基于切削颤振抑制系统的BP神经网络PID控制研究.pdf

《基于切削颤振抑制系统的BP神经网络PID控制研究.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、2015年10月机床与液压082015第43卷第19期MACHINET00L2HYDRAULICSVol.43No.19DOI:10.3969/j.issn.1001-3881.2015.19.046基于切削颤振抑制系统的BP神经网络PID控制研究张道坤I2,霍睿I2,王志东I2(1.山东大学机械工程学院，山东济南250061$2.山东大学高效洁净机械制造教育部重点实验室，山东济南250061)摘要：从颤振的发生机制及集中质量系统的颤振运动微分方程出发，以镗削颤振抑制问题为背景，建立了具有连续分布质量的压

2、电智能切削颤振抑制系统动力学模型，重点研究了BP神经网络与经典PID控制相结合的智能控制策略，为切削颤振的智能控制提供了新的方法。继而在Simulink中分别棚经典PID和BP神经网络PID对切削颤振抑制系统进行控制仿真。仿真结果表明：和经典的PI控制相比，BP神经网络PID控制自适应能力更强。关键词：颤振；BP神经网络；PID#智能控制中图分类号：TG502.36;TP183文献标志码：A文章编号：1001-3881(2015)19-192-4StudyofBPNeuralNetworkPIDContr

3、olBasedontheCuttingChatterSuppressionSystemZHANGDaokun1，2，HU0Rui1，2，WANGZhidong1，2(1.SchoolofMechanicalEngineering，ShandongUniversity，JinanShandong250061，China；2.KeyLaboratoryofHighEfficiencyandCleanMechanicalManufacture，MinistryShandongUniversity，JinanSh

4、andong250061，China)Abstract:Consideringtheoccurrenceofchatterandthefluttermotiondifferentialequationoftheconcentratedwasestablishedthatthedynamicsmodelofthefluttersuppressionsystemwiththequalityofcontinuousgroundoftheproblemsofthechattersuppression.Anewin

5、telligentcontrolmethodofthecuttingchatterwasprovided.TheintelligentcontrolstrategyofBPneuralcombinednetworkwithclassicalPIDcontrolwasmainlystudiedandsimulated，andtheadvantagesofthecontrolstrategywerediscussed.TheresultshowsthattheBPneuralnetworkPIDcontrol

6、hasthestrongeradaptiveabilitybasedonthesimulateddata.Keywords:Flutter;BPneuralnetwork;PID;Intelligentcontrol〇前言1分布参数压电智能切削颤振抑制系统动力学对于金属切削过程中的自激颤振的控制，传统上模型主要是通过合理设计和优化系统参数，或应用被动消传统的切削颤振的发生机制分析一般基于单自由振装置来降低系统振动能量，近年来基于主动振动控度集中参数模型，但不适用于具有明显分布质量特征制技术而发展起来的机床

7、切削颤振在线监测与控制技的系统，例如镗削。图1是根据压电智能结构振动主术受到了较多的重视。主动控制方式的优点主要在动控制思想构造的压电智能镗杆，对称粘贴在镗杆上于，可以克服切削系统和切削过程的时变性给被动控下表面的两片压电片，其一作为传感器，另一片作为制的设计带来的困难；然而由于切削颤振抑制系统具执行器；传感器的输出电压F通过控制器算法转换有明显的非线性特征，经典的线性系统控制理论难以为执行器的输入电压'，导致执行器产生控制力矩取得理想的控制效果。来抑制镗杆颤振。目前BP神经网络已经成为目前应用最广泛的神

8、经网络模型之一，其突出的特点是具有很强的非线性映射能力和柔性的网络结构。BP神经网络PID控制不但继承了经典PID控制的鲁棒性强、可靠性强和算法简单的优点，又整合了BP神经网络的非线性逼近和预测能力以及在线优化等特点，为机械加工朝着传感器高精度、高效率和智能化方向迈进提供了新的思路和图1压电智能镗杆的动力学模型途径。收稿日期：2014-08-22作者简介：张道坤（1991—)，男，硕士研究生，研究方向为振动与噪声控制。E-ma