论文部分内容阅读
对于数控机床等高速加工设备,实现多轴进给系统的高速高精度轮廓控制是一个非常重要的研究课题。传统的控制方法主要基于跟踪误差,然而减小跟踪误差并不一定能提高产品加工质量。近年来在国内外,关于轮廓误差控制的研究一直是一个热点。针对在高速大曲率轮廓加工时,现有的基于任务坐标系的轮廓控制方法存在的轮廓误差估计能力不足和高速下轮廓性能严重退化等问题,本文提出了基于任务极坐标系的解耦轮廓控制方法。任务极坐标的建立基于密切圆逼近方法,相比于常见的切线逼近方法,能够取得更准确的轮廓误差估计结果。在任务极坐标系中,跟踪误差被分解为切向误差与径向误差两部分,其中径向误差即为估计的轮廓误差。采用反馈线性化技术和参考输入前馈补偿,在任务极坐标系中实现了误差动力学的解耦控制,可以通过增强径向的跟踪性能来减小轮廓误差。在XY运动平台的实验表明,在典型轮廓(圆、椭圆和八字形)的高速实验中,基于任务极坐标的方法能够降低40%以上的轮廓误差(均方根值,下同),并且在曲率变化和速度变化时,仍能保持较好的轮廓性能。现有的切线逼近和密切圆逼近方法,是基于期望轮廓局部几何特性的一阶逼近和准二阶逼近,并且密切圆逼近方法较难推广到三维空间。通过进行更高阶逼近,本文提出了适用于三维空间的轮廓误差估计方法——自然逼近方法,对于三维轮廓为三阶逼近,对于二维轮廓为二阶逼近。在任务坐标系方法的基础上,使用自然逼近方法提出了补偿解耦轮廓控制算法。三维螺旋线的Simulink仿真实验表明轮廓误差降低了38%;XY运动平台上进行的椭圆高速轮廓实验表明轮廓误差相比于切线逼近降低了60%以上,与准二阶的密切圆逼近方法相比略有减小(2%)。本文中使用了自然逼近方法对位置环交叉耦合控制算法进行了改进。这种算法结构简单,鲁棒性强,工程应用前景较好。通过改进轮廓误差估计性能,椭圆Simulink仿真实验表明轮廓误差的均值降低了7%,而最大值降低了23.3%,提高了高速大曲率下的轮廓性能。