基于改进PID控制的机床滑台运动位移跟踪误差研究①
2021-12-21谭志银
谭志银
(1滁州职业技术学院、电气工程学院,安徽 滁州 239000)
0 引 言
机床滑台用于定位加工产品,若定位误差较大,就会影响到产品的加工精度。通过对机床滑台运动位移控制研究,可以降低数控机床加工综合误差。因此,研究机床滑台运动控制系统,对于促进数控机床市场竞争力具有十分重要意义。
为了提高机床滑台控制系统稳定性,国内外学者对机床滑台控制方法进行了广泛研究。例如:金建军[2-3]等人研究了机床滑台液压PLC控制系统,减少了能源消耗,提高了工作效率。尚丽伟[4-5]等人研究了数控机床滑台进给PID控制系统,补偿了控制系统的跟踪误差。Arturo Molina[6-7]等人研究了机床滑台模糊PID控制系统,降低了机床滑台输出位移跟踪误差。以前研究的机床滑台运动位置误差有所降低,但是,机床滑台在干扰环境中移动时,其输出误差较大。建立机床滑台平面简图模型,给出机床滑台移动方程式,引用传统PID控制并进行改进,设计出BP神经网络PID控制器。采用MATLAB软件对机床滑台跟踪误差进行仿真,并与其它控制方法进行比较和分析,为深入研究机床滑台定位精度提供理论参考依据。
1 机床模型
机床的主要组成[8]部分如图1所示。
图1 机床结构平面简图
机床滑台采用闭环控制系统,其控制流程如图2所示。
图2 闭环控制过程
机床位置环节主要是对机床位置误差信号进行调节,其控制方程式[7]为公式(1):
(1)
式中:Uw(t)为环电压;Xh(t)为滑台移动量;Kwz为位置放大系数;Kw为位置增益系数;pwc(t)为环初始脉冲;pwf(t)为环传感器反馈脉冲。
机床滑台速度环控制方程式[7]为公式(2):
(2)
式中:Uhl(t)为回路电压;Uvf(t)为速度反馈电压;Kvz为速度放大系数;Kv为速度增益系数;Uvc(t)为速度初始电压;θvf(t)为伺服电机旋转角度。
在图1中,1—床身,2—滑台,3—主轴,4—横梁,5—电机,6—立柱。
伺服电机工作方程式[7]为公式(3):
(3)
式中:i为电流;ω为角速度;J为电机转动惯量;T为电机转矩;λf为磁场系数;L为电感系数;pn为伺服电机级对数。
伺服电机转矩方程式[8]为公式(4):
(4)
式中:Te为转矩;KT为转矩系数。
滑台沿着水平面移动方程式为公式(5):
(5)
式中:xl为滑台运动位移;ph为丝杠导程;ipt为丝杠传动比;Ms为转矩;θm为丝杠转角;Kl为转矩刚度系数。
因此,滑台运动位置控制函数方程式定义为公式(6):
(6)
2 改进PID控制
2.1 常规 PID控制
PID控制是机床控制系统较为常见的控制方法,该控制方法实现简单、操作方便,可靠性较强,具有比例、积分和微分环节,其控制流程如图3所示。
图3 PID控制流程
采用PID控制,其控制方程式[9-10]为公式(7):
(7)
式中:kp为比例系数;ki为积分系数;kd为微分系数。
输出与输入之间误差方程式为公式(8):
e(k)=x(k)-y(k)
(8)
2.2 BP神经网络PID控制
采用三层BP神经网络结构,主要包括输入层、隐含层和输出层[11],分别对应PID控制参数的kp、ki、kd,如图4所示。
图4 三层BP神经网络输出结构
在三层BP神经网络结构中,其输入层表达式
为公式(9):
(9)
在PID控制中,输入层为误差反馈信号。
在神经网络隐含层中,其输入和输出表达式[12]为公式(10),(11):
(10)
(11)
式中:ωij(2)为隐含层调节系数。
隐含层活化函数[12]为公式(12):
(12)
在神经网络输出层中,其输入和输出表达式为公式(13):
(13)
输出层中的活化函数[12]为公式(14):
(14)
神经网络评价指标函数为公式(15):
(15)
式中:x(k)、y(k)分别为神经网络的输入和输出信号。
按照梯度方向对神经网络调节系数进行调整,其表达式为公式(16):
(16)
式中:η为学习速率;α为惯性系数。
另外公式(17):
(17)
式17中:y(k)为滑台控制传递函数。
传统PID控制器对机床滑台进行闭环控制,控制信号为正向传递,而BP神经网络PID控制器按照误差梯度下降对神经网络调节系数进行修正,使控制指标发挥出最佳性能,其结构如图5所示。
图5 机床滑台控制流程
3 误差仿真
机床滑台采用改进PID控制系统后,其输出精度是否得到了改善。接下来,通过MATLAB软件对不同控制方法进行验证。仿真参数设置如下:群体大小为100,惯性调节系数为α=0.05,学习速率为η=0.1,PID控制参数kp=0.12,ki=0.24,kd=0.06。
假如机床滑台理论运动轨迹为圆形,在无波形干扰状态中,采取传统PID控制系统,机床滑台跟踪效果如图6所示,而采取改进PID控制系统,机床滑台跟踪效果如图7所示。在有正弦波(y=4sinπt)干扰状态中,采取传统PID控制系统,机床滑台跟踪效果如图8所示,而采取改进PID控制系统,机床滑台跟踪效果如图9所示。
对比图6、图7可知:机床滑台在无波形干扰状态条件下移动,采取传统PID控制系统,滑台位置跟踪误差最大值为0.05m,采取改进PID控制系统,滑台位置跟踪误差最大误差为0.02m。分别采取两种控制方法,机床滑台运动位置跟踪误差相差不大,基本上都可以按照理论轨迹进行移动。对比图8、图9可知:机床滑台在有正弦波形干扰状态条件下移动,采取传统PID控制系统,滑台位置跟踪误差较大,最大误差为0.19m,而采取改进PID控制系统,滑台位置跟踪误差较小,最大误差为0.02m。因此,在同等条件下,采取改进PID控制系统,机床滑台反应速度快,位置定位精度高,抗干扰能力强。改善了机床滑台运动误差控制性能指标,提高机床主轴对滑台上产品的加工精度。
图6 PID控制(无干扰)
图7 BP-PID控制(无干扰)
图8 PID控制(有干扰)
图9 BP-PID控制(有干扰)
4 结 论
在传统PID控制基础上进行改进,并对机床滑台运动位置跟踪误差进行检验,主要结论包括以下几个部分:
1)传统PID控制反应速度慢,对复杂环境适应力较差,应用领域会受到一定的限制。
2)BP神经网络算法具有自主学习能力和适应能力,采取BP神经网络对PID控制系统参数进行在线调整,能够抑制正弦波的干扰,对复杂环境能够快速的做出调整,滑台位置跟踪精度高。
3)采用MATLAB软件对机床滑台运动位移进行仿真,可以检测滑台运动位移偏离效果,为实际研究提供参考依据。