非金属条形材料专用全自动冲床的研制*＊

徐立军

(新疆工程学院电气与信息工程系，新疆 乌鲁木齐，830091)

冲床是一种普遍使用的金属冷加工机械设备，主要用于机械器件的塑性成形，还可以用于筛网等设备的冲裁加工。冲床加工的主要特点为:废料少，成品率高，冲裁零件整体强度高［1］。近年来，我国钣金加工行业需求量大增，从而带动了冲床等钣金加工设备的迅速普及，传统的加工设备及加工工艺已很难满足客户对加工精度、效率、成品率等方面需求，数控全自动冲床无疑是现在即将来市场的主流设备［2］。

我国制造和使用全自动数控冲床已接近20 年，随着引进国外技术以及自主创新，济南捷迈、江都亚威、扬州扬力等为代表的数控机床设备生产制造企业在产品成熟度、设备先进性及市场占有率等方面已经有了长足的进步，数控冲床在我国已经进入了快速发展期。但是，国内生产的自动数控冲床多以金属板材或柔性板材为加工对象，而专用于加工非金属条形板材的生产企业非常少。非金属板材因其非金属性质，不可磁性吸取，用现有的送料系统无法顺利送出，因而无法进行自动冲裁加工，而某些特殊行业如变压器行业大量使用的绝缘垫块就是由表面粗糙的绝缘条形材料冲裁而成，因缺少专用自动冲床，现在的加工方式基本为手工冲裁，生产率较低。

基于以上原因，本项目组受新疆特变电工委托，研制了一种非金属条形材料专用小型自动冲床，该冲床体积小、精度高、自动化程度高，可满足相关企业的迫切需要。

1 冲床结构简介

冲床整机如图1 所示，结构如图2 所示，主要由材料升降机构、托料机构、送料机构、材料检测装置、控制机构及自动冲头构成。

(1)材料升降机构。结构如图3 所示。通过升降步进电动机驱动升降螺杆将条形材料送至送料位置，材料用完后自动下沉装料。

因为不同加工材料的宽度不同，所以该部分设计为可以根据材料调整宽度。为了节省成本，宽度调节为手动方式，结构如图4 所示。

(2)送料机构。结构如图5 所示，这部分为整个冲床最核心机构，因为加工材料不可磁性吸取，所以采用搓轮将材料搓出至抽取滚轮。为保证搓出速度和搓出率，该装置采用模糊神经PID 算法驱动伺服电动机进行控制。

(3)材料检测装置。采用上下限位传感器、单层分拣传感器、检料传感器等多种检测装置全过程检测各机构的工作状态并将信号送至PLC。

(4)自动冲头。对材料进行冲压加工。

2 工作过程分析

冲床的工作流程如图6 所示。

(1)开机初始化，若自检正常，则检查条料状态。若条料到位，可选择是否工作，若未检测到条料，则提示装填条料。

(2)当升降机上升置位，搓料电动机起动，将材料搓出至送料滚轮。该部分使用模糊神经网络控制，可实施搓轮动态压力控制以保证搓出率及搓出速度。

(3)当材料送至送料机构，送料伺服电动机驱动送料滚轮工作。送料滚轮分上下两层结构，下层为单层分拣滚轮，该滚轮与上层送料滚轮旋转方向相反以进行单层分拣［4-7］。

如果材料表面很光滑无法搓出，控制系统取消搓料，改用强力吸盘吸取材料送出，既可以保证送料速度，又兼顾了节能。

(4)当条料到达冲头下方指定位置触发冲头行程开关，冲头向下冲制，根据工作模式(单步、单周、重复)决定送料步进电动机是否继续送料。在整个工作过程中，全程检测是否有急停中断、传感器异常等信号。

(5)当料头位置传感器状态出现下降沿时，表示料尾到达，送料电动机反向转动若干步，将尾料抽出送至尾料收集器，然后进行下一循环。

3 控制系统分析

3.1硬件系统

PLC 控制系统外部接线图如图7 所示。

冲床采用三菱FX2N-48MT-001PLC 作为控制器，台达DOP-B07S201 触摸屏作为人机交互界面。

3.2 软件系统

模糊神经网络控制系统结构如图8 所示，图中，ed是期待误差，用FNN 网络来辨识摩擦力矩，速度控制器输出为模糊神经网络控制器输出和PID 控制器输出之和。FNN 的作用为通过其学习功能，逐渐使系统误差趋于0。

为了建立模糊神经网络的学习算法，分析图8 所示控制系统，可将经过参数简化处理的电动伺服系统微分方程表述如下:

FNN 复合控制器输出电压为:

将式(2)代入式(1)，得:

整理得:

从式(4)可以看出，当ur=A*ω¨+B*ω·+ud时，模糊神经网络对摩擦力系统的非线性、模型不确定性及其余各种干扰因素进行了完全补偿，此时，uc-即按照理想模型设计的复合控制器只对理想线性系统进行控制，系统误差e=0。

系统软件采用模块化的设计方法，将每一个设备工作过程设计为一个子程序，条件满足时由主程序进行调用，使得软件整体结构清晰简单，便于修改和调试。

软件部分主程序如图9。

使用PLSY 指令对步进电动机进行控制，根据脉冲的个数和频率控制电动机转动的行程和速度［1］。

4 结语

调试过程初期冲床性能不稳定，条料送出速度随材料材质的改变差异较大，通过对控制参数进行反复调试并用大量样品对神经网络进行训练，运行性能趋于好转。若企业生产所用为单一材质材料，可不用神经网络控制，而改用传统PID 控制或恒频控制，在要求精度不高的情况下，可取得更加令人满意的结果，软件及人工成本会更加节省。

通过与人工冲床的生产效率进行比较，人工效率提高了8 倍，设备效率提高了2 倍，总体工作效率提高了16 倍，从这一点可以看出，该设备有较广阔的市场前景及推广价值。若进一步开发嵌入式控制系统，可降低成本并进一步提高控制性能。

［1］腾红华，张胜全.自动冲床进料机构的机电一体化设计［J］.武汉工业学院学报，2003(3):24-26.

［2］徐以光.国产数控冲床及模具现状分析［J］.液压装备与制造技术，2007(5):31-34.

［3］BLECH，ROHRE.柔性生产系统中顺序动作自动冲床［J］.轻型汽车技术，1989(4):68.

［4］周开利，康耀红.神经网络模型及其MATLAB 仿真程序设计［M］.北京:清华大学出版社，2005.

［5］刘强，尔联洁，刘金琨.摩擦非线性环节的特性、建模与控制补偿综述［J］.系统工程与电子技术，2002，24(11):45-52.

［6］Rmstlrong B A. Friction:Experimental determination，modelling and compensation［C］.IEEE Int. Cong. On Robotics and Automation，Philad，1988:1422-1427.

［7］Johannesi V，Green A M，BROCKLEY A C. The role of the rate of application of the tangential forcc in determining the static friction coefficient［J］. Wear，1973，24(1):381-385.

［8］Hess P D，Soon A. Friction at a lubricated LINC contract operating at oscillating sliding velocities［J］. J.Tribol.，1990，112(10):147-152.