CN117033860A - 驱动轴跟踪误差的参数敏感性分析方法及装置 - Google Patents
驱动轴跟踪误差的参数敏感性分析方法及装置 Download PDFInfo
- Publication number
- CN117033860A CN117033860A CN202311118612.6A CN202311118612A CN117033860A CN 117033860 A CN117033860 A CN 117033860A CN 202311118612 A CN202311118612 A CN 202311118612A CN 117033860 A CN117033860 A CN 117033860A
- Authority
- CN
- China
- Prior art keywords
- tracking error
- parameter
- variable parameter
- axis tracking
- drive axis
- 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
- 238000000034 method Methods 0.000 title claims abstract description 56
- 238000010206 sensitivity analysis Methods 0.000 title claims abstract description 31
- 238000004364 calculation method Methods 0.000 claims abstract description 89
- 230000035945 sensitivity Effects 0.000 claims abstract description 79
- 230000000694 effects Effects 0.000 claims abstract description 47
- 238000005457 optimization Methods 0.000 claims abstract description 27
- 238000004088 simulation Methods 0.000 claims description 37
- 238000004458 analytical method Methods 0.000 claims description 30
- 238000012545 processing Methods 0.000 claims description 17
- 230000006870 function Effects 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 7
- 238000002474 experimental method Methods 0.000 claims description 7
- 238000003860 storage Methods 0.000 claims description 6
- 238000010276 construction Methods 0.000 claims description 4
- 230000008569 process Effects 0.000 abstract description 14
- 238000005516 engineering process Methods 0.000 abstract description 4
- 230000007704 transition Effects 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 13
- 238000004891 communication Methods 0.000 description 8
- 230000008859 change Effects 0.000 description 6
- 230000005540 biological transmission Effects 0.000 description 4
- 230000001133 acceleration Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000036461 convulsion Effects 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/17—Mechanical parametric or variational design
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/06—Multi-objective optimisation, e.g. Pareto optimisation using simulated annealing [SA], ant colony algorithms or genetic algorithms [GA]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Optimization (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Algebra (AREA)
- Control Of Position Or Direction (AREA)
- Feedback Control In General (AREA)
Abstract
本申请涉及一种驱动轴跟踪误差的参数敏感性分析方法及装置,其中,方法包括:基于驱动轴跟踪误差的至少一个变量参数,确定驱动轴跟踪误差的计算表达式,以计算驱动轴跟踪误差的参数敏感性系数;基于预先构建的驱动轴跟踪误差的预测效果指标,分析至少一个变量参数中的每个变量参数对预测效果指标的影响程度;在目标工况条件下,基于影响程度和参数敏感性系数,确定驱动轴跟踪误差的目标变量参数,并优化目标变量参数,以生成使驱动轴跟踪误差和预测偏差达到预设优化条件的最优目标变量参数。由此,解决了相关技术在驱动轴跟踪误差预测过程中,过渡依赖经验进行参数调整,准确性较差,效率低下,且难以明晰变量参数对驱动轴跟踪误差的影响等问题。
Description
技术领域
本申请涉及机电一体化技术领域,特别涉及一种驱动轴跟踪误差的参数敏感性分析方法及装置。
背景技术
伺服驱动轴具有高精度、高速度、平滑和灵活的运动控制能力,能够为以数控机床为代表的各种现代先进制造装备提供关键的技术支持,在工业领域广泛应用,其性能直接影响先进制造装备的加工精度及加工质量,而跟踪误差则可作为伺服驱动轴误差关键性能的评价指标,通过减小跟踪误差可以提高系统的性能、精度和稳定性。
相关技术中,多通过工业软件仿真计算进行跟踪误差的估计,其操作难度大,效率低,难以适应多样复杂的现场工业环境;此外,通过推导驱动轴跟踪误差的理论表达式,能够更高效便捷地实现驱动轴跟踪误差的预测,但驱动轴跟踪误差的预测效果,受到诸多变量参数的影响,不合理的控制参数,会直接影响跟踪误差的计算精度。
综上所述,相关技术在驱动轴跟踪误差预测过程中,过渡依赖经验进行参数调整,准确性较差,效率低下,且难以明晰变量参数对驱动轴跟踪误差的影响,亟待解决。
发明内容
本申请提供一种驱动轴跟踪误差的参数敏感性分析方法及装置,以解决相关技术在驱动轴跟踪误差预测过程中,过渡依赖经验进行参数调整,准确性较差,效率低下,且难以明晰变量参数对驱动轴跟踪误差的影响等问题。
本申请第一方面实施例提供一种驱动轴跟踪误差的参数敏感性分析方法,包括以下步骤:基于驱动轴跟踪误差的至少一个变量参数,确定所述驱动轴跟踪误差的计算表达式,并通过所述计算表达式计算所述驱动轴跟踪误差的参数敏感性系数;基于预先构建的驱动轴跟踪误差的预测效果指标,分析所述至少一个变量参数中的每个变量参数对所述预测效果指标的影响程度,以及在目标工况条件下,基于所述影响程度和所述参数敏感性系数,从所述至少一个变量参数中确定所述驱动轴跟踪误差的目标变量参数,并优化所述目标变量参数,以生成使驱动轴跟踪误差和预测偏差达到预设优化条件的最优目标变量参数。
可选地,在本申请的一个实施例中,所述基于驱动轴跟踪误差的至少一个变量参数,确定所述驱动轴跟踪误差的计算表达式,并通过所述计算表达式计算所述驱动轴跟踪误差的参数敏感性系数,包括:基于所述至少一个变量参数,确定所述驱动轴跟踪误差的计算表达式;对所述计算表达式进行微分运算,得到所述至少一个变量参数中的任一变量参数的参数敏感性系数:
其中,ηsi为第i个变量参数的参数敏感性系数,f为所述驱动轴跟踪误差的计算函数,xi为所述任一变量参数。
可选地,在本申请的一个实施例中,在分析所述至少一个变量参数中的每个变量参数的影响程度之前,还包括:根据所述驱动轴跟踪误差的计算表达式,计算第一驱动轴跟踪误差;采用实际加工实验结果或者仿真分析结果,获取第二驱动轴跟踪误差;基于所述第一驱动轴跟踪误差和所述第二驱动轴跟踪误差,构建所述驱动轴跟踪误差的预测结果指标。
可选地,在本申请的一个实施例中,所述分析所述至少一个变量参数中的每个变量参数对所述预测效果指标的影响程度,包括:分别为所述每个变量参数设置多组不同数值;根据所述多组不同数值,对所述驱动轴跟踪误差进行计算和仿真,得到所述驱动轴跟踪误差的计算结果和仿真结果;根据所述计算结果和所述仿真结果,分析所述多组不同数值对应的所述每个变量参数对所述预测效果指标的影响程度。
可选地,在本申请的一个实施例中,所述在目标工况条件下,基于所述影响程度和所述参数敏感性系数,从所述至少一个变量参数中确定所述驱动轴跟踪误差的目标变量参数,并优化所述目标变量参数,以生成使驱动轴跟踪误差和预测偏差达到预设优化条件的最优目标变量参数,包括:根据所述目标工况条件确定所述驱动轴的机械结构参数;基于所述驱动轴的机械结构参数和参数敏感性系数,选取所述目标变量参数;基于所述预设优化方式,调整所述目标变量参数,得到所述最优目标变量参数,并根据所述最优目标变量参数,降低所述驱动轴跟踪误差和所述预测偏差。
本申请第二方面实施例提供一种驱动轴跟踪误差的参数敏感性分析装置,包括:计算模块,基于驱动轴跟踪误差的至少一个变量参数,确定所述驱动轴跟踪误差的计算表达式,并通过所述计算表达式计算所述驱动轴跟踪误差的参数敏感性系数;分析模块,用于基于预先构建的驱动轴跟踪误差的预测效果指标,分析所述至少一个变量参数中的每个变量参数对所述预测效果指标的影响程度,以及优化模块,用于在目标工况条件下,基于所述影响程度和所述参数敏感性系数,从所述至少一个变量参数中确定所述驱动轴跟踪误差的目标变量参数,并优化所述目标变量参数,以生成使驱动轴跟踪误差和预测偏差达到预设优化条件的最优目标变量参数。
可选地,在本申请的一个实施例中,所述计算模块包括:表达式确定单元,用于基于所述至少一个变量参数,确定所述驱动轴跟踪误差的计算表达式;微分单元,用于对所述计算表达式进行微分运算,得到所述至少一个变量参数中的任一变量参数的参数敏感性系数:
其中,ηsi为第i个变量参数的参数敏感性系数,f为所述驱动轴跟踪误差的计算函数,xi为所述任一变量参数。
可选地,在本申请的一个实施例中,还包括:运算单元,用于在分析所述至少一个变量参数中的每个变量参数的影响程度之前根据所述驱动轴跟踪误差的计算表达式,计算第一驱动轴跟踪误差;获取单元,用于采用实际加工实验结果或者仿真分析结果,获取第二驱动轴跟踪误差;构建单元,用于基于所述第一驱动轴跟踪误差和所述第二驱动轴跟踪误差,构建所述驱动轴跟踪误差的预测结果指标。
可选地,在本申请的一个实施例中,所述分析模块包括:设值单元,用于分别为所述每个变量参数设置多组不同数值;仿真单元,用于根据所述多组不同数值,对所述驱动轴跟踪误差进行计算和仿真,得到所述驱动轴跟踪误差的计算结果和仿真结果;处理单元,用于根据所述计算结果和所述仿真结果,分析所述多组不同数值对应的所述每个变量参数对所述预测效果指标的影响程度。
可选地,在本申请的一个实施例中,所述优化模块包括:参数确定单元,用于根据所述目标工况条件确定所述驱动轴的机械结构参数;选取单元,用于基于所述驱动轴的机械结构参数和参数敏感性系数,选取所述目标变量参数;调整单元,用于基于所述预设优化方式,调整所述目标变量参数,得到所述最优目标变量参数,并根据所述最优目标变量参数,降低所述驱动轴跟踪误差和所述预测偏差。
本申请第三方面实施例提供一种电子设备,包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述程序,以实现如上述实施例所述的驱动轴跟踪误差的参数敏感性分析方法。
本申请第四方面实施例提供一种计算机可读存储介质,所述计算机可读存储介质存储计算机程序,该程序被处理器执行时实现如上的驱动轴跟踪误差的参数敏感性分析方法。
由此,本申请的实施例具有以下有益效果:
本申请的实施例可通过基于驱动轴跟踪误差的至少一个变量参数,确定驱动轴跟踪误差的计算表达式,并通过计算表达式计算驱动轴跟踪误差的参数敏感性系数;基于预先构建的驱动轴跟踪误差的预测效果指标,分析至少一个变量参数中的每个变量参数对预测效果指标的影响程度;在目标工况条件下,基于影响程度和参数敏感性系数,从至少一个变量参数中确定驱动轴跟踪误差的目标变量参数,并优化目标变量参数,以生成使驱动轴跟踪误差和预测偏差达到预设优化条件的最优目标变量参数,从而能够明确各参数变化对于驱动轴跟踪误差的影响,通过参数敏感性系数的计算,实现对于伺服系统控制参数的快速准确调整,有效改善了驱动轴跟踪误差预测的精度,优化了驱动轴的性能指标。由此,解决了相关技术在驱动轴跟踪误差预测过程中,过渡依赖经验进行参数调整,准确性较差,效率低下,且难以明晰变量参数对驱动轴跟踪误差的影响等问题。
本申请附加的方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本申请的实践了解到。
附图说明
本申请上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解,其中:
图1为根据本申请实施例提供的一种驱动轴跟踪误差的参数敏感性分析方法的流程图;
图2为本申请的一个实施例提供的一种数控机床伺服驱动轴控制系统框图;
图3为本申请的一个实施例提供的一种驱动轴跟踪误差计算结果与仿真结果示意图;
图4为本申请的一个实施例提供的一种驱动轴跟踪误差预测效果示意图;
图5为本申请的一个实施例提供的一种驱动轴系统控制参数敏感性系数结果对比示意图;
图6为本申请的一个实施例提供的一种驱动轴跟踪误差参数敏感性预测架构示意图;
图7为本申请的一个实施例提供的一种驱动轴跟踪误差的参数敏感性分析方法的执行逻辑示意图;
图8为根据本申请实施例的驱动轴跟踪误差的参数敏感性分析装置的示例图;
图9为本申请实施例提供的电子设备的结构示意图。
其中,10-驱动轴跟踪误差的参数敏感性分析装置、100-计算模块、200-分析模块、300-优化模块、901-存储器、902-处理器、903-通信接口。
具体实施方式
下面详细描述本申请的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,旨在用于解释本申请,而不能理解为对本申请的限制。
下面参考附图描述本申请实施例的驱动轴跟踪误差的参数敏感性分析方法及装置。针对上述背景技术中提到的问题,本申请提供了一种驱动轴跟踪误差的参数敏感性分析方法,在该方法中,通过基于驱动轴跟踪误差的至少一个变量参数,确定驱动轴跟踪误差的计算表达式,并通过计算表达式计算驱动轴跟踪误差的参数敏感性系数;基于预先构建的驱动轴跟踪误差的预测效果指标,分析至少一个变量参数中的每个变量参数对预测效果指标的影响程度;在目标工况条件下,基于影响程度和参数敏感性系数,从至少一个变量参数中确定驱动轴跟踪误差的目标变量参数,并优化目标变量参数,以生成使驱动轴跟踪误差和预测偏差达到预设优化条件的最优目标变量参数,从而能够明确各参数变化对于驱动轴跟踪误差的影响,通过参数敏感性系数的计算,实现对于伺服系统控制参数的快速准确调整,有效改善了驱动轴跟踪误差预测的精度,优化了驱动轴的性能指标。由此,解决了相关技术在驱动轴跟踪误差预测过程中,过渡依赖经验进行参数调整,准确性较差,效率低下,且难以明晰变量参数对驱动轴跟踪误差的影响等问题。
具体而言,图1为本申请实施例所提供的一种驱动轴跟踪误差的参数敏感性分析方法的流程图。
如图1所示,该驱动轴跟踪误差的参数敏感性分析方法包括以下步骤:
在步骤S101中,基于驱动轴跟踪误差的至少一个变量参数,确定驱动轴跟踪误差的计算表达式,并通过计算表达式计算驱动轴跟踪误差的参数敏感性系数。
在本申请的实施例中,根据驱动轴跟踪误差的多个变量参数,得到驱动轴跟踪误差的计算表达式,并对计算表达式进行微分处理,以获取驱动轴跟踪误差中各个变量参数的参数敏感性系数的表达式,从而为后续变量参数的调整提供可靠的数据支撑。
可选地,在本申请的一个实施例中,基于驱动轴跟踪误差的至少一个变量参数,确定驱动轴跟踪误差的计算表达式,并通过计算表达式计算驱动轴跟踪误差的参数敏感性系数,包括:基于至少一个变量参数,确定驱动轴跟踪误差的计算表达式;对计算表达式进行微分运算,得到至少一个变量参数中的任一变量参数的参数敏感性系数:
其中,ηsi为第i个变量参数的参数敏感性系数,f为驱动轴跟踪误差的计算函数,xi为任一变量参数。
需要说明的是,本申请的实施例可根据如图2所示的用于数控机床伺服驱动轴的控制系统框图,以推导出驱动轴跟踪误差表达式。
具体地,在实际执行过程中,信号指令的主要频率成分都位于基频及低频,即:|s|=0,根据该控制系统模型,如图2所示。可以得到拉普拉斯域中的跟踪误差表达式:
ep=G1qr+G2(τd+τf)(1)
G1=a1s3+b1s2+c1s(2)
式中,b为电机及传动负载折合粘性摩擦系数。
G2=c2s(3)
式中,为传动关系变换系数。
结合拉普拉斯变化,可进一步在时域中写出跟踪误差的表达式为:
驱动轴运动输出以齿轮齿条传动为例,kc=r,r为齿轮分度圆半径。
根据虚功原理,对于动力学与摩擦力矩有:
式中,fo为负载受到的库伦摩擦力,bv为负载运动的粘性摩擦系数,将其带入式(1-8)得到驱动轴跟踪误差表达式为:
由此,本申请实施例中的驱动轴跟踪误差可以通过表达式进行计算估计,一般该表达式由多个变量参数组合构成,其主要包括:系统控制参数、机床运动参数与机械结构参数等,该驱动轴跟踪误差可表示为以下函数形式:
epc=f(Kp,Kv,Tv,v,a,j,m,J)(7)
式中,epc为驱动轴跟踪误差计算值,Kp、Kv、Tv分别为控制系统位置环比例增益、速度环比例增益、速度环积分时间常数,v、a、j分别为驱动轴输出运动速度、加速度、加加速度,m、J分别为驱动轴负载惯量、电机及传动负载折合转动惯量。
对于epc的任意参数xi(xi可以是Kp,Kv,Tv,v,a,j,m,J),都可以通过微分运算得到变量的参数敏感性指标:
将式(6)代入式(8)进行计算,以Tv的参数敏感性指标为例,可以得到:
其中,ηsi为第i个变量参数的参数敏感性系数,f为驱动轴跟踪误差的计算函数,xi为任一变量参数。
由此,本申请的实施例通过推导驱动轴跟踪误差参数敏感性系数表达式,从而为快速准确地实现驱动轴跟踪误差预测过程中的参数调整提供数据依据和指导。
在步骤S102中,基于预先构建的驱动轴跟踪误差的预测效果指标,分析至少一个变量参数中的每个变量参数对预测效果指标的影响程度。
此外,本申请的实施例还可建立驱动轴跟踪误差预测效果指标,从而更好的衡量和分析每个变量参数对驱动轴跟踪误差预测效果的影响。
可选地,在本申请的一个实施例中,在分析至少一个变量参数中的每个变量参数的影响程度之前,还包括:根据驱动轴跟踪误差的计算表达式,计算第一驱动轴跟踪误差;采用实际加工实验结果或者仿真分析结果,获取第二驱动轴跟踪误差;基于第一驱动轴跟踪误差和第二驱动轴跟踪误差,构建驱动轴跟踪误差的预测结果指标。
需要说明的是,在本申请的实施例中,驱动轴跟踪误差预测效果指标,可由跟踪误差计算值与跟踪误差实际值的差值定义,跟踪误差的计算值可由式(7)得到,跟踪误差的实际值可以采用实际加工实验结果或者仿真分析结果;根据给定的运动形式,对图2给出的控制系统框图进行仿真分析,可以得到在拉普拉斯域中,驱动轴跟踪误差的仿真分析结果eps,如下式所示:
eps(s)=g(s)qr+h(s)(τd+τf)(10)
式中,qr为期望位置,τd为动力学力矩,τf为摩擦力矩,g(s)、h(s)为通过建模计算得到的系数。
进而可以计算出跟踪误差的预测效果指标:
epre=epc-eps(11)
由此,本申请的实施例通过建立驱动轴跟踪误差预测效果指标,从而可明确变量参数对驱动轴跟踪误差预测精度的影响。
可选地,在本申请的一个实施例中,分析至少一个变量参数中的每个变量参数对预测效果指标的影响程度,包括:分别为每个变量参数设置多组不同数值;根据多组不同数值,对驱动轴跟踪误差进行计算和仿真,得到驱动轴跟踪误差的计算结果和仿真结果;根据计算结果和仿真结果,分析多组不同数值对应的每个变量参数对预测效果指标的影响程度。
本领域技术人员应当了解的是,驱动轴运动过程中对与跟踪误差的预测,受到多个变量参数的综合影响,因此,本申请的实施例可采用控制变量法,在其他参数不变的情况下,分别对Kp,Kv,Tv,v,a,j,m,J中的每一个参数,设置多组不同数值,在给定的运动下进行跟踪误差的计算和仿真,得到驱动轴跟踪误差的计算值和仿真值。
驱动轴输出运动的运动形式采用匀加速运动,本申请的实施例可以Tv为例进行分析,在Tv=0.1时得到的跟踪误差计算结果与仿真结果如图3所示,图3中横坐标为时间,单位为s;纵坐标为驱动轴跟踪误差,单位为mm;两条曲线分别代表跟踪误差的计算结果和仿真结果;通过计算可得到跟踪误差预测效果如图4所示,图4中横坐标为时间,单位为s;纵坐标为驱动轴跟踪误差预测偏差,单位为mm。
因此,从上述对Tv分析的结果中可以得知,驱动轴跟踪误差的计算结果与仿真(实际)结果的一致程度,同时也可得知跟踪误差的预测效果,根据参数Tv的不同数值得到的结果,可以获得其变化对于跟踪误差预测效果的影响,对于其它参数同理。
由此,本申请的实施例通过在给定的运动下进行跟踪误差的计算和仿真,明晰各变量参数的变化对于跟踪误差预测效果的影响,有助于更好地进行参数设置,规划驱动轴运动形式等。
在步骤S103中,在目标工况条件下,基于影响程度和参数敏感性系数,从至少一个变量参数中确定驱动轴跟踪误差的目标变量参数,并优化目标变量参数,以生成使驱动轴跟踪误差和预测偏差达到预设优化条件的最优目标变量参数。
在对每个变量参数对预测效果指标的影响程度进行分析后,进一步地,本申请的实施例还可在给定的工业情境下,确定驱动轴的机械结构参数,并通过计算系统控制变量参数的参数敏感性系数,以判断对哪一个控制变量参数进行调整和调整的幅度,从而根据参数敏感性系数,进行参数调整,实现快速准确的设置驱动轴控制系统的控制参数,更好地实现对于伺服驱动轴跟踪误差的预测。
可选地,在本申请的一个实施例中,在目标工况条件下,基于影响程度和参数敏感性系数,从至少一个变量参数中确定驱动轴跟踪误差的目标变量参数,并优化目标变量参数,以生成使驱动轴跟踪误差和预测偏差达到预设优化条件的最优目标变量参数,包括:根据目标工况条件确定驱动轴的机械结构参数;基于驱动轴的机械结构参数和参数敏感性系数,选取目标变量参数;基于预设优化方式,调整目标变量参数,得到最优目标变量参数,并根据最优目标变量参数,降低驱动轴跟踪误差和预测偏差。
4)根据参数敏感性系数,实现参数调整:
需要说明的是,本申请的实施例在给定的工业情境下,选择仿真第3s的数据,计算系统控制参数的参数敏感性系数,来判断对哪一个控制参数进行调整,以及调整的幅度。结合式(6)与式(8),可以得到系统控制变量参数的敏感性指标分别为:
通过计算,得到ηKp=-3.8750×10-6,ηKv=-3.2633×10-11,ηTv=2.5001×10-4;图5为系统控制参数的参数敏感性系数对比图,其纵坐标表示参数敏感性系数的数值,设置为对数坐标;由图5可知,目前Tv的参数敏感性最高,故而需对Tv进行调整,从而能够快速准确地完成驱动轴控制系统的控制参数的调整设置,更好地实现对于伺服驱动轴跟踪误差的预测。
可以理解的是,在给定工况下,本申请的实施例将给出上述过程中所需要的仿真分析结果与计算分析结果,包括不同工况下驱动轴跟踪误差的结果数据、驱动轴跟踪误差的参数敏感性系数结果数据、各参数对驱动轴跟踪误差的影响效果、给定工况下的驱动轴跟踪误差的最大影响因素以及给定工况下对驱动轴跟踪误差控制参数设置的调整建议。
图6为驱动轴跟踪误差参数敏感性预测架构示意图,由图6可知,该驱动轴跟踪误差的参数敏感性分析架构中,各功能模块的作用如下所述:
1)仿真分析模块:
该模块用于在给定的驱动轴工作条件下,对当前驱动轴的运动跟踪过程进行仿真分析,该仿真计算基于已经建立的相应驱动轴跟踪控制模型,最终得到驱动轴跟踪误差在给定工作条件下的结果数据,该数据可用于驱动轴跟踪误差的参数敏感性分析;
2)计算分析模块:
该模块用于对给定驱动轴工作条件下,对当前驱动轴的运动跟踪过程的参数敏感性系数进行计算;该仿真分析基于参数敏感性系数计算方法,所得到的参数敏感性系数,将与仿真分析模块所得到的跟踪误差结果数据,共同用于各参数对驱动轴跟踪误差影响的判断,并给驱动轴跟踪误差控制参数的设置提供指导;
3)记录反馈模块:
该模块用于对仿真分析模块和计算分析模块结果的记录与反馈,所记录的内容包括:不同驱动轴工作条件下,驱动轴跟踪误差的结果数据,驱动轴跟踪误差的参数敏感性系数结果数据,驱动轴参数调整建议结果;所反馈的内容包括:各参数对驱动轴跟踪误差的影响效果、给定工况下的驱动轴跟踪误差的最大影响因素以及给定工况下对驱动轴跟踪误差控制参数设置的调整建议。
可以理解的是,本申请的实施例能够明确各参数变化对于驱动轴跟踪误差的影响,通过参数敏感性系数的计算,实现对于伺服系统控制参数的快速准确调整,克服控制系统参数调整依赖经验、效率低下的问题,同时提高驱动轴跟踪误差预测的精度,从而提高驱动轴的性能指标。
下述将结合附图对本申请的驱动轴跟踪误差的参数敏感性分析方法的执行逻辑进行说明。
图7为驱动轴跟踪误差的参数敏感性分析方法的执行逻辑示意图。如图7所示,驱动轴跟踪误差的参数敏感性分析方法的执行逻辑如下所述:
S701:推导驱动轴跟踪误差参数敏感性系数表达式;
S702:建立驱动轴跟踪误差预测效果指标;
S703:基于控制变量法,对特定参数不同数值下的跟踪误差进行计算和仿真,获得参数变化对跟踪误差实际预测效果的影响;
S704:对于给定参数,计算各参数敏感性系数,并据此实现参数调整。
根据本申请实施例提出的驱动轴跟踪误差的参数敏感性分析方法,通过基于驱动轴跟踪误差的至少一个变量参数,确定驱动轴跟踪误差的计算表达式,并通过计算表达式计算驱动轴跟踪误差的参数敏感性系数;基于预先构建的驱动轴跟踪误差的预测效果指标,分析至少一个变量参数中的每个变量参数对预测效果指标的影响程度;在目标工况条件下,基于影响程度和参数敏感性系数,从至少一个变量参数中确定驱动轴跟踪误差的目标变量参数,并优化目标变量参数,以生成使驱动轴跟踪误差和预测偏差达到预设优化条件的最优目标变量参数,从而能够明确各参数变化对于驱动轴跟踪误差的影响,通过参数敏感性系数的计算,实现对于伺服系统控制参数的快速准确调整,有效改善了驱动轴跟踪误差预测的精度,优化了驱动轴的性能指标。
其次,参照附图描述根据本申请实施例提出的驱动轴跟踪误差的参数敏感性分析装置。
图8是本申请实施例的驱动轴跟踪误差的参数敏感性分析装置的方框示意图。
如图8所示,该驱动轴跟踪误差的参数敏感性分析装置10包括:计算模块100、分析模块200以及优化模块300。
其中,计算模块100,基于驱动轴跟踪误差的至少一个变量参数,确定驱动轴跟踪误差的计算表达式,并通过计算表达式计算驱动轴跟踪误差的参数敏感性系数。
分析模块200,用于基于预先构建的驱动轴跟踪误差的预测效果指标,分析至少一个变量参数中的每个变量参数对预测效果指标的影响程度。
优化模块300,用于在目标工况条件下,基于影响程度和参数敏感性系数,从至少一个变量参数中确定驱动轴跟踪误差的目标变量参数,并优化目标变量参数,以生成使驱动轴跟踪误差和预测偏差达到预设优化条件的最优目标变量参数。
可选地,在本申请的一个实施例中,计算模块100包括:表达式确定单元和微分单元。
其中,表达式确定单元,用于基于至少一个变量参数,确定驱动轴跟踪误差的计算表达式。
微分单元,用于对计算表达式进行微分运算,得到至少一个变量参数中的任一变量参数的参数敏感性系数:
其中,ηsi为第i个变量参数的参数敏感性系数,f为驱动轴跟踪误差的计算函数,xi为任一变量参数。
可选地,在本申请的一个实施例中,本申请实施例的驱动轴跟踪误差的参数敏感性分析装置10还包括:运算单元、获取单元和构建单元。
其中,运算单元,用于在分析至少一个变量参数中的每个变量参数的影响程度之前根据驱动轴跟踪误差的计算表达式,计算第一驱动轴跟踪误差。
获取单元,用于采用实际加工实验结果或者仿真分析结果,获取第二驱动轴跟踪误差。
构建单元,用于基于第一驱动轴跟踪误差和第二驱动轴跟踪误差,构建驱动轴跟踪误差的预测结果指标。
可选地,在本申请的一个实施例中,分析模块200包括:设值单元、仿真单元和处理单元。
其中,设值单元,用于分别为每个变量参数设置多组不同数值。
仿真单元,用于根据多组不同数值,对驱动轴跟踪误差进行计算和仿真,得到驱动轴跟踪误差的计算结果和仿真结果。
处理单元,用于根据计算结果和仿真结果,分析多组不同数值对应的每个变量参数对预测效果指标的影响程度。
可选地,在本申请的一个实施例中,优化模块300包括:参数确定单元、选取单元和调整单元。
其中,参数确定单元,用于根据目标工况条件确定驱动轴的机械结构参数。
选取单元,用于基于驱动轴的机械结构参数和参数敏感性系数,选取目标变量参数。
调整单元,用于基于预设优化方式,调整目标变量参数,得到最优目标变量参数,并根据最优目标变量参数,降低驱动轴跟踪误差和预测偏差。
需要说明的是,前述对驱动轴跟踪误差的参数敏感性分析方法实施例的解释说明也适用于该实施例的驱动轴跟踪误差的参数敏感性分析装置,此处不再赘述。
根据本申请实施例提出的驱动轴跟踪误差的参数敏感性分析装置,计算模块,基于驱动轴跟踪误差的至少一个变量参数,确定驱动轴跟踪误差的计算表达式,并通过计算表达式计算驱动轴跟踪误差的参数敏感性系数;分析模块,用于基于预先构建的驱动轴跟踪误差的预测效果指标,分析至少一个变量参数中的每个变量参数对预测效果指标的影响程度;优化模块,用于在目标工况条件下,基于影响程度和参数敏感性系数,从至少一个变量参数中确定驱动轴跟踪误差的目标变量参数,并优化目标变量参数,以生成使驱动轴跟踪误差和预测偏差达到预设优化条件的最优目标变量参数,从而能够明确各参数变化对于驱动轴跟踪误差的影响,通过参数敏感性系数的计算,实现对于伺服系统控制参数的快速准确调整,有效改善了驱动轴跟踪误差预测的精度,优化了驱动轴的性能指标。
图9为本申请实施例提供的电子设备的结构示意图。该电子设备可以包括:
存储器901、处理器902及存储在存储器901上并可在处理器902上运行的计算机程序。
处理器902执行程序时实现上述实施例中提供的驱动轴跟踪误差的参数敏感性分析方法。
进一步地,电子设备还包括:
通信接口903,用于存储器901和处理器902之间的通信。
存储器901,用于存放可在处理器902上运行的计算机程序。
存储器901可能包含高速RAM存储器,也可能还包括非易失性存储器(non-volatile memory),例如至少一个磁盘存储器。
如果存储器901、处理器902和通信接口903独立实现,则通信接口903、存储器901和处理器902可以通过总线相互连接并完成相互间的通信。总线可以是工业标准体系结构(Industry Standard Architecture,简称为ISA)总线、外部设备互连(PeripheralComponent,简称为PCI)总线或扩展工业标准体系结构(Extended Industry StandardArchitecture,简称为EISA)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示,图9中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
可选地,在具体实现上,如果存储器901、处理器902及通信接口903,集成在一块芯片上实现,则存储器901、处理器902及通信接口903可以通过内部接口完成相互间的通信。
处理器902可能是一个中央处理器(Central Processing Unit,简称为CPU),或者是特定集成电路(Application Specific Integrated Circuit,简称为ASIC),或者是被配置成实施本申请实施例的一个或多个集成电路。
本申请实施例还提供一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如上的驱动轴跟踪误差的参数敏感性分析方法。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或N个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本申请的描述中,“N个”的含义是至少两个,例如两个,三个等,除非另有明确具体的限定。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为,表示包括一个或N个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分,并且本申请的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本申请的实施例所属技术领域的技术人员所理解。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤,例如,可以被认为是用于实现逻辑功能的可执行指令的定序列表,可以具体实现在任何计算机可读介质中,以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用,或结合这些指令执行系统、装置或设备而使用。就本说明书而言,"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下:具有一个或N个布线的电连接部(电子装置),便携式计算机盘盒(磁装置),随机存取存储器(RAM),只读存储器(ROM),可擦除可编辑只读存储器(EPROM或闪速存储器),光纤装置,以及便携式光盘只读存储器(CDROM)。另外,计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质,因为可以通过对纸或其他介质进行光学扫描,接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序,然后将其存储在计算机存储器中。
应当理解,本申请的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,N个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。如果用硬件来实现和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,该程序在执行时,包括方法实施例的步骤之一或其组合。
此外,在本申请各个实施例中的各功能单元可以集成在一个处理模块中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器,磁盘或光盘等。尽管上面已经示出和描述了本申请的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本申请的限制,本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (12)
1.一种驱动轴跟踪误差的参数敏感性分析方法,其特征在于,包括以下步骤:
基于驱动轴跟踪误差的至少一个变量参数,确定所述驱动轴跟踪误差的计算表达式,并通过所述计算表达式计算所述驱动轴跟踪误差的参数敏感性系数;
基于预先构建的驱动轴跟踪误差的预测效果指标,分析所述至少一个变量参数中的每个变量参数对所述预测效果指标的影响程度,以及
在目标工况条件下,基于所述影响程度和所述参数敏感性系数,从所述至少一个变量参数中确定所述驱动轴跟踪误差的目标变量参数,并优化所述目标变量参数,以生成使驱动轴跟踪误差和预测偏差达到预设优化条件的最优目标变量参数。
2.根据权利要求1所述的方法,其特征在于,所述基于驱动轴跟踪误差的至少一个变量参数,确定所述驱动轴跟踪误差的计算表达式,并通过所述计算表达式计算所述驱动轴跟踪误差的参数敏感性系数,包括:
基于所述至少一个变量参数,确定所述驱动轴跟踪误差的计算表达式;
对所述计算表达式进行微分运算,得到所述至少一个变量参数中的任一变量参数的参数敏感性系数:
其中,ηsi为第i个变量参数的参数敏感性系数,f为所述驱动轴跟踪误差的计算函数,xi为所述任一变量参数。
3.根据权利要求2所述的方法,其特征在于,在分析所述至少一个变量参数中的每个变量参数的影响程度之前,还包括:
根据所述驱动轴跟踪误差的计算表达式,计算第一驱动轴跟踪误差;
采用实际加工实验结果或者仿真分析结果,获取第二驱动轴跟踪误差;
基于所述第一驱动轴跟踪误差和所述第二驱动轴跟踪误差,构建所述驱动轴跟踪误差的预测结果指标。
4.根据权利要求1所述的方法,其特征在于,所述分析所述至少一个变量参数中的每个变量参数对所述预测效果指标的影响程度,包括:
分别为所述每个变量参数设置多组不同数值;
根据所述多组不同数值,对所述驱动轴跟踪误差进行计算和仿真,得到所述驱动轴跟踪误差的计算结果和仿真结果;
根据所述计算结果和所述仿真结果,分析所述多组不同数值对应的所述每个变量参数对所述预测效果指标的影响程度。
5.根据权利要求1所述的方法,其特征在于,所述在目标工况条件下,基于所述影响程度和所述参数敏感性系数,从所述至少一个变量参数中确定所述驱动轴跟踪误差的目标变量参数,并优化所述目标变量参数,以生成使驱动轴跟踪误差和预测偏差达到预设优化条件的最优目标变量参数,包括:
根据所述目标工况条件确定所述驱动轴的机械结构参数;
基于所述驱动轴的机械结构参数和参数敏感性系数,选取所述目标变量参数;
基于所述预设优化方式,调整所述目标变量参数,得到所述最优目标变量参数,并根据所述最优目标变量参数,降低所述驱动轴跟踪误差和所述预测偏差。
6.一种驱动轴跟踪误差的参数敏感性分析装置,其特征在于,包括:
计算模块,基于驱动轴跟踪误差的至少一个变量参数,确定所述驱动轴跟踪误差的计算表达式,并通过所述计算表达式计算所述驱动轴跟踪误差的参数敏感性系数;
分析模块,用于基于预先构建的驱动轴跟踪误差的预测效果指标,分析所述至少一个变量参数中的每个变量参数对所述预测效果指标的影响程度,以及
优化模块,用于在目标工况条件下,基于所述影响程度和所述参数敏感性系数,从所述至少一个变量参数中确定所述驱动轴跟踪误差的目标变量参数,并优化所述目标变量参数,以生成使驱动轴跟踪误差和预测偏差达到预设优化条件的最优目标变量参数。
7.根据权利要求6所述的装置,其特征在于,所述计算模块包括:
表达式确定单元,用于基于所述至少一个变量参数,确定所述驱动轴跟踪误差的计算表达式;
微分单元,用于对所述计算表达式进行微分运算,得到所述至少一个变量参数中的任一变量参数的参数敏感性系数:
其中,ηsi为第i个变量参数的参数敏感性系数,f为所述驱动轴跟踪误差的计算函数,xi为所述任一变量参数。
8.根据权利要求7所述的装置,其特征在于,还包括:
运算单元,用于在分析所述至少一个变量参数中的每个变量参数的影响程度之前根据所述驱动轴跟踪误差的计算表达式,计算第一驱动轴跟踪误差;
获取单元,用于采用实际加工实验结果或者仿真分析结果,获取第二驱动轴跟踪误差;
构建单元,用于基于所述第一驱动轴跟踪误差和所述第二驱动轴跟踪误差,构建所述驱动轴跟踪误差的预测结果指标。
9.根据权利要求6所述的装置,其特征在于,所述分析模块包括:
设值单元,用于分别为所述每个变量参数设置多组不同数值;
仿真单元,用于根据所述多组不同数值,对所述驱动轴跟踪误差进行计算和仿真,得到所述驱动轴跟踪误差的计算结果和仿真结果;
处理单元,用于根据所述计算结果和所述仿真结果,分析所述多组不同数值对应的所述每个变量参数对所述预测效果指标的影响程度。
10.根据权利要求6所述的装置,其特征在于,所述优化模块包括:
参数确定单元,用于根据所述目标工况条件确定所述驱动轴的机械结构参数;
选取单元,用于基于所述驱动轴的机械结构参数和参数敏感性系数,选取所述目标变量参数;
调整单元,用于基于所述预设优化方式,调整所述目标变量参数,得到所述最优目标变量参数,并根据所述最优目标变量参数,降低所述驱动轴跟踪误差和所述预测偏差。
11.一种电子设备,其特征在于,包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述程序,以实现如权利要求1-5任一项所述的驱动轴跟踪误差的参数敏感性分析方法。
12.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行,以用于实现如权利要求1-5任一项所述的驱动轴跟踪误差的参数敏感性分析方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311118612.6A CN117033860B (zh) | 2023-08-31 | 2023-08-31 | 驱动轴跟踪误差的参数敏感性分析方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311118612.6A CN117033860B (zh) | 2023-08-31 | 2023-08-31 | 驱动轴跟踪误差的参数敏感性分析方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117033860A true CN117033860A (zh) | 2023-11-10 |
CN117033860B CN117033860B (zh) | 2024-02-06 |
Family
ID=88626321
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311118612.6A Active CN117033860B (zh) | 2023-08-31 | 2023-08-31 | 驱动轴跟踪误差的参数敏感性分析方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117033860B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117434889A (zh) * | 2023-11-28 | 2024-01-23 | 清华大学 | 五轴联动数控机床联动误差预测方法、装置、设备及介质 |
CN117434889B (zh) * | 2023-11-28 | 2024-05-28 | 清华大学 | 五轴联动数控机床联动误差预测方法、装置、设备及介质 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050031134A1 (en) * | 2003-08-07 | 2005-02-10 | Tymphany Corporation | Position detection of an actuator using infrared light |
US20140347666A1 (en) * | 2013-05-21 | 2014-11-27 | Kla-Tencor Corporation | Metrology system optimization for parameter tracking |
CN112067262A (zh) * | 2020-07-21 | 2020-12-11 | 清华大学 | 一种用于伺服驱动轴的跟踪误差估计方法 |
CN112202376A (zh) * | 2020-09-09 | 2021-01-08 | 中国人民解放军火箭军工程大学 | 一种基于Taylor跟踪微分器的直线电机自抗扰控制设计方法 |
US20210048067A1 (en) * | 2015-11-02 | 2021-02-18 | The Regents Of The University Of Michigan | Axially Compliant Bearing For Precision Positioning |
CN112989520A (zh) * | 2021-04-12 | 2021-06-18 | 重庆大学 | 一种蜗轮母机关键误差项辨识方法 |
CN113656902A (zh) * | 2021-07-19 | 2021-11-16 | 湖南科技大学 | 一种多轴运动平台工作末端位姿的误差敏感性分析方法 |
CN116520770A (zh) * | 2023-04-13 | 2023-08-01 | 清华大学 | 五轴联动数控机床伺服动态特性匹配特征值评价方法 |
-
2023
- 2023-08-31 CN CN202311118612.6A patent/CN117033860B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050031134A1 (en) * | 2003-08-07 | 2005-02-10 | Tymphany Corporation | Position detection of an actuator using infrared light |
US20140347666A1 (en) * | 2013-05-21 | 2014-11-27 | Kla-Tencor Corporation | Metrology system optimization for parameter tracking |
US20210048067A1 (en) * | 2015-11-02 | 2021-02-18 | The Regents Of The University Of Michigan | Axially Compliant Bearing For Precision Positioning |
CN112067262A (zh) * | 2020-07-21 | 2020-12-11 | 清华大学 | 一种用于伺服驱动轴的跟踪误差估计方法 |
CN112202376A (zh) * | 2020-09-09 | 2021-01-08 | 中国人民解放军火箭军工程大学 | 一种基于Taylor跟踪微分器的直线电机自抗扰控制设计方法 |
CN112989520A (zh) * | 2021-04-12 | 2021-06-18 | 重庆大学 | 一种蜗轮母机关键误差项辨识方法 |
CN113656902A (zh) * | 2021-07-19 | 2021-11-16 | 湖南科技大学 | 一种多轴运动平台工作末端位姿的误差敏感性分析方法 |
CN116520770A (zh) * | 2023-04-13 | 2023-08-01 | 清华大学 | 五轴联动数控机床伺服动态特性匹配特征值评价方法 |
Non-Patent Citations (2)
Title |
---|
GANESH KUMAR SRINIVASAN 等: "Sensitivity Analysis of Exact Tracking Error Dynamics Passive Output Control for a Flat/Partially Flat Converter Systems", ELECTRONICS, pages 1 - 25 * |
WANG LIPING 等: "Development of an oscillating grinding machine tool based on error analysis", SCIENCE CHINA TECHNOLOGICAL SCIENCES, vol. 63, no. 6, pages 912 - 922, XP037153445, DOI: 10.1007/s11431-019-1481-8 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117434889A (zh) * | 2023-11-28 | 2024-01-23 | 清华大学 | 五轴联动数控机床联动误差预测方法、装置、设备及介质 |
CN117434889B (zh) * | 2023-11-28 | 2024-05-28 | 清华大学 | 五轴联动数控机床联动误差预测方法、装置、设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN117033860B (zh) | 2024-02-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2018151215A1 (ja) | 制御装置及び制御方法 | |
US5819202A (en) | Apparatus for detecting an abnormality of a control system | |
US4609855A (en) | Adaptive servomotor control | |
US11119464B2 (en) | Controller and machine learning device | |
KR101242678B1 (ko) | 제어 파라미터를 적응적으로 변화시키는 pid 제어 방법 및 이를 이용한 pid 제어 장치 | |
CN106956282B (zh) | 角加速度确定方法、装置、机器人及存储介质 | |
CN106292550B (zh) | 具有在线优化控制增益的功能的伺服控制装置 | |
JPS6116568B2 (zh) | ||
JP2019168973A (ja) | 駆動装置及び機械学習装置 | |
JP6856162B2 (ja) | 制御システム | |
CN115509135A (zh) | 一种激光扫描振镜模型预测控制方法及系统 | |
CN102467113B (zh) | 机械装置的具有参数学习的控制器及其参数学习方法 | |
CN113467367B (zh) | 一种机床进给系统的刚度阻尼辨识方法 | |
CN117033860B (zh) | 驱动轴跟踪误差的参数敏感性分析方法及装置 | |
JP3545487B2 (ja) | モータで駆動する機械系のイナーシャおよび摩擦トルクの推定方法 | |
CN106647636A (zh) | 进行基于曲率和曲率变化量的速度控制的数值控制装置 | |
JPH07160304A (ja) | フィードバックゲイン決定方法 | |
JP7022261B1 (ja) | 周波数特性予測装置及び周波数特性予測方法 | |
JP6697313B2 (ja) | 送り軸制御装置における周波数特性測定方法 | |
JP2001188605A (ja) | 曲線補間方法 | |
CN115244551A (zh) | 学习用数据生成装置、学习装置、控制装置、学习用数据生成方法、学习方法、控制方法、学习用数据生成程序、学习程序以及控制程序 | |
CN115380258A (zh) | 减少机床内的摩擦 | |
CN114846427A (zh) | 定位控制装置及定位控制方法 | |
CN117195438B (zh) | 轴类零件尺寸误差补偿方法及装置 | |
CN117434889B (zh) | 五轴联动数控机床联动误差预测方法、装置、设备及介质 |
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 |