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

【摘要】：在進(jìn)行機(jī)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(yù)測是特別重要的,同時預(yù)測加工尺寸數(shù)據(jù)也是實現(xiàn)誤差反饋補(bǔ)償控制的關(guān)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(yù)測的優(yōu)良算法顯得尤為重要。 機(jī)械加工通過對工件的幾何參數(shù)進(jìn)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(jì)效益,因此研究機(jī)械加工尺寸的預(yù)測控制顯得尤為重要。機(jī)械加工過程中對加工尺寸進(jìn)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(dāng)?shù)哪Ｐ蛯庸こ叽绲淖兓闆r進(jìn)行準(zhǔn)確的描述和預(yù)測,而通過廣義預(yù)測控制中的多步預(yù)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(yù)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(qiáng)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(biāo)聯(lián)系不夠緊密,并且對于隨機(jī)突發(fā)的干擾不能達(dá)到實時的控制效果。PI型廣義預(yù)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(jié)合兩種控制技術(shù)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(yù)測控制. 然而加工過程中各種因素的機(jī)理非常復(fù)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(fù)雜,計算量加大,影響了算法的性能,再加之PI型廣義預(yù)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(jī)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(jī)械加工尺寸的檢測數(shù)據(jù)序列進(jìn)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(yù)測控制。該算法通過非線性規(guī)劃處理機(jī)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(yù)測控制的控制律,再通過粒子群算法進(jìn)行二次搜索,對約束PI型廣義預(yù)測的比例因子和積分因子進(jìn)行優(yōu)化整定,通過matlab仿真結(jié)果表明該算法能夠?qū)庸こ叽绲淖兓M(jìn)行準(zhǔn)確的預(yù)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(jī)床上連續(xù)加工了一批試件來預(yù)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(jìn)行優(yōu)化整定算法進(jìn)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(dá)到更好的控制效果,并且具有更好的跟蹤性能和適應(yīng)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(guān)鍵詞】：加工尺寸 PI型預(yù)測控制 約束處理 非線性規(guī)劃
【學(xué)位授予單位】：太原理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)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(jī)械加工尺寸的動態(tài)特征13
• 1.2.2 機(jī)械加工尺寸主要的預(yù)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(yù)測控制理論16-38
• 2.1 預(yù)測控制算法基本原理16-17
• 2.1.1 預(yù)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(yù)測控制算法簡介17-19
• 2.3 廣義預(yù)測控制理論19-26
• 2.3.1 預(yù)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(yù)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(yù)測控制26-31
• 2.4.1 比例-積分廣義預(yù)測控制算法概述26
• 2.4.2 PI型廣義預(yù)測控制器的設(shè)計26-30
• 2.4.3 參數(shù)比例積分因子設(shè)置30-31
• 2.5 帶約束的PI型廣義預(yù)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(shè)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(xué)模型36-37
• 2.7 本章小結(jié)37-38
• 第三章 智能算法算法的研究和改進(jìn)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(jìn)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(jìn)策略42-45
• 3.3 人工魚群算法及其改進(jìn)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(jìn)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(jié)54-56
• 第四章 基于PSO-NP機(jī)械加工尺寸PI型廣義預(yù)測控制56-66
• 4.1 加工尺寸的建模和預(yù)測57-60
• 4.1.1 確定目標(biāo)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(yù)測控制參數(shù)整定60-63
• 4.2.1 慣性權(quán)重的選取61
• 4.2.2 適應(yīng)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(jī)械加工尺寸的PI型廣義預(yù)測控制63
• 4.4 仿真研究63-65
• 4.5 本章小結(jié)65-66
• 第五章 總結(jié)與展望66-68
• 5.1 工作總結(jié)66
• 5.2 工作展望66-68
• 參考文獻(xiàn)68-72
• 致謝72-74
• 攻讀學(xué)位期間發(fā)表的學(xué)術(shù)論文目錄74

【參考文獻(xiàn)】

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(yù)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(yù)測控制[J];計算機(jī)應(yīng)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(yù)測控制[J];科學(xué)技術(shù)與工程;2011年02期

4 金元郁;一種約束輸入的廣義預(yù)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(yán)太山;;基于自適應(yīng)學(xué)習(xí)的多目標(biāo)粒子群優(yōu)化算法[J];計算機(jī)應(yīng)用研究;2012年09期

6 杜曉寧,席裕庚,李少遠(yuǎn);約束預(yù)測控制的一種快速算法[J];上海交通大學(xué)學(xué)報;2001年11期

7 張強(qiáng),李少遠(yuǎn);基于遺傳算法的約束廣義預(yù)測控制[J];上海交通大學(xué)學(xué)報;2004年09期

8 滕達(dá);于佐軍;趙繼偉;;帶約束處理的PI型廣義預(yù)測控制[J];青島科技大學(xué)學(xué)報(自然科學(xué)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(yù)測控制器研究[J];系統(tǒng)仿真學(xué)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(xué)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(xué);2008年

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

本文編號：368582