | 2022-05-24 |
Family
ID=73463437
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010803490.4A Active CN112000011B (zh) | 2020-08-12 | 2020-08-12 | 小龙门数控加工中心的机电耦合分析与优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112000011B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102059573A (zh) * | 2010-11-10 | 2011-05-18 | 西安交通大学 | 动梁式龙门机床双驱同步机电耦合特性的建模方法 |
CN104898568A (zh) * | 2015-05-20 | 2015-09-09 | 西安交通大学 | 基于刚度辨识的数控机床进给系统控制参数优化方法 |
CN104977901A (zh) * | 2015-07-10 | 2015-10-14 | 沈阳工业大学 | 三轴运动平台改进型交叉耦合控制装置及方法 |
CN104992038A (zh) * | 2015-07-27 | 2015-10-21 | 天津大学 | 一种刚柔-机电耦合进给系统的动态性能优化设计方法 |
CN105022900A (zh) * | 2015-08-19 | 2015-11-04 | 电子科技大学 | 基于热固耦合分析的重型数控立车静压转台结构优化方法 |
CN106886153A (zh) * | 2017-04-24 | 2017-06-23 | 兰州交通大学 | 一种基于交叉耦合的多叶准直器叶片协同工作的控制方法 |
CN107589723A (zh) * | 2017-09-04 | 2018-01-16 | 四川大学 | 一种数控机床铣削加工稳定性的动‑静态优化方法 |
CN109578209A (zh) * | 2018-12-13 | 2019-04-05 | 运城学院 | 一种基于嵌入式控制结合物联网的复杂风电发电参数控制系统 |
CN109815525A (zh) * | 2018-12-06 | 2019-05-28 | 天津大学 | 一种进给系统动态特性多目标优化设计方法 |
CN111427308A (zh) * | 2020-02-29 | 2020-07-17 | 华南理工大学 | 一种用于数控平台轨迹规划的误差补偿综合控制方法 |
-
2020
- 2020-08-12 CN CN202010803490.4A patent/CN112000011B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102059573A (zh) * | 2010-11-10 | 2011-05-18 | 西安交通大学 | 动梁式龙门机床双驱同步机电耦合特性的建模方法 |
CN104898568A (zh) * | 2015-05-20 | 2015-09-09 | 西安交通大学 | 基于刚度辨识的数控机床进给系统控制参数优化方法 |
CN104977901A (zh) * | 2015-07-10 | 2015-10-14 | 沈阳工业大学 | 三轴运动平台改进型交叉耦合控制装置及方法 |
CN104992038A (zh) * | 2015-07-27 | 2015-10-21 | 天津大学 | 一种刚柔-机电耦合进给系统的动态性能优化设计方法 |
CN105022900A (zh) * | 2015-08-19 | 2015-11-04 | 电子科技大学 | 基于热固耦合分析的重型数控立车静压转台结构优化方法 |
CN106886153A (zh) * | 2017-04-24 | 2017-06-23 | 兰州交通大学 | 一种基于交叉耦合的多叶准直器叶片协同工作的控制方法 |
CN107589723A (zh) * | 2017-09-04 | 2018-01-16 | 四川大学 | 一种数控机床铣削加工稳定性的动‑静态优化方法 |
CN109815525A (zh) * | 2018-12-06 | 2019-05-28 | 天津大学 | 一种进给系统动态特性多目标优化设计方法 |
CN109578209A (zh) * | 2018-12-13 | 2019-04-05 | 运城学院 | 一种基于嵌入式控制结合物联网的复杂风电发电参数控制系统 |
CN111427308A (zh) * | 2020-02-29 | 2020-07-17 | 华南理工大学 | 一种用于数控平台轨迹规划的误差补偿综合控制方法 |
Non-Patent Citations (2)
Title |
---|
胡芳等: "基于刚柔-机电耦合的龙门机床主轴进给驱动联合仿真", 《机械设计与制造工程》 * |
许丹等: "基于结合面建模的数控机床动力学联合仿真研究", 《机械设计与制造》 * |
Also Published As
Publication number | Publication date |
---|---|
CN112000011B (zh) | 2022-05-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103197596B (zh) | 一种数控加工参数自适应模糊控制规则优化方法 | |
CN108107734A (zh) | 一种永磁同步直线电机进给系统机电耦合建模方法 | |
CN107218269A (zh) | 一种直驱式电液伺服压力控制系统 | |
CN110131312B (zh) | 五自由度交流主动磁轴承自抗扰解耦控制器及构造方法 | |
Yang et al. | Thermal error modelling for a high-precision feed system in varying conditions based on an improved Elman network | |
CN113268040A (zh) | 一种数控机床伺服进给系统控制参数的优选方法 | |
Jiang et al. | Residual learning of the dynamics model for feeding system modelling based on dynamic nonlinear correlate factor analysis | |
CN109725536A (zh) | 一种基于自抗扰控制算法的阀门电动执行器控制方法 | |
CN112000011B (zh) | 小龙门数控加工中心的机电耦合分析与优化方法 | |
Bu et al. | A robust position control system based on load force observer for rotlin machine | |
Peng et al. | The design and control of a rigid-flexible coupling positioning stage for enhanced settling performance | |
CN109324503A (zh) | 基于鲁棒积分的多层神经网络电机系统控制方法 | |
Thangavel et al. | Dynamic modeling and control analysis of industrial electromechanical servo positioning system using machine learning technique | |
CN110011583B (zh) | 基于奇异摄动理论的永磁同步电机滑模控制系统及建模方法 | |
CN109709891B (zh) | 一种直驱高速进给系统伺服参数多目标优化方法 | |
Zhang et al. | Adaptive friction compensation robust control for permanent magnet spherical actuator under compound disturbance | |
Ikegami et al. | Development of automatic servo tuning function in rotary axis with DDM for machine tools and its performance for stable machining | |
Ke et al. | Tangential velocity tracking-based task coordinate frame approach for contouring control of biaxial motion systems | |
Wang et al. | Adaptive Friction Compensation for a Novel Two‐Axis Differential Microfeed System | |
Win et al. | Simulation the Servo Motor of Computer Numerical Control Machine Tool Based on ATLAB/Simulink | |
Benxian et al. | Study on nonlinear friction compensation for bi-axis servo system based-on ADRC | |
Emirler et al. | Multi-objective parameter space approach based controller and add-on disturbance observer design | |
CN110297424B (zh) | 面向桥壳加工精度检测装置的并联pid伺服电机控制方法 | |
Wang et al. | A fuzzy self-tuning controlled feeding servo system of machine tool | |
Nie | Modeling and simulation for feed servo system in CNC 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 |