[发明专利]基于GWO-PID的超精密数控车床刀具视觉引导控制方法

权利要求书

1.一种基于GWO-PID的超精密数控车床刀具视觉引导控制方法，其特征在于，包括交流电机(1)、基座(2)、真空吸盘(3)、刀具载台(4)、直线电机(5)、横向导轨(6)、刀具(7)、刀具夹具(8)、高倍深度相机(9)、丝杆导轨(10)和步进电机(11)；

所述的交流电机(1)安装在基座(2)上，真空吸盘(3)安装在交流电机(1)的轴上以固定工件；

所述的刀具载台(4)上设有直线电机(5)，横向导轨(6)带动其横向进给运动，刀具(7)由刀具夹具(8)进行固定，直线电机(5)带动刀具(7)和刀具夹具(8)运动；

所述高倍深度相机(9)安装在丝杠导轨(10)上，步进电机(11)驱动丝杠导轨(10)带动高倍深度相机(9)作往复运动；

高倍深度相机(9)实时监控刀具(7)的供给量，包括以下步骤；

第一步：打开步进电机(11)的电源和安装好需要加工的工件，高倍深度相机(9)传输刀具(7)和工件的空间位置图片给工控机，然后工控机计算出两者的相对位置是否满足测量要求，如果没有就发送指令打开步进电机(11)，使得高倍深度相机(9)移动到合适的位置，直至满足测量要求；

第二步：启动对刀程序，即刀具(7)与工件的空间位置，通过在工控机设计IGWO-PID控制器，高倍深度相机(9)的功能就变成控制科学中的传感器，检测刀尖实时位置与其目标设定位置之间的差值，工控机发出指令让直线电机(5)和横向导轨(6)运动，使得差值减小，最后打开交流电机(1)转动，自动高效地提高加工精度。

2.根据权利要求1所述一种基于GWO-PID的超精密数控车床刀具视觉引导控制方法，其特征在于：所述的第二步中GWO-PID控制器控制方法包括以下步骤：

步骤一、初始化每个狼群的位置X、最大迭代数N_max，当前的迭代数t、收敛因子a、系数矢量A和C，并将优化参数带入适应度函数计算目标适应度；

步骤二、迭代一次，更新当前灰狼的位置X、收敛因子a、系数矢量A和C；

步骤三、计算每个种群适应度的值，更新Alpha(α)、Beta(β)、Delta(δ)三头狼的位置即最佳值，当前的迭代数t+1；

步骤四、当前的迭代数t与最大迭代数N_max比较，如果当前迭代数t没有达到最大迭代数N_max，则继续更新迭代，如果达到了则退出循环；

步骤五、将灰狼寻优算法得到的PID最佳值带入PID控制器之中，从而控制直线电机(5)电流大小与方向，使得直线电机(5)可以到达指定的位置。

3.根据权利要求2所述一种基于GWO-PID的超精密数控车床刀具视觉引导控制方法，其特征在于：所述的直线电机(5)为永磁直线同步电动机，其运动学模型构建包括：

直线电机的运动方程：

其中，m为刀具载台的质量，x为刀具载台的位置，c为机械阻尼系数，K为电磁推力系数，F_l为负载扰动，i为直线电机电流；

定义系统的状态变量：

即X＝[x₁x₂]^T

根据上面两个公式，可以推导为：

因此可以得到系统的状态空间方程：

式中，C＝[10]，u为系统输入i，Y为系统输出。

4.根据权利要求1所述一种基于GWO-PID的超精密数控车床刀具视觉引导控制方法，其特征在于：灰狼寻优算法即GWO算法模拟了自然界灰狼的领导层级和狩猎机制，四种类型的灰狼，如Alpha(α),Beta(β),Delta(δ),and Omega(ω)被用来模拟领导阶层；此外，还实现了狩猎的三个主要步骤：寻找猎物、包围猎物和攻击猎物；为了在设计GWO算法时对灰狼的社会等级进行数学建模，我们将最适解作为α；

因此，第二和第三个最佳解决方案分别被命名为β和δ；剩下的候选解被假定为ω；在GWO算法中，狩猎过程由α、β和δ引导ω狼跟随这三只狼；

在狩猎过程中，将灰狼围捕猎物的行为定义如下：

D＝|C×X_p(t)-X(t)|

X(t+1)＝X_o(t)-A×D

其中t是当前迭代次数，A和C是系数向量；X_o是猎物的位置向量，X表示狼的位置向量；系数向量表示为：

A＝2a×r₁-a

C＝2r₂

其中，r₁和r₂是1到0范围内的随机向量，并且向量a的表达为

在狩猎阶段，α、β和δ的最佳位置被用来寻找狼的最佳方位；狼包围猎物的下一个地点是：

D_α＝|C₁×X_α(t)-X(t)|

D_β＝|C₂×X_β(t)-X(t)|

D_δ＝|C₃×X_δ(t)-X(t)|

X₁＝X_α-A₁×D_α

X₂＝X_β-A₂×D_β

X₃＝X_δ-A₃×D_δ

其中X_α、X_β和X_δ分别是Alpha、Beta、Delta的位置向量。X₁、X₂和X₃分别表示ω狼朝向α、β和δ狼的距离和方向；X_p(t)是ω狼的当前位置向量；

当猎物停止移动时，灰狼通过攻击完成狩猎过程；

为了模拟接近的猎物，当a的值从2线性下降到0时，其对应的a也在区间[-a,a]中变化；

当A的值在[-A,A]范围内时，灰狼的下一个位置可以位于其当前位置和猎物位置之间的任何位置；

当|A|1时，狼攻击猎物；

当|A|1时，灰狼与猎物分离，希望找到更合适的猎物；每次迭代后都会更新狼的位置，并重新计算α、β和δ狼的位置以捕获猎物。