推送系统的模糊神经网络控制

时间：2010-12-20

轴承及轴承相关技术文章（轴承供应商网提供） 关键字：轴承,网络控制

1　前言
　　铸造行业的机械化与自动化是铸造生产的一个十分重要的课题，它是保证铸件质量和提高劳动生产率的关键性措施〔1〕。
　　推送系统在铸造自动线中占有十分重要的地位。近十年来，我国自行设计和生产的数十条铸造自动线中，都不同程度地存在推送系统推送与缓冲不同步的问题，严重制约着铸造自动线的进一步推广应用，而对进口的近百条各种类型铸造自动线进行国产化时，推送系统的性能将受到国产元器件可靠性的影响。因此，研究推送系统的位置跟踪问题显得特别重要〔2〕。
　　由于铸造自动线工位多，现场工况复杂，必须采取有效的控制策略。
2　铸造自动线对推送系统的要求
　　典型的铸造自动线结构和工艺流程如图1和图2所示。
[img]http://news.mechnet/upload/0904022135554620.bmp[/img]
1.电机B　2.机械机构　3.齿条　4.推头B　5.砂箱
6.小车　7.机械手　8.推头A　9.机械机构　10.电机A
图1　铸造自动线结构
[img]http://news.mechnet/upload/0904022136051401.bmp[/img]
图2　铸造自动线工艺流程
　　由工艺流程可知，推送系统必须满足以下要求：
　　(1)必须严格保证输送道上各工位的定位精度，否则机械手无法准确地提起和搬走砂箱，造型机也无法完成造型。
　　(2)运行过程中，要保证两端推头的跟踪精度，否则将造成砂箱之间的相互撞击，从而影响推送速度的提高并损坏推送系统。
　　根据以上要求，我们构造了全闭环控制的位置跟踪系统，使A推头跟踪由计算机设定的参考位移曲线，B推头跟踪A推头的输出。
3　模糊神经网络(FNN)控制器
　　控制系统的设计主要是控制器的构造，根据本系统的特点，我们用模糊神经网络控制器对系统实施控制。神经网络是典型的黑箱式学习模式，输入输出关系无法用被人接受的方式表示出来，而模糊系统是建立在容易被人接受的“if…then…”表达方法之上的，把两者的优点结合起来，就构成了模糊神经网络。
　　(1)模糊神经网络的实现
　　模糊神经网络等价结构图如图3所示。
[img]http://news.mechnet/upload/0904022136159830.bmp[/img]
图3　模糊神经网络等价结构
　　模糊系统进行模糊逻辑运算的过程〔3〕：
　　①确定输入变量xi：本系统i=1，2，x1对应e，x2对应ec.
　　②规则推理：IF e为Aki AND ec为Bki，则u为Cki
其中：Aki，Bki，Cki为对应e，ec，u的模糊子集，k代表第k条规则。
　　③确定模糊输出：[img]http://c-cnc/news/file/2008-8/200884161355.gif[/img]
式中：μk代表第k条规则的适用度。
　　(2)基于BP算法的FNN学习
　　我们选取对称、全交迭的三角形隶属函数。
　　网络的学习采用误差反向传播方法进行。假设网络的实际输出为u，理想输出为ud，被控对象的实际输出为y，标准信号为yd。
　　①权值Wij的调整
　　定义准则函数为E=(yd-y)2/2，设网络权值学习规则为：
[img]http://c-cnc/news/file/2008-8/200884161425.gif[/img]　(1)
W(t+1)=W(t)+η([img]http://c-cnc/news/file/2008-8/200884161445.gif[/img])+β.〔W(t)-W(t-1)〕(2)
　　在式中，η为学习率，0＜η＜1；β为平滑因子，0＜β＜1；t为采样时刻，要求W(t+1)的值，只要求出[img]http://c-cnc/news/file/2008-8/20088416159.gif[/img]的值即可。在t时刻：
[img]http://c-cnc/news/file/2008-8/20088416151.gif[/img]　(3)
　　式中，