发明涉及焊缝跟踪控制领域,尤其涉及一种焊缝特征点的自适应模糊控制方法。
背景技术:
当得到了焊接机器人需要移动的位移量之后,由于机器人的数学模型未知,因此,这些离散的偏差值不能直接发送给机器人控制器。同时由于机械系统与视觉检测系统相比存在一定的滞后性,若没有有效的控制算法,在焊接过程中容易导致焊枪末端出现周期性的抖振现象,由于被控过程中存在非线性和时变性等偶然误差的影响,而传统的模糊控制中模糊规则库和隶属函数是固定不变的,从而使得控制过程不稳定,动态性能变差,控制过程粗糙,为了解决这个问题,需要在控制过程中实时的对模糊控制器进行参数调整。因此,本文采用自适应模糊控制器,在控制过程中通过不断地更新模型参数来适应被控对象的改变,因此,实时准确的进行焊缝特征点的自适应模糊控制,是本发明的主要内容。
技术实现要素:
本发明的目的在于克服现有技术的不足,提供一种计算简单方便,满足焊缝跟踪要求的自适应模糊控制计算方法。
上述目的是通过以下技术方案实现的:
一种焊缝跟踪应用的自适应模糊控制方法,包括步骤:
1)将得到的偏差值e和偏差变化率
2)根据偏差e和偏差变化率ec,结合专家知识和操作经验,建立模糊规则;
3)将输入的模糊变量偏差e和偏差变化率ec输入到模糊推理机中进行推理得到模糊输出量u;
4)采用最大值法解模糊化,将模糊输出量u转换为精确值u;
5)引入控制器比例因子ki(i=1,2,…,n)和控制器量化因子ku,设置输入输出的模糊论域、模糊规则函数;
6)根据输入/输出量的变化对模糊规则函数进行实时更新,计算并输出被控对象的偏置电压值。
进一步地,所述的步骤1)具体包括:
根据得到的偏差e和偏差变化率
进一步地,所述的步骤2)具体包括:
21)根据偏差e和偏差变化率ec,结合专家知识和操作经验,建立以下的42条模糊规则:
ife=nbandec=nbthenu=nb
orife=nbandec=nmthenu=nb
or…
orife=pbandec=pmthenu=pb
orife=pbandec=pbthenu=pb
22)整个模糊规则库的蕴含关系为:
进一步地,所述的步骤3)具体包括:
31)将输入的模糊变量偏差e和偏差变化率ec输入到模糊推理机中,模糊推理表达式为:
32)偏差e和偏差变化率ec会触发4条模糊规则,对于每个模糊规则,计算得到的每条规则的输出量ui(i=1,2,3,4)为:
u1=μnb(e)∧μnb(ec)∧μnb(u)
u1=μnb(e)∧μnm(ec)∧μnb(u)
u1=μns(e)∧μnb(ec)∧μnb(u)
u1=μns(e)∧μnm(ec)∧μns(u);
33)计算总的模糊输出量为:
进一步地,所述的步骤4)采用最大隶属度法将模糊输出量u转换为精确值u,因通常情况下模糊输出量包含有多个论域,为得到准确的输出值,采用最大值法来获得准确值,其表达式为:
u=sign(xi)max(|xi|)
其中,xi表示输入论域上的离散值,sign(xi)为符号函数,表示取xi的符号(正负号)。
进一步地,所述的步骤5)中,所述控制器量化因子ki(i=1,2,…,n)和控制器比例因子ku的表达式为:
其中:ki(i=1,2,…,n)表示控制器的量化因子,ni表示输入模糊论域子集,ku表示控制器的比例因子,u表示模糊输出,l表示输出模糊论域子集。
进一步地,所述的步骤5)中,所述模糊论域的大小为
xi(xi)=[-α(xi)xi,α(xi)xi],
α(xi)为论域的更新因子,其值为;
其中:λi∈(0,1)表示权重系数,kci>0表示
进一步地,所述的步骤5)中,所述模糊规则函数由模糊控制器的模糊变量偏差e、偏差变化率ec和控制输出的模糊论域设计所得:
式中,n为模糊系统的量化等级,即e={0,±1,…,±n},权重系数α与偏差绝对值|e|成线性函数关系,取0.1≤α0≤0.5,0.5≤αs≤1,这样控制误差较小,同时控制过程时间也较短。
进一步地,所述的步骤6)具体包括:
61)针对自动焊接过程中被控对象的时变特性,设置自适应模糊控制器的更新参数:
式中,0<α1<1为偏差权重系数,k,a为初始的论域参数,选取k=0.8004,a=0.4998,误差的量化等级n=3,权重参数αs=0.8,α0=0.5;
62)对模糊规则函数进行如下的实时更新:
63)将焊缝特征点的偏差值转变成偏置电压,实时发送给机器人控制器进行自动焊接作业。
相比现有技术,本发明采用自适应模糊控制器,在控制过程中实时的对模糊控制器进行参数调整,即在控制过程中通过不断地更新模型参数来适应被控对象的改变,实现实时准确的进行焊缝特征点的自适应模糊控制,从而解决现有技术中控制过程不稳定,动态性能变差,控制过程粗糙的问题。
附图说明
图1是模糊推理前后的模糊输出。
图2是模糊论域实时改变的示意图。
图3是焊缝跟踪应用的自适应模糊控制方法的流程示意图。
具体实施方式
下面结合附图和具体实施例对本发明的发明目的作进一步详细地描述,实施例不能在此一一赘述,但本发明的实施方式并不因此限定于以下实施例。
一种焊缝跟踪应用的自适应模糊控制方法,包括步骤:
1)将得到的偏差值e和偏差变化率
2)根据偏差e和偏差变化率ec,结合专家知识和操作经验,建立模糊规则;
3)将输入的模糊变量偏差e和偏差变化率ec输入到模糊推理机中进行推理得到模糊输出量u;
4)采用最大值法解模糊化,将模糊输出量u转换为精确值u;
5)引入控制器比例因子ki(i=1,2,…,n)和控制器量化因子ku,设置输入输出的模糊论域、模糊规则函数;
6)根据输入/输出量的变化对模糊规则函数进行实时更新,计算并输出被控对象的偏置电压值。
具体而言,所述的步骤1)具体包括:
根据得到的偏差e和偏差变化率
具体而言,所述的步骤2)具体包括:
21)根据偏差e和偏差变化率ec,结合专家知识和操作经验,建立以下的42条模糊规则:
ife=nbandec=nbthenu=nb
orife=nbandec=nmthenu=nb
or…
orife=pbandec=pmthenu=pb
orife=pbandec=pbthenu=pb;
22)整个模糊规则库的蕴含关系为:
具体而言,所述的步骤3)具体包括:
31)将输入的模糊变量偏差e和偏差变化率ec输入到模糊推理机中,模糊推理表达式为:
32)偏差e和偏差变化率ec会触发4条模糊规则,对于每个模糊规则,计算得到的每条规则的输出量ui(i=1,2,3,4)为:
u1=μnb(e)∧μnb(ec)∧μnb(u)
u1=μnb(e)∧μnm(ec)∧μnb(u)
u1=μns(e)∧μnb(ec)∧μnb(u)
u1=μns(e)∧μnm(ec)∧μns(u);
33)计算总的模糊输出量为:
模糊推理前后的模糊输出如附图1所示。
具体而言,所述的步骤4)采用最大隶属度法将模糊输出量u转换为精确值u,因通常情况下模糊输出量包含有多个论域,为得到准确的输出值,采用最大值法来获得准确值,其表达式为:
u=sign(xi)max(|xi|)
其中,xi表示输入论域上的离散值,sign(xi)为符号函数,表示取xi的符号(正负号)。
具体而言,所述的步骤5)中,所述控制器量化因子ki(i=1,2,…,n)和控制器比例因子ku的表达式为:
其中:ki(i=1,2,…,n)表示控制器的量化因子,ni表示输入模糊论域子集,ku表示控制器的比例因子,u表示模糊输出,l表示输出模糊论域子集。通过改变比例因子和量化因子的大小可以实时的改变模糊规则函数,从而改变输入输出的模糊论域的大小。模糊论域实时改变的示意图如附图2所示。
具体而言,所述的步骤5)中,所述模糊论域的大小为
xi(xi)=[-α(xi)xi,α(xi)xi],
其中α(xi)为论域的更新因子,其值为;
其中:λi∈(0,1)表示权重系数,kci>0表示
具体而言,所述的步骤5)中,所述模糊规则函数由模糊控制器的模糊变量偏差e、偏差变化率ec和控制输出的模糊论域设计所得:
式中,n为模糊系统的量化等级,即e={0,±1,…,±n},权重系数α与偏差绝对值|e|成线性函数关系,取0.1≤α0≤0.5,0.5≤αs≤1,这样控制误差较小,同时控制过程时间也较短。
具体而言,所述的步骤6)具体包括:
61)针对自动焊接过程中被控对象的时变特性,设置自适应模糊控制器的更新参数:
式中,0<α1<1为偏差权重系数,k,a为初始的论域参数,选取k=0.8004,a=0.4998,误差的量化等级n=3,权重参数αs=0.8,α0=0.5;
62)对模糊规则函数进行如下的实时更新:
63)将焊缝特征点的偏差值转变成偏置电压,实时发送给机器人控制器进行自动焊接作业。
这样,焊缝特征点的偏差值就转变成了偏置电压,可以发送给机器人控制器进行自动焊接作业,整个自适应模糊控制方法的过程如附图3所示。
本发明的上述实施例仅仅是为清楚地说明本发明所作的举例,而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明权利要求的保护范围之内。