具备状态认知与动态优化能力的电主轴智能控制方法及系统与流程
本发明涉及人工智能领域,具体而言,涉及一种具备状态认知与动态优化能力的电主轴智能控制方法及系统。
背景技术:
1、电主轴作为数控机床的核心功能部件,运行性能直接决定了机床的加工精度与表面质量。随着高速切削技术的发展,电主轴的转速与功率密度不断提升,运行过程中的振动、温升、电流波动等多物理量耦合效应日益显著,对控制系统的实时感知与决策能力提出了更高要求。
2、目前,电主轴的控制方法主要包括基于比例积分微分控制的调速方法、基于模糊规则或神经网络的智能控制方法以及基于模型预测的先进控制方法。其中,比例积分微分控制方法结构简单、工程实现成熟,但其控制参数通常在调试阶段固定,难以适应电主轴在不同工况下运行特性的时变变化,且仅依赖转速单一反馈量,无法综合利用振动、温度、电流等多源传感信息进行协同控制。基于模糊规则的方法虽然能够在一定程度上处理多变量耦合问题,但其规则库的构建高度依赖专家经验,泛化能力有限,且不具备对电主轴运行状态演化趋势的预判能力。基于模型预测的方法能够在有限时域内进行滚动优化,但其预测模型通常针对特定工况建立,当电主轴运行状态发生较大偏移时,模型失配问题会导致控制性能显著下降。此外,上述现有方法在控制策略的生成过程中,通常采用预设策略库查表或固定优化目标的方式,未将电主轴运行状态的转移倾向纳入控制决策的考量,导致控制动作具有滞后性,难以在状态劣化的早期阶段实施有效干预。
技术实现思路
1、鉴于上述提及的问题,结合本发明的第一方面,本发明实施例提供一种具备状态认知与动态优化能力的电主轴智能控制方法,所述方法包括:
2、获取电主轴运行过程中实时采集的传感器数据流,所述传感器数据流包含具有采集时间标记的振动传感信号、温度传感信号、电流传感信号和转速传感信号;
3、对所述传感器数据流进行多维状态感知,得到所述电主轴在连续时间片段内的振动频域分布特征、温度梯度变化特征、电流波动模式特征和转速瞬态响应特征;
4、调用预构建的状态认知映射网络对所述振动频域分布特征、所述温度梯度变化特征、所述电流波动模式特征和所述转速瞬态响应特征进行联合状态辨识,生成所述电主轴的当前运行状态编码以及所述当前运行状态编码对应的状态转移倾向向量;
5、根据所述当前运行状态编码和所述状态转移倾向向量,在预置的控制策略空间中执行动态策略搜索,生成满足预设多目标约束条件的控制参数调整指令;
6、基于所述控制参数调整指令对所述电主轴的控制参数进行动态重配置,更新所述电主轴在当前控制周期内的驱动信号输出特性。
7、再一方面,本发明实施例还提供一种具备状态认知与动态优化能力的电主轴智能控制系统,包括处理器、机器可读存储介质,所述机器可读存储介质和所述处理器连接,所述机器可读存储介质用于存储程序、指令或代码,所述处理器用于执行所述机器可读存储介质中的程序、指令或代码,以实现上述的方法。
8、基于以上方面,本发明实施例通过构建融合多传感数据流的多维状态感知体系与具备状态转移预测能力的状态认知映射网络,并将联合状态辨识结果与动态策略搜索机制相耦合,形成了电主轴智能控制架构,通过状态认知映射网络同时输出当前运行状态编码与状态转移倾向向量,使控制决策能够在状态实际发生劣化之前即根据演化趋势进行前馈式主动干预,有效抑制了状态退化过程中的性能波动。同时,动态策略搜索机制将状态转移倾向向量作为约束条件融入多目标优化过程,使生成的控制参数调整指令在满足运行稳定性、控制响应速度与能耗约束的前提下,兼顾了当前状态维持与潜在状态迁移的双重需求,避免了传统方法中控制策略与状态演化脱节所导致的策略冲突与控制振荡。此外,控制参数的动态重配置与驱动信号输出特性的实时更新构成了完整的反馈链路,确保控制系统能够在连续时间片段内持续跟踪电主轴运行特性的时变规律,实现了控制策略随状态演化的自适应协同优化,从而提升了电主轴在复杂多变工况下的运行稳定性与能效水平。
1.一种具备状态认知与动态优化能力的电主轴智能控制方法,其特征在于,所述方法包括:
2.根据权利要求1所述的具备状态认知与动态优化能力的电主轴智能控制方法,其特征在于,所述对所述传感器数据流进行多维状态感知,得到所述电主轴在连续时间片段内的振动频域分布特征、温度梯度变化特征、电流波动模式特征和转速瞬态响应特征,包括:
3.根据权利要求2所述的具备状态认知与动态优化能力的电主轴智能控制方法,其特征在于,所述对所述传感器数据流中的振动传感信号执行自适应窗长的短时频谱变换,将所述振动传感信号在连续时间片段内映射为时频能量分布图谱,并提取所述时频能量分布图谱中能量主峰对应的频率成分、能量副峰与能量主峰之间的频率间隔作为振动频域分布特征,包括:
4.根据权利要求2所述的具备状态认知与动态优化能力的电主轴智能控制方法,其特征在于,所述对所述传感器数据流中的电流传感信号执行电流波形切片分析,将所述电流传感信号按转子旋转周期切分为多个电流波形切片单元,提取所述电流波形切片单元中峰值电流与均值电流的差值波动序列以及相邻电流波形切片单元之间峰值电流的偏移量序列作为电流波动模式特征,包括:
5.根据权利要求1所述的具备状态认知与动态优化能力的电主轴智能控制方法,其特征在于,所述调用预构建的状态认知映射网络对所述振动频域分布特征、所述温度梯度变化特征、所述电流波动模式特征和所述转速瞬态响应特征进行联合状态辨识,生成所述电主轴的当前运行状态编码以及所述当前运行状态编码对应的状态转移倾向向量,包括:
6.根据权利要求5所述的具备状态认知与动态优化能力的电主轴智能控制方法,其特征在于,所述将各所述模态专属隐层特征向量输入所述状态认知映射网络的跨模态交互层,通过所述跨模态交互层中的互注意力机制求取不同模态专属隐层特征向量之间的相关性权重矩阵,包括:
7.根据权利要求1所述的具备状态认知与动态优化能力的电主轴智能控制方法,其特征在于,所述根据所述当前运行状态编码和所述状态转移倾向向量,在预置的控制策略空间中执行动态策略搜索,生成满足预设多目标约束条件的控制参数调整指令,包括:
8.根据权利要求7所述的具备状态认知与动态优化能力的电主轴智能控制方法,其特征在于,所述根据预设多目标约束条件构建策略评估函数,利用所述策略评估函数对所述动态候选策略集合中每个候选策略进行评分,生成每个候选策略对应的综合评价值,包括:
9.根据权利要求1所述的具备状态认知与动态优化能力的电主轴智能控制方法,其特征在于,所述基于所述控制参数调整指令对所述电主轴的控制参数进行动态重配置,更新所述电主轴在当前控制周期内的驱动信号输出特性,包括:
10.一种具备状态认知与动态优化能力的电主轴智能控制系统,其特征在于,所述具备状态认知与动态优化能力的电主轴智能控制系统包括处理器和存储器,所述存储器和所述处理器连接,所述存储器用于存储程序、指令或代码,所述处理器用于执行所述存储器中的程序、指令或代码,以实现上述权利要求1-9任意一项所述的具备状态认知与动态优化能力的电主轴智能控制方法。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com