（机械电子工程专业论文）数控机床运动及加工过程中的非线性控制问题研究.pdf

华中科技大学博士学位论文 ! ! ! ! ! ! ! i = 苎i 竺! ! ! ! ! ! ! 竺! ! ! ! ! ! ! ! ! ! 苎 摘要 ( 高精、高效是数控技术不断追求的目标。采用先进的控制方法是实现高精、高效加 工的有效途径，现有的数控系统大多数采用的是基于线性模型的p i d 控制方法，然而， 实际系统都是非线性的，因此，研究数控加工系统中的非线性问题对提高系统加工的效 率、改善系统运动控制的精度便具有深远的现实意义少7 ， 本文从伺服轴的运动控制及加工的过程控制两个方面，对机床控制中的非线性问题 进行了深入系统的研究，提出了解决这些非线性问题的理论方法，并进行了必要的实验 验证。 在运动控制方面，指出影响控制精度的主要非线性因素是内部的动态未建模不确定 性和外部可变非线性扰动。在具有往复运动特性的精确轨迹控制的背景下，给出了基于 模型的迭代学习和无模型迭代学习两种控制模式，使系统具备从过去的行为状态中学习 的能力，达到完全跟踪运动轨迹的目的。为了抑制非线性扰动、保证学习控制的稳定性， 提出了两种日。控制器设计方法，其中针对被控对象可能存在的非线性不确定性因素， 提出了一种局部线性化的方法，利用线性系统h 。标准问题的求解，设计出削弱不确定性 影响的控制器，并给出收敛性的数学证明：而针对非线性系统可能受到外界周期性扰动 的影响，提出和证明了一种直接面向非线性系统的。控制器设计方法，给出抑制或弱化 这些影响的解决方案，并且在理论研究的基础上研制了一套实验装置，通过与传统的p i d 控制器对比实验，不仅验证上述理论设计的正确性，而且取得了比传统方法更加令人满 意的控制效果。 在铣削加工过程的智能自适应控制方面，针对数控加工过程中的非线性不确定性、 时滞、随机扰动等复杂问题，提出了将预测控制方法引入机床的自适应加工控制的新思 路，考虑到加工系统中存在的非线性参数耦合和时滞，提出了一种适合工件加工的高阶 保持器系统模型，并给出了基于该模型的白适应预测控制算法的推导以及在此算法的控 制下系统稳定性的证明，进行了控制软件的开发，最后，在三座标数控铣床上进行了相 关的应用研究。对典型工况的加工实验表明，所提出的控制算法基本满足自适应控制的 需求，并为智能自适应控制技术的工程应用提供了系统的实施方案。h ， 关键词：迭代学习算法、自适应预测控制、非线性系统、本确定性：扰动抑制、h ；控 制器、高阶保持器模型、数控加工 华中科技大学博士学位论文 i ti st h ep e r m a n e n ta i mf o rn u m e r i c a lc o n t r o ls y s t e mt ob eg a i n e dt h eh i g h a c c u r a c y a n d h i g hp r o d u c t i v i t y i t i s a l s ot h ee l e m e n t sa n dc o m m o n n e s s t e c h n i q u e f o rn c p r o c e s s i t i s v e r y e f f e c t i v ef o r h i g h a c c u r a c y a n dh i g h p r o d u c t i v i t yp r o c e s s t h a tt h ea d v a n c e c o n t r o u i n g m e t h o d sa r e a d o p t e d n o w a d a y s ，m o s to fc o n t r o l l i n gm e t h o d st h a tu s e di nn cp r o c e s ss y s t e m sa r et h e p i dc o n t r o l l e rt l a tb a s e do nt h e1 i n e a rm o d e l so ft h eo b j e c t s h o w e v e r , a l lr e a l l y s y s t e m sa r et h en o n l i n e a r s o ，s t u d y i n gt h en o n l i n e a rc o n t r o lp r o b l e m si nn c m a c h i n et o o l sw i l lb ew i t hp r o f o u n ds i g n i f i c a n c e t h em a j o rc o n t r b u t o n so ft h i st h e s i sa r ed i v i d e dt w op a r t s f i r s t ，i tg i v e s t h ed e e ps t u d yo nt h er e i t e r a t i o nm o t i o np r e c i s i o nc o n t r 0 1f o rn cs e r v oa x i s s e c o n d i td e a l sw i t l lt h ei n t e l l i g e n ta d a p t i v ec o n t r o la n dt h er e l a t i o n a lt e c h n o l o g y i nm i l l i n gp r o c e s s i ta l s op u t sf o r w a r dt h et h e o r ym e t h o do i lt h o s ep r o b l e m sa n d t h en e c e s s a r y e x p e r i m e n t a t i o n s a r ec a r r i e do u t o nt h em o t i o nc o n t r o l ，t h ed o m i n a t i n gn o n l i n e a rf a c t o r sa r eu n c e r t a i n t ie sa n d e x o g e n o u s d i s t u r b a n c e s g i v e st w oi t e r a t i v el e a r n i n gc o n t r o l a l g o r i t h m ，w h i c h f o r t h er e i t e r a t i o nm o t i o n p r e c i s i o nt r a i e c t o r y c o n t r o lo ft h o s e ，t h ei n v e r t i b l e d y n a m i c ss y s t e ma st h et h e o r yf o u n d a t i o no ff l g t h e rm o r er e s e a r c h o n ei st h e m o d e l - b a s e dm e t h o da n da n o t h e ri sm o d e l f r e e t w 0c o n t r o l l e r d e s i g n i n g m e t h o d sa r ei n d e p e n d e n t l y p u r p o s e d i nt h i st h e s i sf i r s tt i m et h r o u g ht h es t u d yo n h 。c o n t r o lt h e o r y t h ed i s a d v a n t a g e o u si n f e c t i o no fu n c e r t a i n t i e st h a tw i d e l y e x i s t e di nn o r m a lc o n t r o l l e ds y s t e mo rp e r i o d i c a ld i s t u r b a n c e st h a t r e g u l a r l y a p p e a r e di nr e c i p r o c a t i n gm o t i o n c a i lb ea t t e n u a t e do rw e a k e n b y t h e s em e t h o d s r e s p e c t i v e l y 0 nt h eb a s i so f t h ea b o v er e s e a r c ht a s k ，a ne x p e r i m e n t a ls y s t e mh a s b e e nd e s i g n e da n dd e v e l o p e d c o n t r a s tw i t ht r a d i t i o n a lp i dc o n t r o l l e r b y e x p e r i m e n ts t u d y ，i t n o to n l yp r o o f st h e v a l i d i t y o fa b o v e - m e n t i o n e dt h e o r y d e s i g n ，b u ta l s oa c q u k e sg r a t i f y i n ge f f e c t o nt h ed y n a m i cm a n u f a c t u r i n g p r o c e s s b e c a u s ei t i sd _ i f f i c u l tt os o l v et h e c o m p l e xp r o b l e m s w i t hu n c e r t a i n t i e s ，t i m e d e l a y ，a n dr a n d o md i s t u r b a l e ea n ds o 华中科技大学博士学位论文 i o nb yg e n e r a la d a p t i v ec o n t r 0 1 t h er e s e a r c hw o r kp r o v i d e san e wi d e a lf o r i n t e l l i g e n ta d a p t i v em a n u f a c t u r i n gp r o c e s sb yt a k i n go v e ra d a p t i v ep r e d i c t i v e c o n t r o la l g o r i t h m a sf o rt h ef a c t t h a tt h e p r o c e s ss y s t e m e x i s t sn o n l i n e a r c o i n c i d e n c e sa n dh e a v yt i m e d e l a y ，an e wh i g h o r d e rk e e p e rm o d e li sb r o u g h t f o r w a r df o rt h i s s y s t e m t h ea d a p t i v ep r e d i c t i v e c o n t r o l a l g o r i t h m a n dt h e i n t e r r e l a t e dc o n t r o i i e ra r ed e r i v e d i no r d e r t os h o wt h ee f f e c t i v e n e s s0f a f o r e m e n t i o n e dc o n t r o ls t r a t e g y ，r e l a t i v ee x p e r i m e n th a v eb e e nd o n ef o rt h e t y p i c a lw o r kp i e c ep r o c e s s i n g o nt h en c m i l l i n gm a c h i n e b a s e do nt h eh u a z h o n g ic n c s y s t e m t 1 1 ee x p e r i m e n t a lr e s u l t si n d i c a t e dt h a tt h ea d a p t i v ep r e d i c t i v e c o n t r o l a l g o r i t h m c a nb eu s e di n p r a c t i c a lm i n i n gp r o c e s s a n dt h e s y s t e m s t r u c t u r eo f i n t e l l i g e n ta d a p t i v ec o n t r o lh a s b e e ne s t a b l i s h e d k e y w o r d s ：i t e r a t i v el e a r n i n ga l g o r i t h m ，a d a p t i v ep r e d i c t i v ec o n t r o l , n o n l i n e a r s y s t e m ，u n c e r t a i n t y , d i s t u r b a n c ea t t e n u a t i o n ， h 。一c o n t r o l l e r , 埘曲- o r d e rk e e p e rm o d e l ，n u m e r i c a lc o n t r o l p r o c e s s i 华中科技大学博士学位论文 1 1 研究的背景、目的和意义 1 绪论 随着科学技术的飞速发展，在精密制造、光学、电子、航空航天、机器人、生物医 学等领域的研究及生产中，迫切需要高精度的位移控制，这对数控技术提出了新的要求 和挑战。高速、超高速加工不但可以大幅度提高零件的加工效率、缩短加工时间、降低 加工成本，而且可以使零件的表面加工质量和加工精度达到更高水平，在这种情况下影 响控制系统的各种非线性因素就不能忽略。 自瓦特发明蒸汽机以来，控制理论就伴随着工业化的进程而发展，经过人们不断地 努力，关于线性系统的控制理论已经相当成熟，并在实际生产中得到了广泛的应用。然 而，理论上的线性系统现实中并不存在，实际的物理系统总是存在着非线性结构或非线 性参数，这已成为无可争议的观点【卜4 l 。尽管对非线性控制系统的研究几乎是与线性系统 平行的，但是由于非线性系统本身所包含的现象十分丰富，迄今为止，人们对它的了解 还远远不够，例如线性系统的稳定性只有稳定、渐近稳定和不稳定三种类型，而对非线 性系的稳定性描述则需要很多种类型。再有就是数学分析工具问题，对线性系统已有完 善的数学工具可用，而对于非线性系统，由于系统所包含的内容十分丰富、各式各样的 运动规律大相径庭，因此，要想建立一个能够解决所有非线性问题的统一方法、寻找合 适的数学工具是相当困难的。在分析和设计非线性系统时，并不象线性系统那样，有比 较全面系统的理论和方法可循，而是需要根据系统对象的具体特性来应用线性理论和各 种非线性方法，再加上模拟实验，互相参照补充，才能设计出实用的非线性控制系统p “。 通常，用线性模型表示的系统只有在工作范围较小的情况下爿会有较好的性能，当系统 的工作范围增大时，其控制器性能将会变坏，甚至使系统变得不稳定。因为在大范围的 工作状态下，系统的非线性因素一般不能忽略，甚至在定情况下非线性因素还将起主 导作用：此外，人们在设计线性控制器时，总是假定系统模型的参数是不变的，然而， 在许多控制系统中，模型参数往往存在着不确定性( u n c e r t a i n t y ) ，即参数随时间变化而变 化。线性控制器不能很好地处理这种参数变化对控制系统产生的影响。 基于上述这些原因，近几十年来，许多领域的研究和设计人员，如航空、航天、机 械、机器人、过程控制、生物化学工程等，都在致力于非线性控制理论和方法的研究， 并取得了长足的进步，发展了丰富的分析结果和独特的设计方法 i o - z s ，例如，鲁里叶 华中科技大学博士学位论文 ( l u r i e ) 系统的绝对稳定性，变结构控制方法和近年发展起来的模糊和人工神经网络控制 器，以及由b r o c k e t t ，m i l l m a n ，s u s s m a n n l z 6 1 和i s i d o r i i z v l 等学者的积极倡导推广的非线性系 统的微分几何控制理论，由a r i m o t o 提出的迭代学习控制【“，由z a m e s ，d o y l e ，v a n d e r s c h a n i 珏3 8 1 等学者提出的h 。控制理论和由c l a r k e ，h e n r i k s e n 【3 9 。加l 等学者提出的广义预测控 制( 自适应预测控制) 理论等，这些理论逐渐成为非线性控制研究中的主流。经过多年的探 索，特别是最近这2 0 余年的努力，非线性系统的控制理论已经有了很大的发展，它们不 但在理论上已形成了各自的完整体系，而且在生产实践特别是在一些尖端工程技术中得 到了应用。 本课题是结合国家自然科学基金项目( 项目编号5 9 9 7 5 0 3 3 ) “数控系统无模型高速高 精运动控制算法的研究”，和国家8 6 3 高科技攻关项目( 项目编号8 6 3 5 1 1 8 2 0 一0 0 4 ) “开 放体系结构的智能化数控系统产业化与工程化”中的子项“智能自适应三维数控铣削加 工的研究”开展的非线性控制理论在数控高速运动控制和高效加工过程中的应用研究。 主要目的是为了研究和探索： 【1 1 周期运动中非线性因素对加工系统动态过程的影响，并提出针对被控对象存在非 线性不确定性因素以及系统在周期性扰动的影响下，改善被控系统静态和动态响应品质 的解决方案； 【2 】针对如何提高机床加工效率，提出的集铣削力间接在线检测、系统控制模型在线 辫识、铣削加工进给控制及控制策略滚动优化为体的智能自适应加工技术，以消除时 滞等非线性因素对系统的影响，使刀具的切削进给运动能达到最优的理想切削状况。 1 2 国内外研究现状 由于机械加工系统中以及加工过程中存在大量复杂的非线性因素，因此，为了进一 步提高加工过程中的加工效率和定位精度，必然会应用非线性控制理论中控制器设计的 一些研究成果以改善加工系统的响应品质。非线性控制器的综合设计方法很多，而且针 对性很强，近年来，具有较大影响并在实际系统或实验系统中得以应用的主要方法有： 线性化法、滑模控制、迭代学习控制、h 。控制、智能控制以及自适应控制等。 其中线性化法是应用最多的一类，其主要思想是将非线性系统方程或非线性函数在 特定的状态点附近作近似的线性展开，得到一个线性系统，然后利用比较成熟的线性控 制理论中众多的研究成果解决局部的非线性问题，由于在线性化的过程中，不可避免地 舍弃了一些系统的固有信息，所以，理论上的特定状态点本身与实际工作点就不能完全 2 华中科技大学博士学位论文 吻合，此外，由于有各种噪声和外界干扰的存在，可能出现系统的实际工作点与原设计 点之间存在较大偏差的情况，对于这种近似的线性控制系统，离特定状态点越远，控制 算法反映物理规律的近似程度就越低，控制的有效性就越差，因此，按照上述方法只能 是在一个较小的范围内实现高品质的控制目标。 滑模控制是在系统的状态空间中选择一个或几个切换面( s w i t c hs u r f a c e ) ，亦称为滑 动模f s l i d em o d e l ) ，控制器根据状态的测量在切换面上进行切换。控制器的选择是要保证 当系统轨迹靠近滑动模时，能被此滑动模所吸引，并使系统进入滑动模后不再离开，即 闭环系统的动力学特性将完全由此滑动模的方程所决定，这样整个系统不再受外界扰动 及参数不确定性因素的影响，因而系统有良好的鲁棒性，但由于控制器在滑动模的附近 容易产生颤振( c h a t t e r i n g ) ，会激发系统的高频震荡，该方法显然不适合于机床加工的控 制。 1 2 1 迭代学习控制方法【2 9 】【4 1 。l 迭代学习控制适合于具有某种重复运动性质的被控对象，可实现有限时间区间上的 完全跟踪任务，它通过被控系统进行控制尝试，以系统输出与给定轨迹的偏差信号修正 不理想的控制信号，并以此作为新的控制，周而复始地对被控对象施加作用，使得系统 的跟踪性能得以提高，其控制目的在于改善控制系统的瞬态性能，或者实现控制系统的 稳态补偿，基本做法是把常规的反馈控制作为内环，并在此的基础上，增加一个学习控 制外环实现迭代控制。学习控制的概念是由日本学者u c h i y a m a 于1 9 7 8 年首次提出的，但 当时并未引起人们的注意，后由日本著名学者a r i m o t o 于1 9 8 4 年给出迭代学习控制严格 的数学描述，使之成为较完整的理论体系，并受到普遍地关注。该方法的应用领域主要 集中在机器人运动轨迹的跟踪控制方面，如k a w a m u r a 4 1 】首先将迭代学习应用于机器人 的位置，力混合控制中；n a k a y a m a ，a r i m o t o l 4 2 1 等人对其进行了改进和简化；而a i c a r d i l 4 3 1 、 l u c i b e l l 0 1 4 4 1 、j e o n ，t o m i z u k a t 4 5 1 等人进行了具有约束条件的工业机器人迭代学习控制算 法的研究，以及在振动条件下的迭代学习控制问题；1 9 9 3 年h o r o w i t z l 4 q 提出了带有遗忘 因子的迭代学习控制算法，并在内环为d ( d e d v a f i v e ) 型控制器的情况下进行了实验研究； 随后i m o t o m 将带有遗忘因子的迭代学习控制算法引入内环为p 型( p r o p o r t i o n a l ) 及p i 型( p r o p o r t i o n a la n di n t e g r a l ) 控制器的机器人运动轨迹的跟踪控制系统；最新的应用成果是 n a o y u k i ，m a s a t 0 1 4 s l 等人的多机器人在模拟实际生态环境中的群体学习运动控制。迭代 学习控制算法在其他领域的应用主要有：磁盘驱动器对读写磁头臂的运动控制【4 9 】、液压 伺服阀的控制创i 等。 本文尝试将迭代学习控制算法引入具有类似运动特性的数控机床运动轨迹跟踪控制 华中科技大学博士学位论文 中，提出用h 。控制器作为内环，以保证系统在非线性扰动下的稳定性。 1 2 2 h 。控制方法【3 8 j 【5 l 川】 经典控制理论并不要求被控对象的精确数学模型，主要设计方法是基于现场测得的 对象的频率特性曲线来设定补偿器的参数，然后通过现场反复调试使系统满足设计指标。 目前工程实际中应用最为广泛的p i d 控制器就是如此，这种根据误差来确定增益的控制 器在设计控制器参数时并不依赖于被控对象的数学模型。 在2 0 世纪6 0 - 7 0 年代，也就是现代控制理论产生后向严谨化、数学化发展的鼎盛 时期，r o s e n b r o c k ，m a c f a r l a n e ，w o l o v i c h 等学者则一直主张完善和扩展经典的基于 频域特性的设计理论，使其适用于多变量控制系统，以改变现代控制理论过于数学化而 脱离实际的现象。在他们工作的基础上，经过其他学者的发展和完善，现在已成为线性 系统理论和设计的一个重要分支多变量频域设计理论，该理论方法保持了系统频域 设计方法具有物理直观性强、便于设计和调整等优点。为弥补近代控制理论这种不足而 采用的有效手段就是在系统的设计阶段考虑被控对象中存在的各种不确定因素，即基于 不确定性非精确模型的控制器设计。1 9 8 1 年，加拿大学者z a m e s p l 】和美国学者d o y l e l 5 2 1 明确提出在设计阶段考虑数学模型和实际对象之问的误差，他们的工作为鲁棒性分析和 鲁棒控制开辟了一个新的领域一日。最优控制理论。1 9 8 4 年f r a n c i s 和z a m e s l 5 3 1 用古典 的插值理论，给出了。最优化问题的最初解法。随后，借助于算子理论等现代数学工 具，将这一鳃法广到一般的多变量系统。而g l o v e r 口j 贝4 将h 。最优化问题归结为函数逼 近问题，g l o v e r 的这一解法又被d o y l e 在状态空间上进行了整理并系统地归纳为日。控 制问题。控制系统h 。最优化的实质就是极小化某些闭环系统频率响应的最大值。经过 2 0 多年的发展，h 。最优控制理论已成为目前解决鲁棒分析和鲁棒控制问题比较成功和 比较完善的理论体系【5 5 - 6 6 1 ，在应用方面也不乏其例，如卫星的位姿控制旧、主从式机器 手的运动控制删、机器人柔性臂的运动控制【鲫、汽车转向机构控制器 7 0 1 等。但在机床的 运动控制方面的研究与应用尚不多见。 1 2 3 删j o n t e l l i g e n c ec o n t r 0 1 ) i s l 7 1 删 智能控制的思想最早来自华裔学者傅京孙教授1 8 1 。1 9 6 5 年他通过人一机控制和机器 人方面的研究，首先提出把人工智能的直觉推理方法用于学习控制系统，同年，美圈学 者z a d e h 创立了模糊集合论，为解决复杂系统的控制问题提供了强有力的数学工具；7 0 华中科技大学博士学位论文 年代初，傅京孙、g l o r i s o 和s a r i d i s 等人从控制论的角度进一步总结了人工智能与自适应、 自组织、自学习控制的关系，正式将智能控制概括为自动控制和人工智能的交叉与结合。 智能控制器目前只是一个理论研究的领域，在分子计算机、神经元计算机等新一代 计算机真正实用之前，智能控制器的推理机制、知识提取等功能仅从运行时间上就很难 满足目前实时控制任务的需要。目前，智能控制设计主要在以下一些分支领域取得了进 展：( 1 ) 基于专家系统的专家智能控制器：( 2 ) 基于模糊推理和计算的模糊控制器；( 3 ) 基于 人工神经网络的神经网络控制器；( 4 ) 基于信息论、遗传算法和将以上三种方法集成的智 能控制器。 1 2 3 1 模糊控制器彻c o n t r o l l e r ) 1 7 1 - 7 4 模糊控制的概念是由美国控制论专家z a d e h 于1 9 6 5 年首次提出的，之后，许多学者 对其在控制中的应用进行了深入的探索和研究。1 9 7 4 年，英国的m a m d a n i 首先将模糊控 制方法成功地应用于蒸汽机的控制，标志着模糊控制论的诞生。此后，人们在这方面的 研究工作迅速发展，模糊数学理论也得到了不断的完善，应用领域也日益广泛，在机器 人操作臂f 7 1 】、污水处理、飞行器控制例、磨削加工f 7 4 】等方面得到了应用。 模糊控制的基本思想是把人类专家对特定的被控对象或过程的控制策略总结成一系 列的可表述的控制规则，通过模糊推理得到控制作用集，作用于被控对象或过程。 图1 1 是模糊控制的原理框图，其核心部分是模糊控制器，如图中的虚线框所示。 其控制过程为：计算机通过获取输入输出之间的误差信号e ，然后将此精确量e 模糊化 ( f u z z i f y ) 变成模糊量，得到e 的模糊语言集合中的个子集亭，再由孑和模糊控制规则 晨( 模糊关系) 根据推理的合成规则进行模糊决策，得到模糊控制量玎；虿j i ，最后，根据 一定的算法，将模糊控制量疗转换为精确量。而对于那些时变的、非线性比较严重的系 图1 1 模糊控制的原理框图 统采用模糊控制时，为了获得良好的控制效果，必须要求模糊控制器具有较完善的控制 规律。事实上，由于被控过程的非线性、高阶次、时变性以及随机干扰等因素，造成模 糊控制规则不够完善，会不同程度的影响控制效果。为了弥补这方面的不足，人们自然 而然就考虑到模糊控制器应朝着自适应( 或自学习) 的方向发展，使得模糊控制规则在控 制过程中自动修改、完善和调整，从而使系统的性能不断改善，达到预期的效果。 华中科技大学博士学位论文 ! ! ! ! 竺! 苎! ! ! ! ! ! ! i i i i ! ! 竺1 1 2 3 2神经网络控制( n e u r a ln e t 、v o r kc o n t r 0 1 ) ”。l 基于神经网络的控制，简称为神经控制( n e u r o c o n t r 0 1 ) 。1 9 5 8 年，r o s e n b l a l i 提出了 一种将神经元分层联结起来的感知器( p e r c e p 打0 n ) 模型，该模型就是当前广泛使用的多层 网络的雏形。1 9 8 2 年，h o p f i e l d 提出了一种相互联结的n n 模型，该模型中，神经元的 动力学用一个随时间衰减的能量函数来表示。1 9 8 6 年，r u m e u a a r t 等人提出了用来训练多 层网络的著名的b p ( b a c k p r o p a g a t i o n ) 算法，使得b i n 可以用来解决非线性系统的控制问 题。b p 算法的提出，为n n 的研究开创了新的纪元。之后，人们又提出了许多新的模型， 其应用范围也越来越广。 众所周知，控制的目的在于通过确定适当的控制量输入，使得系统获得所期望的输 出特性。如图1 2 ( a ) 所示的一般反馈控制系统。当采用( b ) 的神经网络代替( a ) 中 的控制器，完成同样的工作，则一般的控制系统变为神经控制系统。 设被控对象的输入u 和系统输出y 之间满足如下非线性函数关系y = g ( u ) 。控制的 目的是为了确定适当的控制量输入“，使系统的实际输出y 等于期望的输出y 。，在这个 系统中，可把神经网络的功能看作输入与输出间的某种映射关系u f ( y 。) ，为了满足系 统输出y 等于期望的输出y 。，那么有映射y - 占f 厂( 儿) 】，显然，当厂( ) tg 一( ) 时，满足 y = y d 的要求。 ( a ) 一般控制系统 神经网络控制系统 图1 2 一般控制系统与神经网络控制系统的比较 由于被控对象是复杂的，且具有不确定性，因此非线性函数譬( ) 实质上是很难建立 的，但若通过神经网络的学习算法实现逼近非线性函数来模拟占一( ) ，即通过系统实际 输出y 与期望输出y 。之间的误差来调整神经网络中的连接权重，让神经网络学习，直至 误差e o ，从而使神经网络实现直接控制。 n n 是一个大规模并行分布处理的非线性动力学系统，具有许多对控制系统极具吸 引力的特点，如：( 1 ) 它能够逼近任意厶空间上的非线性函数：( 2 ) 具有自学习能力；( 3 ) 采用并行分布式信息处理，具有很强的容错性：( 4 ) 便于用超大规模集成电路或光学集成 系统实现或用现有计算机技术虚拟实现； 由于n n 所具有的独特的优点，特别是它的逼近非线性函数及自学习的能力，使得 6 华中科技大学博士学位论文 它在控制领域的发展也相当迅速。如：铣削加工中的过程控制【7 5 1 、机器人操作臂的轨迹 跟踪控制【徊、非线性系统辩识m 、以及其他方面的应用r m 昭】等。然而，n n 控制是一个 新的研究领域，还存在许多值得研究的问题，例如： 1 在逼近非线性函数的问题上，现有理论只解决存在性的问题，对不同的被控对象， 如何选择适当的神经网络结构尚无理论指导： 2 收敛速度较慢，特别是计算复杂程度随层次的增加呈几何级数增长，这样是不利 于系统在线计算的： 3 n n 控制系统中的稳定性、鲁棒性等问题在理论上并未完全解决。 1 2 4 自适应控制( a d a p t i v ec o n t r 0 1 ) s “1 0 5 自适应的概念始于5 0 年代末，美国麻省理工学院的w h i t h e r 最初用来描述一种可 调参数的模型参考自适应控制方案，又称m i t 方案。随后有众多的学者投入自适应控制 的研究，如1 9 6 3 年，罗马尼亚学者p o p o v 提出超稳定性理论；1 9 6 6 年德国学者s a n b e r g 用l y a p u n o v 第二法推导的自适应算法，以保证自适应系统的全局渐进稳定；1 9 7 3 年， 瑞典的a s t r o m 提出的白校正调节器和1 9 7 5 年w i t t e n m a n k 等人提出的自校正控制器等都 极大地推动了自适应控制理论的发展。早期自适应控制器的应用研究由于受计算机技术 的限制，这种较为复杂的控制方法在当时的技术条件下难以获得较好的性能，因而，在 较长的一段时间内，该方法没有得到很好的发展。进入七十年代以后，由于空间技术和 过程控制的需要，加之计算机技术的发展，自适应控制在理论和设计以及应用各个方面 都有了显著的进展，自适应控制器又所重新被人们重视，并在工业机器人、电液伺服系 统、电机、电力系统等领域内得到了广泛的应用。 常用的自适应控制器主要有两种类型。一种是模型参考自适应控制器 ( m o d e l r e f e r e n c ea d a p t i v ec o n t r o l l e r ) ， 另种是自校正控制器( s e l f - t u n i n gc o n t r o l l e r ) 。 1 2 4 。1 模型参考自适应控制器f m i 认c ) 所谓模型参考自适应就是在系统中设置一个动态品质优良的参考模型，在系统运行 过程中要求被控对象的动态特性与参考模型的动态特性一致，其结构如图1 3 ( a ) 所示。 当被控对象的参数变化或受干扰影响时，通过比较器可以得到误差e ，将e 输入到自 适应机构，然后按照某一自适应规律调整前馈调节器和反馈调节器的参数，改变被控对 象的的输出y ，使y 与y 。相一致，误差e 趋近于零，以达到自适应的要求。 1 2 4 2 自校正控制器( s i ) 自校正控制的基本思想是将参数递推估计算法与系统运行指标的要求结合起来，形 华中科技大学博士学位论文 ( a ) 参考模型自适应控制器 f o ) 自调节自适应控制器 图1 3自适应控制器的原理框图 成一个能自动校正调节器或控制器参数的实时计算控制系统。其结构如图1 1 3 ( b 1 所示。在 每一采样时刻，首先读取被控对象的输入“( f ) 和输出y ( f ) 实测数据，然后用在线递推的 辩识方法，得到被控对象的参数向量0 及随机于扰的数学模型，按照估计出的组模型 参数百和对系统的要求，随时调整调节器或控制器参数，给出最优控制。这个控制器的 输出“( f ) 又引起被控系统的新的输出。如此周而复始，最后使得被控系统的输出y ( f ) 趋 向于系统的需求指标。 自适应技术应用于数控加工的研究几乎与自适应控制的理论研究是同时开始的，目 前自适应数控加工技术大致可分为三类；恒功率自适应控制系统、恒扭矩自适应控制系 统和恒切削力自适应控制系统。八十年代中期，美国o m 电气公司研究了恒功率自适应 控制技术，并推出一台可在线调整进给量的恒功率自适应加工装备p ”。在国内，1 9 7 9 年 清华大学、1 9 9 3 年哈尔滨工业大学等【9 8 】，都分别对铣床、车床的恒功率自适应控制系统 进行了较系统的研究，目前都处于实验室研究阶段。1 9 7 2 年德国s i e m e n s 公司推出一种 带有进给速度约束的自适应控制车床；随后，臼本m a k i n o 公司、意大利i n n o c e n t i n 公司 与r t i v l 研究所、瑞典的c i n c i n n a z im i l a c t o n 公司都相继研制出约束自适应控制机床，以 实现恒扭矩数控加工【刎。然而，由于扭矩信号不能精确地反应机床的工作负荷，因而 最终限制了它们的实用性。与恒功率、恒扭矩相比，恒切削力自适应数控加工技术的发 展十分迅速，这主要因为切削力能更精确地反映机床的工作负荷。1 9 8 0 年，0 m a s o r y l l o o 利用变增益技术对恒切削力自适应数控车床进行了研究，并从理论和实验上论证了该技 术的可行性。此后，1 9 8 9 年b s c h e n l l o l 】提出了p i 控制，其控制器设计是基于小增益理 论；1 9 9 3 年y s t a m g l l 叼提出了自学习控制，其控制算法是基于神经网络。在恒切削力 自适应数控铣床方面，y s t a m g l l o ”，y a l t i n t a s t l ，s j r o b e r t 螂1 分别提出了自校正控制、 模型参考自适应控制、模糊控制等控制策略，国内的一些大学也进行了一定的理论和应 8 华中科技大学博士学位论文 用研究口粥】。然而，由于加工系统二般都是非最小相位系统，而且存在非线性参数耦合， 使得切削力的在线测量非常困难，阻碍了恒切削力自适应数控加工技术的实际应用。 1 2 5自适应预测控制方法1 3 “4 0 1 1 睡“3 】 近年来，随着研究的日益深入，单单依靠某一种非线性综合方法往往不能取得令人 满意的效果，因此，出现了如变结构控制与自适应相结合【堋、模糊控制与自适应相结合 1 1 7 1 以及预测控制与自适应相结合t 3 9 - 4 0 的新的方法。 传统的预测控制方法一般不需要事先知道被控对象的结构和参数等先验知识，只是 在被控对象的脉冲响应函数或阶跃响应函数的基础上，通过构建一个非参数模型，对系 统进行综合设计，同时利用滚动优化的策略，借助测量信息不断地变化，进行反馈校正， 在一定程度上克服不确定性的影响。显而易见，若要使这种预测方法能真实反映实际被 控对象的数学模型，所建立的非参数模型势必有比较高的阶次，这样是不利于在线计算 的，实用性也就受到影响；而如果在自适应控制中引入多步预测的优化策略，利用自适 应控制的在线递推算法估计模型参数，并利用所估计的模型取代原有模型，从而使白适 应控制与预测控制有机地结舍，使预测模型的输出误差得到及时地修正，改善系统的动 态性能。这样一种新的被称为广义预测控制或自适应预测控制的方法就应运而生了。 图1 4 白适应预测控制结构 广义预测控制( g p cg e n e r a l i z e dp r e d i c t i v ec o n t r 0 1 ) 或自适应预测控制( a p ca d a p t v e p r e d i c t i v ec o n t r 0 1 ) 是8 0 年代出现的一种新型计算机控制方法。由英国著名学者，英国工 程院院士d w c l a r k e 等人首次提出【孤删，它实质上是在原有自适应控制研究的基础上， 引入预测控制的算法，因而有如下特点：蕊它基于传统的参考模型，相对于普通预测控 制中采用的非参数模型而言，传统的参考模型显然要比非参数模型简单：瀚保留了自适 应控制方法的自校正特性，但又比自适应更具鲁棒性：涵采用多步预测、滚动优化和反 馈校正等策略，因而控制效果好，更适合于工业过程控制。因此，它一出现就得到了国 9 华中科技大学博士学位论文 内外控制理论界和工业控制界的广泛关注，成为控制领域内最为活跃的研究热点之一， 并在热交换器控制【1 1 1 】、工业锅炉温度控制【1 1 2 l 、环境温度箱多变量自适应控制【1 1 3 j 等方面 取得成功的应用。 自适应预测控制是一种基于模型、滚动实施并结合反馈校正的优化控制算法，其典 型结构如图1 4 所示，它由内环和外环两部分组成。 内环与常规的反馈控制系统一样，由控制器和被控对象组成；外环由参数估计器和 控制器的参数修正器组成。在自适应控制算法的广义最小方差控制的基础上，在优化中 引入了多步预测的思想，兼收自适应控制和预测控制两者的优点，因此这样的系统抗负 载扰动、抑随机噪声、弱延时变化等能力显著提高，有较强的鲁棒性。适用于有纯时延、 开环不稳定的非最小相位系统。 本文在自适应预测控制方面也进行了深入地研究，给出了一种适用于机床加工的自 适应预测控制算法，并通过实验证明了算法的可靠性。 1 3 本文的主要工作及创新之处 本文结合国家自然科学基金项目“数控系统无模型高速高精运动控制算法的研究” 和国家8 6 3 重点项目“开放式体系结构的智能化数控系统”，对数控工作台的往复运动精 确轨迹控制和智能自适应铣削加工控制及其相关技术进行了深入的研究，取得了积极的 进展。 1 3 1 主要工作 1 对具有往复运动特性的控制，采用迭代学习是最有效的方法之一。本文在深入 研究迭代控制算法的基础上，给出了基于模型( m o d e l - b a s e d ) 的迭代学习和无模型 ( m o d e l f r e e ) 迭代学习两种控制模式，并分别证明了控制算法的收敛性； 2 学习控制中扰动和动态未建模成为影响系统控制误差不可忽视的因素，本文通过 对。控制理论的研究，提出了针对被控对象存在非线性不确定性因素以及系统在周期性 扰动的影响下，改善系统控制品质的解决方案； 3 研制了一套实验装置，通过实验研究不仅验证上述理论设计的正确性，而且取得 了令人满意的控制效果； 4 自适应数控加工是提高机械加工效率的一个重要途径。单纯依赖一般的自适应方 法很难解决数控加工过程中的非线性不确定性、时滞、随机扰动等复杂问题，自适应控 1 0 华中科技大学博士学位论文 制与其他先进控制方法相结合是一种必然趋势，自适应预测控制算法引入机床的加工控 制中也就顺理成章了： 5 考虑到加工系统中可能存在的非线性参数耦合和大的时滞，提出了一种适合工件 加工的高阶保持器系统模型，并给出了基于该模型的自适应预测控制算法的推导以及算 法稳定性的数学证明； 6 在理论研究的基础上进行了相关的应用研究，在配有华中i 型数控系统的三座标 铣床上，对典型工况的加工实验表明，所提出的控制算法基本