【技术实现步骤摘要】
本专利技术涉及高端数控装备精密运动控制，更具体地，涉及一种基于模型的数控机床迭代学习误差补偿控制系统及方法。
技术介绍
1、数控机床精密控制是一个复杂的伺服运动控制系统，具有热膨胀或工具磨损误差、几何误差、摩擦力模型和动力学模型的不确定性，一般使用简单的pid(比例-积分-微分)反馈控制技术，但反馈控制本身具有延迟的特点，而且受限于自身轨迹跟踪控制带宽。此外，常规的误差前馈补偿技术都是使用预设的补偿表或固定的算法来补偿机械系统的已知误差，该方法首先需要对这些误差模型进行解耦建模，然后对模型参数进行精确的辨识，从而保证误差补偿的性能，这种方法在现有模型的基础上实现相对简单，但灵活性有限，无法适应复杂或变化的加工条件。
2、目前，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为经过速度规划和插补的电机位置参考输入，ω为电机实际速度，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。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，以及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n hz，而速度控制器的采样率为4n hz，对应f＝4。
3、常规的误差前馈补偿技术很容易受到环境因素的影响，当环境变化会导致误差模型的迁移，那么需要重新对参数的辨识才能保持误差补偿的精度。另外数控机床上的误差类型很多，比如：热伸长误差，几何误差、螺距制造误差和反向间隙等等，
4、迭代学习控制是一种基于过去误差数据进行学习和调整的控制策略，特别适用于重复任务，如数控机床的操作。其核心思想是：通过分析每次操作后的误差，调整控制策略，以在下一次操作中减少这些误差。更重要的是学习过程具有应对动态变化能力，在长时间的运行过程中，数控机床可能会因为热变形、工具磨损等因素而产生性能变化，迭代学习控制可以帮助机床自适应这些变化。但是迭代学习往往需要和实际应用场景结合才能发挥更好的性能水平，工作于数控机床下的伺服电机实际上是一个多样率的系统，例如，位置控制器采样率为n hz，而速度控制器的采样率为4n hz(n是正整数，一般速度环的采样率是位置环的4倍设定)。这种多样率系统可实现不同时间尺度对不同的动态特性进行响应和控制，能明显增加系统对复杂动态行为的适应能力和响应速度，因此也被广泛应用于伺服运动控制领域。
5、现有的专利文件中公开了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，通过传感器采集到快速的误差信号后(4n hz而不是nhz)，将误差信号进行离线处理后补偿至快速的速度环，即补偿量的采样率也是4nhz，并注入速度环中，此方法能够实现性能更佳的误差补偿，根本原因在于快速的误差的快速误差补偿量包含丰富的误差特征，假如经过下采样注入至位置环中可能导致部分频率特征信息的丢失；另外，该方法中迭代学习控制器采用的是pd(比例-微分)方法，pd方法有以下两个缺点：1)引入两个迭代学习增益(比例增益和微分增益)参数大小的设定问题，在实际操作中需要进行不断的试错，才能实现较快的误差收敛，获得更好的控制精度，通常试错的做法是：一组pd学习增益参数经过若干次迭代观察其效果，然后换另一组参数接着进行若干次迭代，过程中肯定会产生不良品，特别是工业生产过程中，会增加额外的生产成本，也会增加生产的时间导致降低生产效率；2)pd方法中有微分的过程，微分实际上是一个高通滤波，这会引进高频的噪声扰动，因此还需要引入q滤波器，q滤波器是一个低通滤波器，可以把部分高频噪声和干扰给滤除，虽然可以提高系统的鲁棒性，但是同时也把误差补偿信号中部分合理的频率段给滤除，导致误差补偿系统性能进一步下降。
技术实现思路
1、本专利技术为克服上述现有技术使用pd迭代学习方法而造成的效率低、误差补偿性能差的缺陷，提供一种基于模型的数控机床迭代学习误差补偿控制系统及方法，采用基于模型的方法实现快速误差补偿，一方面，不再需要试错，降低了额外的成本；另一方面，误差收敛也更快，只要系统模型辨识精确可以一次收敛；此外，在模型的基础上可以得到准确的反演模型，从而不需要添加额外的q滤波器，提高系统的性能。
2、为解决上述技术问题，本专利技术的技术方案如下：
3、一种基于模型的数控机床迭代学习误差补偿控制系统，所述系统包括：轨迹生成模块、下采样模块、位置控制器、迭代学习控制器、第一保持器、速度控制器、第二保持器，以及电机与机械传动模块；
4、所述轨迹生成模块生成快速期望轨迹命令，将所述快速期望轨迹命令与数控机床的实际位移相比较获得快速采样误差序列，并将所述快速采样误差序列分别传输至下采样模块与迭代学习控制器；
5、所述下采样模块对快速采样误差序列下采样得到慢速误差量；
6、所述迭代学习控制器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补偿量序列，并基于预设的映射模型计算得到下一次的快速误差补偿量序列；
7、所述位置控制器接收下采样模块输出的慢速误差量，并输出慢速的速度控制量；
8、所述第一保持器接收慢速的速度控制量，并上采样得到快速的速度控制量，将快速的速度控制量与数控机床的实际速度、下一次的快速误差补偿量序列进行叠加后输入速度控制器，速度控制器输出电流控制量；
9、所述第二保持器接收电流控制量，并驱动电机与机械传动模块，输出数控机床下一次加工的实际位移。
10、优选地，将所述快速期望轨迹命令rh与第j次数控机床加工的实际位移相比较获得快速采样误差序列所述下采样模块中的下采样过程表示为：
11、
12、其中，为数控机床第j次加工的慢速误差量，n表示任意正整数，用于表示快速采样误差序列的数据点数量是慢速误差量数据点数量的整数倍。
13、优选地，所述迭代学习控制器中设置有存储器，第j次的快速误差补偿量序列表示为
14、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和快速采样误差序列并在离线条件下，通过迭代学习控制器内预设的映射模型迭代计算得到下一次的快速误差补偿量序列
15、优选地，所述映射模型为快速误差补偿量序列至数控机床的实际位移之间的反演模型；建立补偿量到输出位置的模型，然后得到反演模型结果，该过程类似求倒数和矩阵取反的过程，最后将误差输入这个反演模型，得到补偿量的增加部分，上一次的补偿量和补偿量的增加部分结合，就可以得到下一次的补偿量。
16、优选地，所述位置控制器接收下采样模块输出的慢速误差量并输出速度控制量；
17、所述数控机床上设有编码器位移检测模块，工作人员通过读取编码器位移检测模块的电机转角，获得数控机床第j次的实际位移
18、优选地，所述系统还包括速度估测器，用于实时获取数控机床的实际速度。
19、本专利技术还提供一本文档来自技高网...
【技术保护点】
1.一种基于模型的数控机床迭代学习误差补偿控制系统，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、迭代学习控制器、第一保持器、速度控制器、第二保持器，以及电机与机械传动模块；
2.根据权利要求1所述的一种基于模型的数控机床迭代学习误差补偿控制系统，其特征在于，将所述快速期望轨迹命令rh与第j次数控机床加工的实际位移相比较获得快速采样误差序列所述下采样模块中的下采样过程表示为：
3.根据权利要求2所述的一种基于模型的数控机床迭代学习误差补偿控制系统，其特征在于，所述迭代学习控制器中设置有存储器，第j次的快速误差补偿量序列表示为
4.根据权利要求3所述的一种基于模型的数控机床迭代学习误差补偿控制系统，其特征在于，所述映射模型为快速误差补偿量序列至数控机床的实际位移之间的反演模型。
5.根据权利要求4所述的一种基于模型的数控机床迭代学习误差补偿控制系统，其特征在于，所述位置控制器接收下采样模块输出的慢速误差量并输出速度控制量；
6.根据权利要求1所述的一种基于模型的数控机床迭代学习误差补偿控制系统，其特征在于
7.一种基于模型的数控机床迭代学习误差补偿控制方法，基于权利要求1～6任意一项中所述的基于模型的数控机床迭代学习误差补偿控制系统，其特征在于，包括以下步骤：
8.根据权利要求7所述的一种基于模型的数控机床迭代学习误差补偿控制方法，其特征在于，所述步骤S4中还包括：通过预先构造一个保持选择器的状态空间时域表达式来获取预设的映射模型，所述保持选择器的状态空间时域表达式为：
9.根据权利要求8所述的一种基于模型的数控机床迭代学习误差补偿控制方法，其特征在于，所述步骤S4中，获取所述预设的映射模型的步骤包括：
10.根据权利要求9所述的一种基于模型的数控机床迭代学习误差补偿控制方法，其特征在于，所述步骤S4中，利用迭代学习控制器中预设的映射模型迭代计算数控机床下一次加工过程的快速误差补偿量序列的计算步骤包括：
...【技术特征摘要】
1.一种基于模型的数控机床迭代学习误差补偿控制系统，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、迭代学习控制器、第一保持器、速度控制器、第二保持器，以及电机与机械传动模块；
2.根据权利要求1所述的一种基于模型的数控机床迭代学习误差补偿控制系统，其特征在于，将所述快速期望轨迹命令rh与第j次数控机床加工的实际位移相比较获得快速采样误差序列所述下采样模块中的下采样过程表示为：
3.根据权利要求2所述的一种基于模型的数控机床迭代学习误差补偿控制系统，其特征在于，所述迭代学习控制器中设置有存储器，第j次的快速误差补偿量序列表示为
4.根据权利要求3所述的一种基于模型的数控机床迭代学习误差补偿控制系统，其特征在于，所述映射模型为快速误差补偿量序列至数控机床的实际位移之间的反演模型。
5.根据权利要求4所述的一种基于模型的数控机床迭代学习误差补偿控制系统，其特征在于，所述位置控制器接收下采样模块输出的慢速误差量并输出速度控制量；
<...【专利技术属性】
技术研发人员：王宇林，刘焕牢，李伟洪，尹辉，张文斌，刘璨，罗冠宇，
申请(专利权)人：广东海洋大学，
类型：发明
国别省市：
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。