本发明涉及智能控制，尤其涉及一种锻造操作机自适应自学习智能控制系统及方法。

背景技术：

1、锻造操作机作为万吨级自由锻机组的核心重载配套装备，承担高温大尺寸锻坯夹持、进给、翻转、对中协同作业任务，整机依托多缸液压驱动，具备超大惯量、多执行机构强耦合、液压非线性迟滞、负载时变冲击干扰的运行特征。

2、现阶段锻造操作机控制系统仅能单次采集有限点位运行数据，无法完整捕获锻造全流程中夹钳夹持力、大车行走位移、升降液压缸位置、旋转转矩、油液压力波动、坯料温度形变耦合带来的实时力位偏差与随机冲击干扰参数，缺失支撑动态修正的连续数据流基础，预设固定参数快速与实际工况动力学模型失配；现有自适应算法均为离线训练模式，仅能在停机状态下依托历史批量数据完成模型拟合，不具备装备在线作业期间边运行、边采样、边更新的增量学习逻辑，极易出现夹钳打滑、锻坯偏移、液压缸冲击震荡、定位超差超标的问题，精密航空、核电类大锻件尺寸合格率难以稳定保障；传统干扰补偿模型与运动修正系数一经设定便长期固化，系统无法自主适配动力学特性变化，必须停机交由资深操作工反复微调比例、积分、微分增益、前馈补偿量等数十项参数，调试周期长、人工经验依赖性极强，批量连续化智能锻造生产效率受限；少量搭载基础迭代学习的现有方案多采用整模型重训模式，每一轮学习均覆盖全部历史样本，算力开销大、实时响应速度不足，重载毫秒级闭环控制时序难以匹配，同时易出现灾难性遗忘现象，新工况学习更新时覆盖原有适配稳定的旧工况参数，高低吨位坯料切换后控制稳定性大幅下滑，且未针对重载液压耦合系统构建力位偏差联合评估的学习驱动逻辑，单纯位移单维度迭代无法抵消力载荷带来的形变与扰动误差，力控、位控二者无法协同同步优化。

技术实现思路

1、鉴于此，本发明实施例提供了一种锻造操作机自适应自学习智能控制系统及方法，能够实现通过锻造操作机搭载的多源传感器组，实时采集存储重载作业运行状态数据，以该数据为输入搭建含增量学习机制的在线自适应学习算法，仅用新增数据迭代更新数值计算模型；实时求解工况干扰观测值，结合干扰预测误差在线调优补偿模型权重；再根据力、位置偏差与运动参数修正系数算出跟踪误差，反向递推更新各环增益与前馈力矩系数。最终叠加优化干扰补偿输出至控制指令，代入修正参数生成设备驱动控制信号。

2、一方面，提供了一种锻造操作机自适应自学习智能控制系统，该系统包括：多源传感采集与存储模块、在线自适应学习算法构建模块、干扰补偿模型持续优化模块、运动参数修正系数持续优化模块和自适应自学习控制输出模块；多源传感采集与存储模块用于通过部署于锻造操作机上的多源传感器组，实时采集并存储锻造操作机在重载作业流程中的运行状态数据；在线自适应学习算法构建模块用于以运行状态数据作为输入，基于数值计算模型构建在线自适应学习算法，采用增量学习机制，每当新采集到一组运行状态数据后，不训练历史数据，基于当前新增运行状态数据对数值计算模型进行迭代更新；干扰补偿模型持续优化模块用于在锻造操作机运行过程中，实时计算当前工况下的干扰观测值，并将其与干扰补偿模型输出的补偿量进行比较，得到干扰预测误差，基于干扰预测误差，在线调整干扰补偿模型的权重系数；运动参数修正系数持续优化模块用于根据力偏差数据、位置偏差数据以及当前的运动参数修正系数，计算运动控制输出的跟踪误差，将跟踪误差反向传播至运动参数修正系数矩阵的各元素，通过在线递推更新公式逐周期修正位置环增益、速度环增益及前馈力矩系数；自适应自学习控制输出模块用于将优化后的干扰补偿模型的输出量叠加至锻造操作机控制指令，将优化后的运动参数修正系数代入位置或速度控制器中，生成驱动控制信号。

3、另一方面，提供了一种锻造操作机自适应自学习智能控制方法，该方法应用于一种锻造操作机自适应自学习智能控制系统，该方法包括：通过部署于锻造操作机上的多源传感器组，实时采集并存储锻造操作机在重载作业流程中的运行状态数据；以运行状态数据作为输入，基于数值计算模型构建在线自适应学习算法，采用增量学习机制，每当新采集到一组运行状态数据后，不训练历史数据，基于当前新增运行状态数据对数值计算模型进行迭代更新；在锻造操作机运行过程中，实时计算当前工况下的干扰观测值，并将其与干扰补偿模型输出的补偿量进行比较，得到干扰预测误差，基于干扰预测误差，在线调整干扰补偿模型的权重系数；根据所述力偏差数据、位置偏差数据以及当前的运动参数修正系数，计算运动控制输出的跟踪误差，将跟踪误差反向传播至运动参数修正系数矩阵的各元素，通过在线递推更新公式逐周期修正位置环增益、速度环增益及前馈力矩系数；将优化后的干扰补偿模型的输出量叠加至锻造操作机控制指令，将优化后的运动参数修正系数代入位置或速度控制器中，生成驱动控制信号。

4、有益效果

5、本发明实施例提供的技术方案带来的有益效果至少包括：

6、1、通过多类传感同步采集力、位移、液压压力、振动等多维度重载运行数据，根据增量学习仅用新增样本迭代更新融合干扰补偿与运动参数矩阵的数值计算模型，避免海量历史数据重复训练，降低模型迭代算力开销与存储占用，同时按残差分级匹配差异化梯度步长修正液压耦合权重，适配锻打冲击、负载突变、油液迟滞等不同耦合扰动程度，有效削减多油缸联动油路压差与动作相位偏差。

7、2、实时求解全域等效干扰观测值，根据三级干扰误差区间匹配对应权重修正步长，分层微调或全域更新各补偿子权重并闭环迭代至误差收敛，可动态抵消锻打冲击、变载夹持、油温压力波动、轴间耦合叠加的复合外部干扰，避免干扰带来的力位跟踪偏移；归集多轴耦合跟踪误差反向映射至参数矩阵，带安全约束增量递推逐周期自适应校正位置环、速度环增益与前馈力矩系数，仅增量修正扰动相关参数、锁定稳态最优基准参数，避免全域参数更新引发的机构动作超调。

8、3、将分层优化后的全域干扰补偿量矢量叠加原始运动指令实现前置扰动抵消，同步置换控制器闭环调控参数生成精准液压驱动信号下发至比例阀组，形成干扰前置补偿与运动参数实时校正协同闭环调控体系，全方位降低锻造重载工况下多轴执行机构的力、位置跟踪误差，提升锻件成型尺寸精度，增强设备应对变负载、强冲击、液压非线性扰动的自适应稳定控制能力，延长液压阀组、油缸等执行部件使用寿命，减少设备冲击损耗与故障停机频次，整体提升锻造生产线连续重载作业的运行平稳性与生产加工一致性。

技术特征：

1.一种锻造操作机自适应自学习智能控制系统，其特征在于，包括以下步骤：多源传感采集与存储模块、在线自适应学习算法构建模块、干扰补偿模型持续优化模块、运动参数修正系数持续优化模块和自适应自学习控制输出模块；

2.如权利要求1所述一种锻造操作机自适应自学习智能控制系统，其特征在于：所述多源传感器组包括力传感器、位移传感器、加速度计以及液压压力变送器；所述运行状态数据包括：末端执行器的实际力与预设基准力之间的力偏差数据、实际位置与预设基准位置之间的位置偏差数据、以及干扰参数；所述干扰参数包括负载转动惯量、导轨摩擦非线性波动值、液压压力脉动幅值及环境振动。

3.如权利要求1所述一种锻造操作机自适应自学习智能控制系统，其特征在于：所述基于当前新增运行状态数据对数值计算模型进行迭代更新的具体流程为：

4.如权利要求3所述一种锻造操作机自适应自学习智能控制系统，其特征在于：所述基于拟合残差值执行液压耦合修正权重迭代调优的具体流程为：

5.如权利要求1所述一种锻造操作机自适应自学习智能控制系统，其特征在于：所述在线调整干扰补偿模型的权重系数的具体流程为：

6.如权利要求5所述一种锻造操作机自适应自学习智能控制系统，其特征在于：所述在线调整干扰补偿模型的权重系数，还包括：

7.如权利要求1所述一种锻造操作机自适应自学习智能控制系统，其特征在于：所述修正位置环增益、速度环增益及前馈力矩系数的具体流程为：

8.如权利要求7所述一种锻造操作机自适应自学习智能控制系统，其特征在于：所述修正位置环增益、速度环增益及前馈力矩系数，还包括：

9.如权利要求1所述一种锻造操作机自适应自学习智能控制系统，其特征在于：所述生成驱动控制信号的具体流程为：

10.一种锻造操作机自适应自学习智能控制方法，其特征在于，应用如权利要求1-9中任意一项所述一种锻造操作机自适应自学习智能控制系统，包括以下步骤：

技术总结
本发明公开了一种锻造操作机自适应自学习智能控制系统及方法，属于智能控制技术领域，包括以下步骤：多源传感采集与存储、在线自适应学习算法构建、干扰补偿模型持续优化、运动参数修正系数持续优化和自适应自学习控制输出。本发明通过锻造操作机搭载的多源传感器组，实时采集存储重载作业运行状态数据，以该数据为输入搭建含增量学习机制的在线自适应学习算法，仅用新增数据迭代更新数值计算模型；实时求解工况干扰观测值，结合干扰预测误差在线调优补偿模型权重；再根据力、位置偏差与运动参数修正系数算出跟踪误差，反向递推更新各环增益与前馈力矩系数。最终叠加优化干扰补偿输出至控制指令，代入修正参数生成设备驱动控制信号。
技术研发人员：苏振华,何博,付永涛,冯东晓,马永军
受保护的技术使用者：中国重型机械研究院股份公司
技术研发日：
技术公布日：2026/9/4