本文關鍵詞：基于PSO-NP機械加工尺寸PI型廣義預測控制，由筆耕文化傳播整理發(fā)布。

【摘要】：在進行機械加工質(zhì)量在線監(jiān)控的過程中,加工尺寸數(shù)據(jù)的預測是特別重要的,同時預測加工尺寸數(shù)據(jù)也是實現(xiàn)誤差反饋補償控制的關鍵,故研究高精度的并且能夠在實際的工業(yè)加工過程中發(fā)揮良好控制作用的加工尺寸數(shù)據(jù)預測的優(yōu)良算法顯得尤為重要。 機械加工通過對工件的幾何參數(shù)進行改造能夠有效地提高社會生產(chǎn)效率從而產(chǎn)生更大的經(jīng)濟效益,因此研究機械加工尺寸的預測控制顯得尤為重要。機械加工過程中對加工尺寸進行檢測和控制能夠有效的保證零件加工尺寸的精度,其首要條件是建立適當?shù)哪Ｐ蛯庸こ叽绲淖兓闆r進行準確的描述和預測,而通過廣義預測控制中的多步預測,使系統(tǒng)根據(jù)以往尺寸的輸入,輸出數(shù)據(jù)和已選定的未來尺寸輸入值,不斷地預測未來尺寸的輸出值從而克服系統(tǒng)的不確定性以及增強系統(tǒng)的魯棒性。 但是GPC中所選的參數(shù)與工程實際要求的指標聯(lián)系不夠緊密,并且對于隨機突發(fā)的干擾不能達到實時的控制效果。PI型廣義預測控制能夠有效提高實時跟蹤性,改善系統(tǒng)的控制品質(zhì),結合兩種控制技術的優(yōu)勢可以產(chǎn)生控制效果更加符合實際要求的PI型廣義預測控制. 然而加工過程中各種因素的機理非常復雜,并且加工過程受到很多實際條件的約束,在控制系統(tǒng)中存在了約束,勢必會對控制量求解帶來難度,使問題復雜,計算量加大,影響了算法的性能,再加之PI型廣義預測控制的比例因子和積分因子整定比較困難,所以對其參數(shù)整定就有十分重要的意義。 針對機械加工過程中工件尺寸容易產(chǎn)生誤差的缺陷,本文通過對機械加工尺寸的檢測數(shù)據(jù)序列進行在線建模,提出了一種基于粒子群算法和非線性規(guī)劃的帶約束的PI型廣義預測控制。該算法通過非線性規(guī)劃處理機械加工過程中控制系統(tǒng)輸入輸出的約束條件,從而得到帶約束的PI型廣義預測控制的控制律,再通過粒子群算法進行二次搜索,對約束PI型廣義預測的比例因子和積分因子進行優(yōu)化整定,通過matlab仿真結果表明該算法能夠對加工尺寸的變化進行準確的預測,使被加工零件尺寸基本上都控制在允許誤差內(nèi)。 在數(shù)控機床上連續(xù)加工了一批試件來預測其加工尺寸的輸出值,通過matlab仿真將該算法與GAPIGPC優(yōu)化算法以及未對算法中參數(shù)進行優(yōu)化整定算法進行了比較,從而得出該新型算法可以有效的減少系統(tǒng)的超調(diào),縮短調(diào)整時間,從而達到更好的控制效果,并且具有更好的跟蹤性能和適應能力,輸出的波動更小,控制量更加緩和并且減少了因模型失配引起的控制量振蕩。
【關鍵詞】：加工尺寸 PI型預測控制 約束處理 非線性規(guī)劃
【學位授予單位】：太原理工大學
【學位級別】：碩士
【學位授予年份】：2014
【分類號】：TH161
【目錄】：

• 摘要3-5
• ABSTRACT5-11
• 圖表索引11-12
• 第一章 緒論12-16
• 1.1 課題研究的背景及意義12-13
• 1.2 本課題的研究現(xiàn)狀13
• 1.2.1 機械加工尺寸的動態(tài)特征13
• 1.2.2 機械加工尺寸主要的預測模型13
• 1.3 本課題存在的問題13-14
• 1.4 本文研究的內(nèi)容和目的14-16
• 1.4.1 研究目的14
• 1.4.2 研究內(nèi)容及方法14-16
• 第二章 PI型廣義預測控制理論16-38
• 2.1 預測控制算法基本原理16-17
• 2.1.1 預測模型16
• 2.1.2 滾動優(yōu)化16-17
• 2.1.3 反饋校正17
• 2.2 典型預測控制算法簡介17-19
• 2.3 廣義預測控制理論19-26
• 2.3.1 預測模型19-20
• 2.3.2 滾動優(yōu)化20-23
• 2.3.3 反饋校正23
• 2.3.4 廣義預測控制參數(shù)辨識23-24
• 2.3.5 丟番圖方程的遞推求解24-26
• 2.4 比例-積分廣義預測控制26-31
• 2.4.1 比例-積分廣義預測控制算法概述26
• 2.4.2 PI型廣義預測控制器的設計26-30
• 2.4.3 參數(shù)比例積分因子設置30-31
• 2.5 帶約束的PI型廣義預測控制31-36
• 2.5.1 輸入輸出的約束處理31-33
• 2.5.2 Lagrange乘子法33-34
• 2.5.3 參數(shù)的設置34-36
• 2.6 非線性規(guī)劃算法理論36-37
• 2.6.1 非線性規(guī)劃算法概述36
• 2.6.2 非線性理論的數(shù)學模型36-37
• 2.7 本章小結37-38
• 第三章 智能算法算法的研究和改進38-56
• 3.1 智能算法的基本思想38-41
• 3.1.1 遺傳算法38
• 3.1.2 蟻群算法38-39
• 3.1.3 粒子群算法39-40
• 3.1.4 人工魚群算法40-41
• 3.2 粒子群優(yōu)化算法及其改進41-45
• 3.2.1 粒子群算法原理簡介41-42
• 3.2.2 粒子群算法的改進策略42-45
• 3.3 人工魚群算法及其改進45-49
• 3.3.1 人工魚群算法原理簡介45-46
• 3.3.2 人工魚群模型的建立46
• 3.3.3 人工魚基本行為描述46-47
• 3.3.4 人工魚群算法流程47
• 3.3.5 人工魚群算法改進策略47-49
• 3.4 遺傳算法49-54
• 3.4.1 遺傳算法簡介49-50
• 3.4.2 遺傳算法的組成50-52
• 3.4.3 遺傳算法的基本步驟52-53
• 3.4.4 遺傳算法的優(yōu)勢53-54
• 3.4.5 遺傳算法的缺點54
• 3.5 本章小結54-56
• 第四章 基于PSO-NP機械加工尺寸PI型廣義預測控制56-66
• 4.1 加工尺寸的建模和預測57-60
• 4.1.1 確定目標函數(shù)57-59
• 4.1.2 帶約束條件的控制律的求解59-60
• 4.2 基于粒子群算法的約束PI型廣義預測控制參數(shù)整定60-63
• 4.2.1 慣性權重的選取61
• 4.2.2 適應度函數(shù)的選取61-62
• 4.2.3 參數(shù)整定的算法實現(xiàn)62-63
• 4.3 基于PSO-NP機械加工尺寸的PI型廣義預測控制63
• 4.4 仿真研究63-65
• 4.5 本章小結65-66
• 第五章 總結與展望66-68
• 5.1 工作總結66
• 5.2 工作展望66-68
• 參考文獻68-72
• 致謝72-74
• 攻讀學位期間發(fā)表的學術論文目錄74

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 薛美盛;樊弟;魏衡華;;非線性多變量系統(tǒng)的多模型廣義預測解耦控制[J];化工自動化及儀表;2010年06期

2 李桂秋;陳志旺;;穩(wěn)定的非線性系統(tǒng)廣義預測控制[J];計算機應用研究;2010年10期

3 仉寶玉;肖軍;;基于GA參數(shù)優(yōu)化整定的PI型廣義預測控制[J];科學技術與工程;2011年02期

4 金元郁;一種約束輸入的廣義預測控制新算法[J];控制與決策;2002年04期

5 尹呈;郭觀七;李文彬;嚴太山;;基于自適應學習的多目標粒子群優(yōu)化算法[J];計算機應用研究;2012年09期

6 杜曉寧,席裕庚,李少遠;約束預測控制的一種快速算法[J];上海交通大學學報;2001年11期

7 張強,李少遠;基于遺傳算法的約束廣義預測控制[J];上海交通大學學報;2004年09期

8 滕達;于佐軍;趙繼偉;;帶約束處理的PI型廣義預測控制[J];青島科技大學學報(自然科學版);2012年05期

9 肖本賢;朱志國;劉一福;;基于粒子群算法混合優(yōu)化的廣義預測控制器研究[J];系統(tǒng)仿真學報;2007年04期

10 李曉磊,邵之江,錢積新;一種基于動物自治體的尋優(yōu)模式:魚群算法[J];系統(tǒng)工程理論與實踐;2002年11期

中國博士學位論文全文數(shù)據(jù)庫 前1條

1 高芳;智能粒子群優(yōu)化算法研究[D];哈爾濱工業(yè)大學;2008年

  本文關鍵詞：基于PSO-NP機械加工尺寸PI型廣義預測控制，，由筆耕文化傳播整理發(fā)布。

本文編號：368582