熔透控制算法优化方案

2023-06-26 理论教育版权反馈

【摘要】：在TIG焊熔透控制系统中，控制器采用的是模糊PID控制方法，这种控制系统在焊接过程中具有自校正控制的功能。熔透控制是在起弧稳定后开始的，为了保证控制的准确性，取前10个周期的熔宽平均值作为整个控制过程的熔宽参考值。根据这些控制规则，再按照模糊控制推理合成规则进行运算，采用最大隶属度方法进行模糊判决，经过多次的试验和修改，得到最终的模糊控制表。

在TIG焊熔透控制系统中，控制器采用的是模糊PID控制方法，这种控制系统在焊接过程中具有自校正控制的功能。对于这个模糊PID控制器的设计，首先要确定它的控制周期。在本系统中，控制周期是由CCD采集图像的速度和系统精度要求来决定的，经过试验比较，把控制周期定在100ms。

控制中每100ms采样一次熔池图像，进行图像处理，计算熔池宽度、长度和面积，并根据不同权重（其中熔宽的权重最大），对上述三数值进行叠加，获得的熔池表征值与给定值进行比较，作为偏差输入到模糊PID控制器中，输出得到控制电压，这个控制电压作为焊机的给定电压以控制焊接电流，最终达到熔透控制的目的。

在实际的熔透控制过程中，由于所使用的焊机起弧不太可靠，试验过程需要人工参与起弧，因此起弧过程不稳定，熔池的宽度也没有规律性，不能作为熔宽的参考值。为了实现平稳控制，在试验中，起弧和收弧的过程是不在控制中的。熔透控制是在起弧稳定后开始的，为了保证控制的准确性，取前10个周期的熔宽平均值作为整个控制过程的熔宽参考值。

固定参数PID控制算法的程序设计相对虽然比较简单，并且应用领域非常广泛，非常成熟，但是系统的参数整定必须适当才会得到比较好的控制效果。但在实际焊接过程中，有很多的干扰因素存在，如果仅用固定参数的PID控制算法，控制效果不一定会很理想，因此，在PID控制算法的基础上，引入了模糊逻辑，构成了模糊PID控制算法。该控制算法采用模糊控制规则，对每次的PID控制参数变量进行在线修改，这样就可以保证得到的控制参数才是最佳的，从而提高整个系统的控制精度，控制效果自然也就很好。试验中采用的是参数自调整的模糊控制，以使系统具有自适应性。同时为了提高稳态精度，采用将偏差的积分与模糊控制并联的结构。控制结构框图如图5-3-34所示。

图5-3-34 参数自调整模糊PID控制结构框图

设E，EC和U分别为误差e，误差变化率Δe和控制量的模糊语言变量。E、EC和U分别规定为以下模糊子集：

E={NB，NM，NS，0，PS，PM，PB}

EC={NB，NM，NS，0，PS，PM，PB}

U={NB，NM，NS，0，PS，PM，PB}

其中：NB表示负大，NM表示负中，NS表示负小，0表示零，PS表示正小，PM表示正中，PB表示正大。

E、EC和U的论域分别为

E={-6，-5，-4，-3，-2，-1，0，1，2，3，4，5，6}

EC={-6，-5，-4，-3，-2，-1，0，1，2，3，4，5，6}

U={-6，-5，-4，-3，-2，-1，0，1，2，3，4，5，6}

各模糊子集的隶属度分别见表5-3-1、表5-3-2、表5-3-3，控制经验规则采用模糊控制中常用的Mamdani规则，如图5-3-34所示。根据这些控制规则，再按照模糊控制推理合成规则进行运算，采用最大隶属度方法进行模糊判决，经过多次的试验和修改，得到最终的模糊控制表。

对于输入量E和EC的隶属度函数，在E或EC变化小时，选用高分辨率的隶属度函数以提高系统响应的灵敏度；而在偏差与偏差变化率比较大时，选用分辨率不太高的隶属度函数以增强系统响应的鲁棒性。

模糊PID控制参数自调整的算法是：先以原来的K_e和K_c对e_i和Δe_i进行量化，查修改表得出参数应该调整（放大或缩小）的倍数N，计算K_e=K_eN，K_c=K_cN，K_i=K_iN，K_u=K_u/N。然后用新参数对e_i和Δe_i进行量化，再查控制表，求出U再与K_i∑e_i叠加，输出作用于对象。

熔透控制算法优化方案

相关推荐