CN112799300B - 一种基于模糊预测控制的压痕仪载荷控制方法及系统 - Google Patents

一种基于模糊预测控制的压痕仪载荷控制方法及系统 Download PDF

Info

Publication number
CN112799300B
CN112799300B CN202011624380.8A CN202011624380A CN112799300B CN 112799300 B CN112799300 B CN 112799300B CN 202011624380 A CN202011624380 A CN 202011624380A CN 112799300 B CN112799300 B CN 112799300B
Authority
CN
China
Prior art keywords
force value
error
motor
stage
load
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.)
Active
Application number
CN202011624380.8A
Other languages
English (en)
Other versions
CN112799300A (zh
Inventor
马增胜
彭典
周益春
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.)
Xiangtan University
Original Assignee
Xiangtan University
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 Xiangtan University filed Critical Xiangtan University
Priority to CN202011624380.8A priority Critical patent/CN112799300B/zh
Priority to AU2021101606A priority patent/AU2021101606A4/en
Publication of CN112799300A publication Critical patent/CN112799300A/zh
Priority to US17/354,966 priority patent/US11747245B2/en
Application granted granted Critical
Publication of CN112799300B publication Critical patent/CN112799300B/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
    • 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
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N3/00—Investigating strength properties of solid materials by application of mechanical stress
    • G01N3/02—Details
    • G01N3/06—Special adaptations of indicating or recording means
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N3/00—Investigating strength properties of solid materials by application of mechanical stress
    • G01N3/08—Investigating strength properties of solid materials by application of mechanical stress by applying steady tensile or compressive forces
    • 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
    • G05B13/0265—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion
    • G05B13/0295—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion using fuzzy logic and expert systems
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2203/00—Investigating strength properties of solid materials by application of mechanical stress
    • G01N2203/0014—Type of force applied
    • G01N2203/0016—Tensile or compressive
    • G01N2203/0019—Compressive
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2203/00—Investigating strength properties of solid materials by application of mechanical stress
    • G01N2203/003—Generation of the force
    • G01N2203/0032—Generation of the force using mechanical means
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N3/00—Investigating strength properties of solid materials by application of mechanical stress
    • G01N3/40—Investigating hardness or rebound hardness
    • G01N3/42—Investigating hardness or rebound hardness by performing impressions under a steady load by indentors, e.g. sphere, pyramid
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/04—Inference or reasoning models
    • G06N5/048—Fuzzy inferencing

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Software Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Biochemistry (AREA)
  • Analytical Chemistry (AREA)
  • Chemical & Material Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Automation & Control Theory (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Linguistics (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Feedback Control In General (AREA)
  • Control Of Electric Motors In General (AREA)

Abstract

本发明涉及一种基于模糊预测控制的压痕仪载荷控制方法及系统，方法包括：获取加载阶段传感器的实际测量力值；获取加载阶段第n个周期的预期力值；计算第一误差和第一误差变化率；建立模糊预测控制器并优化；确定加载阶段电机的运动步数；获取饱载阶段传感器的实际测量值；获取饱载阶段第n个周期的预期力值，计算第二误差；基于第二误差控制电机运动；获取卸载阶段传感器的实际测量力值；获取卸载阶段第n个周期的预期力值；计算第三误差和第三误差变化率；确定卸载阶段电机的运动步数。本具有精度高、偏差小、算法简单的特点。

Description

一种基于模糊预测控制的压痕仪载荷控制方法及系统
技术领域
本发明涉及模糊控制领域，特别是涉及一种基于模糊预测控制的压痕仪载荷控制方法及系统。
背景技术
仪器化压入测试技术是通过记录载荷和压入深度从而获得载荷-位移关系曲线，进而通过分析曲线获得弹性模量、硬度、应力-应变曲线、断裂韧性、疲劳特性、蠕变特性、粘附性等参数。微纳米压痕技术因其具有试验操作简单、测量效率高以及使用范围广等优点，正逐渐成为微/纳米尺度材料和结构的力学性能测试的首要选择。因此，国内外均有公司研究用于微纳米压痕测试的装置。由于压痕仪获得的参数均需分析载荷-位移关系曲线来获得，载荷-位移关系曲线的优劣又受到载荷控制方法影响，故设计一种稳定准确、控制性能优越、实现简单的压痕仪载荷控制方法是微纳米压痕测试的重要需求。
压痕仪在进行压入实验时，根据实验测试材料和设定参数的不同其载荷-位移曲线的图像也不同，位移传感器的值和真实位移有差距，还受力传感器和机械结构的形变以及环境温度等因素影响，导致很难建立准确的物理模型，因此引入模糊预测控制算法对压痕仪压入过程进行控制。
发明内容
本发明的目的是提供一种基于模糊预测控制的压痕仪载荷控制方法及系统，以解决上述存在的问题，其稳定准确、控制性能优越、实现简单。
为实现上述目的，本发明提供了如下方案：
一种基于模糊预测控制的压痕仪载荷控制方法，所述控制方法包括：
获取加载阶段传感器的实际测量力值，记为第一实际测量力值；
获取加载阶段第n个周期的预期力值，记为第一预期力值；
根据所述第一实际测量力值和所述第一预期力值计算第一误差；基于当前周期误差和前一周期误差的差值确定第一误差变化率；
建立模糊预测控制器；
对所述模糊预测控制器进行优化；
将所述第一误差和所述第一误差变化率输入至优化后的模糊预测控制器中，得到加载阶段电机的运动步数；
将所述加载阶段电机的运动步数发送给执行机构，控制电机运动，直到达到设定载荷，进入饱载阶段；
获取饱载阶段传感器的实际测量值，记为第二实际测量力值；
获取饱载阶段第n个周期的预期力值，记为第二预期力值；
基于所述第二实际测量力值和第二预期力值计算第二误差；
基于所述第二误差控制电机运动，直到达到饱载时间，进入卸载阶段；
获取卸载阶段传感器的实际测量力值，记为第三实际测量力值；
获取卸载阶段第n个周期的预期力值，记为第三预期力值；
根据所述第三实际测量力值和所述第三预期力值计算第三误差；基于当前周期误差和前一周期误差的差值确定第三误差变化率；
将所述第三误差和第三误差变化率输入至优化后的模糊预测控制器，得到卸载阶段电机的运动步数；
将所述卸载阶段电机的运动步数发送给执行机构，控制电机运动，直到载荷减小为零。
根据本发明提供的具体实施例，本发明公开了以下技术效果：
本发明中的上述方法对压痕仪压入过程采用模糊预测控制，算法简单易实现、系统健壮性稳定性强，能够实现载荷自适应调整，改善压入实验的数据，从而得到更为理想的实验结果；根据本发明中的模糊预测算法使得控制器可根据载荷数据调整下一步的电机移动量，达到减少载荷控制误差的目的，并且本发明中的方法适用于复杂的、载荷随时间线性变化的压痕仪压入实验动态调节过程，含有错误处理功能，出现无法处理的错误时结束实验以防止错误对压痕仪造成损伤，增强压痕仪的使用体验和延长仪器使用寿命，本发明中的方法也可稍作修改应用在其他类似的应用场景上。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例应用场景结构框图；
图2为本发明实施例一种基于模糊预测控制的压痕仪载荷控制方法流程图；
图3为本发明实施例模糊控制原理图；
图4为本发明实施例模糊预测控制误差结果分布图；
图5为本发明实施例PID控制误差结果分布图；
图6为本发明实施例模糊预测控制实验结果及局部放大图；
图7为本发明实施例理想的载荷-位移曲线图；
图8为本发明实施例一种基于模糊预测控制的压痕仪载荷控制系统结构示意图。
具体实施方式
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他实施例，都属于本发明保护的范围。
本发明的目的是提供一种基于模糊预测控制的压痕仪载荷控制方法及系统，以解决上述存在的问题，其稳定准确、控制性能优越、实现简单。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
图1为本发明实施例应用场景结构框图，如图1所示，该应用场景包括：步进电机、力传感器、压头、样品以及控制系统，通过控制系统结合力传感器采集到的力值，控制步进电机转动，从而带动压头上升或下降。
图2为本发明实施例一种基于模糊预测控制的压痕仪载荷控制方法流程图，实验人员输入加载力F和加载时间T1，饱载时间T2，卸载时间T3。实验分为三个阶段分为加载阶段，饱载阶段，卸载阶段。
通过实验人员输入相关参数至控制器。加载阶段时，控制器通过设定参数输出脉冲至电机驱动器驱动电机带动压头压入样品，运动过程中通过对力传感器进行数据采集返回实时力值用本发明中的方法来调整电机运动方式使得载荷随时间线性增大直至达到设定载荷点进入饱载阶段。
饱载阶段时，当载荷值小于设定的载荷时，控制器控制通过设定参数输出脉冲至电机驱动器驱动电机上升或者下降直至载荷值达到设定的载荷，饱载时间结束后进入卸载阶段。
卸载阶段时，控制器通过设定参数输出脉冲至电机驱动器驱动电机带动压头上升，运动过程中通过对力传感器进行数据采集返回实时力值用本发明中的方法来调整电机运动方式使得载荷随时间线性减小直至达到载荷为零的点至此实验结束。
如图2所示，所述方法包括：
加载阶段：
步骤101：获取加载阶段传感器的实际测量力值，记为第一实际测量力值。
步骤102：获取加载阶段第n个周期的预期力值，记为第一预期力值。
步骤103：根据所述第一实际测量力值和所述第一预期力值计算第一误差；基于当前周期误差和前一周期误差的差值确定第一误差变化率。
步骤104：建立模糊预测控制器。
步骤105：对所述模糊预测控制器进行优化。
步骤106：将所述第一误差和所述第一误差变化率输入至优化后的模糊预测控制器中，得到加载阶段电机的运动步数。
步骤107：将所述加载阶段电机的运动步数发送给执行机构，控制电机运动，直到达到设定载荷，进入饱载阶段。
饱载阶段：
步骤108：获取饱载阶段传感器的实际测量值，记为第二实际测量力值。
步骤109：获取饱载阶段第n个周期的预期力值，记为第二预期力值。
步骤110：基于所述第二实际测量力值和第二预期力值计算第二误差。
步骤111：基于所述第二误差控制电机运动，直到达到饱载时间，进入卸载阶段。
卸载阶段：
步骤112：获取卸载阶段传感器的实际测量力值，记为第三实际测量力值。
步骤113：获取卸载阶段第n个周期的预期力值，记为第三预期力值。
步骤114：根据所述第三实际测量力值和所述第三预期力值计算第三误差和；基于当前周期误差和前一周期误差的差值确定第三误差变化率。
步骤115：将所述第三误差和第三误差变化率输入至优化后的模糊预测控制器，得到卸载阶段电机的运动步数。
步骤116：将所述卸载阶段电机的运动步数发送给执行机构，控制电机运动，直到载荷减小为零。
具体而言,加载阶段中，根据传感器采集频率f和加载时间T1将整个过程分为N个周期，有
N＝T1f
在N个周期中，控制目标为每一个周期载荷的增量相等，使载荷时间的关系呈线性。在N个调控周期中，每一次周期开始时对输入通过模糊预测控制器处理输出，如此循环往复直至进入饱载阶段。
设加载阶段每一运动周期所需加载的力值为ΔF，有
ΔF＝F/N
其中F为实验设定需要加载的力值；
设加载阶段第n周期预期的力为Fn，当前实际传感器的力值为FEn，第n周期实际力值和预期力值的差为ΔFn，有：
FEn＝nΔF
ΔFn＝FEn-Fn
由此建立模糊控制器，图3为模糊控制原理图，确定系统输入量为误差E即ΔFn，误差变化率EC，输出量为电机运动的步数U。其中：
EC＝ΔFn–ΔFn-1
如图6所示，理想的载荷-位移曲线图加载阶段开始时斜率非常小，即需要电机运动较多的步数才能达到运动要求，这里用实验经验公式计算：
S＝10ΔF
其中S为每一个周期电机的基础运动数，单位为nm，ΔF单位为mN。
与加载阶段的当前力值和预期力值的差值E分为NB，NS，ZO，PS，PB五个等级。误差变化率EC分为N，Z，P三个等级。
误差E所述PB的等级范围为所述差值大于5ΔF，所述PS的等级范围为所述差值在ΔF～5ΔF范围内，所述ZO的等级范围为所述差值在-ΔF～ΔF范围内，所述NS的等级范围为所述差值在-5ΔF～-ΔF范围内，所述NB的等级范围为所述差值小于-5ΔF。误差变化率EC所述P的等级范围为所述差值大于10ΔF，所述零Z的等级范围为所述差值在-10ΔF～10ΔF范围内，所述N的等级范围为所述差值大于-10ΔF。
所述加载阶段的输出U的模糊集分为NB，NM，NS，ZO，PS，PM，PB七个等级。由于当每一步的位移足够小时，载荷的变化也很小，同时为了应用简单和低CPU占用，在此简化模糊控制模型，采取简单一一对应的方法建立模糊控制规则表，通过E和EC的范围来确定输出U的控制量，如表1所示。
即当E属于NB且EC属于N时，输出属于NB；E属于NS且EC属于N时或E属于NB且EC属于Z时，输出属于NM；E属于ZO且EC属于N时或E属于NS且EC属于Z时或E属于NB且EC属于P时，输出属于NS；E属于PS且EC属于N时或E属于ZO且EC属于Z时或E属于NS且EC属于P时，输出属于ZO；E属于PB且EC属于N时或E属于PS且EC属于Z时或E属于ZO且EC属于P时，输出属于PS；E属于PB且EC属于Z时或E属于PS且EC属于P时，输出属于PM；E属于PB且EC属于P时，输出属于PB。
表1
Figure BDA0002872876440000071
进一步优选地，引入自适应因子C和每一个周期的基础运动数S来对控制器进行优化，输出如表2所示，设运动变化量为C初值为1；
表2
模糊集 运算 输出
NB S＝S-C；C＝1 0
NM C--；S-- 0
NS S-- S
ZO S
PS S++ S
PM C++；S++ S
PB C++；S＝S+2C S
其中S总大于等于0，C总大于等于1。
当对误差E和误差变化率EC的属于的模糊集根据表一进行一一对应后得到的U的模糊集后，进行处理。即若输出U属于NB时，S的减小量为C，C置为1，输出为0即电机不运动；若输出U属于NM时，S的减小量为1，C的减小量为1，输出为0即电机不运动；若输出U属于NS时，S的减小量为1，C不变，输出为S即电机运动S步；若输出U属于ZO时，S和C不变，输出为S即电机运动S步；若输出U属于PS时，S的增加量为1，C不变，输出为S即电机运动S步；若输出U属于PM时，S的增加量为1，C的增加量为1，输出为S即电机运动S步；若输出U属于PB时，S的增加量为2C，C的增加量为1，输出为S即电机运动S步；
当加载力值达到设定力值时，进入饱载阶段，饱载计时器开始计时。饱载阶段中，需要保持力值不变，但由于蠕变的原因，应变不断增大导致力传感器测得的力值逐渐减小，此时电机带动压头往下压，使得力值增至设定值，
在饱载阶段开始时，由于可能存在加载阶段电机运动步数过大，导致力值大于设定值F，此时需要减小载荷值，判断当前力值FEn与输入载荷值F关系，当前力值大于F+ΔF时，电机带动压头上升一步。在饱载阶段中，通过简单反馈调节根据所述当前力值和预期力值的差值控制所述电机运动增大载荷，即所述饱载阶段的当前力值小于F-ΔF时，电机带动压头下压一步。
当饱载计时器的值到达饱载时间T2时，饱载阶段结束进入卸载阶段。如图7所示，由于存在残余深度，而且理想的载荷-位移曲线图卸载阶段开始时斜率比饱载阶段斜率更大，即需要电机运动较小的步数才能达到运动要求，当S>1时，S＝S/2。卸载阶段中，根据传感器采集频率f和加载时间T3将整个过程分为Nu个周期，有
Nu＝T3 f
在Nu个周期中，控制目标为每一个周期载荷的增量相等，使载荷时间的关系呈线性。在Nu个调控周期中，每一次周期开始时对输入通过模糊预测控制器处理输出，如此循环往复直至进入卸载阶段。
设卸载阶段每一运动周期所需加载的力值为ΔFu，有
ΔFu＝Fu/N
其中Fu为卸载阶段结束时的力值；
设加载阶段第n周期预期的力为Fun，当前实际传感器的力值为FEun，第n周期实际力值和预期力值的差为ΔFn，有：
FEun＝nΔFu
ΔFn＝Fun-FEun
由此建立模糊控制器，确定系统输入量为误差E即ΔFn，误差变化率EC，输出量为电机运动的步数U。其中：
EC＝ΔFun-1–ΔFun
与卸载阶段的当前力值和预期力值的差值E分为NB，NS，ZO，PS，PB五个等级。误差变化率EC分为N，Z，P三个等级。
误差E所述PB的等级范围为所述差值大于5ΔF，所述PS的等级范围为所述差值在ΔF～5ΔF范围内，所述ZO的等级范围为所述差值在-ΔF～ΔF范围内，，所述NS的等级范围为所述差值在-5ΔF～-ΔF范围内，所述NB的等级范围为所述差值小于-5ΔF。误差变化率EC所述P的等级范围为所述差值大于10ΔF，所述零Z的等级范围为所述差值在-10ΔF～10ΔF范围内，所述N的等级范围为所述差值大于-10ΔF。
所述卸载阶段的输出U的模糊集分为NB，NM，NS，ZO，PS，PM，PB七个等级。由于当每一步的位移足够小时，载荷的变化也很小，同时为了应用简单和低CPU占用，在此简化模糊控制模型，采取简单一一对应的方法建立模糊控制规则表，通过E和EC的范围来确定输出U的控制量，如表1所示。
即当E属于NB且EC属于N时，输出属于NB；E属于NS且EC属于N时或E属于NB且EC属于Z时，输出属于NM；E属于ZO且EC属于N时或E属于NS且EC属于Z时或E属于NB且EC属于P时，输出属于NS；E属于PS且EC属于N时或E属于ZO且EC属于Z时或E属于NS且EC属于P时，输出属于ZO；E属于PB且EC属于N时或E属于PS且EC属于Z时或E属于ZO且EC属于P时，输出属于PS；E属于PB且EC属于Z时或E属于PS且EC属于P时，输出属于PM；E属于PB且EC属于P时，输出属于PB。
引入自适应因子C和每一个周期的基础运动数S来对控制器进行优化，输出如表2所示，设运动变化量为C初值为1；
其中S总大于等于0，C总大于等于1。
当对误差E和误差变化率EC的属于的模糊集根据表一进行一一对应后得到的U的模糊集后，进行处理。即若输出U属于NB时，S的减小量为C，C置为1，输出为0即电机不运动；若输出U属于NM时，S的减小量为1，C的减小量为1，输出为0即电机不运动；若输出U属于NS时，S的减小量为1，C不变，输出为S即电机运动S步；若输出U属于ZO时，S和C不变，输出为S即电机运动S步；若输出U属于PS时，S的增加量为1，C不变，输出为S即电机运动S步；若输出U属于PM时，S的增加量为1，C的增加量为1，输出为S即电机运动S步；若输出U属于PB时，S的增加量为2C，C的增加量为1，输出为S即电机运动S步；
当最终载荷值降为0时，整个卸载阶段结束，实验流程结束。
为比较本发明所描述方法的性能，将本发明设计的模糊预测控制策略与传统的PID控制器相比较。实验所用的电机为东方马达的PX534，细分250步后步距为4nm；力传感器为天沐的NS-WL5，动态误差为2.5mN，实验材料为7075铝。需要说明的是，三者之间实验变量除控制器不一样之外，其余均相同。设定的力为20N，加载时间20S,卸载时间10S.。当载荷值小于零时，实验结束。
在实验中虽然材料内部虽然无法保证严格的各向同性，但在短位移内物理性质的变化不会发生过大的差异，当加载力值大于力传感器设定上限时，实验马上进入卸载阶段然后停止以保护仪器。
图4图5依次为压入实验加载阶段卸载阶段两组数据的误差对比图，这里使用平均误差和最大误差作为衡量控制器优劣的指标。实验结果比较如表3所示。
表3
平均误差(mN) 最大误差(mN)
模糊控制算法 6.99 35.31
PID控制算法 42.00 185.27
实验结果表明，在相同参数设定下进行实验时，模糊预测控制器的控制效果较优。
如图4，图5所示，两种控制器在一开始均出现了较大波动，但模糊控制器的调节速度明显快很多，且PID控制器由于存在积分项很容易造成系统不稳定从而超调。随着实验的推进，模糊控制器把误差稳定在一个比较小的范围内，而PID控制器由于无法自适应从开始到结束实验特性的变化，整个波动很大。简化后的模糊控制相当于在顺藤摸瓜，能极大地适应不同材料不同阶段的变化情况。表4是模糊预测控制器在不同材料上实验的误差表现。
表4
平均误差(mN) 最大误差(mN)
纯铝 8.31 30.09
纯钨 7.48 31.30
可以预见，当采用精度更高误差更小的传感器和更小步距的步进电机时，通过适当改变控制器可以获得更好的效果。通过减小实验载荷和预期载荷的误差，可以使整个曲线更为平滑，更能真实的反映载荷和位移之间的关系，有利于利用载荷-位移曲线图进行更为深入的分析和研究，能有效地消除力传感器的滞后误差以得到更好的实验结果。
图8为本发明实施例一种基于模糊预测控制的压痕仪载荷控制系统结构示意图，如图8所示，所述系统包括：
第一实际测量力值获取模块201，用于获取加载阶段传感器的实际测量力值，记为第一实际测量力值；
第一预期力值获取模块202，用于获取加载阶段第n个周期的预期力值，记为第一预期力值；
第一误差和第一误差变化率计算模块203，用于根据所述第一实际测量力值和所述第一预期力值计算第一误差；基于当前周期误差和前一周期误差的差值确定第一误差变化率；
模糊预测控制器建立模块204，用于建立模糊预测控制器；
优化模块205，用于对所述模糊预测控制器进行优化；
加载阶段电机的运动步数确定模块206，用于将所述第一误差和所述第一误差变化率输入至所述优化后的模糊预测控制器中，得到加载阶段电机的运动步数；
第一执行模块207，用于将所述加载阶段电机的运动步数发送给执行机构，控制电机运动，直到达到设定载荷，进入饱载阶段；
第二实际测量力值获取模块208，用于获取饱载阶段传感器的实际测量值，记为第二实际测量力值；
第二预期力值获取模块209，用于获取饱载阶段第n个周期的预期力值，记为第二预期力值；
第二误差计算模块210，用于基于所述第二实际测量力值和第二预期力值计算第二误差；
第二执行模块211，用于基于所述第二误差控制电机运动，直到达到饱载时间，进入卸载阶段；
第三实际测量力值获取模块212，用于获取卸载阶段传感器的实际测量力值，记为第三实际测量力值；
第三预期力值获取模块213，用于获取卸载阶段第n个周期的预期力值，记为第三预期力值；
第三误差和第三误差变化率计算模块214，用于根据所述第三实际测量力值和所述第三预期力值计算第三误差；基于当前周期误差和前一周期误差的差值确定第三误差变化率；
卸载阶段电机的运动步数确定模块215，用于将所述第三误差和第三误差变化率输入至优化后的模糊预测控制器，得到卸载阶段电机的运动步数；
第三执行模块216，用于将所述卸载阶段电机的运动步数发送给执行机构，控制电机运动，直到载荷减小为零。
所述控制系统还包括：电源切断模块，用于当压痕仪出现故障时，立即切断电源。
此外，通过适当修改规则可以将此方法的思想应用在短范围内输入和输出均不会有过大的改变即变化率很小的场景内。
本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。对于实施例公开的系统而言，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。
本文中应用了具体个例对本发明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发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。

Claims (8)

1.一种基于模糊预测控制的压痕仪载荷控制方法，其特征在于，所述控制方法包括：
获取加载阶段传感器的实际测量力值，记为第一实际测量力值；
获取加载阶段第n个周期的预期力值，记为第一预期力值；
根据所述第一实际测量力值和所述第一预期力值计算第一误差；基于当前周期误差和前一周期误差的差值确定第一误差变化率；
建立模糊预测控制器；
对所述模糊预测控制器进行优化；
将所述第一误差和所述第一误差变化率输入至优化后的模糊预测控制器中，得到加载阶段电机的运动步数；
将所述加载阶段电机的运动步数发送给执行机构，控制电机运动，直到达到设定载荷，进入饱载阶段；
获取饱载阶段传感器的实际测量值，记为第二实际测量力值；
获取饱载阶段第n个周期的预期力值，记为第二预期力值；
基于所述第二实际测量力值和第二预期力值计算第二误差；
基于所述第二误差控制电机运动，直到达到饱载时间，进入卸载阶段；
获取卸载阶段传感器的实际测量力值，记为第三实际测量力值；
获取卸载阶段第n个周期的预期力值，记为第三预期力值；
根据所述第三实际测量力值和所述第三预期力值计算第三误差；基于当前周期误差和前一周期误差的差值确定第三误差变化率；
将所述第三误差和第三误差变化率输入至优化后的模糊预测控制器，得到卸载阶段电机的运动步数；
将所述卸载阶段电机的运动步数发送给执行机构，控制电机运动，直到载荷减小为零。
2.根据权利要求1所述的基于模糊预测控制的压痕仪载荷控制方法，其特征在于，所述方法还包括：当压痕仪出现故障时，立即切断电源。
3.根据权利要求1所述的基于模糊预测控制的压痕仪载荷控制方法，其特征在于，对所述模糊预测控制器进行优化具体包括：
引入自适应因子和每个周期电机的运动步数对所述模糊预测控制器进行优化。
4.根据权利要求1所述的基于模糊预测控制的压痕仪载荷控制方法，其特征在于，将所述加载阶段电机的运动步数发送给执行机构，控制电机运动，直到达到设定载荷，进入饱载阶段具体包括：
将所述加载阶段电机的运动步数发送给执行机构，控制电机运动增大载荷，进入饱载阶段。
5.根据权利要求1所述的基于模糊预测控制的压痕仪载荷控制方法，其特征在于，基于所述第二误差控制电机运动，直到达到饱载时间，进入卸载阶段具体包括：
基于所述第二误差控制电机运动，增大载荷，直到达到饱载时间，进入卸载阶段。
6.根据权利要求1所述的基于模糊预测控制的压痕仪载荷控制方法，其特征在于，所述优化后的模糊预测控制器的控制规则表如下：
模糊集 运算 输出 NB S＝S-C；C＝1 0 NM C--；S-- 0 NS S-- S ZO S PS S++ S PM C++；S++ S PB C++；S＝S+2C S
其中，S表示每个周期电机的运动步数，C表示自适应因子。
7.一种基于模糊预测控制的压痕仪载荷控制系统，其特征在于，所述控制系统包括：
第一实际测量力值获取模块，用于获取加载阶段传感器的实际测量力值，记为第一实际测量力值；
第一预期力值获取模块，用于获取加载阶段第n个周期的预期力值，记为第一预期力值；
第一误差和第一误差变化率计算模块，用于根据所述第一实际测量力值和所述第一预期力值计算第一误差；基于当前周期误差和前一周期误差的差值确定第一误差变化率；
模糊预测控制器建立模块，用于建立模糊预测控制器；
优化模块，用于对所述模糊预测控制器进行优化；
加载阶段电机的运动步数确定模块，用于将所述第一误差和所述第一误差变化率输入至所述优化后的模糊预测控制器中，得到加载阶段电机的运动步数；
第一执行模块，用于将所述加载阶段电机的运动步数发送给执行机构，控制电机运动，直到达到设定载荷，进入饱载阶段；
第二实际测量力值获取模块，用于获取饱载阶段传感器的实际测量值，记为第二实际测量力值；
第二预期力值获取模块，用于获取饱载阶段第n个周期的预期力值，记为第二预期力值；
第二误差计算模块，用于基于所述第二实际测量力值和第二预期力值计算第二误差；
第二执行模块，用于基于所述第二误差控制电机运动，直到达到饱载时间，进入卸载阶段；
第三实际测量力值获取模块，用于获取卸载阶段传感器的实际测量力值，记为第三实际测量力值；
第三预期力值获取模块，用于获取卸载阶段第n个周期的预期力值，记为第三预期力值；
第三误差和第三误差变化率计算模块，用于根据所述第三实际测量力值和所述第三预期力值计算第三误差；基于当前周期误差和前一周期误差的差值确定第三误差变化率；
卸载阶段电机的运动步数确定模块，用于将所述第三误差和第三误差变化率输入至优化后的模糊预测控制器，得到卸载阶段电机的运动步数；
第三执行模块，用于将所述卸载阶段电机的运动步数发送给执行机构，控制电机运动，直到载荷减小为零。
8.根据权利要求7所述的基于模糊预测控制的压痕仪载荷控制系统，其特征在于，所述控制系统还包括：电源切断模块，用于当压痕仪出现故障时，立即切断电源。
CN202011624380.8A 2020-12-30 2020-12-30 一种基于模糊预测控制的压痕仪载荷控制方法及系统 Active CN112799300B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN202011624380.8A CN112799300B (zh) 2020-12-30 2020-12-30 一种基于模糊预测控制的压痕仪载荷控制方法及系统
AU2021101606A AU2021101606A4 (en) 2020-12-30 2021-03-29 Load control method of indenter based on fuzzy predictive control and system thereof
US17/354,966 US11747245B2 (en) 2020-12-30 2021-06-22 Load control method of indenter based on fuzzy predictive control and system thereof

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011624380.8A CN112799300B (zh) 2020-12-30 2020-12-30 一种基于模糊预测控制的压痕仪载荷控制方法及系统

Publications (2)

Publication Number Publication Date
CN112799300A CN112799300A (zh) 2021-05-14
CN112799300B true CN112799300B (zh) 2022-04-22

Family

ID=75807656

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011624380.8A Active CN112799300B (zh) 2020-12-30 2020-12-30 一种基于模糊预测控制的压痕仪载荷控制方法及系统

Country Status (3)

Country Link
US (1) US11747245B2 (zh)
CN (1) CN112799300B (zh)
AU (1) AU2021101606A4 (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113959636A (zh) * 2021-09-08 2022-01-21 华东理工大学 一种基于柔顺控制实现压力传感器自动加压的方法
CN114488776B (zh) * 2022-01-11 2023-06-16 北京经纬恒润科技股份有限公司 一种汽车电动尾门控制器

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1533500A (zh) * 2001-07-23 2004-09-29 �һ 利用fea方法用于性能评价的球形压头
CN102809516A (zh) * 2012-07-30 2012-12-05 燕山大学 气动变载荷摩擦磨损试验机及其试验方法
CN106051969A (zh) * 2016-05-23 2016-10-26 合肥工业大学 一种具有自然冷却功能的复合型空调系统的控制方法
CN108494302A (zh) * 2018-03-23 2018-09-04 南京航空航天大学 基于模糊pi控制的航空发电机调压方法
CN109441912A (zh) * 2017-09-04 2019-03-08 中国地震局工程力学研究所 一种智能型液压加载试验机
CN111366460A (zh) * 2020-04-10 2020-07-03 湘潭大学 微纳米压痕测试装置及方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CZ306556B6 (cs) * 2015-06-23 2017-03-08 České Vysoké Učení Technické V Praze, Fakulta Strojní, Ústav Materiálového Inženýrství Indentační hlavice, instrumentovaný měřící systém a způsob stanovení mechanických vlastností materiálů indentační metodou
JP6866830B2 (ja) * 2017-11-22 2021-04-28 株式会社島津製作所 材料試験機および把持力検出方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1533500A (zh) * 2001-07-23 2004-09-29 �һ 利用fea方法用于性能评价的球形压头
CN102809516A (zh) * 2012-07-30 2012-12-05 燕山大学 气动变载荷摩擦磨损试验机及其试验方法
CN106051969A (zh) * 2016-05-23 2016-10-26 合肥工业大学 一种具有自然冷却功能的复合型空调系统的控制方法
CN109441912A (zh) * 2017-09-04 2019-03-08 中国地震局工程力学研究所 一种智能型液压加载试验机
CN108494302A (zh) * 2018-03-23 2018-09-04 南京航空航天大学 基于模糊pi控制的航空发电机调压方法
CN111366460A (zh) * 2020-04-10 2020-07-03 湘潭大学 微纳米压痕测试装置及方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
Optimization of the effect of indentation Load and dwell Time on Micro hardness values using Fuzzy logic predictive model;G.Khajuria等;《Journal of Physics: Conference Series,2nd International Conference on New Frontiers in Engineering, Science & Technology(NFEST)》;20190222;第1240卷;第1-10页全文 *
基于划痕曲线模糊特征分析法确定硬质薄膜临界载荷;朱强等;《机械强度》;20091231;第31卷(第06期);第1015-1018页全文 *
微构件弹性模量悬臂梁法测量的模糊建模及分析;朱强等;《西安交通大学学报》;20050531;第39卷(第05期);第517-521页全文 *

Also Published As

Publication number Publication date
AU2021101606A4 (en) 2021-05-20
US20220205886A1 (en) 2022-06-30
US11747245B2 (en) 2023-09-05
CN112799300A (zh) 2021-05-14

Similar Documents

Publication Publication Date Title
CN112799300B (zh) 一种基于模糊预测控制的压痕仪载荷控制方法及系统
US6861814B2 (en) Control parameter automatic adjustment apparatus
EP2522980A2 (en) Apparatus, controller and method for adaptive control of an electromagnetic actuator
US9958368B2 (en) Rheometer control system
KR101355016B1 (ko) 물질 테스팅 기계를 운영하기 위한 방법 및 물질 테스팅 기계
US9453548B2 (en) Method and apparatus for adjusting spring characteristics of a spring
KR101294478B1 (ko) 사출 성형기의 제어 장치 및 제어 방법
KR20130028746A (ko) 모터 제어 장치
Silva et al. Controller design via Padé approximation can lead to instability
JP2017191536A (ja) フィードバック制御における出力値の制御を行う数値制御装置
JP2017097701A (ja) 主軸負荷により送り速度を制御する数値制御装置
US9606517B2 (en) Actuator control method and actuator control device
Pons et al. Comparison of different control approaches to drive SMA actuators
CN111664289B (zh) 一种通过数据库和脉宽调制对液压阀开关过程进行控制的方法
US20220057308A1 (en) Material testing machine and method for controlling material testing machine
JP3858833B2 (ja) 材料試験機
JP7234733B2 (ja) 制御装置、材料試験機、制御装置の制御方法、及び制御プログラム
CN114062167B (zh) 万能试验机常温试样拉伸恒应变率精确控制的方法
Hashimoto et al. Ultra-precision stage control based on friction model of non-resonant ultrasonic motor
CN116560430A (zh) 湿热试验箱防温度过冲的温度控制方法
CN111324127B (zh) 基于变频器的控制方法及用于行走定位设备的控制装置
CN115016249A (zh) 一种增量式串级pid闭环控制方法及硬度计试验力精确控制方法
JP7172802B2 (ja) 材料試験機、及び、材料試験機の制御方法
JPH1164191A (ja) 材料試験機
JP4946657B2 (ja) 試験装置および試験方法

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