在我国制造业向高端转型过程中，实现机电运动控制系统的快速运动、精准定位、跟踪加工，做到机械制造效率与精度的兼顾，成为工业制造企业的主要目标。由于机电运动系统具有非线性扰动的特点，要追求高性能的运动控制具有一定难度，这就需要从控制技术、机械构造、驱动装置等方面采取综合改进措施。基于摩擦非线性的神经网络补偿控制技术对消除扰动因素、提高运动控制的响应速度和动作精度有显著效果。在此基础上应用基于遗传算法的非线性预测跟踪控制技术，可根据轨迹规划实现智能控制，对提升机电运动系统控制的“数智化”水平有积极帮助。
1机电运动非线性系统智能控制技术
1.1摩擦非线性补偿跟踪控制
对于线性系统可选择跟踪控制方法较多，如自适应控制、鲁棒控制等。而非线性系统的跟踪控制难度较大，可用的跟踪控制方法较少。由于机电控制系统在实际运行中具有明显的非线性特性(如非线性摩擦等)，因此要想提高运动控制精度，必须要研究、应用一种适用非线性跟踪控制技术。摩擦非线性补偿跟踪控制的机理是根据机电运动控制系统的运行数据，建立摩擦模型，确定模型参数，然后基于补偿算法降低运动控制中的摩擦扰动，达到提高加工精度的最终目的。摩擦非线性补偿控制结构如图1所示。当机电运动控制系统处于高速运行状态时，线性控制器自动选择比例微分控制模式，可以消除非线性导致的稳态误差。而补偿器则选择积分控制形式，积分补偿控制为：式(1)中，Ki表示积分系数，xi表示积分补偿激活范围。当位置误差较小时，采取这种积分补偿控制能够取得理想的误差控制效果;反之，如果位置误差较大，则会影响补偿效果。为避免此类问题，本文提出了一种可调积分补偿器，其数学表达式为：上式中γ表示调节因子。该补偿器不仅适用于机电运动系统在低速时的误差补偿，而且随着运动速度的逐渐增加，还可以实现无超调的平滑跟踪，从而消除了从低速转为高速后的稳态误差，误差控制效果更加明显。
1.2神经网络间接补偿控制
由于非线性摩擦具有复杂性，为消除无关因素的干扰，在构建摩擦模型时要利用神经网络方法构建补偿控制器。通过收集误差信息，将线性控制与误差补偿控制相结合，从而达到优化控制策略、提高补偿效果的目的。以运动速度为例，基于神经网络间接补偿控制的运动速度控制系统结构如图2所示。在图2中，控制器的输出由两部分组成，即线性反馈控制u1和神经网络补偿控制u2。其中，线性控制器的作用是维持该系统的闭环稳定性，而补偿控制器的作用为实现摩擦非线性的动态补偿，将跟踪误差控制在较小范围内。这样一来，神经网络基于跟踪误差产生控制输出，而不是直接从非线性模型提供补偿，达到了间接补偿的效果。假设某被控制对象的输入向量为[x1，x2……，xi]，系统中包含N个隐含层节点，且输入层到隐含层的权值为Vij，隐含层到输出层的权值为Wj，则网络输出变量的速度估值ω为：式(3)中σl表示激活函数，可由下式计算得出：通过式(3)求出速度估值后，基于神经网络的间接补偿控制器可以实现速度的跟踪补偿，保证了加工过程中实际轨迹更加贴近于预期轨迹，从而实现加工效率和加工精度的同步提升。
2机电运行非线性系统预测跟踪控制技术
2.1基于模型输出的预测控制
机电系统的运动控制模式多样，如位移控制、轮廓控制、速度控制等。为了使被控目标的实际输出与预期一致，必须要引进快速跟踪控制技术，在实时跟踪的基础上将被控对象当前的位置信息、状态信息等反馈给终端计算机，经过计算后发出调控指令，从而降低控制误差。在整个闭环控制中，提高系统响应速度，缩短从收集被动对象数据信息到响应控制指令、做出预期动作的时间，对克服响应滞后带来的跟踪误差有显著效果。目前可以满足上述要求的控制策略有两种，即前馈控制策略和基于模型输出预测的控制策略。在实际应用中，构建基于模型输出预测控制策略的数学模型，可以克服系统中的不确定性，解决因为模型误差带来的干扰影响，进一步提高控制精度。另外，近几年人工智能技术、大数据分析技术和云计算技术的成熟发展，也为基于模型的预测控制的推广应用创造了良好条件。在收集海量数据样本的基础上，进行模型训练并不断提高其调节与跟踪控制的速度比，在复杂、高速的运动控制中有更好的应用。
2.2基于遗传算法的非线性预测控制
优化性能指标从而实现最优控制，是预测控制中的核心计算步骤。基于遗传算法的优化控制能够较好地契合机械运动非线性系统的控制要求，基于此构建非线性预测模型，在保证机电运动系统实现稳定控制的基础上，能够自动处理实际加工中的一些非线性因素。该模型的运作机理为：对比极小化模型的预测输出和给定输出，计算两者之间的误差。利用误差与控制量的加权性能指标，得出最终的控制量。同时，使用性能优化指标计算某个时间段内的控制序列。将第一个控制量作用于被控对象，再根据控制序列按照滚动方法逐步向前平移，从而实现对整个时间段内的预测控制。该优化过程可以在每个采样周期内反复进行，得到最优目标。基于遗传算法的非线性预测控制模型的输出对象有两部分，可表示为：(5)式(5)中，y(k+j/k)表示预测模型的输出，ym(k+j/k)表示根据对象模型的预测输出，D(k+j/k)表示扰动作用下的对象输出预测值。基于该模型的预测输出为：(6)扰动模型为：(7)上式中，ξ(k)表示零均值随机干扰信号，ΔA(z-1)=1+a1z+a2z+……+anz，T(z-1)表示滤波器多项式。将式(6)与式(7)整理后，可以得到扰动模型的预测输出：(8)基于该模型可以实现对控制量的软约束，使得遗传算法优化控制中进一步减少搜索时间，有利于实现实时控制，这也对提高机电运动控制效果有积极帮助。
3机电运动非线性系统智能控制技术的应用
喷射成型是一种非接触性成型技术，它以数控机床为基础，由工业计算机控制喷嘴运动，将粉末材料喷射到指定位置，层层累积之后得到需要的工件。相比于切割成型技术，利用喷射成型技术制造的工件在边、角、凹槽等位置上拥有更高的精度，并且具有节约用材、减少浪费的优势。在喷射成型智能控制系统中，融合了智能控制技术和数控加工技术，显著提高了数控机床的加工精度和生产效率。
3.1喷射成型控制系统的结构组成
喷射成型控制系统结构组成如图3所示。在计算机图形软件中设计产品的立体模型，并利用切片软件以一致的增量沿Z方向切片。将切片后得到的二维图形以JPG.位图文件格式存储。主机系统调用并识别二维图形，然后生成喷嘴运动轨迹和喷射控制信号。其中，伺服控制系统可以支持在X-Y平面内运动，伺服驱动系统则支持沿Z轴运动。喷头在运动控制下喷射粉末材料，并使用热风干燥的方式提高成型表面温度，加速成型速度。另外，伺服控制系统中安装了高速数字控制器，以及提供了一个大容量的数据库，保证在平面扫描的过程中，协调喷嘴控制让粉末材料均匀、准确地分布在成型平面上。
3.2轨迹规划与运动控制
喷射成型系统由喷嘴的轨迹运动和喷射控制得到工件平面层。因此喷嘴运动轨迹规划是提高产品加工精度的关键因素。考虑到工件成型过程中喷嘴与平面层始终为非接触的，因此必须采用定向平行直线段覆盖成型区的轨迹规划方式。在确定了轨迹规划后，还要通过扫描喷射的方式，控制喷嘴将准备好的粉末材料喷射到平面上。在扫描喷射控制中，喷嘴根据控制信号在X或Y方向上定向移动，并且通过速度信号、喷射信号的补偿控制，使粉末材料均匀、准确地分布在平面上，如图4所示。图4中，d为粉末材料的水平偏移距离，h为喷口到粉末材料落点平面的距离，Vx和Vj分别代表喷嘴的扫描速度与粉末材料的喷射速度。上述指标的关系式可表示为：(9)根据式(9)可知，在粉末材料喷射成型过程中，只要保证喷嘴与平面之间的距离，以及喷嘴平移速度恒定，就能够确保粉末材料的偏移位置保持不变。假设喷嘴的移动速度Vx为0.98m/s，喷嘴与成型表面之间的垂直距离h为1mm，粉末材料在水平方向上的位移d为100μm。当水平点距分辨率为脉冲/5μm时，对于给定落点坐标的为例，必须提前控制喷射，提前量为20个脉冲。这样才能保证粉末材料的实际落点与预期一致，减小落点偏差，提高成型精度。4结束语机电系统在实际运行中存在摩擦、温度等因素引起的扰动，对控制性能和加工精度均产生了比较明显的影响。要想提高产品加工精度，必须要应用机电运动非线性系统智能控制技术。通过神经网络间接补偿控制和非线性预测跟踪控制，构建智能算法补偿器。在收集机电控制系统实时运行参数的基础上，利用智能算法和数学模型进行误差补偿，实现跟踪控制，提高了系统响应速度和加工精度，在实际应用中取得了理想效果。
《机电运动非线性系统智能控制技术及应用探究》来源：《科学技术创新》，作者:彭江鹰
