CN115609111B - 脉冲焊接电源温度自适应调节的控制方法及脉冲焊接电源 - Google Patents
脉冲焊接电源温度自适应调节的控制方法及脉冲焊接电源 Download PDFInfo
- Publication number
- CN115609111B CN115609111B CN202211631449.9A CN202211631449A CN115609111B CN 115609111 B CN115609111 B CN 115609111B CN 202211631449 A CN202211631449 A CN 202211631449A CN 115609111 B CN115609111 B CN 115609111B
- Authority
- CN
- China
- Prior art keywords
- temperature
- pid
- power supply
- welding power
- neural network
- 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
Links
- 238000003466 welding Methods 0.000 title claims abstract description 96
- 238000000034 method Methods 0.000 title claims abstract description 49
- 238000001514 detection method Methods 0.000 claims abstract description 22
- 230000008569 process Effects 0.000 claims abstract description 17
- 238000013528 artificial neural network Methods 0.000 claims description 47
- 238000003062 neural network model Methods 0.000 claims description 41
- 230000003044 adaptive effect Effects 0.000 claims description 9
- 238000012549 training Methods 0.000 claims description 9
- 230000010354 integration Effects 0.000 claims description 8
- 238000010438 heat treatment Methods 0.000 claims description 4
- 230000000630 rising effect Effects 0.000 claims description 4
- 238000012216 screening Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 description 9
- 230000001276 controlling effect Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000005070 sampling Methods 0.000 description 4
- 238000013016 damping Methods 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000002955 isolation Methods 0.000 description 2
- 230000001105 regulatory effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- BCGWQEUPMDMJNV-UHFFFAOYSA-N imipramine Chemical compound C1CC2=CC=CC=C2N(CCCN(C)C)C2=CC=CC=C21 BCGWQEUPMDMJNV-UHFFFAOYSA-N 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
- B23K—SOLDERING OR UNSOLDERING; WELDING; CLADDING OR PLATING BY SOLDERING OR WELDING; CUTTING BY APPLYING HEAT LOCALLY, e.g. FLAME CUTTING; WORKING BY LASER BEAM
- B23K9/00—Arc welding or cutting
- B23K9/09—Arrangements or circuits for arc welding with pulsed current or voltage
- B23K9/091—Arrangements or circuits for arc welding with pulsed current or voltage characterised by the circuits
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
- B23K—SOLDERING OR UNSOLDERING; WELDING; CLADDING OR PLATING BY SOLDERING OR WELDING; CUTTING BY APPLYING HEAT LOCALLY, e.g. FLAME CUTTING; WORKING BY LASER BEAM
- B23K9/00—Arc welding or cutting
- B23K9/10—Other electric circuits therefor; Protective circuits; Remote controls
- B23K9/1006—Power supply
- B23K9/1043—Power supply characterised by the electric circuit
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B23—MACHINE TOOLS; METAL-WORKING NOT OTHERWISE PROVIDED FOR
- B23K—SOLDERING OR UNSOLDERING; WELDING; CLADDING OR PLATING BY SOLDERING OR WELDING; CUTTING BY APPLYING HEAT LOCALLY, e.g. FLAME CUTTING; WORKING BY LASER BEAM
- B23K9/00—Arc welding or cutting
- B23K9/32—Accessories
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Plasma & Fusion (AREA)
- Mechanical Engineering (AREA)
- Control Of Temperature (AREA)
- Feedback Control In General (AREA)
Abstract
本发明提供了脉冲焊接电源温度自适应调节的控制方法及脉冲焊接电源，方法包括：获取历史数据，将历史数据输入至控制器内，根据给定温度，实时控制输出脉冲焊接电源的电压脉冲输入占空比；将输出电压脉冲占空比输入至脉冲焊接电源中进行控制；对脉冲焊接电源进行温度检测，得到温度检测结果，并将温度检测结果存入历史数据中；本发明解决的问题是焊接电源在焊接时温度上升超调和稳态波动严重影响焊接工艺质量的技术问题，实现根据设定温度稳态值进行调节，保证温度平稳性满足高精密设备焊接所需要的温度要求的技术效果。
Description
技术领域
本发明涉及焊接电源技术领域，具体而言，涉及一种脉冲焊接电源温度自适应调节的控制方法及脉冲焊接电源。
背景技术
随着电子产品的快速发展，对其精密焊接工艺要求越来越突出。焊接温度是重要参数，对精密产品焊接处的阻尼、质量具有重要影响。如今电子产品热压焊接电源主要采用隔离变压器控制方式、半导体开关器件PID控制方式等，这些电源无法实现对温度精确控制。
由于温度的延时响应，采用隔离变压器控制的方式基于滞环比较控制，采样频率低和动态响应慢，导致温度上升至给定值时超调大和稳态波动大；采用半导体开关器件PID控制方式是基于PWM脉冲温度闭环控制，温度上升至稳态时出现超调大。温度上升超调和稳态波动严重影响焊接工艺的质量，一致性差。
发明内容
本发明解决的问题是焊接电源仔焊接时温度上升超调和稳态拨动严重影响焊接工艺质量的技术问题，实现根据设定温度稳态值进行调节，保证温度平稳性满足高精密设备焊接所需要的温度要求的技术效果。
为解决上述问题，本发明提供一种脉冲焊接电源温度自适应调节的控制方法，方法包括：步骤S110：对脉冲焊接电源设置给定温度；步骤S120：获取历史数据，将历史数据输入至控制器内，根据给定温度，控制器实时输出电压脉冲占空比；步骤S130：将电压脉冲占空比输入至脉冲焊接电源中进行控制；步骤S140：对脉冲焊接电源进行温度检测，得到温度检测结果，并将温度检测结果存入历史数据中；步骤S150：根据温度检测结果判断脉冲焊接电源达到温度给定值的稳态时长是否处于安全范围；步骤S160：若脉冲焊接电源达到给定温度的稳态时长处于安全范围，继续判断温度检测结果是否处于多点温度范围内；步骤S170：若温度检测结果处于多点温度范围内，则返回并继续执行步骤S110，脉冲焊接电源设置给定温度；其中，控制器包括：神经网络控制器、PID控制器。
与现有技术相比，采用该技术方案所达到的技术效果：根据控制流程进行逐步的控制，能够根据设置的若干温度点自动调节，能够满足精密焊接温度工艺需求，避免温度超调和波动大导致的焊接处阻尼、一致性差，提高稳定可靠的焊接温度和质量。控制过程中首先判断稳态时长然后比较温度大小，判断条件较为全面。并且，根据多个控制器进行控制，来实现温度的调节，更加准确高效。
在本发明的一个实例中，获取历史数据，将历史数据输入至控制器内，根据给定温度，控制器实时输出电压脉冲占空比，包括：将历史数据输入至神经网络控制器中得到特定温度下的PID参数；PID控制器根据特定温度下的PID参数和历史数据得到PID控制器的输出结果；将神经网络控制器的输出与PID控制器的输出结果相结合，作为脉冲焊接电源的电压脉冲占空比；其中，历史数据包括：温度给定数据、温度的超调值数据、实时温度反馈数据。
与现有技术相比，采用该技术方案所达到的技术效果：在控制器得到脉冲焊接电源的电压脉冲输入占空比的过程中，使用两个控制器，先后进行输入输出逐步进行控制，能够使控制方案更加完整和准确。
在本发明的一个实例中，将历史数据输入至神经网络控制器中得到特定温度下的PID参数，包括：将温度给定数据、温度的超调值数据、实时温度反馈数据输入至神经网络控制器内；在神经网络控制器中，构建神经网络模型并训练，利用神经网络模型得到特定温度下的PID参数；其中，特定温度下的PID参数为：PID的比例参数、PID的积分参数、PID的微分参数、PID的最大值限幅值参数、PID的最小限幅值参数；通过特定温度下的PID参数采用分段式PID控制算法实时调节温度闭环PID控制器参数。
与现有技术相比，采用该技术方案所达到的技术效果：在使用神经网络控制器得到PID参数的过程中，神经网络控制器中利用了神经网络模型。在控制器中建立并训练神经网络模型，利用神经网络模型得到特定温度下的PID参数。使用神经网络多次训练得到的PID参数，能够不断重复利用历史数据，得到更为准确的特定温度下的PID参数。神经网络控制器输出参数包括有PID的比例参数、PID的积分参数、PID的微分参数、PID的最大值限幅值参数、PID的最小限幅值参数。通过上述参数控制PID进行调节。
在本发明的一个实例中，PID控制器根据特定温度下的PID参数和历史数据得到PID控制器的输出结果，包括：计算温度给定数据与实时温度反馈数据之间的误差，并将误差输入至PID控制器内；PID控制器根据PID参数以及误差，利用离散PID数学公式，得到电压脉冲占空比；其中，离散PID数学公式为：
；
其中，，为温度给定值，为实时温度反馈值；
x为离散函数迭代次数，为正整数; P(
x)为当前闭环PID输出值，即占空比；P(
x-1)为前一次闭环PID输出值，即前一次占空比；
e(
x)为当前闭环温度给定值和反馈值的偏差；
e(
x-1)为前一次闭环温度给定值和反馈值的偏差；
e(
x-2)为前二次闭环温度给定值和反馈值的偏差。
与现有技术相比，采用该技术方案所达到的技术效果：在使用PID控制器进行控制时，需要计算温度给定数据与实时温度反馈数据之间的差值，两者之间的差值反映了脉冲焊接电源温度的稳定性，两者之间的差值越大，说明越不稳定，差值越小越稳定。PID控制器根据PID参数以及误差得到特定温度下的输出电压脉冲占空比能够更加准确。
在本发明的一个实例中，在神经网络控制器中，构建神经网络模型，利用神经网络模型得到特定温度下的PID参数，包括：在神经网络控制器中，构建神经网络模型；对神经网络模型进行训练，得到最终的神经网络模型；将温度给定数据、温度的超调值数据输入至最终的神经网络模型中，得到特定温度下的PID参数；其中，神经网络模型包括输入层、隐含层和输出层。
与现有技术相比，采用该技术方案所达到的技术效果：在神经网络控制器中，构建神经网络模型，并将神经网络进行多次训练，得到最终的神经网络模型。最终的神经网络模型相较于初始的神经网络模型来说，能够更加充分的利用历史数据，并且能够得到更加准确的特定温度下的PID参数。
在本发明的一个实施例中，将历史数据输入至神经网络控制器中得到特定温度下的PID参数，包括：历史数据包括：为温度的超调值、为临近稳态给定温度预设值、为温度给定值、为实时温度反馈值；特定温度下的PID参数为：PID的比例参数、PID的积分参数、PID的微分参数、PID的最大值限幅值参数、PID的最小限幅值参数；
若，则调整PID的比例参数，PID的积分参数，PID的微分参数，优化电压脉冲占空比；若，则调整关闭电压脉冲占空比，通过温度的延时特性进行升温，等待温度平稳；若，则调整PID的比例参数，PID的积分参数，PID的微分参数，输出PID最大限幅值参数，PID最小限幅值参数，优化输出电压脉冲占空比，使温度从上升过程平稳、无超调过度到给定温度状态，温度稳定输出。
与现有技术相比，采用该技术方案所达到的技术效果：通过多模式闭环反馈控制，将电流、电压或温度调节器进行斜坡切换，不同模式切换下电流、电压或温度斜坡的初始值为当前切换时信号采样值，斜坡的给定值为最终稳定控制值，从而得到不同模式平缓、无冲击切换的闭环控制模式。
在本发明的一个实例中，获取历史数据，包括：收集N次脉冲焊接电源进行温度调节的数据，存储数据作为历史数据库；对历史数据库进行筛选，提取历史数据库内的参数，并将参数用于脉冲焊接电源温度自适应调节的控制方法中。
与现有技术相比，采用该技术方案所达到的技术效果：在获取历史数据中，实施例一中的每个步骤经过后得到的参数均能够存入到历史数据中。历史数据库中至少要存储控制步骤执行N次下的数据，优选的，N=200。历史数据库中至少要包含下列参数：温度给定值、温度超调值、温度反馈值、PID的比例参数，PID的积分参数，PID的微分参数，PID最大限幅值参数，PID最小限幅值参数。
在本发明的一个实例中，提供一种脉冲焊接电源，脉冲焊接电源包括：DSP+FPGA控制系统，DSP+FPGA控制系统通过实施神经网络PID控制方法实现温度自适应调节，并生成脉冲焊接电源功率器件PWM驱动信号，控制系统实现如上述实施例中任一项的控制方法；主回路，DSP+FPGA控制系统脉冲驱动信号连接主回路的驱动模块，驱动电源功率器件输出电压脉冲，实现温度闭环控制。
与现有技术相比，采用该技术方案所达到的技术效果：主回路为电路中与控制系统直接相连接的电路，受到控制系统的控制和驱动，完成控制方法。控制系统与主回路连接，实现对主回路的驱动。进一步的，DSP+FPGA控制系统采样模拟量信号，生成脉冲驱动信号，并连接脉冲焊接电源主回路，驱动脉冲焊接电源功率器件输出电压脉冲，实现温度闭环控制。
在本发明的一个实例中，DSP+FPGA数字信号处理器，DSP+FPGA数字信号处理器用于处理控制系统接收到的程序和指令，使得处理器执行如上述实施例中任一项的脉冲焊接电源温度自适应调节的控制方法。
与现有技术相比，采用该技术方案所达到的技术效果：采用DSP+FPGA数字信号处理器，编程灵活、运算快和精度高等优点。
附图说明
为了更清楚的说明本发明实施例的技术方案，下面将对实施例描述中待要使用的附图作简单介绍，显而易见的，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的附图；
图1为控制流程示意图之一；
图2为神经网络PID控制结构示意图；
图3为脉冲焊接电源系统结构示意图；
图4为神经网络结构示意图；
图5为控制流程示意图之二。
具体实施方式
为使本发明的上述目的、特征和优点能够更为明显易懂，下面结合附图对本发明的具体实施例做详细的说明。
实施例一：
在一个具体的实施例中，参见图1和5，提供一种脉冲焊接电源温度自适应调节的控制方法，方法包括：
步骤S110：对脉冲焊接电源设置给定温度；
步骤S120：获取历史数据，将历史数据输入至控制器内，根据给定温度，控制器实时输出电压脉冲占空比；
步骤S130：将电压脉冲占空比输入至脉冲焊接电源中进行控制；
步骤S140：对脉冲焊接电源进行温度检测，得到温度检测结果，并将温度检测结果存入历史数据中；
步骤S150：根据温度检测结果判断脉冲焊接电源达到温度给定值的稳态时长是否处于安全范围；
步骤S160：若脉冲焊接电源达到温度给定值的稳态时长处于安全范围，继续判断温度检测结果是否处于多点温度范围内；
步骤S170：若温度检测结果处于多点温度范围内，则回到步骤S110，对脉冲焊接电源设置给定温度；
其中，控制器包括：神经网络控制器、PID控制器。
在本实施例中，参见图1和5为整个控制逻辑流程图。首先对脉冲焊接电源设置给定温度，给定温度为需要控制脉冲焊接电源达到的温度，并且，设置给定温度能够提醒升温时不超过给定温度。然后获取历史数据，历史数据为之前在执行控制方法时，对脉冲焊接电源继续宁检测得到的相关参数，控制器根据历史温度和给定温度能够得到控制输出脉冲焊接电源的电压脉冲输入占空比。根据输出电压脉冲占空比能够对脉冲焊接电源进行控制，调节脉冲焊接电源内的温度。
进一步的，在脉冲焊接电源进行工作运行时，对脉冲焊接电源进行温度检测，根据检测结果判断温度给定值的稳态时长是否处于安全范围，若处于安全范围，说明温度稳态调节较为及时，则继续对温度检测结果进行比较判断，判断是否处于多点温度范围内，如果处于，则说明温度控制在合理的时间范围内，调整到了合适的温度范围之内，此时，可以重新回到初始步骤，继续进行调节。
进一步的，在步骤S110-S170内，每个步骤执行完毕得到的数据都会输入历史数据库中，以便下次使用、提取。
在本实施例中，根据控制流程进行逐步的控制，能够根据设置的若干温度点自动调节，能够满足精密焊接温度工艺需求，避免温度超调和波动大导致的焊接处阻尼、一致性差，提高稳定可靠的焊接温度和质量。控制过程中首先判断稳态时长然后比较温度大小，判断条件较为全面。并且，根据多个控制器进行控制，来实现温度的调节，更加准确高效。
实施例二：
在一个具体的实施例中，参见图2，获取历史数据，将历史数据输入至控制器内，根据给定温度，控制器实时输出电压脉冲占空比，包括：
将历史数据输入至神经网络控制器中得到特定温度下的PID参数；
PID控制器根据特定温度下的PID参数和历史数据得到PID控制器的输出结果；
将神经网络控制器的输出与PID控制器的输出结果相结合，作为脉冲焊接电源的电压脉冲占空比；
其中，历史数据包括：温度给定数据、温度的超调值数据、实时温度反馈数据。
在本实施例中，由于本案中具有两个控制器，神经网络控制器和PID控制器，两个控制器的调节具有先后关系。首先通过神经网络控制器进行控制，将历史数据输入至神经网络控制器内，得到特定温度下的PID参数；特定温度下的PID参数继续利用，被放入下一步的控制方法中，使PID控制器根据特定温度下的PID参数再结合历史数据得到PID控制器的输出结果；在两个控制系统中，将神经网络控制器得到的结果和PID控制器结果相互结合，由PID控制器最终输出脉冲焊接电源的电压脉冲输入占空比。
进一步的，温度给定数据、温度的超调值数据、实时温度反馈数据为在脉冲焊接电源控制方法中最常见的结果温度参数，较容易获取，并且针对温度的控制方法将温度作为参数进行比较和控制，结果更加准确。
在本实施例中，在控制器得到输出脉冲焊接电源的电压脉冲输入占空比的过程中，使用两个控制器，先后进行输入输出逐步进行控制，能够使控制方案更加完整和准确。
实施例三：
在一个具体的实施例中，参见图2，获取历史数据，将历史数据输入至控制器内，根据给定温度，实时控制输出脉冲焊接电源的电压脉冲输入占空比，包括：
将温度给定数据、温度的超调值数据、实时温度反馈数据输入至神经网络控制器内；
在神经网络控制器中，构建神经网络模型并训练，利用神经网络模型得到特定温度下的PID参数；
其中，特定温度下的PID参数为：PID的比例参数、PID的积分参数、PID的微分参数、PID的最大值限幅值参数、PID的最小限幅值参数；
通过特定温度下的PID参数采用分段式PID控制算法实时调节温度闭环PID控制器参数。
在本实施例中，在使用神经网络控制器得到PID参数的过程中，神经网络控制器中利用了神经网络模型。在控制器中建立并训练神经网络模型，利用神经网络模型得到特定温度下的PID参数。使用神经网络多次训练得到的PID参数，能够不断重复利用历史数据，得到更为准确的特定温度下的PID参数。神经网络控制器输出参数包括有PID的比例参数、PID的积分参数、PID的微分参数、PID的最大值限幅值参数、PID的最小限幅值参数。通过上述参数控制PID进行调节。
实施例四：
在一个具体的实施例中，PID控制器根据特定温度下的PID参数和历史数据得到PID控制器的输出结果，包括：
计算温度给定数据与实时温度反馈数据之间的误差，并将误差输入至PID控制器内；
PID控制器根据PID参数以及误差，利用离散PID数学公式，得到电压脉冲占空比；
其中，离散PID数学公式为：
；
其中，，为温度给定值，为实时温度反馈值；
x为离散函数迭代次数，为正整数;
P(
x)为当前闭环PID输出值，即占空比；
P(
x-1)为前一次闭环PID输出值，即前一次占空比；
e(
x)为当前闭环温度给定值和反馈值的偏差；
e(
x-1)为前一次闭环温度给定值和反馈值的偏差；
e(
x-2)为前二次闭环温度给定值和反馈值的偏差。
在本实施例中，在使用PID控制器进行控制时，需要计算温度给定数据与实时温度反馈数据之间的差值，两者之间的差值反映了脉冲焊接电源温度的稳定性，两者之间的差值越大，说明越不稳定，差值越小越稳定。PID控制器根据PID参数以及误差得到特定温度下的输出电压脉冲占空比能够更加准确。进一步的，在利用PID控制器进行计算时，使用离散PID数学公式进行计算，使结果更加准确。
实施例五：
在一个具体的实施例中，参见图4，在神经网络控制器中，构建神经网络模型，利用神经网络模型得到特定温度下的PID参数，包括：
在神经网络控制器中，构建神经网络模型；
对神经网络模型进行训练，得到最终的神经网络模型；
将温度给定数据、温度的超调值数据输入至最终的神经网络模型中，得到特定温度下的PID参数；
其中，神经网络模型包括输入层、隐含层和输出层。
在本实施例中，在神经网络控制器中，构建神经网络模型，并将神经网络进行多次训练，得到最终的神经网络模型。最终的神经网络模型相较于初始的神经网络模型来说，能够更加充分的利用历史数据，并且能够得到更加准确的特定温度下的PID参数。
实施例六：
在一个具体的实施例中，参见图2，将历史数据输入至神经网络控制器中得到特定温度下的PID参数，包括：
历史数据包括：为温度的超调值、为临近稳态给定温度预设值、为温度给定值、为实时温度反馈值；
特定温度下的PID参数为：PID的比例参数、PID的积分参数、PID的微分参数、PID的最大值限幅值参数、PID的最小限幅值参数；
若，则调整PID的比例参数，PID的积分参数，PID的微分参数，优化电压脉冲占空比；
若，则调整关闭电压脉冲占空比，通过温度的延时特性进行升温，等待温度平稳；
若，则调整PID的比例参数，PID的积分参数，PID的微分参数，输出PID最大限幅值参数，PID最小限幅值参数，优化输出电压脉冲占空比，使温度从上升过程平稳、无超调过度到给定温度状态，温度稳定输出。
在本实施例中，分段PID将温度范围划分为三段，利用预测温度超调值、临近稳态给定温度预设值，划分为三段。PID是一个数学物理术语，PID比例积分微法调节能够通过PID调节器实现，受控变数是三种算法（比例、积分、微分）相加后的结果，即为其输出，其输入为误差值（设定值减去测量值后的结果）或是由误差值衍生的信号。在运行一段时间后，实时检测温度和给定温度并进行比较判断，通过温度延时响应特性，检测温度变化率，待温度上升到最高处附近，温度达到平稳状态。
在本实施例中，通过多模式闭环反馈控制，将电流、电压或温度调节器进行斜坡切换，不同模式切换下电流、电压或温度斜坡的初始值为当前切换时信号采样值，斜坡的给定值为最终稳定控制值，从而得到不同模式平缓、无冲击切换的闭环控制模式。
进一步的，具体的控制方案中，当，则调整PID的比例参数，PID的积分参数，PID的微分参数，优化输出电压脉冲占空比m；
当，则调整关闭PID输出电压脉冲占空比m，通过温度的延时特性进行升温，等待温度平稳；
当，则调整PID的比例参数，PID的积分参数，PID的微分参数，输出PID最大限幅值参数，PID最小限幅值参数，优化输出电压脉冲占空比m，使温度从上升过程平稳、无超调过度到给定温度状态，温度稳定输出。
在本实施例中，通过多模式闭环反馈控制，将电流、电压或温度调节器进行斜坡切换，不同模式切换下电流、电压或温度斜坡的初始值为当前切换时信号采样值，斜坡的给定值为最终稳定控制值，从而得到不同模式平缓、无冲击切换的闭环控制模式。
实施例七：
在一个具体的实施例中，参见图2，获取历史数据，包括：
收集N次脉冲焊接电源运行温度调节的数据作为历史数据库，并对数据库进行筛选；
提取历史数据库中的参数，参数包括：温度给定值、温度超调值、温度反馈值、PID的比例参数，PID的积分参数，PID的微分参数，PID最大限幅值参数，PID最小限幅值参数。
在本实施例中，在获取历史数据中，实施例一中的每个步骤经过后得到的参数均能够存入到历史数据中。历史数据库中至少要存储控制步骤执行N次下的数据，优选的，N=200。历史数据库中至少要包含下列参数：温度给定值、温度超调值、温度反馈值、PID的比例参数，PID的积分参数，PID的微分参数，PID最大限幅值参数，PID最小限幅值参数。
实施例八：
在一个具体的实施例中，参见图3，提供一种脉冲焊接电源，脉冲焊接电源包括：
DSP+FPGA控制系统，DSP+FPGA控制系统通过实施神经网络PID控制方法实现温度自适应调节，并生成脉冲焊接电源功率器件PWM驱动信号，控制系统实现如上述实施例中任一项的控制方法；
主回路，DSP+FPGA控制系统脉冲驱动信号连接主回路的驱动模块，驱动电源功率器件输出电压脉冲，实现温度闭环控制。
在本实施例中，主回路为电路中与控制系统直接相连接的电路，受到控制系统的控制和驱动，完成控制方法。控制系统与主回路连接，实现对主回路的驱动。进一步的，DSP+FPGA控制系统采样模拟量信号，生成脉冲驱动信号，并连接脉冲焊接电源主回路，驱动脉冲焊接电源功率器件输出电压脉冲，实现温度闭环控制。
在一个具体的实施例中，DSP+FPGA数字信号处理器，DSP+FPGA数字信号处理器用于处理控制系统接收到的程序和指令，使得处理器执行如上述实施例中任一项的脉冲焊接电源温度自适应调节的控制方法。
在本实施例中，采用DSP+FPGA数字信号处理器，编程灵活、运算快和精度高等优点。
虽然本发明披露如上，但本发明并非限定于此。任何本领域技术人员，在不脱离本发明的精神和范围内，均可作各种更动与修改，因此本发明的保护范围应当以权利要求所限定的范围为准。
Claims (7)
1.一种脉冲焊接电源温度自适应调节的控制方法，其特征在于，所述方法包括：
步骤S110：对所述脉冲焊接电源设置给定温度；
步骤S120：获取历史数据，将所述历史数据输入至控制器内，根据所述给定温度，所述控制器实时输出电压脉冲占空比，所述控制器包括：神经网络控制器、PID控制器；
所述获取历史数据，将所述历史数据输入至控制器内，根据所述给定温度，所述控制器实时输出电压脉冲占空比，包括：
将所述历史数据输入至所述神经网络控制器中得到特定温度下的PID参数；
所述PID控制器根据所述特定温度下的PID参数和所述历史数据得到所述PID控制器的输出结果；
将所述神经网络控制器的输出与所述PID控制器的输出结果相结合，作为所述脉冲焊接电源的电压脉冲占空比；
其中，所述历史数据包括：温度给定数据、温度的超调值数据、实时温度反馈数据；
所述将所述历史数据输入至所述神经网络控制器中得到特定温度下的PID参数，包括：
所述历史数据包括：温度的超调值、临近稳态给定温度预设值、温度给定值、实时温度反馈值；
所述特定温度下的PID参数为：PID的比例参数、PID的积分参数、PID的微分参数、PID的最大值限幅值参数、PID的最小限幅值参数；
若，则调整所述PID的比例参数，所述PID的积分参数，所述PID的微分参数，优化电压脉冲占空比；
若，则调整关闭所述电压脉冲占空比，通过温度的延时特性进行升温，等待温度平稳；
若，则调整所述PID的比例参数，所述PID的积分参数，所述PID的微分参数，输出所述PID最大限幅值参数，所述PID最小限幅值参数，优化输出电压脉冲占空比，使温度从上升过程平稳、无超调过度到给定温度状态，温度稳定输出；
步骤S130：将所述电压脉冲占空比输入至所述脉冲焊接电源中进行控制；
步骤S140：对所述脉冲焊接电源进行温度检测，得到温度检测结果，并将所述温度检测结果存入所述历史数据中；
步骤S150：根据所述温度检测结果判断所述脉冲焊接电源达到所述给定温度的稳态时长是否处于安全范围；
步骤S160：若所述脉冲焊接电源达到所述给定温度的稳态时长处于安全范围，继续判断所述温度检测结果是否处于多点温度范围内；
步骤S170：若所述温度检测结果处于所述多点温度范围内，则返回并继续执行所述步骤S110脉冲焊接电源。
2.根据权利要求1所述的脉冲焊接电源温度自适应调节的控制方法，其特征在于，所述将所述历史数据输入至所述神经网络控制器中得到特定温度下的PID参数，包括：
将所述温度给定数据、所述温度的超调值数据、所述实时温度反馈数据输入至所述神经网络控制器内；
在所述神经网络控制器中，构建神经网络模型并训练，利用所述神经网络模型得到所述特定温度下的PID参数；
其中，所述特定温度下的PID参数为：PID的比例参数 、PID的积分参数、PID的微分参数、PID的最大值限幅值参数、PID的最小限幅值参数；
通过所述特定温度下的PID参数，采用分段式PID控制算法，实时调节温度闭环PID控制器参数。
3.根据权利要求2所述的脉冲焊接电源温度自适应调节的控制方法，其特征在于，所述PID控制器根据所述特定温度下的PID参数和所述历史数据得到PID控制器的输出结果，包括：
计算所述温度给定数据与所述实时温度反馈数据之间的误差，并将所述误差输入至所述PID控制器内；
所述PID控制器根据所述PID参数以及所述误差，利用离散PID数学公式，得到所述电压脉冲占空比；
其中，所述离散PID数学公式为：
；
其中，，为温度给定值，为实时温度反馈值；
x为离散函数迭代次数，为正整数;
P(x)为当前闭环PID输出值，即占空比；
P(x-1)为前一次闭环PID输出值，即前一次占空比；
e(x)为当前闭环温度给定值和反馈值的偏差；
e(x-1)为前一次闭环温度给定值和反馈值的偏差；
e(x-2)为前二次闭环温度给定值和反馈值的偏差。
4.根据权利要求2所述的脉冲焊接电源温度自适应调节的控制方法，其特征在于，所述在所述神经网络控制器中，构建神经网络模型，利用所述神经网络模型得到所述特定温度下的PID参数，包括：
在所述神经网络控制器中，构建所述神经网络模型；
对所述神经网络模型进行训练，得到最终的神经网络模型；
将所述温度给定数据、所述温度的超调值数据输入至所述最终的神经网络模型中，得到所述特定温度下的PID参数；
其中，所述神经网络模型包括输入层、隐含层和输出层。
5.根据权利要求1-4中任一项所述的脉冲焊接电源温度自适应调节的控制方法，其特征在于，所述获取历史数据，包括：
收集N次所述脉冲焊接电源进行温度调节的数据，存储所述数据作为历史数据库；
对所述历史数据库进行筛选，提取所述历史数据库内的参数，并将所述参数用于所述脉冲焊接电源温度自适应调节的控制方法中。
6.一种脉冲焊接电源，其特征在于，所述脉冲焊接电源包括：
DSP+FPGA控制系统，所述DSP+FPGA控制系统通过实施神经网络PID控制方法实现温度自适应调节，并生成脉冲焊接电源功率器件PWM驱动信号，所述DSP+FPGA控制系统实现如权利要求1至5中任一项所述的脉冲焊接电源温度自适应调节的控制方法；
主回路，所述DSP+FPGA控制系统脉冲驱动信号连接所述主回路的驱动模块，驱动电源功率器件输出电压脉冲，实现温度闭环控制。
7.根据权利要求6所述的脉冲焊接电源，其特征在于，所述控制系统包括：
DSP+FPGA数字信号处理器，所述DSP+FPGA数字信号处理器用于处理所述控制系统接收到的程序和指令，使得所述DSP+FPGA数字信号处理器执行如上述权利要求1至5中任一项所述的脉冲焊接电源温度自适应调节的控制方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211631449.9A CN115609111B (zh) | 2022-12-19 | 2022-12-19 | 脉冲焊接电源温度自适应调节的控制方法及脉冲焊接电源 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211631449.9A CN115609111B (zh) | 2022-12-19 | 2022-12-19 | 脉冲焊接电源温度自适应调节的控制方法及脉冲焊接电源 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115609111A CN115609111A (zh) | 2023-01-17 |
| CN115609111B true CN115609111B (zh) | 2023-04-14 |
Family
ID=84880673
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211631449.9A Active CN115609111B (zh) | 2022-12-19 | 2022-12-19 | 脉冲焊接电源温度自适应调节的控制方法及脉冲焊接电源 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115609111B (zh) |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1069684A (zh) * | 1991-08-22 | 1993-03-10 | 白日午 | 焊管温度控制系统 |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS5647270A (en) * | 1979-09-25 | 1981-04-28 | Seiichi Okuhara | Welding temperature control unit |
| GB2096802B (en) * | 1981-04-09 | 1986-01-02 | Carrier Corp | Control system and method for dc pulse modulated arc welding |
| CN103203528A (zh) * | 2012-01-16 | 2013-07-17 | 成都熊谷加世电器有限公司 | 基于遗传算法的自进化pid气电立焊焊接系统 |
| CN103264244B (zh) * | 2013-05-22 | 2014-12-17 | 广州市精源电子设备有限公司 | 热压焊电源 |
| CN108746944B (zh) * | 2018-07-18 | 2023-07-18 | 华南理工大学 | 高低频脉冲相位可调的大功率双丝双脉冲mig焊电源系统及其控制方法 |
| CN115041777A (zh) * | 2022-07-13 | 2022-09-13 | 北京航空航天大学 | 一种铝合金导管全位置焊接温度控制系统及方法 |
-
2022
- 2022-12-19 CN CN202211631449.9A patent/CN115609111B/zh active Active
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1069684A (zh) * | 1991-08-22 | 1993-03-10 | 白日午 | 焊管温度控制系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115609111A (zh) | 2023-01-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US6688532B2 (en) | Controller, temperature controller and heat processor using same | |
| CN107061132B (zh) | 一种水电站调速器功率闭环调节提高功率调节速度和调节精度的调节系统 | |
| CN108980441B (zh) | 基于pwm的比例电磁阀驱动方法 | |
| CN106896716B (zh) | 基于灰狼算法的微电网交直流断面换流器pid参数优化方法 | |
| CN102032640A (zh) | 工业环境高精度空调的模糊pid控制方法及装置 | |
| CN101962708B (zh) | 大型板材真空退火炉多温区均温性控制系统及其控制方法 | |
| CN108508870A (zh) | 一种锅炉汽包水位控制系统性能评估及参数优化的方法 | |
| CN110879620A (zh) | 一种核电站立式蒸汽发生器液位控制方法以及系统 | |
| CN111795198A (zh) | 一种基于速度控制器实现高速开关阀阀芯运动可控的方法 | |
| CN115609111B (zh) | 脉冲焊接电源温度自适应调节的控制方法及脉冲焊接电源 | |
| Ponomarev et al. | Analysis and Synthesis of Adaptive PID Controller with MRAC-MIT System | |
| Kamenko et al. | A novel fuzzy logic scheme for PID controller auto-tuning | |
| CN114489177A (zh) | 一种温度控制方法 | |
| CN102351190B (zh) | 还原炉控制方法及装置 | |
| CN109588782A (zh) | 温度控制装置、温度控制方法和加热非燃烧烟具 | |
| Eremenko et al. | On estimating the efficiency of a neural optimizer for the parameters of a PID controller for heating objects control | |
| CN115963730A (zh) | 一种喷射点胶阀腔液温度的选择性控制方法 | |
| Engin et al. | Auto-tuning of PID parameters with programmable logic controller | |
| CN110144622A (zh) | 直拉硅单晶生长系统中磁场电源的控制方法 | |
| CN105320174A (zh) | 蔬菜废弃物发酵温度的模糊控制方法 | |
| Aravind et al. | Simulation based modeling and implementation of adaptive control technique for Non Linear process tank | |
| Yanguang et al. | An intelligent ladle furnace control system | |
| CN112506039A (zh) | 电器设备输出的控制方法、控制装置以及电器设备 | |
| CN112904910A (zh) | 一种烤箱控制系统及其温控方法 | |
| US9582754B1 (en) | Adaptive feed forward method for temperature control |
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 | ||
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20240115 Address after: Room 1-1335, 1st Floor, Building 041, Building B, No. 188 Jinghua Road, High tech Zone, Ningbo City, Zhejiang Province, 315000 Patentee after: Ningbo Yichu Electrical Technology Co.,Ltd. Address before: 315000 Floor 2, Building 2, 181 Shanshan Road, Wangchun Industrial Park, Haishu District, Ningbo City, Zhejiang Province Patentee before: NINGBO XINHEWEIYI ELECTRONIC TECHNOLOGY Co.,Ltd. |