[发明专利]一种三维曲面定量涂胶系统及三维曲面定量涂胶方法

权利要求书

1.一种三维曲面定量涂胶系统，其特征在于，包括胶桶、稳压阀、胶枪，控制单元，

所述稳压阀与胶枪及胶桶连接，

所述控制单元用于检测胶枪的移动速度，根据所述胶枪的移动速度，调节稳压阀的压力，从而控制出胶量；

静态参数包括喷胶距离d、胶枪移动速度v、雾化压力pw、喷幅压力pf、胶桶压力pj、开关压力pk和稀释比例r，

所述控制单元还通过静态关系协调控制计算喷幅压力，所述静态关系为：

f(d,p_w,p_j,p_k,r,v,p_f)＝0

所述控制单元通过静态关系协调控制计算喷幅压力包括步骤：

首先确定不确定参数的数量及相应的取值范围，构造初始不确定性集D，D＝(d,v,pw,pf,pj,pk,r,w)，其中w为环境参量，影响因子有温度、湿度、气压，视为常数，然后利用在线场景更新的MSNMPC算法缩小场景树对应的不确定集D；求解步骤如下：

步骤1：初始化每个场景的权重P_(0,j)＝1/S，j∈{1，…，S}，其中S为场景树的总场景数，初始化不确定性集合D，

步骤2：计算当前时间步k中S个场景对应的模型预测值Q_y；根据当前时间步k的模型预测值Q_y和过程流量传感器4测量值Q_o，计算残差Δε＝Q_o-Q_y,其中Δε＝[Δε₁,…,Δε_n]^T为对应的n个状态的残差值，

步骤3：利用残差信息Δε和前一时间步的每个场景权重P_(k-1,j)计算当前时间步k的贝叶斯概率权重，其公式描述为：

其中k是一个加权矩阵，

步骤4：根据当前时间步k的每个场景的贝叶斯概率权重P_(k-1,j)，找到S个场景中最大的权重对应的场景P_max和最小的权重对应的场景P_min；

P_max＝max(P_(k,0),…,P_(k,s))

P_min＝min(P_(k,0),…,P_(k,s))

步骤5：通过将最不可能的场景P_min移向最有可能的场景P_max来更新P_min和D_k+1，如下公式表示场景树的更新过程：

P_min＝P_min+β(P_max-P_min)

D_k+1∈D_k∈…D₁

其中β为自适应步长，可以控制不确定性集缩减的速度；

步骤6：在下一个时间步k+1，通过动态速度v，根据新的不确定集合构建的场景树求解MSNMPC最优控制问题获得最优控制p_f输入值；

步骤7：重新初始化每个场景的初始化权重P_(0,j)＝1/S；

步骤8：重复步骤2～7，直到涂胶作业完成。

2.根据权利要求1所述的三维曲面定量涂胶系统，其特征在于，所述胶枪的移动速度为所述胶枪在三维空间中的工具中心点速度。

3.根据权利要求1所述的三维曲面定量涂胶系统，其特征在于，还包括空气比例阀，所述空气比例阀与所述控制单元连接；

所述空气比例阀与所述稳压阀连接，用于控制稳压阀的压力。

4.根据权利要求1所述的三维曲面定量涂胶系统，其特征在于，还包括流量传感器，所述流量传感器连接于胶枪及稳压阀之间，所述流量传感器检测胶水流量。