机械工程学报

作者：管寅昕, 杨吉祥, 丁汉

单位：华中科技大学数字制造装备与技术国家重点实验室 武汉 430074

关键词：数据驱动,进给系统,机器学习,神经网络,跟踪误差；

基金：国家重点研发计划(2020YFB1710400)、国家自然科学基金(52122512，52188102)和湖北省自然科学基金(2021CFA075)资助项目。

现有数据驱动的机床运动控制误差建模方法通常使用端到端的模型，即通过机器学习算法直接构建参考轨迹信息(速度、加速度等)与伺服误差之间的模型，以降低建模复杂度。然而，该方法忽视了控制电信号对运动控制系统非线性扰动的反映，而导致建立的模型精度受限。为解决此问题，提出了一种使用控制电信号作为中间量的数据驱动运动控制误差建模方法。该方法采集参考轨迹信息(速度、加速度、急动度等)、控制电信号、跟踪误差以及构造的换向特征，构建并训练基于参考轨迹信息的控制电信号预测网络，以及基于电信号和参考轨迹信息的运动控制误差预测网络，利用控制电信号这一中间量有效反应系统所受非线性扰动的特点，实现了高精度的运动控制误差数据驱动建模。在实际验证测试时，将参考轨迹信息输入电信号预测网络，而后将得到的预测控制电信号和参考轨迹信息输入跟踪误差预测网络，即可实现运动控制误差的预测。通过实验对所提出的建模方法进行了验证，所提出方法相对于传统的端到端建模方法，运动控制误差的预测精度在X轴和Y轴分别提升16.33%和20.42%，误差补偿后运动控制轮廓精度相较于未补偿提升85.59%，验证了所提出方法的可行性。

来源：2022年第23期

《机械工程学报》期刊编辑部

查看机械工程学报杂志2022年第23期