基于PSO-NP机械加工尺寸PI型广义预测控制

发布时间：2017-05-15 19:04

  本文关键词：基于PSO-NP机械加工尺寸PI型广义预测控制，由笔耕文化传播整理发布。

【摘要】：在进行机械加工质量在线监控的过程中,加工尺寸数据的预测是特别重要的,同时预测加工尺寸数据也是实现误差反馈补偿控制的关键,故研究高精度的并且能够在实际的工业加工过程中发挥良好控制作用的加工尺寸数据预测的优良算法显得尤为重要。 机械加工通过对工件的几何参数进行改造能够有效地提高社会生产效率从而产生更大的经济效益,因此研究机械加工尺寸的预测控制显得尤为重要。机械加工过程中对加工尺寸进行检测和控制能够有效的保证零件加工尺寸的精度,其首要条件是建立适当的模型对加工尺寸的变化情况进行准确的描述和预测,而通过广义预测控制中的多步预测,使系统根据以往尺寸的输入,输出数据和已选定的未来尺寸输入值,不断地预测未来尺寸的输出值从而克服系统的不确定性以及增强系统的鲁棒性。 但是GPC中所选的参数与工程实际要求的指标联系不够紧密,并且对于随机突发的干扰不能达到实时的控制效果。PI型广义预测控制能够有效提高实时跟踪性,改善系统的控制品质,结合两种控制技术的优势可以产生控制效果更加符合实际要求的PI型广义预测控制. 然而加工过程中各种因素的机理非常复杂,并且加工过程受到很多实际条件的约束,在控制系统中存在了约束,势必会对控制量求解带来难度,使问题复杂,计算量加大,影响了算法的性能,再加之PI型广义预测控制的比例因子和积分因子整定比较困难,所以对其参数整定就有十分重要的意义。 针对机械加工过程中工件尺寸容易产生误差的缺陷,本文通过对机械加工尺寸的检测数据序列进行在线建模,提出了一种基于粒子群算法和非线性规划的带约束的PI型广义预测控制。该算法通过非线性规划处理机械加工过程中控制系统输入输出的约束条件,从而得到带约束的PI型广义预测控制的控制律,再通过粒子群算法进行二次搜索,对约束PI型广义预测的比例因子和积分因子进行优化整定,通过matlab仿真结果表明该算法能够对加工尺寸的变化进行准确的预测,使被加工零件尺寸基本上都控制在允许误差内。 在数控机床上连续加工了一批试件来预测其加工尺寸的输出值,通过matlab仿真将该算法与GAPIGPC优化算法以及未对算法中参数进行优化整定算法进行了比较,从而得出该新型算法可以有效的减少系统的超调,缩短调整时间,从而达到更好的控制效果,并且具有更好的跟踪性能和适应能力,输出的波动更小,控制量更加缓和并且减少了因模型失配引起的控制量振荡。
【关键词】：加工尺寸 PI型预测控制 约束处理 非线性规划
【学位授予单位】：太原理工大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：TH161
【目录】：

• 摘要3-5
• ABSTRACT5-11
• 图表索引11-12
• 第一章 绪论12-16
• 1.1 课题研究的背景及意义12-13
• 1.2 本课题的研究现状13
• 1.2.1 机械加工尺寸的动态特征13
• 1.2.2 机械加工尺寸主要的预测模型13
• 1.3 本课题存在的问题13-14
• 1.4 本文研究的内容和目的14-16
• 1.4.1 研究目的14
• 1.4.2 研究内容及方法14-16
• 第二章 PI型广义预测控制理论16-38
• 2.1 预测控制算法基本原理16-17
• 2.1.1 预测模型16
• 2.1.2 滚动优化16-17
• 2.1.3 反馈校正17
• 2.2 典型预测控制算法简介17-19
• 2.3 广义预测控制理论19-26
• 2.3.1 预测模型19-20
• 2.3.2 滚动优化20-23
• 2.3.3 反馈校正23
• 2.3.4 广义预测控制参数辨识23-24
• 2.3.5 丢番图方程的递推求解24-26
• 2.4 比例-积分广义预测控制26-31
• 2.4.1 比例-积分广义预测控制算法概述26
• 2.4.2 PI型广义预测控制器的设计26-30
• 2.4.3 参数比例积分因子设置30-31
• 2.5 带约束的PI型广义预测控制31-36
• 2.5.1 输入输出的约束处理31-33
• 2.5.2 Lagrange乘子法33-34
• 2.5.3 参数的设置34-36
• 2.6 非线性规划算法理论36-37
• 2.6.1 非线性规划算法概述36
• 2.6.2 非线性理论的数学模型36-37
• 2.7 本章小结37-38
• 第三章 智能算法算法的研究和改进38-56
• 3.1 智能算法的基本思想38-41
• 3.1.1 遗传算法38
• 3.1.2 蚁群算法38-39
• 3.1.3 粒子群算法39-40
• 3.1.4 人工鱼群算法40-41
• 3.2 粒子群优化算法及其改进41-45
• 3.2.1 粒子群算法原理简介41-42
• 3.2.2 粒子群算法的改进策略42-45
• 3.3 人工鱼群算法及其改进45-49
• 3.3.1 人工鱼群算法原理简介45-46
• 3.3.2 人工鱼群模型的建立46
• 3.3.3 人工鱼基本行为描述46-47
• 3.3.4 人工鱼群算法流程47
• 3.3.5 人工鱼群算法改进策略47-49
• 3.4 遗传算法49-54
• 3.4.1 遗传算法简介49-50
• 3.4.2 遗传算法的组成50-52
• 3.4.3 遗传算法的基本步骤52-53
• 3.4.4 遗传算法的优势53-54
• 3.4.5 遗传算法的缺点54
• 3.5 本章小结54-56
• 第四章 基于PSO-NP机械加工尺寸PI型广义预测控制56-66
• 4.1 加工尺寸的建模和预测57-60
• 4.1.1 确定目标函数57-59
• 4.1.2 带约束条件的控制律的求解59-60
• 4.2 基于粒子群算法的约束PI型广义预测控制参数整定60-63
• 4.2.1 惯性权重的选取61
• 4.2.2 适应度函数的选取61-62
• 4.2.3 参数整定的算法实现62-63
• 4.3 基于PSO-NP机械加工尺寸的PI型广义预测控制63
• 4.4 仿真研究63-65
• 4.5 本章小结65-66
• 第五章 总结与展望66-68
• 5.1 工作总结66
• 5.2 工作展望66-68
• 参考文献68-72
• 致谢72-74
• 攻读学位期间发表的学术论文目录74

【参考文献】

中国期刊全文数据库 前10条

1 薛美盛;樊弟;魏衡华;;非线性多变量系统的多模型广义预测解耦控制[J];化工自动化及仪表;2010年06期

2 李桂秋;陈志旺;;稳定的非线性系统广义预测控制[J];计算机应用研究;2010年10期

3 仉宝玉;肖军;;基于GA参数优化整定的PI型广义预测控制[J];科学技术与工程;2011年02期

4 金元郁;一种约束输入的广义预测控制新算法[J];控制与决策;2002年04期

5 尹呈;郭观七;李文彬;严太山;;基于自适应学习的多目标粒子群优化算法[J];计算机应用研究;2012年09期

6 杜晓宁,席裕庚,李少远;约束预测控制的一种快速算法[J];上海交通大学学报;2001年11期

7 张强,李少远;基于遗传算法的约束广义预测控制[J];上海交通大学学报;2004年09期

8 滕达;于佐军;赵继伟;;带约束处理的PI型广义预测控制[J];青岛科技大学学报(自然科学版);2012年05期

9 肖本贤;朱志国;刘一福;;基于粒子群算法混合优化的广义预测控制器研究[J];系统仿真学报;2007年04期

10 李晓磊,邵之江,钱积新;一种基于动物自治体的寻优模式:鱼群算法[J];系统工程理论与实践;2002年11期

中国博士学位论文全文数据库 前1条

1 高芳;智能粒子群优化算法研究[D];哈尔滨工业大学;2008年

  本文关键词：基于PSO-NP机械加工尺寸PI型广义预测控制，，由笔耕文化传播整理发布。

本文编号：368582