【摘 要】
:
在以信息技术为代表的科学技术迅猛发展的潮流下,自动化设备正朝着响应快、精度高的方向发展。多轴自动化设备在运行过程中,会产生单轴运动的跟踪误差和多轴联动的轮廓误差,这两种误差尤其是轮廓误差直接影响了设备的运动轨迹。轮廓误差是衡量多轴进给系统高精度高速加工性能的重要指标,如何在面向大曲率快速的连续轨迹运动中保持着微小的轮廓误差是当前多轴运动控制系统中亟待解决的难题。轮廓误差控制一直是高精度高速加工系统
【基金项目】
:
“十三五”国家科技重大专项“复杂断块油田提高采收率技术(编号:2016ZX05011-002)”;
论文部分内容阅读
在以信息技术为代表的科学技术迅猛发展的潮流下,自动化设备正朝着响应快、精度高的方向发展。多轴自动化设备在运行过程中,会产生单轴运动的跟踪误差和多轴联动的轮廓误差,这两种误差尤其是轮廓误差直接影响了设备的运动轨迹。轮廓误差是衡量多轴进给系统高精度高速加工性能的重要指标,如何在面向大曲率快速的连续轨迹运动中保持着微小的轮廓误差是当前多轴运动控制系统中亟待解决的难题。轮廓误差控制一直是高精度高速加工系统中的重要研究课题。交叉耦合控制策略较好解决了各轴间动态影响而造成的轮廓误差精度问题,已受到了广泛的关注。传统交叉耦合控制中的PID控制器结构简单、鲁棒性高。而实际应用中,被控对象结构相对复杂,具有高度非线性的特点。在扰动或者噪声的干扰下,传统PID控制器的控制精度无法满足应用需求。论文针对PID控制的特点,研究和分析了传统控制器的不足,结合强化学习的优势,改进了传统PID控制器,并把这种控制器应用在交叉耦合控制中,以达到更高的轮廓误差控制精度,为智能化控制提出一种可行的技术方案。论文分析总结了国内外在强化学习、PID控制理论、轮廓误差控制技术等方面的研究现状,对于PID控制器的相关改进以及交叉耦合控制的合理应用进行了系统学习研究,把提升井筒扫描装置的轮廓精度作为主要研究目的。论文先结合强化学习算法对PID控制器进行改进,提出一种基于异步优势执行器评价器的自适应PID控制器,利用CPU多线程并行训练的方式提高了控制器的学习效率,增强了控制器的自适应能力。然后总结和分析了交叉耦合的控制结构,将改进后的PID控制器应用在交叉耦合控制中,提高了双轴圆形轮廓误差控制精度。最后把改进后的交叉耦合控制应用在井筒扫描实验装置控制系统建模仿真中,降低了井筒扫描装置多轴联动时的轮廓误差,为随钻地质导向信息处理的研究奠定了坚实基础。
其他文献
近年来,随着社会经济水平的飞速提升和工业信息化进程的加快,人们生产生活用电量大幅增加。我国的主要发电方式是煤炭发电,发电量需求的增加,导致煤炭消费数量提高,从而使得火电厂烟气排放大幅增加,环境污染问题日益严峻。随着国家对火电厂烟气排放的标准不断提高,因此急需研制多种高性能气敏传感器来实现对火电厂排放烟气的高精度检测。还原氧化石墨烯(r GO)、金属有机框架(MOFs)衍生金属氧化物及异质结型金属氧
工业机器人为了完成运动规划,其控制系统需要实时发送大量的位置信息给各个轴关节驱动电机,而传统的现场总线的传输速度已无法满足该要求。工业以太网总线Ethercat由于其实时性以及同步性被广泛的应用到工业机器人通信系统中。本文基于Ethercat对工业机器人通信系统进行设计,包括Ethercat协议通讯主站和从站设计与开发。(1)工业以太网Ethercat协议分析及整体方案设计。详细分析了Etherc
电力供应稳定和电力设备安全是保障经济和社会生活运行的重要条件。锈蚀会引起电力设备故障,影响电力系统的安全运行。但目前电力设备锈迹检测方式仍以人工检查为主,成本高、效率低,且不能及时反馈。因而如何便捷高效的检测出各种电力设备中锈迹所在的位置,减少因锈迹产生的故障损失及次生损失,是当前保障电网系统安全运作亟待解决的问题。近年来,深度学习技术在图像处理领域取得了突出成果,但由于电力设备上锈迹大小不一、形
随着生物信息学的爆炸式发展,蛋白质组学的研究进入了后基因组时代。蛋白质亚细胞定位预测研究作为蛋白质组学的热点问题和重要内容,对于研究人类某些疾病的发病原理和药物设计等具有重要指导意义。本文针对蛋白质亚细胞定位预测准确率难以得到有效提升这一问题,研究了基于深度学习算法融合的蛋白质亚细胞定位预测方法,并结合序列数据特点进一步讨论了基于定位位点生成蛋白质序列问题,本文的主要研究内容如下:首先,针对传统的
随着经济技术的迅速发展,人们经济消费水平的提高,越来越多的人选择乘坐飞机去异地。旅客人数大量增长,携带旅行包的数量也急剧增加,由此产生的不正常行李增多。目前机场工作人员采用传统的手工登记行李信息的工作方式,已经不能适应当前现代大企业的工作需求。因此,有必要设计开发一个机场行李管理系统实现行李的信息化管理。为解决目前机场对不正常行李管理的遇到的工作量大、效率低下的问题,实现行李的信息化管理,本文查阅
据统计超过90%的电力系统事故由电力设备故障引起,其中超过50%的故障设备在早期阶段出现异常发热症状。及时排除隐患是保证电力系统安全稳定运行的必要条件。红外热成像技术探测并接收目标表面的红外辐射能量,经处理后获得目标表面温度分布状态,因此十分适用于电力设备的热故障检测。深度学习可以从大量的数据中自动学习样本特征,但其计算复杂度高,对计算资源要求较高,嵌入式设备有限的计算资源,使其部署深度学习模型成
通过对六氟化硫(SF_6)分解组分特征气体的在线检测,可以初步诊断SF_6气体绝缘设备早期的绝缘故障。目前的检测方法中比较有效是气体传感器技术。本文将基于石墨烯、聚苯胺等材料的新型气敏传感器,引入到SF_6气体绝缘设备故障分解组分气体的检测研究中,利用自主搭建的动态配气检测装置测试不同传感器对硫化氢(H_2S)气体的气敏特性,并基于复合材料间的异质结等角度研究分析传感材料的气敏传感机理。针对SF_
随着信息时代的飞速发展,互联网上的信息呈指数倍增长,如何高效地从众多互联网信息中获取人们所需要的信息,是目前急需解决的问题。机器学习领域的网页分类技术可以对网页进行分类归纳,帮助人们有效地提取和利用互联网上的海量信息。在众多网页分类算法中,基于支持向量机的多示例多标签学习框架因其出色的学习能力,成为机器学习领域的一个研究热点。本文介绍了网页分类的流程、相关技术,阐述了多示例多标签学习框架和支持向量
肺癌是世界上发病率与死亡率增长速度最快的肿瘤疾病之一,70%~80%的肺癌病人一经发现多属中晚期,此时多数患者的病变部分已无法手术切除,虽然可通过放疗和各种化疗方案进行治疗,但晚期肺癌的预后极差,平均生存时间少于12个月。因此,早期发现肺部病变以提高完全切除率(ROI切除),对于提高肺癌患者存活率意义重大。计算机辅助诊断系统(CADe)的应用很大的提高了早期结节诊出率。但由于现有的传统的CADe方
现实生活中,人们面临的绝大多数的优化问题都可以归类为多目标优化问题。单目标优化可以找到唯一的最优可行解,与单目标优化不同的是,多目标优化问题需要在一组Pareto解集中,找到可以使各个子目标尽可能达到最优的解集,在各个子目标之间保持平衡。粒子群优化算法作为一种群智能算法,因形式简洁,参数设置灵活,操作简便易行,快速收敛的同时能一次产生多个解,从而在求解多目标优化问题中被广泛应用。但是,也存在收敛速