[发明专利]基于模糊PID自整定计算的超精密车床运动控制方法有效

专利信息
申请号: 202011439944.0 申请日: 2020-12-11
公开(公告)号: CN112486099B 公开(公告)日: 2021-11-09
发明(设计)人: 李兆中;岳晓斌;孙守利;阳红;张敏;刘有海;戴晓静;杨光伟;尹承真;姜忠 申请(专利权)人: 中国工程物理研究院机械制造工艺研究所
主分类号: G05B19/408 分类号: G05B19/408
代理公司: 成都行之专利代理事务所(普通合伙) 51220 代理人: 伍旭伟
地址: 621000*** 国省代码: 四川;51
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 基于 模糊 pid 计算 精密 车床 运动 控制 方法
【权利要求书】:

1.基于模糊PID自整定计算的超精密车床运动控制方法,其特征在于,包括以下步骤:

以车床的直线运动导轨为被控对象,获取该直线运动导轨的预设位置信息与实际位置信息,根据预设位置与实际位置的偏差值及偏差值变化率,采用模糊PID控制算法计算出控制输出量,将该控制输出量输入至控制系统中来控制所述直线运动导轨运动;

其中,通过模糊PID控制算法计算出所述控制输出量的步骤具体为:

采用传递函数建立所述直线运动导轨的控制模型,基于该控制模型设计带前馈的PID控制算法;

基于所述带前馈的PID控制算法,设计模糊PID自整定算法,对该模糊PID自整定算法中的模糊输出量及各个模糊子集的论域范围进行选取,得到输出量的论域分布参数,根据该论域分布参数通过优化得出所述控制输出量;

所述传递函数的表达式为:

式(1)中,Z(s)为直线运动导轨实际位置信号,M为直线电机动子、滑台和负载的质量之和,Kf为直线电机推力系数,Iq(s)为推力电流,Fdist(s)为扰动力,L为直线电机交流电感,R为直线电机电枢电阻,Ke为反电动势常数,Uq(s)为直线电机电压q轴分量,Kpwm为逆变器放大系数,τpwm为逆变器时间常数,Ki为电流环PI控制器放大系数,τi为电流环PI控制器时间常数,τfil为电流环滤波器时间常数,β为电流反馈系数,U*(s)为控制输入。

2.根据权利要求1所述的超精密车床运动控制方法,其特征在于,所述模糊PID自整定算法主要包括:

对所述直线运动导轨的位置偏差e及其变化率ec做模糊化处理,即在论域上定义若干个模糊子集,并规定其隶属函数,进而将清晰输入量转换为模糊输入量;

定义一组模糊控制规则表,用于描述模糊输入量即直线运动导轨的位置偏差e及其变化率ec和模糊输出量即Δkp、Δki、Δkd的一组“if-then”条件语句关系,并据此确定所述模糊输出量的所属模糊子集及其对应的隶属度;

使用解模糊方法,根据模糊输出量的所属模糊子集及其对应的隶属度计算出Δkp、Δki、Δkd的清晰量,并通过kp=kp0+Δkp、ki=ki0+Δki、kd=kd0+Δkd实时整定PID参数,其中,kp0、ki0、kd0分别为初始比例、积分、微分系数。

3.根据权利要求2所述的超精密车床运动控制方法,其特征在于,所述模糊PID自整定算法中,模糊输出量及各个模糊子集均采用三角隶属函数,且各个模糊子集的论域采用指数式分布。

4.根据权利要求1所述的超精密车床运动控制方法,其特征在于,根据所述论域分布参数优化得出所述的控制输出量是指采用仿真分析构造数据集,根据数据集构造线性回归预测模型,并用于实现所述论域分布参数的自整定而得出的优化值。

5.根据权利要求1所述的超精密车床运动控制方法,其特征在于,所述带前馈的PID控制算法的算法律为:

式(2)中,u*为控制输入,kvff为速度前馈系数,kaff为加速度前馈系数,kp为比例系数,ki为积分系数,kd为微分系数,e为位置偏差,zcom为导轨指令位置信号,zact为导轨实际位置信号。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国工程物理研究院机械制造工艺研究所,未经中国工程物理研究院机械制造工艺研究所许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202011439944.0/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top