高速车铣复合加工中心铣削过程的智能控制

论文摘要

针对数控加工过程的时变性、非线性和不确定性,传统的PID控制显得无能为力,无法在现场环境下根据外部干扰和随机因素实时动态调整CNC中预先设定的切削参数而影响工作效率和产品加工质量,限制了CNC向多变量控制方向的发展,已不适应日益复杂的制造过程。本文采用神经网络自适应控制理论来对加工过程进行实时监控,自动调节控制器参数,消除不确定性因素的影响,实现加工过程智能控制,提高加工效率。目前对监控过程采取的诸多算法基本思路仍为自校正控制和模型参考自适应控制,均离不开系统的数学模型,因而其应用受到限制,其主要困难在于加工过程模型的建立和实时优化策略制定。基于神经网络的自适应控制特别适合于非线性时变系统、无法精确建模系统以及操作存在着不确定性的系统,具有较高的智能水平。考虑到BP神经网络具有自学习和对任意非线性函数的万能逼近能力,所以本文提出神经网络建模和优化控制相结合的数控铣削控制系统,在加工过程中不断调整进给速度,从而提高生产率,具有重要的理论意义和现实意义。 本课题以机电学院先进制造研究所正在研制的卧式高速复合车铣加工中心为研究对象,对数控铣削系统进行了系统分析和建模,制定了神经网络恒力和恒功率控制方案及控制算法,经模拟仿真表明,该控制方案效果较好,控制精度较高,具有实时性、鲁棒性和稳定性的特点,具有自适应控制功能,实现了数控铣削过程神经网络智能控制,从而实现最佳功率约束自适应控制。

论文目录

• 第一章 绪论
• 1.1 选题的背景及研究的意义
• 1.2 神经网络数控加工的特点及优势
• 1.3 国内外研究动态及发展趋势
• 1.4 研究对象及研究方法
• 1.5 技术路线及步骤
• 1.6 实现目标
• 1.7 本章小结
• 第二章 神经网络智能控制理论基础
• 2.1 神经网络
• 2.2 反向传播网络
• 2.2.1 BP网络
• 2.2.2 BP网络学习算法
• 2.2.3 BP算法的缺陷
• 2.2.4 提高BP学习速度的方法
• 2.2.5 使用BP算法时应注意的问题
• 2.2.6 BP网络设计
• 2.3 神经网络的选取
• 2.4 神经网络与模糊控制
• 2.5 本章小结
• 第三章 机床适应控制系统与神经网络控制器
• 3.1 PID控制原理
• 3.2 机床自适应控制系统
• 3.3 智能控制技术发展概况
• 3.4 神经网络自适应控制
• 3.5 数控铣削神经网络实时监控系统
• 3.6 本章小结
• 第四章 数控铣削神经网络控制
• 4.1 基于BP神经网络的数控铣削约束型自适应控制研究
• 4.1.1 概述
• 4.1.2 BP神经网络直接自适应控制系统
• 4.1.3 系统仿真
• 4.1.4 结论
• 4.2 数控铣削过程神经网络智能控制
• 4.2.1 概述
• 4.2.2 BP神经网络智能控制系统
• 4.2.3 系统仿真
• 4.2.4 结论
• 4.3 本章小结
• 第五章 结论与展望
• 5.1 结论
• 5.2 研究及展望
• 5.2.1 神经网络研究
• 5.2.2 神经网络与模糊控制系统
• 5.2.3 专家神经网络控制系统
• 5.2.4 遗传算法
• 参考文献
• 致谢