论文部分内容阅读
随着科技的发展,对器件模具的制造精度的要求越来越高。能否制造出高质量的模具取决于模具的数控加工精度,而影响数控机床加工精度最重要的因素是热误差。油冷机根据制冷原理,通过液态冷媒热交换来稳定机床加工的温度。温度控制具有非线性、强耦合、时变、延迟等特点,如何实现精确的温度控制对油冷机的性能有着重要的现实意义。论文首先分析了油冷机温度控制的发展现状以及研究意义,然后研究了油冷机的制冷循环系统,使用数学工具对油冷机的部件及整机系统进行了数学建模,最终获得了温度控制传递函数。接着,论文系统地研究了神经网络控制原理,采用RBF神经网络和增量式PID控制相结合,用RBF神经网络对PID参数进行在线辨识,并基于油冷机的制冷模型,用Matlab仿真得到整定结果,与普通的PID控制器控制效果进行了对比分析。论文还深入研究了粒子群算法,引入收缩因子改进粒子群优化算法性能,利用粒子群优化算法去整定PID控制器的参数,并进行了仿真和结果分析。论文最后提出一种新的PSO-RBF混合控制算法:利用粒子群优化算法来全局优化整定RBF神经网络的网络参数,再利用RBF神经网络去整定PID参数,从而融合了粒子群优化算法优秀的全局搜索能力和RBF神经网络的局部寻优性能。论文阐述了新控制算法的PID参数整定步骤,并进行了仿真对比试验。仿真结果证明:相比其他PID参数自整定算法而言,粒子群优化RBF网络参数的PID参数整定算法控制效果良好,鲁棒性和适应性良好,改善了油冷却机的温度控制收敛时间和控制精度。