基于BP神经网络的数控铣削约束自适应控制的研究.pdfVIP

第17卷增刊2 控 制 与 决 策 2002年12月 7 Dec·2002 VoI．1 Suppl．2 CMfrofⅫdDeci5ion 基于BP神经网络的数控铣削约束自适应控制研究 宁仲良，张广军，冯小军 (西安科技学院．陕西西安710054) 擅要；提出一种基于BP神经网碧的自置应恒力秉毵拉倒算法，透过对实际数控铣捌加工过程进行仿 真，验证了此控制方案的可行性．仿真结果表明，基于BP神经网络的自适应控制暴适合于非线性复杂 不确定性键控系统，具有较强的自适应健力和鲁棒性． 关■词：神经阿络，自适应控制I蕞控I铣搠 1引 言 在常规数控加工系统中，为防止机床过载和保 护刀具以及加工过程中各种不确定因素的影响，一 般都采用比较保守的切削参数，因而影响了加工效 输 入 率。传统PID控制由于采用比例、积分、微分3种控 模 式 制的线性组合来实现对非线性系统控制，其抗干扰 性较差，不适于参数变化的复杂系统．无法在现场环 境下根据外部于扰和随机因素实对动态调整切削参 输入屠 隐含层输出层 数，因此引入自适应控制．Lauderbaugh，Damesh— 田1神经网络模型 mend，Tomizuka和Altinats等人先后研究了基于 偏差信号“★J 模型参考自适应控制、固定增益积分控制、变增益的 模型参考自适应控制和基于极点配置PID调节器 的铣削过程自适应控制方法“]．上述算法因模型失 配及铣削力和进给速率问非线性特性导致闭环系统 鲁棒性差。 基于神经网络的自适应控制具有不要求被控系 统精确数学模型、较高的智能水平及简单结构形式 等突出特点，避免了传统建立负载数学模型的复杂 田2 NN系统控麓 性和不精确性．考虑到BP神经网络具有自适应和 Kolmogorov定理03选取。 对任意非线性函数的万能逼近能力，且切削力对加 2．1 BP神经网络控制系统结构 工状态比较敏感，所以本文采用BP神经网络来对 BP算法的学习过程由正向传播和误差反传两 数控铣削加工过程进行控制，在加工过程中不断调 部分组成，如图1所示。在正向传播过程中，输入模 节进给速度，以实现最佳恒力约束自适应控制，从而 式从输入层经隐层逐层处理并传向输出层。如果在 提高切削效率。 输出层得不到期望输出，则转入误差反传，此时，误 2 BP神经网络自适应控制系统 差信号从输出层向输人层反传并沿途调整各层连接 Back 考虑具有单个隐含层的EBP(Error 权值以及各层神经元阈值，以使误差信号达到最小 Propagation)前向网络，其模型如图l所示．本文采 值。 用直接式神经网络控制器代替传统PID控制器，充