一种基于支持向量机的数控冲床的刹车曲线自学习方法
【专利摘要】一种基于支持向量机的数控冲床刹车曲线自学习方法。所述方法包括以下几个步骤：(1)设置冲床n个不同的速度，n为自然数，且n≥20；冲床动作周期完成后刹车，等冲床完全停止后记录每次刹车前的速度和刹车后的过冲角度，得到n组样本点；(2)根据记录的n组速度和过冲角度数据构建样本集，并通过支持向量回归算法拟合刹车曲线。本发明提供一种操作方便，精度高的数控冲床刹车曲线自学习方法。
【专利说明】一种基于支持向量机的数控冲床的刹车曲线自学习方法
【技术领域】
[0001] 本发明涉及一种基于支持向量机的数控冲床停上死点控制的方法。
【背景技术】
[0002] 随着技术的不断发展，现代工业对产品的精度、效率等提出了更高的要求。冲床刹 车曲线是指冲床刹车后由于惯性而产生的过冲角度与刹车时转动速度的关系，利用该曲线 可以保证冲床刹车后能够准确停到上死点附近，提高了冲压精度。当前使用的冲床控制系 统大多使用PLC作为主控制器。PLC由于计算能力有限，一般使用多段折线拟合的方式来计 算刹车曲线。然而折线并不能精细的拟合复杂曲线，因而该方法控制的精度普遍较低；更重 要的是每台机器由于机械差异，其刹车曲线都不一样，因而每台机器都需要在PLC里设定 不同的折线参数，给操作人员带来了极大的不便。另外一种做法是根据经验，选定一个二次 多项式，利用最小二乘法来学习并拟合刹车曲线。该方法有一定的智能性，但是运行结果表 明，刹车曲线并不能简单的用二次多项式拟合，因而精度也不甚理想。
【发明内容】
[0003] 为了克服已有数控冲床的刹车曲线学习方法的操作复杂、精度不高的缺点，本发 明提供一种操作方便、精度较高的基于支持向量机的数控冲床的刹车曲线自学习方法。本 发明所采用的技术方案是：
[0004] (1)首先启动数控冲床的电源开关，这时候数控冲床处于等待接指令的状态；数 控冲床刹车曲线自学习的实现采用的硬件平台由触摸屏终端和以STM32F207微控制器为 核心的主控板组成，两者之间通过串口通信交互数据；
[0005] (2)微控制器接收到指令，分析是控制冲床动作还是让冲床进行自学习。如果发过 来的指令是控制冲床动作，则冲床不需要进行自学习，微控制器自动从存储芯片中读取支 持向量机回归模型的参数，按照触摸屏终端的指令来控制冲床运动；如果冲床需要学习曲 线，则按下触摸屏上的学习按钮，触摸屏终端会通过串口发送刹车曲线学习命令给控制板， 这时候冲床处于自学习状态中；
[0006] (3)控制器收到自学习的信息后会自动与变频器通信，并依次设置20个不同的频 率，对应冲床20个不同的速度，等待运行20秒后冲床速度稳定；
[0007] (4)在冲床往复运行20秒后接着等待冲床完整运行完5个周期后刹车，这样使得 冲床的停止速度较为准确；
[0008] (5)在冲床刹车后，控制程序中进行2秒钟的延时保证冲床完全停止运动，然后记 录每次刹车时的速度和刹车后过冲的角度；
[0009] (6)判断20组训练集样本是否建立完成，如果训练样本已经建立完成，则进行后 续的模型学习；否则重复（3)、（4)和（5)步骤，直到训练样本建立完成；
[0010] ⑵设置支持向量机的核函数及相关参数。本实施案例中支持向量机选择nu-SVR 模型，径向基函数作为SVR模型的核函数，模型参数C = 80000、η = 0. 5、g = 0. 0008。
【权利要求】
1. 一种基于支持向量机的数控冲床的刹车曲线自学习方法，其特征是通过设置冲床η 个不同的速度，η为自然数，且η > 20 ;冲床动作周期完成后刹车，等冲床完全停止后记录 每次刹车前的速度和刹车后的过冲角度，得到η组样本点；根据记录的η组速度和过冲角数 据，构建样本集并通过基于支持向量回归算法（SVR)预测刹车曲线，存储该预测模型参数， 用于计算上死点停车刹车位置，该方法包括以下步骤： (1) 首先启动数控冲床的电源开关，这时候数控冲床处于等待接指令的状态；数控冲 床刹车曲线自学习的实现采用的硬件平台由触摸屏终端和以STM32F207微控制器为核心 的主控板组成，两者之间通过串口通信交互数据； (2) 微控制器接收到指令，分析是控制冲床动作还是让冲床进行自学习；如果发过来 的指令是控制冲床动作，则冲床不需要进行自学习，微控制器自动从存储芯片中读取支持 向量机回归模型的参数，按照触摸屏终端的指令来控制冲床运动；如果冲床需要学习曲线， 则按下触摸屏上的学习按钮，触摸屏终端会通过串口发送刹车曲线学习命令给控制板，这 时候冲床处于自学习状态中； (3) 控制板收到自学习的信息后自动与变频器通信，并依次设置20个不同的频率，对 应冲床20个不同的速度，等待运行20秒后冲床速度稳定； (4) 在冲床往复运行20秒后接着等待冲床完整运行完5个周期后刹车，这样使得冲床 的停止速度较为准确； (5) 在冲床刹车后，控制程序中进行2秒钟的延时保证冲床完全停止运动，然后记录每 次刹车时的速度和刹车后过冲的角度； (6) 判断20组训练集样本是否建立完成，如果训练样本已经建立完成，则进行后续的 模型学习；否则重复（3) (4) (5)步骤，直到训练样本建立完成； (7) 设置支持向量机的核函数及相关参数；本实施案例中支持向量机选择nu-SVR模 型，径向基函数作为SVR模型的核函数，模型参数C = 80000、η = 0. 5、g = 0. 0008 ;
(9)保存此次进行自学习的回归参数，用于计算上死点停车刹车位置；微控制器自动 存储支持向量机回归模型的各个参数，供冲床停车时候通过支持向量回归算法拟合刹车曲 线。
2. 如权利要求1所叙述的一种基于支持向量机的数控冲床的刹车曲线自学习方法，其 特征在于：η组样本点为冲床转速和过冲角度组成的训练样本。
3. 如权利要求1所叙述的一种基于支持向量机的数控冲床的刹车曲线自学习方法，其 特征在于步骤（8)中，通过以下公式，使用训练样本集对SVR模型进行性能评价：
【文档编号】B30B15/26GK104057637SQ201410193376
【公开日】2014年9月24日 申请日期:2014年5月8日 优先权日:2014年5月8日
【发明者】陈德富, 何通能, 李华楠, 秦文强 申请人:浙江工业大学