基于迭代学习的数控机床快速误差补偿控制系统及方法技术方案

技术编号:29053029 阅读:49 留言:0更新日期:2021-06-26 06:20
本发明专利技术提出一种基于迭代学习的数控机床快速误差补偿控制系统及方法,解决了当前基于迭代学习控制进行误差补偿的方法大多停留于慢采样率,忽视实际频率特征的丰富性,导致误差补偿效果差的问题,利用轨迹生成模块生成快速期望轨迹命令,系统输出反馈至位置控制器之前构成位置环,电机与机械传动模块作为被控对象,输出反馈至速度控制器之前,构成速度环,在速度环实现快速误差补偿的迭代学习控制策略,系统构成基础上应用于数控机床重复加工过程,在多样率架构下取得高采样率位置误差信号,进行高采样率的快速误差补偿,避免传统的基于位置环迭代学习控制方案所求解的慢速误差补偿量仅是次优解的问题,提高数控机床控制精度。提高数控机床控制精度。提高数控机床控制精度。

【技术实现步骤摘要】
基于迭代学习的数控机床快速误差补偿控制系统及方法


[0001]本专利技术涉及数控机床误差补偿控制的
,更具体地,涉及一种基于迭代学习的数控机床快速误差补偿控制系统及方法。

技术介绍

[0002]数控机床精密控制基于复杂的伺服控制系统,伴随着热力误差、几何误差、摩擦力模型和动力学模型的不确定性,简单PID(比例

积分

微分)控制技术和常规误差补偿技术无法实现数控平台的精密控制,作为高端精密制造重要的一环,在规模化量产阶段,数控机床一般在某个工序过程重复生产加工同一零部件,如果延续采用加工单件零件的控制策略,那么加工误差实际上也会重复出现。
[0003]典型的数控机床控制系统架构如图1所示,控制对象为电机+机械系统,r
d
为经过速度规划和插补的电机位置参考输入,y为系统实际输出,控制器为典型的三环控制结构,最内层为电流环,其次是速度环,最外层为位置环,其中,电流控制器和速度控制器一般采用PI控制方法,位置控制器采用P或者PD控制方法。为了强调不同控制回路的频宽,和制约于成本因素考虑,商用产品的速度控制器工作在高的采样率,位置控制器工作在低的采样率,例如:位置控制器采样率NHz,而速度控制器的采样率为4NHz。然而这种常见配置下,即使执行相同的加工路径,控制量并不会因知悉过往数据的前提下机型修正和改善。
[0004]迭代学习控制(iterative learning control,ILC)算法是一种非常有效的误差补偿方法,当前的加工过程根据过往的加工误差进行学习,使得批次操作过程中重复出现的误差信号得到修正,在工业机器人,注塑机,光刻机,数控机床等方面都有广泛的应用。2017年03月22日,中国专利(公开号:CN106527347A)中公开了一种数控机床自学习修正误差系统及方法,内层的位置环迭代学习控制器为控制器方面的学习控制,是实时控制,在施加重复性位置指令时,使输出跟随输入,以输出轨迹与期望轨迹的偏差修正不理想的控制信号,产生新的控制信号,使得系统的跟踪性能得以提升,具有记忆系统与经验修正功能,有效减小了输出轨迹与期望轨迹的误差;通过设计迭代学习控制器,干扰观测器以及变增益条件补偿策略,实现了对期望轨迹的跟踪及加工过程中干扰的抑制,即通过此专利提出的方法,实现数控系统在重复加工中积累误差经验、自主修正误差的自学习功能,但是此方案中引入迭代学习控制方法没有考虑工程实际中采样频率的快慢,而多数迭代学习控制方法仅是在位置环内实现慢速采样率(如NHz)下的位置误差信号做慢速采样率的误差补偿,而在仅获取慢采样点的情况下,采样点之间的振荡效应无法体现,导致部分频率特征丧失,且误差信号容易混叠,实际误差补偿效果不佳。

技术实现思路

[0005]为解决当前基于迭代学习控制进行误差补偿的方法大多停留于慢采样率,忽视了实际频率特征的丰富性,导致实际误差补偿效果差的问题,本专利技术提供一种基于迭代学习的数控机床快速误差补偿控制系统及方法,在多样率架构下取得高采样率位置误差信号,
进行高采样率的快速误差补偿,提高数控机床控制精度。
[0006]为了达到上述技术效果,本专利技术的技术方案如下:
[0007]一种基于迭代学习的数控机床快速误差补偿控制系统,所述系统包括:轨迹生成模块、下采样模块、位置控制器、第一保持器、速度环迭代学习控制器、速度控制器、第二保持器、电机与机械传动模块;
[0008]所述轨迹生成模块生成快速期望轨迹命令,分别传输至下采样模块与速度环迭代学习控制器,快速期望轨迹命令的采样率包括快速采样命令和慢速采样命令,下采样模块通过降采样得到慢速采样命令,速度环迭代学习控制器接收快速采样命令,存储前一次数控机床加工路径的快速采样误差序列和快速误差修正量序列,得到快速误差补偿量;所述位置控制器接收下采样模块输出的慢速采样命令,输出速度控制量,速度控制量经过第一保持器与数控机床平台的实时速度进行叠加后输入至速度控制器,速度控制器输出电流量与快速误差补偿量叠加后传输至第二保持器,第二保持器驱动电机与机械传动模块,输出数控机床平台的实际位移。
[0009]在本技术方案中,系统输出反馈至位置控制器之前构成位置环,电机与机械传动模块作为被控对象,输出反馈至速度控制器之前,构成速度环,在多样率架构基础上,速度环实现快速误差补偿的迭代学习控制策略,快速误差补偿注入至速度环内,强化不同频率特征,实现架构是在原多样率系统下,并不会因误差采样率提高而增加系统成本,仅在原有架构上实现提高数控机床控制精度,保证迭代学习过程的快速收敛。
[0010]优选地,所述快速采样命令表示为r
f
,慢速采样命令表示为r
s
,慢速采样命令r
s
通过下采样模块由快速采样命令r
f
降采样获得,降采样过程表示为:
[0011][0012]其中,n表示任意正整数,表明快速采样命令r
f
的数据点数量是慢速采样命令r
s
数据点数量的整数倍,强化不同频率特征,即按照工程实际实践运行在不同的采样率,分别以慢、快的采样率来执行。
[0013]优选地,所述速度环迭代学习控制器包括存储器及迭代学习控制器,前一次数控机床加工路径的快速采样误差序列表示为e
j
‑1,是快速采样命令r
f
与数控机床平台位移y比较的结果,快速误差修正量序列表示为u
j
‑1,所述存储器存储前一次数控机床加工路径的快速采样误差序列e
j
‑1和快速采样误差序列u
j
‑1,快速采样误差序列e
j
‑1和快速采样误差序列u
j
‑1输入至迭代学习控制器后,迭代计算得到快速误差补偿量u
j

[0014]优选地,快速采样误差序列e
j
‑1和快速采样误差序列u
j
‑1输入至迭代学习控制器,迭代得到快速误差补偿量u
j
的过程是在离线状态下完成的。
[0015]优选地,所述位置控制器接收下采样模块输出的慢速采样命令,工作在慢采样命令对应的采样率下,输入为慢速采样命令r
s
与数控机床平台位移y,数控机床上设有编码器位移检测模块,工作人员通过实时读取编码器位移检测模块的电机转角,获得数控机床平台位移y。
[0016]优选地,所述系统还包括速度估测器,用于实时估测数控机床平台的实时速度。
[0017]本专利技术还提出一种基于迭代学习的数控机床快速误差补偿控制方法,所述方法通过所述的基于迭代学习的数控机床快速误差补偿控制系统实现,包括:
[0018]S1.利用轨迹生成模块生成快速期望轨迹命令,快速期望轨迹命令传输至下采样模块,通过降采样过程得到慢速采样命令,速度环迭代学习控制器接收快速采样命令;
[0019]S2.设定数控机床的加工任务量次数,初始化数控机床快速误差补偿控制本文档来自技高网
...

【技术保护点】

【技术特征摘要】
1.一种基于迭代学习的数控机床快速误差补偿控制系统,其特征在于,所述系统包括:轨迹生成模块、下采样模块、位置控制器、第一保持器、速度环迭代学习控制器、速度控制器、第二保持器、电机与机械传动模块;所述轨迹生成模块生成快速期望轨迹命令,分别传输至下采样模块与速度环迭代学习控制器,快速期望轨迹命令的采样率包括快速采样命令和慢速采样命令,下采样模块通过降采样得到慢速采样命令,速度环迭代学习控制器接收快速采样命令,存储前一次数控机床加工路径的快速采样误差序列和快速误差修正量序列,得到快速误差补偿量;所述位置控制器接收下采样模块输出的慢速采样命令,输出速度控制量,速度控制量经过第一保持器与数控机床平台的实时速度进行叠加后输入至速度控制器,速度控制器输出电流量与快速误差补偿量叠加后传输至第二保持器,第二保持器驱动电机与机械传动模块,输出数控机床平台的实际位移。2.根据权利要求1所述的基于迭代学习的数控机床快速误差补偿控制系统,其特征在于,所述快速采样命令表示为r
f
,慢速采样命令表示为r
s
,慢速采样命令r
s
通过下采样模块由快速采样命令r
f
降采样获得,降采样过程表示为:其中,n表示任意正整数,表明快速采样命令r
f
的数据点数量是慢速采样命令r
s
数据点数量的整数倍。3.根据权利要求2所述的基于迭代学习的数控机床快速误差补偿控制系统,其特征在于,所述速度环迭代学习控制器包括存储器及迭代学习控制器,前一次数控机床加工路径的快速采样误差序列表示为e
j
‑1,是快速采样命令r
f
与数控机床平台位移y比较的结果,快速误差修正量序列表示为u
j
‑1,所述存储器存储前一次数控机床加工路径的快速采样误差序列e
j
‑1和快速采样误差序列u
j
‑1,快速采样误差序列e
j
‑1和快速采样误差序列u
j
‑1输入至迭代学习控制器后,迭代计算得到快速误差补偿量u
j
。4.根据权利要求3所述的基于迭代学习的数控机床快速误差补偿控制系统,其特征在于,快速采样误差序列e
j
‑1和快速采样误差序列u
j
‑1输入至迭代学习控制器,迭代得到快速误差补偿量u
j
的过程是在离线状态下完成的。5.根据权利要求4所述的基于迭代学习的...

【专利技术属性】
技术研发人员:刘焕牢王宇林
申请(专利权)人:广东海洋大学
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1