增益模糊自整定的增量式神经元非模型控制及在车削系统中的应用

摘要

车削系统的力约束控制是机械加工自动化研究的热点，迄今仍未能有效地解决切削过程中切削深度变化时控制系统的稳定性和鲁棒性等问题。本文提出增益模糊自整定的增量式神经元非模型控制方法，通过在线学习来改变控制系统的增益，使切削力在切削深度大范围变化时保持恒定，达到改善切削过程的动态品质、增强控制系统稳定性的目的。并针对某车削系统进行了仿真实验研究，结果表明本算法非常简单，具有根强的鲁棒性、抗干扰性和满意的控制品质。