CN116679621B - 多轴同步运动控制系统及其控制方法 - Google Patents
多轴同步运动控制系统及其控制方法 Download PDFInfo
- Publication number
- CN116679621B CN116679621B CN202310949836.5A CN202310949836A CN116679621B CN 116679621 B CN116679621 B CN 116679621B CN 202310949836 A CN202310949836 A CN 202310949836A CN 116679621 B CN116679621 B CN 116679621B
- Authority
- CN
- China
- Prior art keywords
- speed curve
- shaft
- axis
- actual
- time
- 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
- 238000000034 method Methods 0.000 title claims abstract description 56
- 230000001360 synchronised effect Effects 0.000 title claims abstract description 41
- 230000033001 locomotion Effects 0.000 title claims abstract description 38
- 230000001133 acceleration Effects 0.000 claims abstract description 94
- 238000010801 machine learning Methods 0.000 claims abstract description 47
- 238000012549 training Methods 0.000 claims abstract description 35
- 238000012544 monitoring process Methods 0.000 claims abstract description 5
- 230000015654 memory Effects 0.000 claims description 16
- 238000004364 calculation method Methods 0.000 claims description 12
- 230000008569 process Effects 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 9
- 238000013480 data collection Methods 0.000 claims description 5
- 230000000977 initiatory effect Effects 0.000 claims description 3
- 238000012706 support-vector machine Methods 0.000 claims description 3
- 230000032683 aging Effects 0.000 description 6
- 230000008859 change Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
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
- G05B19/416—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 characterised by control of velocity, acceleration or deceleration
-
- 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
- G05B2219/34—Director, elements to supervisory
- G05B2219/34169—Coarse interpolator, path calculator delivers position, speed, acceleration blocks
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
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
本发明公开了多轴同步运动控制系统及其控制方法,涉及多轴同步控制技术领域,收集每个PLC控制系统连接的每个轴的历史运行数据,基于历史运行数据计算每个轴的初始误差系数,根据初始误差系数生成每个轴的实际运行轨迹速度曲线,基于每个轴的历史运行数据为每个轴训练出预测实际加速度的机器学习模型,基于实际运行轨迹速度曲线控制每个轴运动时,实时记录每个轴的实时实际速度曲线,并实时监测每个轴是否产生误差,若任意一个轴产生误差,生成对产生误差的轴的调控方案;降低了轴的运行速度达不到期望值,从而导致轴与轴之间无法同步运行带来的损失。
Description
技术领域
本发明属于多轴同步控制技术领域,具体涉及多轴同步运动控制系统及其控制方法。
背景技术
在工业自动化领域,多轴同步运动控制广泛应用于各种机械系统,如机器人、数控机床等。然而,由于轴的老化或其他原因,摩擦力可能会增加,导致轴的实际运行速度无法达到预期值,从而导致轴与轴之间的同步性受到影响。这可能会导致运动误差、工作质量下降以及系统性能损失。
目前的多轴同步运动控制方法在应对轴老化或摩擦力增大时存在一定的局限性。现有方法主要通过传统的PID控制或基于模型的控制方法来调整轴的运行参数,但这些方法往往无法实时适应轴的变化,导致轴之间的同步性无法得到有效保证。此外,现有技术往往需要复杂的参数调试和手动干预,增加了系统的调试和运维成本。
授权公告号为CN112994532B的中国发明专利一体化多轴同步运动控制系统及同步控制方法对多轴伺服电机的运行电流及运行位置进行采样, SoC系统接收反馈采样模块的采样结果,用于多轴伺服电机的反馈位置检测与计算、反馈电流检测与计算,实现多轴同步电流环控制、多轴时序同步调度和多轴响应同步控制;但该方法是对多轴同步运行的一种理论上的同步控制,并未考虑到每个轴的实际状态,从而可能存在实际与理论的偏差的问题;
为此,本发明提出多轴同步运动控制系统及其控制方法。
发明内容
本发明旨在至少解决现有技术中存在的技术问题之一。为此,本发明提出多轴同步运动控制系统及其控制方法,该多轴同步运动控制系统及其控制方法降低了轴的运行速度达不到期望值,从而导致轴与轴之间无法同步运行带来的损失。
为实现上述目的,根据本发明的实施例1提出多轴同步运动控制系统及其控制方法,包括以下步骤:
收集每个PLC控制系统连接的每组轴中每个轴的历史运行数据;
每次为每个轴生成待运行轨迹速度曲线时,基于每个轴的历史运行数据计算每个轴的初始误差系数,根据初始误差系数生成每个轴的实际运行轨迹速度曲线;
基于每个轴的历史运行数据,为每个轴训练出预测实际加速度的机器学习模型;
在PLC控制系统基于实际运行轨迹速度曲线控制每个轴运动时,实时记录每个轴的实时实际速度曲线,并实时监测每个轴是否产生误差,若任意一个轴产生误差,对于产生误差的轴,基于待运行轨迹速度曲线、实时实际速度曲线以及机器学习模型,生成对产生误差的轴的调控方案;
其中,所述历史运行数据包括H组历史曲线数据集合;
所述历史曲线数据集合中的第h条历史曲线数据包括PLC控制系统在前第h次为每个轴生成的轨迹速度曲线,以及每个轴按照轨迹速度曲线运行时的实际速度曲线;其中,H为预设的训练数据量,h=1,2,3…H;
其中,所述轨迹速度曲线为由PLC控制系统生成的每个轴速度随时间变化的曲线;
所述实际速度曲线为PLC控制系统在控制每个轴按照对应的轨迹速度曲线运行时,每个轴的实际速度随时间变化的曲线;
基于每个轴的历史运行数据计算每个轴的初始误差系数的方式为:
将PLC控制系统控制的所有轴的数量标记为N;将每个轴的编号分别标记为1,2,…,n,n+1,…N;
将历史曲线数据集合中第h条历史曲线数据中第n个轴的轨迹速度曲线标记为Ghn,将第h条历史曲线数据中第n个轴的实际速度曲线标记为Rhn;
对于第h条历史曲线数据中第n个轴,收集速度拐点集合和时间段集合;所述速度拐点为轨迹速度曲线Ghn中加速度发生变化的时间节点;在速度拐点集合中,除第一个速度拐点外的其他速度拐点,与其前一个速度拐点可以构成一个时间段,所有的时间段组成时间段集合;
对于第h条历史曲线数据中第n个轴,将对应的时间段集合标记为Dhn;将时间段集合Dhn中每个时间段的编号标记为dhn;将轨迹速度曲线中dhn时间段的加速度标记为AGdhn;将实际速度曲线中dhn时间段的加速度标记为ASdhn;
将第n个轴的所有时间段集合中AGdhn不等于0的时间段保存在第一时间段集合Dn1中;
将第n个轴的所有时间段集合中AGdhn等于0的时间段保存在第二时间段集合Dn2中;
计算第n个轴的加速初始误差系数AWn;所述加速初始误差系数Awn的计算公式为
;
计算第n个轴的匀速初始误差系数Ayn;所述匀速初始误差系数Ayn的计算公式为
;
根据初始误差系数生成每个轴的实际运行轨迹速度曲线的方式为:
对于第n个轴的待运行轨迹速度曲线,收集对应的速度拐点集合和时间段集合;所述待运行轨迹速度曲线是指PLC控制系统生成的将要运用在对应轴上的轨迹速度曲线;将待运行轨迹速度曲线的时间段集合标记为Den,将时间段集合DEn中时间段的编号标记为den,将待运行轨迹速度曲线中第den个时间段的加速度标记为AGden;
设置实际运行轨迹速度曲线中初始速度与待运行轨迹速度曲线的初始速度相同,且实际运行轨迹速度曲线的每个时间段与待运行轨迹速度曲线的每个时间段保持一致;
对于第den个时间段,若加速度AGden不等于0,则将实际运行轨迹速度曲线中的第den个时间段的加速度设置为AGden*Awn;
若加速度AGden等于0,则将实际运行轨迹速度曲线中的第den个时间段的加速度设置为-Ayn;
为每个轴训练出预测实际加速度的机器学习模型的方式为:
对于第n个轴,获取其第一时间段集合Dn1;将第一时间段集合Dn1中的每个时间段标记为dhn1,将时间段dhn1对应的轨迹速度曲线中的加速度作为机器学习模型的输入,所述机器学习模型以对时间段dhn1对应的实际速度曲线中的加速度作为输出,以历史曲线数据中,时间段dhn1对应的实际速度曲线中的加速度作为预测目标,以最小化所有训练特征数据的预测误差之和作为训练目标;对机器学习模型进行训练,直至预测误差之和达到收敛时停止训练,训练出根据轨迹速度曲线中各个加速度值输出预测的轴在实际运行过程中的加速度值的机器学习模型;所述机器学习模型是多项式回归模型或支持向量机模型;
预测误差的计算公式为:,其中,Zdhn1为预测误差,pASdhn1为dhn1时间段,由机器学习模型输出的预测的加速度值;
实时监测每个轴是否产生误差的方式为:
对于第n个轴,实时计算待运行轨迹速度曲线的应行路程以及实时实际速度曲线的实际运行路程;
若应行路程与实际运行路程的差值的绝对值大于预设的距离误差阈值,则判断为产生误差;
所述应行路程为待运行轨迹速度曲线中,轴从开始运行时刻到当前时间所运行的路程距离;
所述实际运行路程为轴从开始运行时刻,按实时实际速度曲线运行到当前时间所实际运行的路程距离;
生成对产生误差的轴的调控方案的方式为:
将产生误差的轴实时的应行路程以及实际运行路程分别标记为SK和SR;
计算产生误差的轴的补偿路程SC;所述补偿路程SC=SK-SR;
预设补偿运行时长t1,对于产生误差的轴,将当前加速度标记为a2,计算后续的补偿运行时长t1时间内的补偿加速度a1;所述补偿加速度a1的计算方式为:;
将期望加速度值ae输入至机器学习模型中,获得机器学习模型输出的实际加速度值;将实际运行轨迹速度曲线中当前时间的后续补偿运行时长t1的加速度值调整为期望加速度值ae;所述期望加速度值ae=a1+a2。
根据本发明的实施例2提出的多轴同步运动控制系统,包括历史数据收集模块、模型训练模块以及速度曲线调整模块;其中,各个模块之间通过有线方式连接;
其中,所述历史数据收集模块主要用于收集每个PLC控制系统连接的每组轴中每个轴的历史运行数据,并将历史运行数据发送至模型训练模块以及速度曲线调整模块;
其中,所述模型训练模块主要用于基于每个轴的历史运行数据,为每个轴训练出预测实际加速度的机器学习模型,并将训练完成的机器学习模型发送至速度曲线调整模块;
其中,所述速度曲线调整模块主要用于在轴运行前生成每个轴的实际运行轨迹速度曲线,以及在轴运行过程中,对轴的运行速度进行微调;
生成每个轴的实际运行轨迹速度曲线的方式为:
每次为每个轴生成待运行轨迹速度曲线时,基于每个轴的历史运行数据计算每个轴的初始误差系数,根据初始误差系数生成每个轴的实际运行轨迹速度曲线;
对轴的运行速度进行微调的方式为:
在PLC控制系统基于实际运行轨迹速度曲线控制每个轴运动时,实时记录每个轴的实时实际速度曲线,并实时监测每个轴是否产生误差,若任意一个轴产生误差,基于待运行轨迹速度曲线、实时实际速度曲线以及机器学习模型,生成对产生误差的轴的调控方案。
根据本发明的实施例3提出一种电子设备,包括:处理器和存储器,其中,
所述存储器中存储有可供处理器调用的计算机程序;
所述处理器通过调用所述存储器中存储的计算机程序,在PLC控制系统中执行上述的多轴同步运动控制方法。
根据本发明的实施例4提出一种计算机可读存储介质,其上存储有可擦写的计算机程序;
当所述计算机程序在计算机设备上运行时,使得所述计算机设备执行上述的多轴同步运动控制方法。
与现有技术相比,本发明的有益效果是:
本发明通过预先收集每个PLC控制系统连接的每组轴中每个轴的历史运行数据,在每次为每个轴生成待运行轨迹速度曲线时,基于每个轴的历史运行数据计算出每个轴的初始误差系数,根据初始误差系数生成每个轴的实际运行轨迹速度曲线,该实际运行轨迹速度曲线获得每个轴因自身老化或其他因素导致的运行规律,基于运行规律对待运行轨迹速度曲线进行调整,保证了每个轴的实际速度曲线与待运行轨迹速度曲线更接近,基于每个轴的历史运行数据,为每个轴训练出预测实际加速度的机器学习模型,在每个轴实际运行的过程中,实时监测每个轴是否产生误差,若任意一个轴产生误差,基于待运行轨迹速度曲线、实时实际速度曲线以及机器学习模型,对产生误差的轴的实际运行轨迹速度曲线中当前时刻的加速度进行对应调整;降低了因轴老化或其他原因导致的摩擦变大时,轴的运行速度达不到期望值,从而导致轴与轴之间无法同步运行带来的损失。
附图说明
图1为本发明的实施例1中多轴同步运动控制方法的流程图;
图2为本发明实施例1中轨迹速度曲线示例图;
图3为本发明的实施例2中多轴同步运动控制系统的模块连接关系图;
图4为本发明实施例3中的电子设备结构示意图;
图5为本发明实施4中的计算机可读存储介质结构示意图。
具体实施方式
下面将结合实施例对本发明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它实施例,都属于本发明保护的范围。
实施例1
如图1所示,多轴同步运动控制方法,用于PLC控制系统中,包括以下步骤:
步骤一:收集每个PLC控制系统连接的每组轴中每个轴的历史运行数据;
步骤二:每次为每个轴生成待运行轨迹速度曲线时,基于每个轴的历史运行数据计算每个轴的初始误差系数,根据初始误差系数生成每个轴的实际运行轨迹速度曲线;
步骤三:基于每个轴的历史运行数据,为每个轴训练出预测实际加速度的机器学习模型;
步骤四:在PLC控制系统基于实际运行轨迹速度曲线控制每个轴运动时,实时记录每个轴的实时实际速度曲线,并实时监测每个轴是否产生误差,若任意一个轴产生误差,转至步骤五;否则,继续监测;
步骤五:对于产生误差的轴,基于待运行轨迹速度曲线、实时实际速度曲线以及机器学习模型,生成对产生误差的轴的调控方案;
其中,所述历史运行数据包括H组历史曲线数据集合;
所述历史曲线数据集合中的第h条历史曲线数据包括PLC控制系统在前第h次为每个轴生成的轨迹速度曲线,以及每个轴按照轨迹速度曲线运行时的实际速度曲线;其中,H为预设的训练数据量,h=1,2,3…H;前第h次为在当前时刻之前的第h次;
其中,所述轨迹速度曲线为由PLC控制系统生成的每个轴速度随时间变化的曲线;需要说明的是,轨迹速度曲线以及每个轴的运动曲线与PLC控制系统所控制的设备或机械的功能有关,PLC控制系统根据具体的设备或机械的实际需求,自动生成每个轴对应的运动曲线以及运动曲线对应的轨迹速度曲线;因此,本发明不再赘述轨迹速度曲线的生成方法;一般而言,如图2所示,每个轴需要至少经历启动时的加速运动、平稳运行时的匀速运动以及接近目的地时的减速运动;
所述实际速度曲线为PLC控制系统在控制每个轴按照对应的轨迹速度曲线运行时,每个轴的实际速度随时间变化的曲线;可以理解的是,由于每个轴的老化程度不同,运动时产生的摩擦力度也不同,从而在实际运行过程中,每个轴的实际速度曲线与轨迹速度曲线存在差异;
基于每个轴的历史运行数据计算每个轴的初始误差系数的方式为:
将PLC控制系统控制的所有轴的数量标记为N;将每个轴的编号分别标记为1,2,…,n,n+1,…N;
将历史曲线数据集合中第h条历史曲线数据中第n个轴的轨迹速度曲线标记为Ghn,将第h条历史曲线数据中第n个轴的实际速度曲线标记为Rhn;
对于第h条历史曲线数据中第n个轴,收集速度拐点集合和时间段集合;所述速度拐点为轨迹速度曲线Ghn中加速度发生变化的时间节点,例如图2中的A点和B点;在速度拐点集合中,除第一个速度拐点外的其他速度拐点,与其前一个速度拐点可以构成一个时间段,所有的时间段组成时间段集合;例如图2中A点和B点对应的时间点之间构成一段匀速运行的时间段;
需要说明的是,加速度可以根据速度曲线中每个点的斜率获得;
可以理解的是,因为实际速度曲线是基于轨迹速度曲线运行的,因此,实际速度曲线和轨迹速度曲线在时间上具有同步关系,即在轨迹速度曲线的每个速度拐点对应的时间点,实际速度曲线同样会因轴的转速变化带来的机械能变化导致实际速度的加速度发生变化;
对于第h条历史曲线数据中第n个轴,将对应的时间段集合标记为Dhn;将时间段集合Dhn中每个时间段的编号标记为dhn;将轨迹速度曲线中dhn时间段的加速度标记为AGdhn;将实际速度曲线中dhn时间段的加速度标记为ASdhn;
将第n个轴的所有时间段集合中AGdhn不等于0的时间段保存在第一时间段集合Dn1中;
将第n个轴的所有时间段集合中AGdhn等于0的时间段保存在第二时间段集合Dn2中;
计算第n个轴的加速初始误差系数AWn;所述加速初始误差系数Awn的计算公式为
;
计算第n个轴的匀速初始误差系数Ayn;所述匀速初始误差系数Ayn的计算公式为
;
需要说明的是,轨迹速度曲线是匀速的情况下,轴按照预先设置的机械能进行运行,但是在轴的摩擦力增大的情况下,预先设置的机械能可能不足以克服摩擦力,从而导致轴可能无法匀速运行,从而出现减速的情况;
根据初始误差系数生成每个轴的实际运行轨迹速度曲线的方式为:
对于第n个轴的待运行轨迹速度曲线,收集对应的速度拐点集合和时间段集合;所述待运行轨迹速度曲线是指PLC控制系统生成的将要运用在对应轴上的轨迹速度曲线;将待运行轨迹速度曲线的时间段集合标记为Den,将时间段集合DEn中时间段的编号标记为den,将待运行轨迹速度曲线中第den个时间段的加速度标记为AGden;
设置实际运行轨迹速度曲线中初始速度与待运行轨迹速度曲线的初始速度相同,且实际运行轨迹速度曲线的每个时间段与待运行轨迹速度曲线的每个时间段保持一致;
对于第den个时间段,若加速度AGden不等于0,则将实际运行轨迹速度曲线中的第den个时间段的加速度设置为AGden*Awn;
若加速度AGden等于0,则将实际运行轨迹速度曲线中的第den个时间段的加速度设置为-Ayn;可以理解的是,根据每个轴的历史运行数据,获得每个轴因自身老化或其他因素导致的运行规律,基于运行规律对待运行轨迹速度曲线进行调整,从而保证每个轴的实际速度曲线与待运行轨迹速度曲线更接近;
为每个轴训练出预测实际加速度的机器学习模型的方式为:
对于第n个轴,获取其第一时间段集合Dn1;将第一时间段集合Dn1中的每个时间段标记为dhn1,将时间段dhn1对应的轨迹速度曲线中的加速度作为机器学习模型的输入,所述机器学习模型以对时间段dhn1对应的实际速度曲线中的加速度作为输出,以历史曲线数据中,时间段dhn1对应的实际速度曲线中的加速度作为预测目标,以最小化所有训练特征数据的预测误差之和作为训练目标;对机器学习模型进行训练,直至预测误差之和达到收敛时停止训练,训练出根据轨迹速度曲线中各个加速度值输出预测的轴在实际运行过程中的加速度值的机器学习模型;优选的,所述机器学习模型是多项式回归模型或支持向量机模型;
预测误差的计算公式为:,其中,Zdhn1为预测误差,pASdhn1为dhn1时间段,由机器学习模型输出的预测的加速度值;
需要说明的是,所述实时实际速度曲线为每个轴基于待运行轨迹速度曲线运行时,通过速度传感器实时获取每个轴的速度,生成的随时间变化的实际速度曲线;
实时监测每个轴是否产生误差的方式为:
对于第n个轴,实时计算待运行轨迹速度曲线的应行路程以及实时实际速度曲线的实际运行路程;
若应行路程与实际运行路程的差值的绝对值大于预设的距离误差阈值,则判断为产生误差;
若应行路程与实际运行路程的差值的绝对值小于或等于预设的距离误差阈值,则判断为未产生误差;
所述应行路程为待运行轨迹速度曲线中,轴从开始运行时刻到当前时间所运行的路程距离;可以理解的是,应行路程为理论上,每个轴需要运行的距离;且应行路程可以通过对每个时间段使用速度面积公式s=v*t或面积公式,并对所有时间段进行累加获得,其中,s为距离,v为速度,t为时间,v0为初始速度,a为加速度;
所述实际运行路程为轴从开始运行时刻,按实时实际速度曲线运行到当前时间所实际运行的路程距离;可以理解的是,实时实际速度曲线同样可以使用面积公式获得;
生成对产生误差的轴的调控方案的方式为:
将产生误差的轴实时的应行路程以及实际运行路程分别标记为SK和SR;
计算产生误差的轴的补偿路程SC;所述补偿路程SC=SK-SR;
预设补偿运行时长t1,对于产生误差的轴,将当前加速度标记为a2,计算后续的补偿运行时长t1时间内的补偿加速度a1;所述补偿加速度a1的计算方式为:;可以理解的是,补偿加速度a1为理论上的补偿加速度,实际运行时同样会存在误差;
将期望加速度值ae输入至机器学习模型中,获得机器学习模型输出的实际加速度值;将实际运行轨迹速度曲线中当前时间的后续补偿运行时长t1的加速度值调整为期望加速度值ae;所述期望加速度值ae=a1+a2;
需要说明的是,补偿加速度a1的获取过程为:
将产生误差的轴的初始速度标记为v1,当前加速度标记为a2,则以当前加速度运行补偿运行时长t1的运行距离为;
则对加速度进行补偿后的运行距离为
;
需要补偿的距离为SC,即
;
即。
实施例2
如图3所示,多轴同步运动控制系统,包括历史数据收集模块、模型训练模块以及速度曲线调整模块;其中,各个模块之间通过有线方式连接;
其中,所述历史数据收集模块主要用于收集每个PLC控制系统连接的每组轴中每个轴的历史运行数据,并将历史运行数据发送至模型训练模块以及速度曲线调整模块;
其中,所述模型训练模块主要用于基于每个轴的历史运行数据,为每个轴训练出预测实际加速度的机器学习模型,并将训练完成的机器学习模型发送至速度曲线调整模块;
其中,所述速度曲线调整模块主要用于在轴运行前生成每个轴的实际运行轨迹速度曲线,以及在轴运行过程中,对轴的运行速度进行微调;
生成每个轴的实际运行轨迹速度曲线的方式为:
每次为每个轴生成待运行轨迹速度曲线时,基于每个轴的历史运行数据计算每个轴的初始误差系数,根据初始误差系数生成每个轴的实际运行轨迹速度曲线;
对轴的运行速度进行微调的方式为:
在PLC控制系统基于实际运行轨迹速度曲线控制每个轴运动时,实时记录每个轴的实时实际速度曲线,并实时监测每个轴是否产生误差,若任意一个轴产生误差,基于待运行轨迹速度曲线、实时实际速度曲线以及机器学习模型,生成对产生误差的轴的调控方案。
实施例3
图4是本申请一个实施例提供的电子设备结构示意图。如图4所示,根据本申请的又一方面还提供了一种电子设备100。该电子设备100可包括一个或多个处理器以及一个或多个存储器。其中,存储器中存储有计算机可读代码,计算机可读代码当由一个或多个处理器运行时,可以执行如上所述的多轴同步运动控制方法。
根据本申请实施方式的方法或系统也可以借助于图4所示的电子设备电子设备的架构来实现。如图4所示,电子设备100可包括总线101、一个或多个CPU102、只读存储器(ROM)103、随机存取存储器(RAM)104、连接到网络的通信端口105、输入/输出组件106、硬盘107等。电子设备100中的存储设备,例如ROM103或硬盘107可存储本申请提供的多轴同步运动控制方法。多轴同步运动控制方法可例如包括以下步骤:步骤一:收集每个PLC控制系统连接的每组轴中每个轴的历史运行数据;步骤二:每次为每个轴生成待运行轨迹速度曲线时,基于每个轴的历史运行数据计算每个轴的初始误差系数,根据初始误差系数生成每个轴的实际运行轨迹速度曲线;步骤三:基于每个轴的历史运行数据,为每个轴训练出预测实际加速度的机器学习模型;步骤四:在PLC控制系统基于实际运行轨迹速度曲线控制每个轴运动时,实时记录每个轴的实时实际速度曲线,并实时监测每个轴是否产生误差,若任意一个轴产生误差,转至步骤五;否则,继续监测;步骤五:对于产生误差的轴,基于待运行轨迹速度曲线、实时实际速度曲线以及机器学习模型,生成对产生误差的轴的调控方案。
进一步地,电子设备100还可包括用户界面108。当然,图4所示的架构只是示例性的,在实现不同的设备时,根据实际需要,可以省略图4示出的电子设备中的一个或多个组件。
实施例4
图5是本申请一个实施例提供的计算机可读存储介质结构示意图。如图5所示,是根据本申请一个实施方式的计算机可读存储介质200。计算机可读存储介质200上存储有计算机可读指令。当计算机可读指令由处理器运行时,可执行参照以上附图描述的根据本申请实施方式的多轴同步运动控制方法。计算机可读存储介质200包括但不限于例如易失性存储器和/或非易失性存储器。易失性存储器例如可包括随机存取存储器(RAM)和高速缓冲存储器(cache)等。非易失性存储器例如可包括只读存储器(ROM)、硬盘、闪存等。
另外,根据本申请的实施方式,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本申请提供了一种非暂时性机器可读存储介质,所述非暂时性机器可读存储介质存储有机器可读指令,所述机器可读指令能够由处理器运行以执行与本申请提供的方法步骤对应的指令,例如:获取当前位置的环境信息,根据环境信息构建当前位置对应的局部地图,局部地图包括多个候选节点;获取由起始位置指向目标位置的参考路径;根据参考路径,在局部地图中确定子目标位置;基于参考路径和子目标位置对候选节点进行筛选,得到路径节点;根据路径节点规划指向目标位置的目标路径。在该计算机程序被中央处理单元(CPU)执行时,执行本申请的方法中限定的上述功能。
可能以许多方式来实现本申请的方法和装置、设备。例如,可通过软件、硬件、固件或者软件、硬件、固件的任何组合来实现本申请的方法和装置、设备。用于方法的步骤的上述顺序仅是为了进行说明,本申请的方法的步骤不限于以上具体描述的顺序,除非以其它方式特别说明。此外,在一些实施例中,还可将本申请实施为记录在记录介质中的程序,这些程序包括用于实现根据本申请的方法的机器可读指令。因而,本申请还覆盖存储用于执行根据本申请的方法的程序的记录介质。
另外,本申请的实施方式中提供的上述技术方案中与现有技术中对应技术方案实现原理一致的部分并未详细说明,以免过多赘述。
如上所述的具体实施方式,对本发明的目的、技术方案和有益效果进行了进一步详细说明。应理解的是,以上所述仅为本发明的具体实施方式,并不用于限制本发明。凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等均应包含在本发明的保护范围之内。
以上的预设的参数或预设的阈值均由本领域的技术人员根据实际情况设定或者大量数据模拟获得。
以上实施例仅用以说明本发明的技术方法而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方法进行修改或等同替换,而不脱离本发明技术方法的精神和范围。
Claims (9)
1.多轴同步运动控制方法,其特征在于,包括以下步骤:
收集每个PLC控制系统连接的每组轴中每个轴的历史运行数据;
每次为每个轴生成待运行轨迹速度曲线时,基于每个轴的历史运行数据计算每个轴的初始误差系数,根据初始误差系数生成每个轴的实际运行轨迹速度曲线;
基于每个轴的历史运行数据,为每个轴训练出预测实际加速度的机器学习模型;
在PLC控制系统基于实际运行轨迹速度曲线控制每个轴运动时,实时记录每个轴的实时实际速度曲线,并实时监测每个轴是否产生误差,若任意一个轴产生误差,对于产生误差的轴,基于待运行轨迹速度曲线、实时实际速度曲线以及机器学习模型,生成对产生误差的轴的调控方案;
所述历史运行数据包括H组历史曲线数据集合;
所述历史曲线数据集合中的第h条历史曲线数据包括PLC控制系统在前第h次为每个轴生成的轨迹速度曲线,以及每个轴按照轨迹速度曲线运行时的实际速度曲线;其中,H为预设的训练数据量,h=1,2,3…H;
基于每个轴的历史运行数据计算每个轴的初始误差系数的方式为:
将PLC控制系统控制的所有轴的数量标记为N;将每个轴的编号分别标记为1,2,…,n,n+1,…N;
将历史曲线数据集合中第h条历史曲线数据中第n个轴的轨迹速度曲线标记为Ghn,将第h条历史曲线数据中第n个轴的实际速度曲线标记为Rhn;
对于第h条历史曲线数据中第n个轴,收集速度拐点集合和时间段集合;所述速度拐点为轨迹速度曲线Ghn中加速度发生变化的时间节点;在速度拐点集合中,除第一个速度拐点外的其他速度拐点,与其前一个速度拐点构成一个时间段,所有的时间段组成时间段集合;
对于第h条历史曲线数据中第n个轴,将对应的时间段集合标记为Dhn;将时间段集合Dhn中每个时间段的编号标记为dhn;将轨迹速度曲线中dhn时间段的加速度标记为AGdhn;将实际速度曲线中dhn时间段的加速度标记为ASdhn;
将第n个轴的所有时间段集合中AGdhn不等于0的时间段保存在第一时间段集合Dn1中;
将第n个轴的所有时间段集合中AGdhn等于0的时间段保存在第二时间段集合Dn2中;
计算第n个轴的加速初始误差系数AWn;所述加速初始误差系数Awn的计算公式为
;
计算第n个轴的匀速初始误差系数Ayn;所述匀速初始误差系数Ayn的计算公式为
;
根据初始误差系数生成每个轴的实际运行轨迹速度曲线的方式为:
对于第n个轴的待运行轨迹速度曲线,收集对应的速度拐点集合和时间段集合;所述待运行轨迹速度曲线是指PLC控制系统生成的将要运用在对应轴上的轨迹速度曲线;将待运行轨迹速度曲线的时间段集合标记为Den,将时间段集合DEn中时间段的编号标记为den,将待运行轨迹速度曲线中第den个时间段的加速度标记为AGden;
设置实际运行轨迹速度曲线中初始速度与待运行轨迹速度曲线的初始速度相同,且实际运行轨迹速度曲线的每个时间段与待运行轨迹速度曲线的每个时间段保持一致;
对于第den个时间段,若加速度AGden不等于0,则将实际运行轨迹速度曲线中的第den个时间段的加速度设置为AGden*Awn;
若加速度AGden等于0,则将实际运行轨迹速度曲线中的第den个时间段的加速度设置为-Ayn。
2.根据权利要求1所述的多轴同步运动控制方法,其特征在于,所述轨迹速度曲线为由PLC控制系统生成的每个轴速度随时间变化的曲线;
所述实际速度曲线为PLC控制系统在控制每个轴按照对应的轨迹速度曲线运行时,每个轴的实际速度随时间变化的曲线。
3.根据权利要求2所述的多轴同步运动控制方法,其特征在于,为每个轴训练出预测实际加速度的机器学习模型的方式为:
对于第n个轴,获取其第一时间段集合Dn1;将第一时间段集合Dn1中的每个时间段标记为dhn1,将时间段dhn1对应的轨迹速度曲线中的加速度作为机器学习模型的输入,所述机器学习模型以对时间段dhn1对应的实际速度曲线中的加速度作为输出,以历史曲线数据中,时间段dhn1对应的实际速度曲线中的加速度作为预测目标,以最小化所有训练特征数据的预测误差之和作为训练目标;对机器学习模型进行训练,直至预测误差之和达到收敛时停止训练,训练出根据轨迹速度曲线中各个加速度值输出预测的轴在实际运行过程中的加速度值的机器学习模型;所述机器学习模型是多项式回归模型或支持向量机模型;
预测误差的计算公式为:,其中,Zdhn1为预测误差,pASdhn1为dhn1时间段,由机器学习模型输出的预测的加速度值。
4.根据权利要求3所述的多轴同步运动控制方法,其特征在于,实时监测每个轴是否产生误差的方式为:
对于第n个轴,实时计算待运行轨迹速度曲线的应行路程以及实时实际速度曲线的实际运行路程;
若应行路程与实际运行路程的差值的绝对值大于预设的距离误差阈值,则判断为产生误差。
5.根据权利要求4所述的多轴同步运动控制方法,其特征在于,所述应行路程为待运行轨迹速度曲线中,轴从开始运行时刻到当前时间所运行的路程距离;
所述实际运行路程为轴从开始运行时刻,按实时实际速度曲线运行到当前时间所实际运行的路程距离。
6.根据权利要求5所述的多轴同步运动控制方法,其特征在于,生成对产生误差的轴的调控方案的方式为:
将产生误差的轴实时的应行路程以及实际运行路程分别标记为SK和SR;
计算产生误差的轴的补偿路程SC;所述补偿路程SC=SK-SR;
预设补偿运行时长t1,对于产生误差的轴,将当前加速度标记为a2,计算后续的补偿运行时长t1时间内的补偿加速度a1;所述补偿加速度a1的计算方式为:;
将期望加速度值ae输入至机器学习模型中,获得机器学习模型输出的实际加速度值;将实际运行轨迹速度曲线中当前时间的后续补偿运行时长t1的加速度值调整为期望加速度值ae;所述期望加速度值ae=a1+a2。
7.多轴同步运动控制系统,其基于权利要求1-6中任意一项所述的多轴同步运动控制方法实现,其特征在于,包括历史数据收集模块、模型训练模块以及速度曲线调整模块;其中,各个模块之间通过有线方式连接;
其中,所述历史数据收集模块用于收集每个PLC控制系统连接的每组轴中每个轴的历史运行数据,并将历史运行数据发送至模型训练模块以及速度曲线调整模块;
其中,所述模型训练模块用于基于每个轴的历史运行数据,为每个轴训练出预测实际加速度的机器学习模型,并将训练完成的机器学习模型发送至速度曲线调整模块;
其中,所述速度曲线调整模块用于在轴运行前生成每个轴的实际运行轨迹速度曲线,以及在轴运行过程中,对轴的运行速度进行微调;
生成每个轴的实际运行轨迹速度曲线的方式为:
每次为每个轴生成待运行轨迹速度曲线时,基于每个轴的历史运行数据计算每个轴的初始误差系数,根据初始误差系数生成每个轴的实际运行轨迹速度曲线;
对轴的运行速度进行微调的方式为:
在PLC控制系统基于实际运行轨迹速度曲线控制每个轴运动时,实时记录每个轴的实时实际速度曲线,并实时监测每个轴是否产生误差,若任意一个轴产生误差,基于待运行轨迹速度曲线、实时实际速度曲线以及机器学习模型,生成对产生误差的轴的调控方案。
8.一种电子设备,其特征在于,包括:处理器和存储器,其中,
所述存储器中存储有可供处理器调用的计算机程序;
所述处理器通过调用所述存储器中存储的计算机程序,在PLC后台中执行权利要求1-6任意一项所述的多轴同步运动控制方法。
9.一种计算机可读存储介质,其特征在于,其上存储有可擦写的计算机程序;
当所述计算机程序在计算机设备上运行时,使得所述计算机设备执行权利要求1-6任意一项所述的多轴同步运动控制方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310949836.5A CN116679621B (zh) | 2023-07-31 | 2023-07-31 | 多轴同步运动控制系统及其控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310949836.5A CN116679621B (zh) | 2023-07-31 | 2023-07-31 | 多轴同步运动控制系统及其控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116679621A CN116679621A (zh) | 2023-09-01 |
CN116679621B true CN116679621B (zh) | 2023-10-17 |
Family
ID=87781304
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310949836.5A Active CN116679621B (zh) | 2023-07-31 | 2023-07-31 | 多轴同步运动控制系统及其控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116679621B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116864440B (zh) * | 2023-09-04 | 2023-11-14 | 泓浒(苏州)半导体科技有限公司 | 用于半导体工件的自动化搬运系统、方法、设备与介质 |
Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004094962A (ja) * | 2003-10-02 | 2004-03-25 | Mitsubishi Electric Corp | 数値制御装置 |
JP2012008865A (ja) * | 2010-06-25 | 2012-01-12 | Motion System Corp | 数値制御装置及び数値制御方法 |
CN202818219U (zh) * | 2012-06-11 | 2013-03-20 | 桂林电子科技大学 | 永磁同步直线电机改进的迭代学习控制系统 |
CN103197607A (zh) * | 2012-01-05 | 2013-07-10 | 江俊逢 | 开放式数控系统中的起点与终点同步方法、伺服驱动器 |
WO2014125874A1 (ja) * | 2013-02-14 | 2014-08-21 | 三菱重工業株式会社 | 位置検出器の精度補正方法 |
JP2015035923A (ja) * | 2013-08-09 | 2015-02-19 | 株式会社日立産機システム | 同期電動機制御装置 |
CN106020130A (zh) * | 2015-03-30 | 2016-10-12 | 发那科株式会社 | 控制主轴和进给轴同步运行的机床的控制装置和控制方法 |
CN106444645A (zh) * | 2016-08-17 | 2017-02-22 | 义乌朝晖智能科技有限公司 | 一种基于嵌入式裁床控制器的多轴联动运动控制方法 |
CN111552235A (zh) * | 2020-05-07 | 2020-08-18 | 浙江工业大学 | 一种基于CANopen协议的多轴同步误差补偿方法和系统 |
CN112859754A (zh) * | 2019-11-28 | 2021-05-28 | 智能云科信息科技有限公司 | 机床加工控制方法、装置、存储介质、边缘设备及服务器 |
CN112859739A (zh) * | 2021-01-15 | 2021-05-28 | 天津商业大学 | 一种数字孪生驱动的多轴数控机床轮廓误差抑制方法 |
CN113031527A (zh) * | 2019-12-25 | 2021-06-25 | 新疆金风科技股份有限公司 | 多轴同步变桨控制方法、装置以及系统 |
CN113741343A (zh) * | 2021-11-08 | 2021-12-03 | 东莞市宝科精密机械有限公司 | 一种机床双轴同步控制方法、系统和机床 |
CN114002998A (zh) * | 2021-11-03 | 2022-02-01 | 重庆大学 | 齿形磨床几何误差和热误差同步控制方法 |
EP4012521A1 (en) * | 2020-12-11 | 2022-06-15 | Mazin Inc. | Current measuring system and method for a machine tool |
CN115963441A (zh) * | 2022-12-09 | 2023-04-14 | 南京德克威尔自动化有限公司 | 一种自动校准测试工装 |
-
2023
- 2023-07-31 CN CN202310949836.5A patent/CN116679621B/zh active Active
Patent Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004094962A (ja) * | 2003-10-02 | 2004-03-25 | Mitsubishi Electric Corp | 数値制御装置 |
JP2012008865A (ja) * | 2010-06-25 | 2012-01-12 | Motion System Corp | 数値制御装置及び数値制御方法 |
CN103197607A (zh) * | 2012-01-05 | 2013-07-10 | 江俊逢 | 开放式数控系统中的起点与终点同步方法、伺服驱动器 |
CN202818219U (zh) * | 2012-06-11 | 2013-03-20 | 桂林电子科技大学 | 永磁同步直线电机改进的迭代学习控制系统 |
WO2014125874A1 (ja) * | 2013-02-14 | 2014-08-21 | 三菱重工業株式会社 | 位置検出器の精度補正方法 |
JP2015035923A (ja) * | 2013-08-09 | 2015-02-19 | 株式会社日立産機システム | 同期電動機制御装置 |
CN106020130A (zh) * | 2015-03-30 | 2016-10-12 | 发那科株式会社 | 控制主轴和进给轴同步运行的机床的控制装置和控制方法 |
CN106444645A (zh) * | 2016-08-17 | 2017-02-22 | 义乌朝晖智能科技有限公司 | 一种基于嵌入式裁床控制器的多轴联动运动控制方法 |
CN112859754A (zh) * | 2019-11-28 | 2021-05-28 | 智能云科信息科技有限公司 | 机床加工控制方法、装置、存储介质、边缘设备及服务器 |
CN113031527A (zh) * | 2019-12-25 | 2021-06-25 | 新疆金风科技股份有限公司 | 多轴同步变桨控制方法、装置以及系统 |
CN111552235A (zh) * | 2020-05-07 | 2020-08-18 | 浙江工业大学 | 一种基于CANopen协议的多轴同步误差补偿方法和系统 |
EP4012521A1 (en) * | 2020-12-11 | 2022-06-15 | Mazin Inc. | Current measuring system and method for a machine tool |
CN112859739A (zh) * | 2021-01-15 | 2021-05-28 | 天津商业大学 | 一种数字孪生驱动的多轴数控机床轮廓误差抑制方法 |
CN114002998A (zh) * | 2021-11-03 | 2022-02-01 | 重庆大学 | 齿形磨床几何误差和热误差同步控制方法 |
CN113741343A (zh) * | 2021-11-08 | 2021-12-03 | 东莞市宝科精密机械有限公司 | 一种机床双轴同步控制方法、系统和机床 |
CN115963441A (zh) * | 2022-12-09 | 2023-04-14 | 南京德克威尔自动化有限公司 | 一种自动校准测试工装 |
Non-Patent Citations (3)
Title |
---|
Speed control of multiple induction motors of electromagnetic shaft synchronization system;Ali S. Akayleh;《2016 IEEE International Conference on Power and Energy (PECon)》;第781-785页 * |
基于PLCopen的六轴工业机器人运动控制系统设计;叶晓鸿;《中国优秀硕士学位论文全文数据库信息科技辑》;I140-1204 * |
多轴同步控制系统的寿命预测与延寿方法研究;颜伟俊;《中国优秀硕士学位论文全文数据库工程科技II辑》;C029-819 * |
Also Published As
Publication number | Publication date |
---|---|
CN116679621A (zh) | 2023-09-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116679621B (zh) | 多轴同步运动控制系统及其控制方法 | |
Lam et al. | Model predictive contouring control for biaxial systems | |
JP2021002398A (ja) | 故障予知装置、故障予知システム及び故障予知方法 | |
CN100562823C (zh) | 一种复杂轨迹的轮廓控制方法 | |
US10901396B2 (en) | Machine learning device, control device, and machine learning method | |
US11156988B2 (en) | Drive apparatus and machine learning apparatus | |
US11640557B2 (en) | Machine learning device, numerical control system, and machine learning method | |
CN111103792B (zh) | 机器人控制方法、装置、电子设备及可读存储介质 | |
US20180373223A1 (en) | Machine learning apparatus, servo control apparatus, servo control system, and machine learning method | |
JP6740279B2 (ja) | 調整装置及び調整方法 | |
JP2017127964A (ja) | 学習機能を備えたロボット装置 | |
US10401849B2 (en) | Controller for performing hybrid control using velocity and force | |
US10684594B2 (en) | Machine learning device, servo motor controller, servo motor control system, and machine learning method | |
US20030173928A1 (en) | Servo control method | |
CN115465799A (zh) | 塔吊控制参数调节方法及装置、计算设备和存储介质 | |
CN110788859B (zh) | 一种控制器参数全域自适应调节系统 | |
WO2022162740A1 (ja) | 数値制御装置 | |
CN114488786A (zh) | 一种基于a3c和事件触发的网络化伺服系统控制方法 | |
CN111966046B (zh) | 基于异构双核plc的自适应鲁棒控制方法、设备和系统 | |
JP7505695B2 (ja) | モータ制御装置 | |
CN116313880B (zh) | 一种晶圆清洗设备传输机构控制方法及装置 | |
US20230321835A1 (en) | Method and apparatus for tuning robot system | |
US12017357B2 (en) | Method for controlling vibration of flexible mechanical arm based on cooperative tracking | |
Karasek et al. | Linear Delta Kinematics Feedrate Planning for NURBS Toolpaths Implemented in a Real-Time Linux Control System | |
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 |
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 |