CN110568761A - 基于模糊控制的进给速度在线优化方法 - Google Patents

基于模糊控制的进给速度在线优化方法 Download PDF

Info

Publication number
CN110568761A
CN110568761A CN201910954545.9A CN201910954545A CN110568761A CN 110568761 A CN110568761 A CN 110568761A CN 201910954545 A CN201910954545 A CN 201910954545A CN 110568761 A CN110568761 A CN 110568761A
Authority
CN
China
Prior art keywords
fuzzy
power
error
output
control
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201910954545.9A
Other languages
English (en)
Inventor
吴宝海
张阳
郑志阳
夏卫红
罗明
张莹
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Northwestern Polytechnical University
Northwest University of Technology
Original Assignee
Northwest University of Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Northwest University of Technology filed Critical Northwest University of Technology
Priority to CN201910954545.9A priority Critical patent/CN110568761A/zh
Publication of CN110568761A publication Critical patent/CN110568761A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
    • G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Feedback Control In General (AREA)

Abstract

本发明公开了一种基于模糊控制的进给速度在线优化方法，用于解决现有进给速度在线控制方法实用性差的技术问题。技术方案是通过制作恒功率模糊控制器，应用模糊控制算法，对复杂多变、难以用精确数学模型表达的控制体系实现切削过程的恒功率控制，本发明可以解决复杂曲面多轴数控铣削过程中的工艺参数在线优化问题，实现恒功率自适应在线调控，保证了在变工况情况下避免刀具过度磨损以及机床主轴的振荡，起到在保护机床和刀具的前提下缩短加工时间，提高加工效率的作用，并且具有广泛适用性和实际工程应用价值，实用性好。

Description

基于模糊控制的进给速度在线优化方法
技术领域
本发明涉及一种进给速度在线控制方法，特别涉及一种基于模糊控制的进给速度在线优化方法。
背景技术
在当前数控加工技术飞速发展的时代，加工工艺参数的优化有助于发挥机床的最优驱动性能和刀具的最佳切削性能，进而提高加工质量、降低成本、提高能效。实际数控加工中可优化的工艺参数并不多，比如调整主轴转速或进给速度来优化加工过程，然而主轴转速体现了机床主轴的运动，频繁改变会对机床造成损伤。所以通过进给速度优化是实现工艺参数优化，进而提高加工效率最直接、最有效的方法。
文献“基于有限元数值模型和进给速度优化的薄壁件侧铣变形在线控制，机械工程学报，2017，Vol.53，No.21，p190-199”提出一种基于有限元数值模型和进给速度优化的在线控制方法，根据薄壁件切削过程的有限元仿真结果，建立数控机床进给速度、切削力、工件切削变形间的数值模型，进而确定用于控制变形的最优目标切削力。在具有开放式模块化的数控***平台上开发了切削力信号实时采集、滤波功能和进给速度在线优化策略，并根据滤波后的切削力及相应算法在加工过程中实时调整机床进给速度，保证切削力逐渐接近最优控制目标而实现切削变形的在线控制。该文献建立的进给速度与切削力之间的数值模型是通过有限元仿真得到的，故其优化效果依赖于数值仿真的准确性，并且数值模型未考虑切削宽度、切削深度等加工参数，不适用于复杂曲面多轴数控加工，其应用受到限制约束。
发明内容
为了克服现有进给速度在线控制方法实用性差的不足，本发明提供一种基于模糊控制的进给速度在线优化方法。该方法通过制作恒功率模糊控制器，应用模糊控制算法，对复杂多变、难以用精确数学模型表达的控制体系实现切削过程的恒功率控制，本发明可以解决复杂曲面多轴数控铣削过程中的工艺参数在线优化问题，实现恒功率自适应在线调控，保证了在变工况情况下避免刀具过度磨损以及机床主轴的振荡，起到在保护机床和刀具的前提下缩短加工时间，提高加工效率的作用，并且具有广泛适用性和实际工程应用价值，实用性好。
本发明解决其技术问题所采用的技术方案：一种基于模糊控制的进给速度在线优化方法，其特点是包括以下步骤：
步骤一、确定模糊控制器的输入输出。设定目标切削功率Pobj，采集加工过程中机床的主轴功率，将实际加工功率与目标功率值Pobj进行比较获得功率误差EP，同时对误差求微分，在一个采样周期里计算出功率误差变化率CP，功率误差EP和功率误差变化率CP作为模糊控制器的输入变量，将数控机床的进给倍率作为输出量。
步骤二、输入输出模糊化处理。对于输入输出精确值变量进行相应模糊化处理，用七个词汇来描述，即{负大，负中，负小，零，正小，正中，正大}，模糊控制的输入输出变量设置如下：
Ep的模糊集为{NB，NM，NS，N0，0，PS，PM，PB}；
Cp的模糊集为{NB，NM，NS，N0，0，PS，PM，PB}；
△U的模糊集为{NB，NM，NS，0，PS，PM，PB}；
Ep、Cp、△U的论域均为{-6，-5，-4，-3，-2，-1，0，1，2，3，4，5，6}；
步骤三、确定模糊子集的隶属度函数。输入变量采用三角形的隶属度函数，输出变量使用梯形隶属度函数。
步骤四、制定模糊控制规则。采用If…then的条件语句控制规则。
步骤五、采用重心法的解模糊化方法，将输出的模糊集转化为确定的数值输出，并制作成模糊查询表，对于给定的输入通过查询表得出相应的输出控制量。
步骤六、确定模糊控制器参数。确定输入量主轴功率变化的区间和主轴功率变化率的变化区间和作为输出量的进给倍率的变化区间。同时需要选择合理的比例因子和量化因子，当误差的论域设为[-x,+x]，则误差的模糊集论域为{-n，-n+1，…，0，…，n-1，n}，误差的量化因子K如下式表示：
其中，n为误差模糊集的论域最大值，x为误差论域的最大值。
步骤七、制作模糊控制查询表。在MATLAB软件的SIMULINK模块中制作简易模糊控制器，并将之前建立的模糊规则加载到工作空间，在***测试中将输入和输出变量映射到模糊控制器的对应输入输出，运行测试并保存结果，将结果进行格式转换得到相应的模糊控制查询表。
步骤八、用模糊控制查询表替换在线优化流程中的模糊控制器，并建立基于模糊控制的在线优化模型，通过编程内置于数控机床中。
步骤九、在线优化调试。通过数控铣削加工工件采集实时铣削功率数据，利用在线优化控制器自适应调控进给倍率进而调整进给速度，并将调整后的功率反馈到恒功率控制器中不断进行迭代调整，直至实现功率恒定。
本发明的有益效果是：该方法通过制作恒功率模糊控制器，应用模糊控制算法，对复杂多变、难以用精确数学模型表达的控制体系实现切削过程的恒功率控制，本发明可以解决复杂曲面多轴数控铣削过程中的工艺参数在线优化问题，实现恒功率自适应在线调控，保证了在变工况情况下避免刀具过度磨损以及机床主轴的振荡，起到在保护机床和刀具的前提下缩短加工时间，提高加工效率的作用，并且具有广泛适用性和实际工程应用价值，实用性好。
下面结合附图和具体实施方式对本发明作详细说明。
附图说明
图1是本发明基于模糊控制的进给速度在线优化方法的流程图。
图2是本发明方法中输入输出变量的隶属度函数图。
图3是本发明方法中基于模糊控制的进给速度在线优化仿真模型图。
图4是本发明方法中基于模糊控制的进给速度在线优化仿真结果对比图。
具体实施方式
参照图1-4。本发明基于模糊控制的进给速度在线优化方法具体步骤如下：
步骤一、确定模糊控制器的输入输出。设定目标切削功率Pobj，采集加工过程中机床的主轴功率，将实际加工功率与目标功率值Pobj进行比较以获得功率误差EP，同时对误差求微分，在一个采样周期里计算出功率误差变化率CP，因此，功率误差EP和功率误差变化率CP作为模糊控制器的输入变量，将数控机床的进给倍率作为输出量。
步骤二、输入输出模糊化处理。对于输入输出精确值变量进行相应模糊化处理，用七个词汇来描述，即{负大，负中，负小，零，正小，正中，正大}，因此模糊控制的输入输出变量设置如下：
Ep的模糊集为{NB，NM，NS，N0，0，PS，PM，PB}；
Cp的模糊集为{NB，NM，NS，N0，0，PS，PM，PB}；
△U的模糊集为{NB，NM，NS，0，PS，PM，PB}；
Ep、Cp、△U的论域均为{-6，-5，-4，-3，-2，-1，0，1，2，3，4，5，6}；
步骤三、确定模糊子集的隶属度函数。输入变量采用三角形的隶属度函数，形状简单，计算工作量少，节约存储空间，控制灵敏度高。输出变量使用梯形隶属度函数，能使模糊控制器对非线性***有良好的控制性能。
步骤四、制定模糊控制规则。采用If…then的条件语句控制规则。当误差和误差变化率大或者较大的情况下，选取的控制量以消除误差为主；当误差和误差变化率较小的时候，选择的控制量要注意防止超调，要以***的稳定性为主要考虑因素；当误差和误差变化率为正时或者都为负时，相应的符号需要变化，以消除误差为主要目的。
步骤五、采用重心法的解模糊化方法，将输出的模糊集转化为确定的数值输出，并制作成模糊查询表，对于给定的输入通过查询表得出相应的输出控制量。
步骤六、确定模糊控制器参数。确定输入量主轴功率变化的区间和主轴功率变化率的变化区间和作为输出量的进给倍率的变化区间。同时需要选择合理的比例因子和量化因子，当误差的论域设为[-x,+x]，则误差的模糊集论域为{-n，-n+1，…，0，…，n-1，n}，因此误差的量化因子K如下式表示：
其中n为误差模糊集的论域最大值，x为误差论域的最大值。同理误差变化率的量化因子和输出控制量的比例因子也可以通过上述方法得到。但是这些控制参数的取值需要根据加工实验来给予一定的修正来达到一定的控制效果。
步骤七、制作模糊控制查询表。在MATLAB软件的SIMULINK模块中制作简易模糊控制器，并将之前建立的模糊规则加载到工作空间，在***测试中将输入和输出变量映射到模糊控制器的对应输入输出，运行测试并保存结果，将结果进行格式转换得到相应的模糊控制查询表。
步骤八、用模糊控制查询表替换在线优化流程中的模糊控制器，并建立基于模糊控制的在线优化模型，通过编程内置于数控机床中。
步骤九、在线优化调试。通过数控铣削加工工件采集实时铣削功率数据，利用在线优化控制器自适应调控进给倍率进而调整进给速度，并将调整后的功率反馈到恒功率控制器中不断进行迭代调整，直至实现功率恒定。
应用实施例。
步骤一、通过数控机床内置传感器采集切削加工过程中的主轴负载，主轴负载乘以额定功率得到机床主轴功率值。
步骤二、确定模糊控制器的输入输出。给定目标切削功率Pobj，将采集的加工功率与目标功率值Pobj进行比较以获得功率误差EP，同时对误差求微分，在一个采样周期里计算出功率误差变化率CP，因此，功率误差EP和功率误差变化率CP作为模糊控制器的输入变量。将数控机床的进给倍率作为输出量。
步骤三、输入输出模糊化处理。用{负大，负中，负小，零，正小，正中，正大}来描述模糊量大小，设置模糊控制的输入输出变量如下：
Ep的模糊集为{NB，NM，NS，N0，0，PS，PM，PB}；
Cp的模糊集为{NB，NM，NS，N0，0，PS，PM，PB}；
△U的模糊集为{NB，NM，NS，0，PS，PM，PB}；
Ep、Cp、△U的论域均为{-6，-5，-4，-3，-2，-1，0，1，2，3，4，5，6}；
步骤四、参照图2，其为输入输出的隶属度函数图，其输入变量采用三角形的隶属度函数，形状简单，计算工作量少，节约存储空间，控制灵敏度高。输出变量使用梯形隶属度函数，能使模糊控制器对非线性***有良好的控制性能。使用Matlab软件的模糊逻辑工具箱完成对所需要的模糊逻辑控制器的设计，在模糊逻辑编辑窗口下编辑前面定义的EP、CP和△U的隶属度函数。两个隶属度函数都选择三角形，输出的隶属度函数选择梯形，定义隶属度函数的范围为[-6，6]。
步骤五、制定模糊控制规则。建立的模糊控制规则如表1所示。
①当误差为负大且误差变化为正小时，控制量的变化取负中；
②当误差为负大且误差变化为正大或正中时，控制量变化为负小或零等级，控制量不宜增加过大，否则会造成超调，产生正误差；
③当误差为为负中时，控制量变化和误差为负大时是基本相同的，为了尽快消除误差；④当误差为负小且误差变化为负，控制量变化取负大或负中，抑制误差向负方向变化；⑤当误差为负小且误差变化为正，***的趋势是消除负小误差，控制量变化取正小或正中。
表1模糊控制规则表
步骤六、采用重心法解模糊化，在模糊逻辑工具箱中的“Defuzzification”选项中选择“centroid”，***自动采用重心法完成控制量的解模糊化。
步骤七、确定模糊控制器参数。如果假设误差的论域设为[-x,+x]，而误差的模糊集论域就是{-n，-n+1，…，0，…，n-1，n+1}，因此误差的量化因子K为：
其中n为误差模糊集的论域最大值，x为误差论域的最大值。同理误差变化的量化因子和输出控制量的比例因子也可以通过上述方法得到。根据加工优化，经过反复调试后得到功率误差量化因子K1＝0.045，功率误差变化率量化因子K2＝0.034，输出进给倍率解模糊量化因子K3＝0.3。
步骤八、制作模糊控制查询表。在MATLAB软件的SIMULINK模块中制作简易模糊控制器，并将之前建立的模糊规则加载到工作空间，在***测试中将输入和输出变量映射到模糊控制器的对应输入输出，运行测试169次迭代后并保存结果，将结果进行格式转换得到相应的模糊控制查询表如表2所示。在Simulink中新建简易模糊控制模型，将原本运算复杂的Fuzzy Logic Controller with Ruleviewer部分换成Lookup Table，将其参数设置为表2建立的模糊规则查询表的数据，这样在进行模糊运算时提高运算的效率，并且其效果也是等同于上述用隶属度函数运算的结果，对于输入大量数据的运算，其运算时间缩减。
表2模糊控制查询表
步骤九、建立基于模糊控制的在线优化仿真模型，通过编程内置于数控机床中。主要包括三部分：功率模拟模块、模糊控制调控模块和功率反馈输出模块。为了模拟变切深工况下机床的功率变化情况，输入的切深设置为一个分段函数形式，并且输出的功率和一个白噪声信号(White Noises)混合，模拟得到一个波动变化的功率信号。模糊控制调控模块首先将功率发生器模拟的功率信号与给定目标功率值350W作差，将功率误差和功率误差变化率通过模糊量化因子模糊化，功率反馈输出模块将模糊控制器输出的进给倍率反馈到功率发生器中产生优化后的功率信号，该过程完成后再次反馈到模糊控制调控模块，直至功率恒定，同时也输出调控后的进给速度值。该模块在加工过程中属于反馈调节的过程，通过不断反馈在线调节最终实现恒功率约束，使铣削加工平稳进行，缩短加工时间，提高加工效率。
从图4可以看出，运用上述步骤建立的基于模糊控制的进给速度优化仿真模型进行仿真实验，同时在各个环节设置示波器，便于观察各个环节的结果，可以看出当给定目标功率值为350W时，功率差值较小处的功率经过优化后基本保持不变，功率差值较大出的功率经过优化后也趋近于目标功率值，并且保持相对的稳定，其功率波动误差保持在±10％以内，这说明了优化进给速度后的加工功率实现了恒功率约束，使得加工过程更加稳定，并且优化后的功率普遍大于优化前功率，说明优化后进给速度都大于原始进给速度，进给速度增大则缩短了加工时间，提高了加工效率。

Claims (1)

1.一种基于模糊控制的进给速度在线优化方法，其特征在于包括以下步骤：
步骤一、确定模糊控制器的输入输出；设定目标切削功率Pobj，采集加工过程中机床的主轴功率，将实际加工功率与目标功率值Pobj进行比较获得功率误差EP，同时对误差求微分，在一个采样周期里计算出功率误差变化率CP，功率误差EP和功率误差变化率CP作为模糊控制器的输入变量，将数控机床的进给倍率作为输出量；
步骤二、输入输出模糊化处理；对于输入输出精确值变量进行相应模糊化处理，用七个词汇来描述，即{负大，负中，负小，零，正小，正中，正大}，模糊控制的输入输出变量设置如下：
Ep的模糊集为{NB，NM，NS，N0，0，PS，PM，PB}；
Cp的模糊集为{NB，NM，NS，N0，0，PS，PM，PB}；
△U的模糊集为{NB，NM，NS，0，PS，PM，PB}；
Ep、Cp、△U的论域均为{-6，-5，-4，-3，-2，-1，0，1，2，3，4，5，6}；
步骤三、确定模糊子集的隶属度函数；输入变量采用三角形的隶属度函数，输出变量使用梯形隶属度函数；
步骤四、制定模糊控制规则；采用If…then的条件语句控制规则；
步骤五、采用重心法的解模糊化方法，将输出的模糊集转化为确定的数值输出，并制作成模糊查询表，对于给定的输入通过查询表得出相应的输出控制量；
步骤六、确定模糊控制器参数；确定输入量主轴功率变化的区间和主轴功率变化率的变化区间和作为输出量的进给倍率的变化区间；同时需要选择合理的比例因子和量化因子，当误差的论域设为[-x,+x]，则误差的模糊集论域为{-n，-n+1，…，0，…，n-1，n}，误差的量化因子K如下式表示：
其中，n为误差模糊集的论域最大值，x为误差论域的最大值；
步骤七、制作模糊控制查询表；在MATLAB软件的SIMULINK模块中制作简易模糊控制器，并将之前建立的模糊规则加载到工作空间，在***测试中将输入和输出变量映射到模糊控制器的对应输入输出，运行测试并保存结果，将结果进行格式转换得到相应的模糊控制查询表；
步骤八、用模糊控制查询表替换在线优化流程中的模糊控制器，并建立基于模糊控制的在线优化模型，通过编程内置于数控机床中；
步骤九、在线优化调试；通过数控铣削加工工件采集实时铣削功率数据，利用在线优化控制器自适应调控进给倍率进而调整进给速度，并将调整后的功率反馈到恒功率控制器中不断进行迭代调整，直至实现功率恒定。
CN201910954545.9A 2019-10-09 2019-10-09 基于模糊控制的进给速度在线优化方法 Pending CN110568761A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910954545.9A CN110568761A (zh) 2019-10-09 2019-10-09 基于模糊控制的进给速度在线优化方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910954545.9A CN110568761A (zh) 2019-10-09 2019-10-09 基于模糊控制的进给速度在线优化方法

Publications (1)

Publication Number Publication Date
CN110568761A true CN110568761A (zh) 2019-12-13

Family

ID=68784115

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910954545.9A Pending CN110568761A (zh) 2019-10-09 2019-10-09 基于模糊控制的进给速度在线优化方法

Country Status (1)

Country Link
CN (1) CN110568761A (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111930075A (zh) * 2020-07-31 2020-11-13 深圳吉兰丁智能科技有限公司 一种自适应加工控制方法及非易失性可读存储介质
CN112065359A (zh) * 2020-09-21 2020-12-11 北京三一智造科技有限公司 钻进控制方法和旋挖钻机
CN112835326A (zh) * 2020-12-30 2021-05-25 天津重型装备工程研究有限公司 一种大型铸锻件加工智能化方法及***
CN113433990A (zh) * 2021-08-25 2021-09-24 深圳市中科先见医疗科技有限公司 一种基于单片机的快速温控方法及其***
CN113761740A (zh) * 2021-09-03 2021-12-07 中国电力科学研究院有限公司 可再生能源制氢功率控制、效率提升方法及***

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5828574A (en) * 1997-05-19 1998-10-27 General Electric Company Adaptive feedrates from geometry modeling for NC machining
CN101025620A (zh) * 2006-02-24 2007-08-29 同济大学 一种可用于数控铣削加工过程的分级模糊递阶控制方法
CN103197596A (zh) * 2013-03-14 2013-07-10 天津大学 一种数控加工参数自适应模糊控制规则优化方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5828574A (en) * 1997-05-19 1998-10-27 General Electric Company Adaptive feedrates from geometry modeling for NC machining
CN101025620A (zh) * 2006-02-24 2007-08-29 同济大学 一种可用于数控铣削加工过程的分级模糊递阶控制方法
CN103197596A (zh) * 2013-03-14 2013-07-10 天津大学 一种数控加工参数自适应模糊控制规则优化方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
徐剑 等: "基于开放式数控***的恒功率自适应控制研究", 《制造技术与机床》 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111930075A (zh) * 2020-07-31 2020-11-13 深圳吉兰丁智能科技有限公司 一种自适应加工控制方法及非易失性可读存储介质
CN112065359A (zh) * 2020-09-21 2020-12-11 北京三一智造科技有限公司 钻进控制方法和旋挖钻机
CN112065359B (zh) * 2020-09-21 2023-05-16 北京三一智造科技有限公司 钻进控制方法和旋挖钻机
CN112835326A (zh) * 2020-12-30 2021-05-25 天津重型装备工程研究有限公司 一种大型铸锻件加工智能化方法及***
CN113433990A (zh) * 2021-08-25 2021-09-24 深圳市中科先见医疗科技有限公司 一种基于单片机的快速温控方法及其***
CN113761740A (zh) * 2021-09-03 2021-12-07 中国电力科学研究院有限公司 可再生能源制氢功率控制、效率提升方法及***

Similar Documents

Publication Publication Date Title
CN110568761A (zh) 基于模糊控制的进给速度在线优化方法
Guo et al. Speed control of direct current motor using ANFIS based hybrid PID configuration controller
CN109343351A (zh) 一种改进pid控制的开关磁阻电机转矩控制***
CN101339404B (zh) 飞行器姿态动力学简化模型增益切换比例-微分控制的设计方法
CN112213945B (zh) 电动汽车参与微网群调频的改进鲁棒预测控制方法和***
CN110376969A (zh) 调整装置以及调整方法
CN111474898B (zh) 一种自由曲面加工工艺参数优化方法
CN110928241B (zh) 一种数控机床运动控制***的控制方法
CN114063445A (zh) 一种模糊控制器的设计方法
Moness et al. Real-time Mamdani-like fuzzy and fusion-based fuzzy controllers for balancing two-wheeled inverted pendulum
CN107678276A (zh) 一种基于转台控制的自适应复合控制方法
CN111152213B (zh) 一种基于混合控制的机械臂振动补偿方法及装置
CN107491036A (zh) 机床加工能耗控制方法及加工机床
Huang et al. A self-organising fuzzy logic controller for a coordinate machine
Ivanova et al. Fuzzy logic control design based on the genetic algorithm for a modular servo system
CN111077771A (zh) 一种自整定模糊pid控制方法
CN104238359A (zh) 一种大型机电混合惯量***控制方法
Xu et al. An adaptive fuzzy controller for constant cutting force in end-milling processes
CN113219821B (zh) 一种比例积分滑模面的数控机床用模糊滑模位置控制方法
Jee et al. A self-organizing fuzzy logic control for friction compensation in feed drives
CN111181467B (zh) 一种基于三维模糊控制的伺服电机转速调节方法及***
CN113700076A (zh) 一种装载机控制***、履带式装载机及履带式推土机
Hrehova et al. Possibility of using Matlab application to propose fuzzy computer model
JP3009755B2 (ja) 放電加工用加工条件生成装置
CN110850710A (zh) 基于无模型自适应控制的水电机组控制优化方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20191213