一種數控機床伺服系統參數辨識方法的研究

黎浩煒　張禮兵　姚亦成　楊柳　余寬平

摘 要：針對數控機床伺服系統在模型辨識中存在的問題，為了減小系統模型建模誤差，提高伺服系統的控制性能，提出一種在線實時的遞推式最小二乘參數辨識方法。首先推導和構建了遞推式最小二乘參數辨識數學模型，然后對三軸數控雕銑機床伺服系統模型參數進行在線辨識實驗。實驗結果表明所提出的方法能夠有效地提高伺服系統的模型辨識精度，從而有效提高伺服系統的控制性能。

關鍵詞：參數辨識；伺服系統；最小二乘法

引言

隨著先進制造技術的發展，現代制造業對復雜曲線曲面零件加工提出更高的加工精度要求，數控機床對伺服系統性能提出更高要求。為了提高加工精度需要得到被控對象的精確的數學模型。通常，構建數控機床伺服系統數學模型的方法主要有三種：機理分析法、系統辨識法和混合建模法[1]。由于被控對象受到具體環境等因素的影響，不同時刻辨識得到的數學模型參數值有可能不相同。為了提高系統模型的辨識精度，葉軍[2]在機器人運動學模型辨識過程中應用神經網絡方法。李耀明等[3]研究了一種基于BP神經網絡的數控機床測頭測量誤差參數辨識方法。李曦等[4]利用模糊聚類方法對數控加工過程中非線性關系模型進行辨識。這些方法在一定程度上提高模型的辨識精度，但是它們也具有較大的缺陷，如神經網絡理論存在網絡結構選擇困難、容易限于局部最優解和出現過學習等問題。曹克強等[5]和王文棟等[6]利用支持向量機進行控制系統模型辨識與建模，實驗結果表明SVM具有較高的建模精度和較強的泛化能力。但是支持向量機辨識方法的算法比較復雜，難以實現在線實時辨識。為了提高數控加工精度，實現伺服系統在線實時辨識，采用最小二乘參數估計法對數控機床伺服系統進行在線參數辨識。

1 系統參數辨識方法

2 實驗驗證

為了驗證所提出的在線實時的系統參數辨識方法的可行性和有效性，采用自主研發的數控系統對某公司的三軸數控雕銑機床的伺服系統進行辨識與建模，實驗條件包括：（1）硬件環境：PC機1臺、DSP運動控制卡和模擬量卡各1塊、數控雕銑機床1臺。（2）軟件環境：上位機數控界面系統和DSP運動控制系統軟件各1套，用于發送輸入信號和采集輸出數據；數據處理軟件平臺為MATLAB R2009a。

白噪聲作為系統輸入信號能夠獲得較好的辨識精度，但是白噪聲在實際工程中不容易實現，線性移位寄存器序列具有白噪聲相似的性質，因此采用線性移位寄存器序列作為系統辨識的輸入信號。由于線性移位寄存器序列含有直流成分，對系統造成凈擾動，為了克服這種缺點，以逆線性移位寄存器序列作為系統辨識輸入信號。

3 結束語

針對采用傳統方法對數控機床伺服系統的模型參數建模存在較大的誤差等問題，提出一種在線實時的遞推式最小二乘參數估計方法，構建了遞推式最小二乘法的數學模型，并對該方法進行設計和實現，然后針對某公司的數控機床伺服系統的模型參數進行實驗驗證。實驗結果表明所提出的方法能夠有效地提高該伺服系統的模型辨識精度，從而有效提高伺服系統的控制性能。

參考文獻

[1]劉黨輝，蔡遠文，蘇永芝，等.系統辨識方法及應用[M].北京：國防工業出版社，2010.

[2]葉軍.基于快速學習型神經網絡的機器人運動學模型辨識及運動控制[J].計算機仿真，2002，19（5）：62-64.

[3]李耀明，沈興全，孟慶義，等.基于BP神經網絡的數控機床誤差辨識方法研究[J].中北大學學報（自然科學版），2009，30（6）：574-578.

[4]李曦，李斌，周云飛.數控加工中一種模型的模糊辨識算法的研究[J].中國制造業信息化，2003，32（6）：111-114.

[5]曹克強，胡良謀，張春山，等.支持向量機在電液伺服系統辨識建模中的應用[J].空軍工程大學學報（自然科學版），2007，8（3）：43-45.

[6]王文棟，郭偉.基于的控制系統辨識建模研究[J].燃氣渦輪試驗與研究，2009，22（3）：33-36.