基于数字孪生的多轴数控机床轮廓误差抑制方法

针对数控机床高速高精加工过程中轮廓误差控制难的问题,提出一种基于数字孪生的轮廓误差抑制方法,并以数控机床的关键执行部件——多轴进给系统为具体对象,构建面向轮廓误差的"建模-预测-控制"闭环抑制技术框架.该方法针对多轴进给系统多属性交叉耦合的特点,建立其高保真数字孪生体,并通过数字-物理空间的多粒度信息传递,实现跨时间尺度下数字孪生体与物理实体在不同维度的虚实精确同步.通过对数字孪生体进行降阶表征,建立轮廓误差多因素动态影响关系模型,融合多粒度信息实现对轮廓误差的动态预估.基于轮廓误差动态预估结果,提出轮廓误差综合抑制方法,实现对时变运动控制参数下多轴进给系统的插补控制.最后,通过小型三轴数控机床的虚实同步运动实验,验证了所提方法的有效性.     

基于改进遗传算法的等距型面轮廓参数及误差计算

等距型面轮廓曲线为非圆曲线,其参数测量和误差计算都比较困难,目前尚无统一的评价标准。本文根据圆的测量方法,采用最小包容区域法和改进的遗传算法来计算等距型面的轮廓参数及其误差,提高了等距型面轮廓曲线的测量精度,为等距型面的精确测量提供了一种新的计算方法。     

基于PMAC的快速成形轮廓运动控制研究

从快速成形的工作原理出发,提出以PMAC多轴运动控制器、PC机以及伺服电机为主体的运动控制方案,研究了轮廓数据向PMAC格式的数据转换方法以及将数据下载到PMAC数据缓冲区驱动数控平台来实现快速成形轮廓运动过程,设计实现了基于PMAC的快速成形轮廓运动控制体系的软、硬件体系.     

基于时间序列预测技术的数控机床轮廓误差实时补偿方法研究

分析了现有数控机床轮廓误差控制方法的优势与不足,提出了基于时间序列预测技术的轮廓误差实时补偿方法.基本思想是通过对伺服跟踪误差的实时检测与预报,动态控制插补过程,以有效消除由伺服跟踪误差引起的合成轨迹误差.仿真结果表明,文章提出的这种方法可以有效地减小数控机床轮廓误差.     

基于虚拟再测量的精密转子轮廓测量技术

精密转子表面为典型的复杂螺旋曲面,采用三坐标测量机较难实现高精度的测量。对此,基于螺旋曲面的数字化特征模型及其等距面的相关几何性质,将转子轮廓的测量转化为导程参数和端面型线的测量,并提出一套新型的转子导程、型线等主要几何参数坐标测量方案。阐述转子数学模型及其测量数据处理的若干基本方法,在此基础上模拟三坐标测量机的步进采样测量过程,实现测量结果的不确定度评价和测量采样策略的优化选取。针对导程测量中存在的螺旋线特征点捕捉问题,提出了型线匹配测量法;为解决测尖半径补偿问题,提出基于虚拟再测量的补偿评价方法和不补偿直接评价方法。通过仿真和实际测量试验进行验证,其结果与转子厂家提供的理论数据吻合度较高,表明此方案合理。     

基于轮廓误差估计模型的双轴同步控制策略

针对由伺服参数不匹配及外部扰动引起的双轴运动中不同步现象,提出将给定进给速度比下两轴间的同步控制问题转换为二维轮廓控制问题。通过几何分析获得同步误差与轮廓误差之间的关系,并基于等效切线轮廓误差估计模型,提出一种新型双轴交叉耦合同步控制策略。在自主开发的直线型双轴运动控制实验平台上进行同步控制实验,实验结果表明:无论是等速同步运动还是非等速同步运动,在伺服增益不匹配及摩擦扰动影响下,所提出的新型交叉耦合同步控制策略能有效减少同步误差的产生。     

基于摩擦补偿的两轴直驱伺服进给系统自适应非线性滑模轮廓控制

为满足两轴直驱伺服进给系统的高精度加工要求,提出一种基于摩擦补偿的自适应非线性滑模轮廓控制(ANSMCC)方法,以兼顾加工精度和响应速度要求。建立适用于大曲率轮廓加工的等效轮廓误差模型,同时考虑系统中存在的不确定性动态的影响,建立准确且能实时补偿的改进LuGre非线性摩擦力动力学模型。为提升两轴直驱伺服进给系统轮廓性能,设计基于非线性滑模面的ANSMCC方法,其中非线性滑模面包含轮廓误差分量,通过改变非线性滑模面中增益矩阵值的大小可实时改变系统的阻尼比,从而协调轮廓误差与系统响应速度的关系。实验结果表明,所提方法可以克服系统运行过程中不确定性动态的影响,准确跟踪大曲率轮廓曲线,提高轮廓加工精度。     

基于恒线速度的异形零件数控加工的研究

现代机器中有许多零件是异形零件,加工这些异形零件采用的是随动加工法。从数控加工的角度入手,论述了随动加工的运动机理,建立了基于恒线速度的随动加工运动方程,建立了数控仿形刀架的动力学模型;对数学模型引起的加工误差进行了分析。     

基于全局敏感性分析和动态代理模型的复杂非线性系统优化设计方法

针对复杂非线性系统多参数优化设计不仅计算工作量大,而且难以获得理论上最优解的问题,提出将全局敏感性分析和动态代理模型技术相结合的多参数多目标优化策略。通过基于方差的Sobol全局敏感性分析精简系统模型,确定敏感参数,并构造基于敏感参数的多目标代理模型,采用NSGA-II遗传优化算法得到当代最优解。优化过程中,代理模型和搜索空间不断更新,最优解附近的精度不断提高,直到满足优化迭代的收敛准则。将本方法应用于某汽车乘员约束系统的概念优化设计中,乘员的头部损伤指标(Head injury criterion,HIC)、胸部3 ms伤害指标C3ms和胸部压缩量D分别降低了11.3%、11.8%和9.4%,优化结果和最优解附近的精度都优于静态代理模型与NSGA-II遗传优化算法,取得明显的优化效果,证明了研究方法的有效性。     

基于动态线性化方法的自适应PD控制器的设计

传统PD控制对非线性系统和参数时变摄动的控制效果不理想,该文提出一种基于动态线性化方法的自适应PD控制器的设计方法。该方法通过输入输出数据对控制器中的比例增益实时调整,从而获得更强的鲁棒性,改善了动、静态性能。仿真结果表明,所提出的方法对系统的参数摄动具有较好的控制效果。     

基于子系统的非线性时变系统辨识方法

针对非线性时变系统提出一种基于子系统的辨识方法,用于时变多自由度（multiple degree-of-freedom,简称MDOF）系统中非线性的定位和估计,并且无需关于系统的先验知识。所提出的新方法提供一个连续时间模型,MDOF系统按照自由度被分解为不同的子系统。设计正交化算法和误差减小率（error reduction ratio, 简称ERR）,可以确定子系统中质量和自由度之间的线性及非线性连接的所有信息。在辨识过程中,时变参数的时间表达式可以由新方法准确给出。用一个3自由度（degree-of-freedom, 简称DOF）集中质量系统和一个机械臂结构的辨识过程为例,对所提出的方法进行验证。由于简单性及高效性,此方法将在实际工程中取得广泛的应用。     

基于分段三次样条曲线的高速加工平滑运动轮廓自适应算法研究

针对高速加工的需求,提出了一种基于分段三次样条曲线的机床运动轮廓自适应生成算法。该算法能够保证机床在高速运行过程中加加速度（加速度的变化率）的恒定、加速度的连续、速度与时间关系的一阶连续、位移与时间关系的二阶连续,并且保证在各自的约束范围内,从而使机床的运动平稳,避免产生大的冲击和振动。分析了速度、加速度、加加速度的约束条件以及机床行程对平滑运动轮廓的影响,根据这些约束条件,该算法自适应地调整速度变迁各阶段的时间。针对多个程序段的加工,提出了分段常速与平滑变迁控制的策略。该算法简单、有效,已在最新开发的国内第一台高速玻璃刻花加工中心上实现。     

基于增量非线性动态逆的液压执行器力控制策略研究

针对液压执行器力控跟踪要求高度的非线性及不确定性的动力学模型问题,导致液压驱动系统高精度运动控制存在困难,提出采用一种基于传感器的增量式非线性动态逆控制方法来解决液压执行器的力跟踪问题。建立液压执行器动力学模型,理论分析了INDI控制策略在力控制模型上具有稳定性好、抗干扰能力强、系统标定范围大的优势。利用该控制器压力差导数作为反馈,不依赖于精确的液压执行器数学模型和参数标定,对模型不确定性具有固有的鲁棒性。仿真试验和理论分析表明: 采用高频率采样的INDI控制器力跟踪误差始终稳定在6%左右; 最大跟踪误差也不超过8%;对参数不确定性具有极强的鲁棒性。     

基于Matlab系统函数法的汽车轮胎力计算研究

针对轮胎力在汽车动力学模拟及控制系统开发中的重要作用,研究了利用Matlab/Simulink软件中的系统函数来建立Gim理论轮胎模型的模块化实现方法,所建立的轮胎模块在车辆动力学模拟中可直接作为Simulink中的子模块被调用来计算地面作用于汽车轮胎的纵向与横向力。通过动力学数值仿真与实验测试结果的对比分析表明:Gim理论轮胎模型具有很高的精度,能准确的预测轮胎的力学特性,所建立的轮胎子模块通用性强,所需参数少,可直接应用于各种车辆动力学分析与控制系统的研究中。     

基于深度学习方法的含间隙铰链多刚体系统的动力学建模与分析

机械系统中,铰接处接触力受铰间间隙量大小、运动副各部件的材料属性、运动过程中的接触状态等因素的影响,表现出很强的非线性。传统的间隙铰摩擦理论模型主要关注对摩擦现象描述的普适性,而难以精确地描述摩擦过程中摩擦力的非线性特征。基于物理样机试验获得的数据,使用深度学习方法建立了间隙铰非线性接触力神经网络模型,通过摩擦试验生成接触摩擦力数据集,结合旋转铰间隙接触碰撞力混合模型生成接触碰撞力数据集,对模型进行训练和测试,得到了旋转间隙铰的神经网络动力学模型。在此基础上,结合拉格朗日方程对含间隙铰的曲柄滑块机构进行建模,建立了“多刚体系统-间隙铰-多刚体系统”的动力学模型,通过仿真分析得到系统关键参数的动力学响应,并与物理试验结果进行了对比,验证了基于深度学习方法获得的间隙铰模型的正确性,为深度学习方法在非线性系统动力学建模方向上的应用提供了一个可行的思路。     

基于示教学习和自适应力控制的机器人装配研究

针对柔性自动化领域的机器人装配问题,对示教学习和自适应力控制等方面进行了研究,对初始位置变化时示教搜孔、插孔时降低接触力矩波动速度和误差的策略进行了归纳,提出了利用示教学习对搜孔轨迹泛化和模糊自适应阻抗控制插孔的方法。首先根据是否与孔产生接触力将示教任务分为两段;接着利用了任务参数化的高斯混合模型(TP-GMM)训练并泛化第一段轨迹;最终和原示教的第二段轨迹组合为新的搜孔轨迹;采用了六自由度阻抗控制使得机器人具有柔顺性,再利用了模糊自适应策略调节阻抗控制中Z轴期望接触力,利用UR机器人对方形孔进行了装配试验验证。研究结果表明:所提出的策略在新的初始位置,仍能绕过障碍物并生成新的搜孔轨迹,无需再次示教;调节期望接触力相比其不变时,绕X轴方向力矩波动速度低,且波动误差减小了30%。     

基于协方差矩阵的VNA/NVNA/LSNA测量不确定度传播规律与分析方法研究

为了对微波元器件和无线系统的前端进行表征,矢量网络分析仪(vector network analyzer,VNA)、非线性矢量网络分析仪(nonlinear vector network analyzer,NVNA)和大信号网络分析仪(large siginal network analyzer,LSNA)是最为常用的频域测量平台,对其测量结果的不确定度分析是仪器与计量领域中当前研究的热点之一.根据这3种仪器的测量原理和校准理论,首次归纳出了此类频域测量平台的不确定度传播规律,并针对“多频点、多变量、复量值”测量条件下变量间的高度相关性,提出了一种通用的基于协方差矩阵的不确定度分析方法及流程.在国产VNA产品和自主构建的NVNA原型样机上对脉冲信号的测量实验表明,该方法与忽略互相关信息的不确定度分析结果存在显著差异,其有效性和准确性可以通过Monte Carlo仿真得到验证.     

基于CPG的扑翼飞行节律运动控制

生物的扑翼飞行本质上是一种具有时间和空间对称性的节律运动,由中枢模式发生器(CPG)所产生和控制.根据昆虫扑翼飞行的原理,设计了一个两自由度扑翼机构,在构建基于非线性振子的扑翼飞行CPG模型的基础上,研究了系统的响应,分析了模型中各参数变化对系统特性的影响.通过对扑翼飞行控制模型的工程模拟,选择出系统的第一阶模态振动,并调节各参数,使扑翼飞行器实现不同的飞行模式.这种仿生控制策略提高了扑翼飞行的运动能力和控制水平,探索了关于扑翼节律运动产生与控制的新思路.     

基于REFOR算法的多输出非线性系统动态参数化建模方法研究

针对多输出非线性系统动态模型的辨识问题,提出一种新的非线性系统动态参数化建模方法,即冗余向前延拓正交（Redundant extended forward orthogonal regression,REFOR）算法。该算法旨在消除传统向前延拓正交（Extended forward orthogonal regression,EFOR）算法因遗漏某些重要模型项而造成所建模型精度较低的问题。首先,基于系统在各工况下辨识所得非线性有源自回归（Non-linear autoregressive with exogenous inputs,NARX）模型,利用REFOR算法统一各模型结构得到模型系数与设计参数间的函数关系,进而建立多输出非线性系统的动态参数化模型。其次,以四自由度非线性系统为例,说明了REFOR算法的优势及其在系统建模中的应用。最后,利用REFOR算法建立悬臂梁的动态参数化模型,并将REFOR预测输出与试验测得输出进行对比,试验结果表明,基于REFOR算法建立的非线性系统动态参数化模型,能准确预测系统的输出响应,为非线性系统建模方法的优化设计提供了理论基础。     

基于全局敏感性分析和Kriging代理模型的汽车乘员约束系统多参数优化研究

针对汽车碰撞乘员约束系统优化设计中多参数与高度非线性的问题,提出了基于Kriging模型的设计参数全局敏感性分析方法,通过计算各设计参数对系统响应方差的贡献来评估各参数的敏感性。在此基础上,选取对响应影响大的设计参数作为优化变量,运用多岛遗传算法进行优化求解。优化结果表明,人体综合损伤WIC值相比初始设计值降低11.9%。研究结果为实际工程设计提供了参考。