自动化方法“学习功能_learning function_”在金属磨削加工中的应用pdf文档可能在WAP端浏览体验不佳。建议您优先选择TXT，或下载源文件到本机查看。 自动化方法“学习功能(learning function)”在金属磨削 加工中的应用 王玮江 德国勇克机器制造有限公司上海代表处 摘要：本文目的是研究通过智能控制技术在高精度金属加工外圆磨削中的运用， 利用自动化方法“学习功能(learning function)”提高加工精度。阐述学习控 制、自适应控制、专家控制和模糊逻辑控制的优点并结合各自的优点提出混合的 精加工机床自动化控制模块“学习功能(learning function)”，避免各自缺陷， 更有效的为金属加工中的外圆磨削提高精度， 以及由于机械结构和布局等原因对 自动化控制所产生的局限性。 关键词：学习控制；自适应控制；专家控制；高精度外圆磨床；模糊逻辑控制 1 引言 随着当今加金属工工艺的不断提高以及大批大量生产的需求,对机床设备的 在线率提出了更高的要求。 在金属加工中要求毛坯在一次装夹过程中完成全部加 工工序,无需操作人员的任何干预。外圆磨床要求在精加工后工件的圆度达到 0.002mm，机床通过“学习功能(learning function)”自动控制模块，在第一圈 磨削中采集数据，通过传感器、控制器等电子电器元件形成一个闭环系统从而在 第二圈磨削中实现自动补偿并通过多次磨削达到越磨越圆的目的， 实现一次性在 线加工完成，从而取代传统的（下线-测量-数据导出-数据导入-再修磨）过程。 “学习功能(learning function)”自动控制模块的使用使整机的利用率从原来 的70%左右提高到90%以上，降低了成本，提高了经济效益。 在“学习功能(learning function)”自动控制模块中集合了学习控制、自 适应控制、专家控制和模糊逻辑控制等智能控制原理。学习控制通过与控制对象 和环境的闭环交互作用，根据上一次磨削所获得的经验信息，逐步改进系统磨削 方式改善磨削效果。专家控制提供多年来所积累的磨削经验值，即所谓的加工工 艺经验的累积。模糊逻辑控制为智能化设备设定了规则，如磨削所达到的精度， 即工件圆度小于0.002mm等。 图一 2 原理 德国勇克公司的外圆磨床“学习功能(learning function)”自动控制模块主要 是基于 FANUC 控制系统进行开发的， 目前最新的产品是以 GE Fanuc Series 18-M 控制系统为核心，由声音传感器、静压导轨、数字显示、电机驱动、速度调节控 制、电流检测、电压检测以及通过控制系统自身的各个数控轴的轴向和径向定位 组成。 图二 GE Fanuc Series 18-M 该系统的工作原理是：首先机床对毛坯件进行第一圈的磨削，在砂轮与被磨 工件接触时， 控制器通过对噪音传感器传来的噪音信号与控制系统自身对各个数 控轴的轴向和径向的定位， 应用模糊控制原理确定被加工区域工件的圆度如图三 所示，FANUC控制系统完成对该信号的采集处理工作，并判别其是否在工差范围 内，并采用Vf控制方式即在改变频率的同时控制逆变器的输出电压，使电动机 的磁道保持一致，在大范围内调速，而电动机效率、功率因素不下降。 图三 控制器通过专家系统对数据进行分析并发出信号对第二圈的磨削轴的各个位置 及砂轮转速和力度进行调整。在电机运行过程中，控制器检测蓄电池电压、电机 电流和转速，一旦其参数超过设定值，控制器将使其SPWM输出减小，实现保护功 能。 图四 自适应模糊控制器就是借鉴自适应控制理论的一些理念来设计模糊控制器， 也称作语言自组织模糊控制器（SOC），它的思想就在于在线或离线调节模糊控 制规则的结构或参数，使之趋于最优状态。He1采用一种带有修正因子的控制 算法，通过调整修正因子改变控制规则的特性。Manmdani提出的SOC直接对模糊 控制规则进行修正，是一种规则有组织模糊控制器。Raju对控制规则进行分级管 理，提出自适应分层模糊控制器。Linkens1等提出规则自组织自学习算法，对 规则的参数以及数目进行自动修正。 而采用神经网络对模糊控制规则及参数进行 调整，也是一种实现模糊自适应控制的好方法（虽然严格说它并不是真正意义上 的复合控制器）。 图五 滑模控制因其设计简单， 对系统变化不敏感等优点而被广泛用于工业生产过 程，但是传统滑模控制存在一个突出的缺点抖振，为解决这一问题出现了 模糊滑模控制器。张天平2，Sim3等提出了一类模糊滑模控制器，可以削弱抖 动，但因其难以保证边界层内滑动模态的可达性，而失去了滑模控制不敏感的优 4 点。郑怀林 等针对此问题，提出一种新的模糊滑模控制器设计方法，可充分 保证滑动模态的可达性，从而实现控制器优化设计。这也是一个复合控制器设计 不断完善的过程。 3 控制系统的硬件设计 德国勇克公司的外圆磨床“学习功能(learning function)”自动控制模块由工 业 PC、PLC、传感器、变频器、电机及控制器集成在机床与 FANUC 系统内部，是 一种具有全自动闭环控制功能的一体化智能系统。控制系统采用 FANUC，具体结 构如图六。系统采用 GE Fanuc Series 18-M 控制系统，具有速度快、可靠性高 的特点。 图六 外圆磨床“学习功能(learning function)”自动控制模块引入了智能自适 应逆控制，其核心思想是利用神经网络具有对任意非线性函数的无限逼近能力， 将已加工工件的圆度视为一种映射关系，其它因素则看成是参变量，若将被加工 工件的圆度的映射作为正映射，则已加工工件的圆度可看成逆映射，此映射关系 可由神经网络加以实现，正映射即为预测模型 NNI，逆映射则为控制模型 NNC， 并且神经网络的自学习能力使得模型不但可以离线学习还可以进行在线自适应 修正。系统示意图如图七所示。 图七 系统的训练过程如下：首先训练网络 NNI 描述正映射，调整权值的误差信号 为对象输出与网络输出之差 e1，然后训练一个网络描述逆映射，并将此网络作 为控制器 NNC，用它来产生对象输出为目标值 Tf时对应的输入 Q，再利用实际 输出 Tf 计算理想的输入 Qr， 并用理想输入与实际输入的差值 e2 调节控制器 NNC 的权值。在该控制方案中，采用了 3 层 BP 网络对系统进行离线及在线辨识，网 络的激励函数为达到最小，这种基于 LMS 的最速下降类方法具有计算简单、收敛 快速等优点，很适合实际使用。整个系统采用了 PID 控制和智能自适应逆控制相 结合的双环调节方式，内环的作用是保证流量和辊速准确的保持在外环给定值 上。 外环采用了专家控制和自适应逆控制相结合的思想， 专家控制部分主要完成 生产知识积累和预控，具体过程是首先依据理论公式和实际经验。 4 “学习功能(learning function)”的工作原理 4.1 模糊控制 模糊控制以模糊集合、模糊语言变量、模糊推理为其理论基础,以先验知识和专 家经验作为控制规则。其基本思想是用机器模拟人对系统的控制,就是在被控对 象的模糊模型的基础上运用模糊控制器近似推理等手段,实现系统控制。在实现 模糊控制时主要考虑模糊变量的隶属度函数的确定,以及控制规则的制定二者缺 一不可。 4.2 专家控制 专家控制作为智能控制的一个重要组成部分，具有高可靠性及长期运行的连续 性、在线控制的实时性、优良的控制性能及抗干扰性、使用的灵活性及维护的方 5 便性等特点 ，具有广阔的发展前景。专家控制主要有两种形式，即专家控制 系统和专家控制器（Expert Controller） ，前者系统结构复杂、研制代价高，因 而目前应用较少。后者结构简单，研制代价明显低于前者，性能又能满足工业过 程控制的一般要求，因而获得了日益广泛的应用。下面主要以专家控制器为例来 说明专家控制系统的结构、特点、性能、设计原则等。 专家控制器的特点及模型结构 专家控制器的特点包括模型设计的多样性、在线处理的灵活性、控制策略的 灵活性、决策机构的递阶性及推理与决策的实时性等。模型设计的多样性具体是 指在设计过程中，对被控对象和控制器的模型采用多样化的描述形式，不应拘泥 于单纯的解析模型。 这些描述模型主要有： 解析模型、 Fuzzy 模型和规则模型等。 产生式规则的基本形式为： IF条件THEN操作或结论 这种基于规则的符号化模型特别适于描述过程的因果关系和非解析的映射关系 等。基于规则的描述方式具有较强的灵活性，可方便地对规则加以补充或修改。 本文采用产生式规则来描述控制器模型。专家控制器一般模型可用如下形式表 示： Uf（E，K，I） 其中，f 为智能算子，其基本形式为： IFEANDK THEN（IFITHEN U） 其中：E 为控制器的输入集；K 为知识库中的经验数据与事实集；I 为推理 机构的输出集；U 为控制器输出集。智能算子的基本含义是：根据输入信息和知 识库中的经验数据与规则进行推理，然后根据推理结果 I，输出相应的控制行为 U。智能算子的具体实现方式可采用前面介绍的各种方式。 由于专家控制器在模型的描述上采用多种形式，就必然导致其实现方法的多样 性。虽然构造专家控制器的具体方法各不相同，但归结起来，其实 现方法可分为两类： 一类是保留控制专家系统的结构特征， 但其知识库的规模小， 推理结构简单；另一类是以某种控制算法（例如 PID 算法）为基础，引入专家系 统技术，以提高原控制器的决策水平。专家控制器虽然功能不如专家系统完善， 但结构较简单，研制周期短，实用性好，具有广阔的应用前景。 专家控制器的结构 图八给出了一种工业专家控制器的结构框图。 图八 专家控制器（EC）的基础是知识库（KB） ，存放工业过程控制的领域知识， 由经验数据库（DB）和学习与适应装置（LA）组成，经验数据库主要存储经验和 事实； 学习与适应装置的功能就是根据在线获取的信息， 补充或修改知识库内容， 改进系统性能，以便提高问题求解能力。建立知识库的主要问题是如何表达已获 取的知识。EC 的知识库用产生式规则来建立，这种表达方式具有较高的灵活性， 每条产生式规则都可独立增删、修改，使知识库的内容便于更新。控制规则集 （CRS）是对被控过程模式和经验的归纳和总结。用于规则条数不多，搜索空间 很小， 推理机构 （IE） 就十分简单， 采用向前推理方法逐次判别各种规则的条件， 满足则执行，否则继续搜索。特征识别与信息处理（FRZP）部分的作用是实现 对信息的提取和加工，为控制和学习适应提供依据。它主要包括提取动态过程的 特征信息，识别系统的特征状态，并对特征信息作必要的加工。 EC 的输入集为 E（R，e，Y，U） 为特征信息输出集，K 为经验知识库， ，S G 为规则修改命令，I 为推理机构输出集，U 为 EC 的输出集。其中 EC 的模型如 上节所示。智能算子为几个算子的复合运算： fghp 其中：g：ES；h：SKI；p：IUg、h、p 均为智能算子，其形式为： IFATHEN B 其中：A 为前提或条件；B 为结论。A 与 B 之间的关系还可以包括解析表达式、 Fuzzy 表达式、因果关系和经验规则等多种形式，还可以是一个子规则集。 4.3 学习控制 (1)遗传算法学习控制 智能控制是通过计算机实现对系统的控制,因此控制技术离不开优化技术。 快速、 高效、全局化的优化算法是实现智能控制的重要手段。遗传算法是模拟自然选择 和遗传机制的一种搜索和优化算法,它模拟生物界/生存竞争,优胜劣汰,适者生 存的机制,利用复制、交叉、变异等遗传操作来完成寻优。遗传算法作为优化搜 索算法,