基于开环交叉耦合迭代学习的水晶研磨控制方法与系统技术方案

本发明专利技术公开了一种基于开环交叉耦合迭代学习的水晶研磨控制方法与系统。其中一种基于开环交叉耦合迭代学学习的水晶研磨控制方法，包括以下步骤：S10，建立水晶研磨伺服系统数学模型；S20，建立离散型交叉耦合迭代学习控制器对位置进行控制；S30，产生新的控制信号；S40，得到跟踪误差；S50，经过轮廓误差分配模型补偿到各轴以消除每个轴对其它轴的影响。

【技术实现步骤摘要】
基于开环交叉耦合迭代学习的水晶研磨控制方法与系统
本专利技术属于伺服控制
，具体涉及一种基于开环交叉耦合迭代学习的水晶研磨控制方法与系统。
技术介绍
随着科技和工业的发展，磨削加工朝着高速高精度高生产率的方向发展。玻璃加工也朝着数控机械化发展，但由于玻璃材料的特殊性，在加工中易造成边缘磨损、表面光滑程度都是需要考虑的问题。在数控加工、机器人控制和高精度加工等领域，永磁同步电机都有着及其重要的应用。因为永磁同步电机数学模型是一个非线性、强耦合的多变量系统，所以不能完全适应高动态性能的调速系统或者伺服系统
技术实现思路
鉴于以上存在的技术问题，本专利技术用于提供一种基于开环交叉耦合迭代学习的水晶研磨控制方法与系统，以提高水晶轮廓的磨削精度，本系统中X轴和Y轴的均以永磁同步电机为驱动系统，采用矢量控制实现与直流电机类似的特性。。为解决上述技术问题，本专利技术采用如下的技术方案：本专利技术实施例的一方面公开了一种基于开环交叉耦合迭代学习的水晶研磨控制系统，包括轮廓分配模型、存储模块、X轴迭代学习控制器、Y轴迭代学习控制器、交叉耦合增益以及X轴水晶伺服系统和Y轴水晶伺服系统，首先，根据点云数据获取算法获得水晶轮廓研磨系统所需的期望前进的距离信息，经过轮廓误差分配模型分别给出X轴和Y轴的期望运动信息，然后，根据系统中的位置传感器实时得到的实际运动信息，控制器根据期望运动和实际运动信息计算得到的误差，最后根据离散交叉耦合迭代学习控制器算法，结合上次的控制输出量，计算得到本次迭代的控制输出量，并将误差和控制量同时存储在存储器中，同时，交叉耦合迭代学习控制器根据X轴和Y轴的误差信息，计算得出耦合补偿信息，与进而控制电机按照期望的前进距离工作。本专利技术实施例的又一方面提供了一种基于开环交叉耦合迭代学学习的水晶研磨控制方法，应用于如上的基于开环交叉耦合迭代学习的水晶轮廓研磨控制系统，包括以下步骤：S10，建立水晶研磨伺服系统数学模型；S20，建立离散型交叉耦合迭代学习控制器对位置进行控制；S30，产生新的控制信号；S40，得到跟踪误差；S50，经过轮廓误差分配模型补偿到各轴以消除每个轴对其它轴的影响。优选地，所述S10进一步包括以下步骤：S11，使用矢量控制的方法可以使水晶研磨伺服电机获得类似于直流电机的特性，当水晶研磨伺服电机可将数学模型简化为：式中：Te(t)为电磁转矩，TL(t)为负载转矩，θ(t)为电机机械角位置，ω(t)为电机机械角速度，Bf为粘滞摩擦系数，J为系统等效转动惯量。输出变量为θ(t)，控制变量为Te(t)，S12，将上(1)式改写为状态空间方程，再进行离散化，得：其中x＝[θ(j)ω(j)]T为系统状态变量，u(j)＝Te(j)＝kTiq(j)为控制输入变量，系统各矩阵如下：B＝[01/J]T，C＝[10]S13，对于包括x轴和y轴的被控系统，每个轴的数学模型均用式(2)表示，则x轴和y轴的模型经离散化之后分别为：其中A、B、C的定义与式(2)相同，x1，k(j+1)和x2，k(j+1)分别为x轴和y轴模型在第j+1时刻的状态，y1，k(j+1)和y2，k(j+1)别为x轴和y轴模型在第j+1时刻的输出。优选地，所述S40进一步包括：S41，定义j时刻轮廓误差εk(j)的计算与交叉耦合增益系数密切相关，要计算运动系统的轮廓误差εk(j)，先计算出交叉耦合增益系数τx(j)和τy(j)以及单轴的跟踪误差e1，k(j)和e2，k(j)，定义x轴、y轴和轮廓误差分别为：e1,k(j)＝y1,d(j)-y1,k(j)(5)e2,k(j)＝y2,d(j)-y2,k(j)(6)其中，y1,d(j)和y2,d(j)分别为j时刻x轴和y轴的期望给定信号；S42，将式(5)和(6)整理可得：ek(j)＝yd(j)-yk(j)(7)其中，S43，轮廓误差的计算公式为：εk(j)＝τy(j)e2,k(j)-τx(j)e1,k(j)(8)其中其中，θ为某一时刻期望轨迹或者其切线方向与x轴的夹角；ρ为该时刻期望一般曲线轮廓运动轨迹的曲率半径，定义τ(j)为：S44，S43中式(8)重新描述为：优选地，所述S50进一步包括：对式(3)和(4)所描述的交叉耦合系统，设计交叉耦合迭代学习控制律如下：ux,k+1(j)＝ux,k(j)+Γx,dex,k(j+1)+τx(j+1)Γε,dεk(j+1)(11)uy,k+1(j)＝uy,k(j)+Γy,dey,k(j+1)+τy(j+1)Γε,dεk(j+1)(12)其中，Γx,d、Γy,d分别为x轴和y轴的比例增益，Γε,d为轮廓误差控制的比例增益，将式(11)和(12)写成矩阵的形式有：其中，uk+1(j)＝[ux,k+1(j),uy,k+1(j)]T，为了便于分析，首先给出文中用到的λ范数的定义：其中，λ＞0且a＞1，对于(3)和(4)所描述的交叉耦合控制系统，设计(11)和(12)所示的交叉耦合迭代学习控制算法，当满足以下条件时当迭代次数足够大时，X轴和Y轴以及轮廓误差趋于0，即采用本专利技术具有如下的有益效果：消除多轴运动系统的轮廓误差，而不仅仅是减小单个轴的跟踪误差，能够有效提高多轴运动运动系统的轮廓跟踪能力，减小系统的轮廓误差，提高跟踪性能。附图说明图1为本专利技术实施例的基于开环交叉耦合迭代学习的水晶研磨控制系统的结构示意图；图2为本专利技术实施例的基于开环交叉耦合迭代学习的水晶研磨控制方法的步骤流程图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，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他实施例，都属于本专利技术保护的范围。参照图1，本专利技术公开了一种基于开环交叉耦合迭代学习的水晶研磨控制系统的结构示意图，包括轮廓分配模型10、存储模块20、X轴迭代学习控制器30、Y轴迭代学习控制器40、交叉耦合增益以及X轴水晶伺服系统和Y轴水晶伺服系统。首先，根据点云数据获取算法获得水晶轮廓研磨系统所需的期望前进的距离信息，经过轮廓误差分配模型分别给出X轴和Y轴的期望运动信息，然后，根据系统中的位置传感器实时得到的实际运动信息，控制器根据期望运动和实际运动信息计算得到的误差，最后根据离散交叉耦合迭代学习控制器算法，结合上次的控制输出量(如果是第一次迭代，则前面的控制输出量为0)，计算得到本次迭代的控制输出量，并将误差和控制量同时存储在存储器中，同时，交叉耦合迭代学习控制器根据X轴和Y轴的误差信息，计算得出耦合补偿信息，与进而控制电机按照期望的前进距离工作。方法实施本文档来自技高网...

【技术保护点】
1.一种基于开环交叉耦合迭代学习的水晶研磨控制系统，其特征在于，包括轮廓分配模型、存储模块、X轴迭代学习控制器、Y轴迭代学习控制器、交叉耦合增益以及X轴水晶伺服系统和Y轴水晶伺服系统，首先，根据点云数据获取算法获得水晶轮廓研磨系统所需的期望前进的距离信息，经过轮廓误差分配模型分别给出X轴和Y轴的期望运动信息，然后，根据系统中的位置传感器实时得到的实际运动信息，控制器根据期望运动和实际运动信息计算得到的误差，最后根据离散交叉耦合迭代学习控制器算法，结合上次的控制输出量，计算得到本次迭代的控制输出量，并将误差和控制量同时存储在存储器中，同时，交叉耦合迭代学习控制器根据X轴和Y轴的误差信息，计算得出耦合补偿信息，与进而控制电机按照期望的前进距离工作。/n

【技术特征摘要】
1.一种基于开环交叉耦合迭代学习的水晶研磨控制系统，其特征在于，包括轮廓分配模型、存储模块、X轴迭代学习控制器、Y轴迭代学习控制器、交叉耦合增益以及X轴水晶伺服系统和Y轴水晶伺服系统，首先，根据点云数据获取算法获得水晶轮廓研磨系统所需的期望前进的距离信息，经过轮廓误差分配模型分别给出X轴和Y轴的期望运动信息，然后，根据系统中的位置传感器实时得到的实际运动信息，控制器根据期望运动和实际运动信息计算得到的误差，最后根据离散交叉耦合迭代学习控制器算法，结合上次的控制输出量，计算得到本次迭代的控制输出量，并将误差和控制量同时存储在存储器中，同时，交叉耦合迭代学习控制器根据X轴和Y轴的误差信息，计算得出耦合补偿信息，与进而控制电机按照期望的前进距离工作。


2.一种基于开环交叉耦合迭代学学习的水晶研磨控制方法，应用于如权利要求1的基于开环交叉耦合迭代学习的水晶轮廓研磨控制系统，其特征在于，包括以下步骤：
S10，建立水晶研磨伺服系统数学模型；
S20，建立离散型交叉耦合迭代学习控制器对位置进行控制；
S30，产生新的控制信号；
S40，得到跟踪误差；
S50，经过轮廓误差分配模型补偿到各轴以消除每个轴对其它轴的影响。


3.如权利要求2所述的基于开环交叉耦合迭代学学习的水晶研磨控制方法，其特征在于，所述S10进一步包括以下步骤：
S11，使用矢量控制的方法可以使水晶研磨伺服电机获得类似于直流电机的特性，当水晶研磨伺服电机可将数学模型简化为：



式中：Te(t)为电磁转矩，TL(t)为负载转矩，θ(t)为电机机械角位置，ω(t)为电机机械角速度，Bf为粘滞摩擦系数，J为系统等效转动惯量。输出变量为θ(t)，控制变量为Te(t)，
S12，将上(1)式改写为状态空间方程，再进行离散化，得：



其中x＝[θ(j)ω(j)]T为系统状态变量，u(j)＝Te(j)＝kTiq(j)为控制输入变量，系统各矩阵如下：



S13，对于包括x轴和y轴的被控系统，每个轴的数学模型均用式(2)表示，则x轴和y轴的模型经离散化之后分别为：






其中A、B、C的定义与式(2)相同，x1，k(j+1)和x2，k(j+1)分别为x轴和y轴模型在第...

【专利技术属性】
技术研发人员：李训根，吕帅帅，李文钧，徐小良，游彬，潘勉，
申请(专利权)人：杭州电子科技大学，
类型：发明
国别省市：浙江;33