[发明专利]一种数控机床控制参数优化方法及装置

权利要求书

1.一种数控机床控制参数优化方法，其特征在于，包括如下步骤：

S1：建立控制器模型，基于自抗扰控制器建立模型，其中包括微分跟踪器、非线扩张性状态观测器以及非线性状态误差反馈控制器；

S2：确定待整定控制参数，所述待整定控制参数包括进给系统和主轴系统的自抗扰控制器的参数；

S3:获取进给系统和主轴系统的振动信号，提取振动信号特征参数；

S4：通过神经网络基于步骤S3得到的振动信号的特征参数以及S2得到的待整定控制参数对主轴系统和进给系统的控制参数进行融合整定；

所述步骤S3还包括：

S31：振动信号采集；

S32：将采集到的信号进行信号处理；

S33：进行信号特征提取，包括时域特征、能量熵以及相关性特征；

所述相关性特征为进给系统和主轴系统振动信号的相关性系数，具体为：

其中，、分别为进给系统和主轴系统振动信号；E(s)为信号期望值；

所述步骤S4还包括：

S41：建立神经网络模型：

网络采用三层神经网络，包括输入层，隐含层和输出层

S42：确定输入输出参数以及目标函数：

输入参数包括进给系统和主轴系统振动信号的时域特征、频域特征以及相关性特征；

输出参数为进给系统和主轴系统分别的控制参数、；观测器系数、、、；观测系数、、、；、；

其中，上标为a的参数为进给系统参数，上标为b的为主轴系统参数；

目标函数为：

式中，为网络实际输出；为网络预期输出，然后使用梯度下降法修正输入层与隐含层和隐含层与输出层之间权值及基函数中的参数；

S43：对网络进行训练，确定网络参数；

S44：根据设计好的网络来优化进给系统和主轴系统的控制参数。

2.根据权利要求1所述的数控机床控制参数优化方法，其特征在于，所述步骤S1的非线扩张性状态观测器状态方程如下：

式中：e为控制误差，y为系统输出，d为非线性参数，、、为观测系数，待优化参数；、、为幂函数指数值，根据经验确定，为控制增益，、、为系统当前状态量；、、为扩张状态观测器的输出,即为观测估计值；

非线性状态误差反馈控制器：

将微分跟踪器和非线扩张性状态观测器相互作用得到的误差信号作为其输入，经过计算得到误差反馈控制量；式中：、为观测器系数，待优化参数；、为幂函数指数值；为控制增益，为控制量；为跟踪信号与非线扩张性状态观测器估计的扰动值构成系统的状态误差信号，为微分信号与ESO估计的扰动值构成系统的状态误差, 为非线扩张性状态观测器估计的扰动值。

3.根据权利要求2所述的数控机床控制参数优化方法，其特征在于，所述函数值表达式如下：

其中，k、p、q为系数。

4.根据权利要求3所述的数控机床控制参数优化方法，其特征在于，所述步骤S2待整定控制参数包括微分跟踪器的跟踪快慢的速度因子；非线性状态误差反馈控制器观测器系数、；非线扩张性状态观测器的观测系数、、以及控制增益。

5.根据权利要求1所述的数控机床控制参数优化方法，其特征在于，所述振动信号采集包括在床身侧面分别设置若干个加速度传感器，工作台以及导轨上分别设置若干个加速度传感器；将力传感器设置于工件上靠近刀具但不影响加工过程的位置测量主轴的振动。

6.根据权利要求1所述的数控机床控制参数优化方法，其特征在于，所述将采集到的信号进行信号处理包括对采集到的振动传感器信号进行小波包分解重构，包括如下步骤：

（1）对待测信号进行j层小波包分解, 经过分解后得到一系列不同频段的子信号序列；

（2）分别提取每个频带从低频到高频的小波包系数；

（3）计算各个频带的能量熵；

第m层各个频带的能量值为式中，为小波包重构系数；为相应频带信号的时间；

根据熵的定义，第m层各个频带的能量熵为：其中，式中：为第m层第k个频带在第m层总能量中所占的比重；E为总能量：。