-
公开(公告)号：CN111215965A
公开(公告)日：2020-06-02
申请号：CN201911191194.7
申请日：2019-11-28
Applicant: 华中科技大学 , 武汉华大新型电机科技股份有限公司
IPC: B23Q17/00
Abstract: 本发明属于动态扭矩输出测量技术领域，并具体公开了一种机床进给系统交流永磁同步电机动态扭矩测量装置及方法。所述装置包括槽型基座、前轴承、丝杠工作台、后轴承和控制系统，槽型基座内部设有动态扭矩传感器，动态扭矩传感器分别于待测交流永磁同步电机和丝杠工作台连接，丝杠工作台包括丝杠组件、丝杠螺母副和工作台，控制系统包括数控模块以及伺服驱动器。所述方法包括：数控模块发送指令信号并实时接收待测交流永磁同步电机和工作台的位置信息以及动态扭矩传感器反馈的电压信号和频率信号，作为机床进给系统动态扭矩响应的依据。本发明可直接获得动态扭矩信号，为建立机床进给系统动力学模型提供准确数据，无需依赖计算模型。
-
公开(公告)号：CN110703693A
公开(公告)日：2020-01-17
申请号：CN201910977406.8
申请日：2019-10-15
Applicant: 华中科技大学
IPC: G05B19/414
Abstract: 本发明属于数控机床控制领域，并具体公开了一种机床进给系统的迭代学习前馈控制方法及系统。所述方法包括：将第N次获得的力矩电流τN和位置跟踪误差eN(t)作为输入，以输出第N+1次的前馈量τN+1；将前馈量τN+1作为输入进行迭代运算，以获取第N+1次位置跟踪误差eN+1(t)，判断位置跟踪误差eN+1(t)与位置跟踪误差eN(t)及目标值ε的关系，并以此作为后续是否进行继续迭代的依据，从而实现轮廓误差的控制，结束迭代学习前馈控制。所述系统包括数据采集模块、CNC指令模块和机床进给系统模块。本发明方法将迭代学习前馈控制方法与PID控制方法有效结合起来实现跟踪位置跟踪误差、轮廓误差的控制，进而实现机床进给系统模块的控制，加工精度高，动态响应快。
-
Patent Agency Ranking
公开(公告)号：CN110007645A
公开(公告)日：2019-07-12
申请号：CN201910288720.5
申请日：2019-04-11
Applicant: 华中科技大学
IPC: G05B19/404
Abstract: 发明公开了一种数控机床进给系统混合建模方法，包括一个动力学基础模型和一个基于大数据的神经网络偏差模型；动力学基础模型由动力学理论分析及参数辨识得到；神经网络偏差模型通过利用指令序列、动力学基础模型的仿真预测数据和实际响应数据分析训练得到；将指令序列输入进给系统混合模型中，对实际响应序列进行预测，得到混合预测序列。本发明技术方案相比单纯的动力学模型，对高度非线性过程(如反向过程)的仿真更精准，相比单纯的神经网络模型，对不同加工工艺下的泛化能力更强。通过混合建模的方式，实现对复杂动态的进给系统的准确模拟。
-
公开(公告)号：CN108732996A
公开(公告)日：2018-11-02
申请号：CN201810305822.9
申请日：2018-04-08
Applicant: 华中科技大学
IPC: G05B19/4097
Abstract: 本发明提供了一种基于双代码联合作用的数控加工控制方法及用于实现该方法的一种基于双代码联合作用的数控加工控制装置。该方法包括：获取第一数控加工代码和第二数控加工代码，其中，第一数控加工代码包含用于控制刀具对零件进行加工的第一加工信息，第二数控加工代码包含用于增强第一加工信息的第二加工信息；同时运行第一数控加工代码和第二数控加工代码，以解析出第一加工信息和第二加工信息；合并第一加工信息和第二加工信息；以及根据合并结果控制刀具对零件的加工。本发明还提供了一种基于双代码联合作用的数控加工控制装置和计算机存储介质。
-
公开(公告)号：CN109447235B
公开(公告)日：2021-02-02
申请号：CN201811119041.7
申请日：2018-09-21
Applicant: 华中科技大学
IPC: G06N3/02
Abstract: 本申请涉及数控系统领域，公开了一种基于神经网络的进给系统模型训练和预测方法及其系统，可以通过输入单轴运动指令时间序列精准预测出实际响应时间序列。本申请中，对进给系统中的至少一个单轴，执行以下步骤：为单轴的N个运动状态分别设置N个神经网络子模型，其中N>＝1；从历史数据中获取单轴的单轴运动指令时间序列和实际响应时间序列作为样本数据；根据单轴运动指令时间序列为样本数据标记运动状态；将样本数据按照运动状态分类，分别训练对应运动状态的神经网络子模型，其中神经网络子模型的输入包括单轴运动指令时间序列，神经网络子模型的输出包括实际响应时间序列。
-
公开(公告)号：CN110703693B
公开(公告)日：2020-11-17
申请号：CN201910977406.8
申请日：2019-10-15
Applicant: 华中科技大学
IPC: G05B19/414
Abstract: 本发明属于数控机床控制领域，并具体公开了一种机床进给系统的迭代学习前馈控制方法及系统。所述方法包括：将第N次获得的力矩电流τN和位置跟踪误差eN(t)作为输入，以输出第N+1次的前馈量τN+1；将前馈量τN+1作为输入进行迭代运算，以获取第N+1次位置跟踪误差eN+1(t)，判断位置跟踪误差eN+1(t)与位置跟踪误差eN(t)及目标值ε的关系，并以此作为后续是否进行继续迭代的依据，从而实现轮廓误差的控制，结束迭代学习前馈控制。所述系统包括数据采集模块、CNC指令模块和机床进给系统模块。本发明方法将迭代学习前馈控制方法与PID控制方法有效结合起来实现跟踪位置跟踪误差、轮廓误差的控制，进而实现机床进给系统模块的控制，加工精度高，动态响应快。
-
公开(公告)号：CN109447235A
公开(公告)日：2019-03-08
申请号：CN201811119041.7
申请日：2018-09-21
Applicant: 华中科技大学
IPC: G06N3/02
Abstract: 本申请涉及数控系统领域，公开了一种基于神经网络的进给系统模型训练和预测方法及其系统，可以通过输入单轴运动指令时间序列精准预测出实际响应时间序列。本申请中，对进给系统中的至少一个单轴，执行以下步骤：为单轴的N个运动状态分别设置N个神经网络子模型，其中N>＝1；从历史数据中获取单轴的单轴运动指令时间序列和实际响应时间序列作为样本数据；根据单轴运动指令时间序列为样本数据标记运动状态；将样本数据按照运动状态分类，分别训练对应运动状态的神经网络子模型，其中神经网络子模型的输入包括单轴运动指令时间序列，神经网络子模型的输出包括实际响应时间序列。
-
-
-
-
-
-
Search Results
17
records
(took 0.023 seconds)
