Все выпуски

В традиционных системах ЧПУ каждый из отрезков кусочно-линейной траектории описывается отдельным кадром управляющей программы. При этом формируется трапециидальная траектория движения, а сшивание отдельных участков производится при нулевых значениях скорости и ускорения. Повышение производительности связано с непрерывностью обработки, которое в современных системах ЧПУ достигается за счет использования сплайн-интерполяции. Для кусочно-линейной траектории, которая является базовой для большинства изделий, наиболее приемлемым является сплайн первой степени. Однако даже в простейшем случае сплайновой интерполяции закрытость базового программного обеспечения ведущих производителей систем ЧПУ ограничивает возможности не только разработчиков, но и пользователей. С учетом этого целью данной работы является детальная проработка структурной организации и алгоритмов работы имитационной модели кусочно-линейной сплайн-интерполяции. В качестве основной меры, позволяющей снизить динамические ошибки обработки, рассматривается ограничение на рывок и ускорение. При этом особое значение уделяется S-образной форме кривой скорости на участках разгона и торможения. Это связано с условиями реализации сплайн-интерполяции, одним из которых является непрерывность движения, которое обеспечивается за счет равенства первой и второй производной при стыковке участков траектории. Подобная постановка соответствует принципам реализации комбинированных систем управления следящего электропривода, которые обеспечивают частичную инвариантность к управляющим и возмущающим воздействиям. В качестве базы структурной организации принята эталонная модель сплайн-интерполятора. Рассмотрены также вопросы масштабирования обработки, в основе которых заложено снижение скорости вектора по отношению к базовому значению. Это позволяет повысить точность перемещений. Показано, что диапазон изменений скорости перемещений может быть больше десяти тысяч и ограничен только возможностями регулирования скорости исполнительных приводов.

In traditional CNC systems, each segment of a piecewise linear trajectory is described by a separate block of the control program. In this case, a trapezoidal trajectory of movement is formed, and the stitching of individual sections is carried out at zero values of speed and acceleration. Increased productivity is associated with continuous processing, which in modern CNC systems is achieved through the use of spline interpolation. For a piecewise linear trajectory, which is basic for most products, the most appropriate is a first-degree spline. However, even in the simplest case of spline interpolation, the closed nature of the basic software from leading manufacturers of CNC systems limits the capabilities of not only developers, but also users. Taking this into account, the purpose of this work is a detailed study of the structural organization and operation algorithms of the simulation model of piecewise linear spline interpolation. Limitations on jerk and acceleration are considered as the main measure to reduce dynamic processing errors. In this case, special attention is paid to the S-shaped shape of the speed curve in the acceleration and deceleration sections. This is due to the conditions for the implementation of spline interpolation, one of which is the continuity of movement, which is ensured by the equality of the first and second derivatives when joining sections of the trajectory. Such a statement corresponds to the principles of implementing combined control systems of a servo electric drive, which provide partial invariance to control and disturbing effects. The reference model of a spline interpolator is adopted as the basis of the structural organization. The issues of processing scaling, which are based on a decrease in the vector speed in relation to the base value, are also considered. This allows increasing the accuracy of movements. It is shown that the range of changes in the speed of movements can be more than ten thousand, and is limited only by the speed control capabilities of the actuators.

В данной работе рассматривается управляемое движение в идеальной жидкости винтового тела с тремя лопастями за счет вращения трех внутренних роторов. Ставится задача выбора управляющих воздействий, обеспечивающих движение тела вблизи заданной траектории. Для определения управлений, гарантирующих движение вблизи заданной кривой, предложены методы, основанные на применении гибридных генетических алгоритмов (генетические алгоритмы с вещественным кодированием с дополнительным обучением лидера популяции каким-либо градиентным методом) и искусственных нейронных сетей. Корректность работы предложенных численных методов оценивается с помощью полученных ранее дифференциальных уравнений, определяющих закон изменения управляющих воздействий для заданной траектории.

В подходе на основе гибридных генетических алгоритмов исходная задача минимизации интегрального функционала сводится к минимизации функции многих переменных. Заданный временной интервал разбивается на малые элементы, на каждом из которых управляющие воздействия аппроксимируются полиномами Лагранжа 2 и 3 порядков. Гибридные генетические алгоритмы при соответствующих настройках воспроизводят решение, близкое точному. Однако стоимость расчета 1 секунды физического процесса составляет порядка 300 секунд процессорного времени.

Для повышения быстродействия расчета управляющих воздействий предложен алгоритм на основе искусственных нейронных сетей. В качестве входного сигнала нейронная сеть принимает компоненты требуемого вектора перемещения. В качестве выходного сигнала возвращаются узловые значения полиномов Лагранжа, приближенно описывающих управляющие воздействия. Нейронная сеть обучается хорошо известным методом обратного распространения ошибки. Обучающая выборка генерируется с помощью подхода на основе гибридных генетических алгоритмов. Расчет 1 секунды физического процесса с помощью нейронной сети требует примерно 0.004 секунды процессорного времени. То есть на 6 порядков быстрее по сравнению в гибридным генетическим алгоритмом. Управление, рассчитанное с помощью искусственной нейронной сети, отличается от точного. Однако, несмотря на данное отличие, обеспечивает достаточно точное следование по заданной траектории.

In this paper we consider the controlled motion of a helical body with three blades in an ideal fluid, which is executed by rotating three internal rotors. We set the problem of selecting control actions, which ensure the motion of the body near the predetermined trajectory. To determine controls that guarantee motion near the given curve, we propose methods based on the application of hybrid genetic algorithms (genetic algorithms with real encoding and with additional learning of the leader of the population by a gradient method) and artificial neural networks. The correctness of the operation of the proposed numerical methods is estimated using previously obtained differential equations, which define the law of changing the control actions for the predetermined trajectory.

In the approach based on hybrid genetic algorithms, the initial problem of minimizing the integral functional reduces to minimizing the function of many variables. The given time interval is broken up into small elements, on each of which the control actions are approximated by Lagrangian polynomials of order 2 and 3. When appropriately adjusted, the hybrid genetic algorithms reproduce a solution close to exact. However, the cost of calculation of 1 second of the physical process is about 300 seconds of processor time.

To increase the speed of calculation of control actions, we propose an algorithm based on artificial neural networks. As the input signal the neural network takes the components of the required displacement vector. The node values of the Lagrangian polynomials which approximately describe the control actions return as output signals . The neural network is taught by the well-known back-propagation method. The learning sample is generated using the approach based on hybrid genetic algorithms. The calculation of 1 second of the physical process by means of the neural network requires about 0.004 seconds of processor time, that is, 6 orders faster than the hybrid genetic algorithm. The control calculated by means of the artificial neural network differs from exact control. However, in spite of this difference, it ensures that the predetermined trajectory is followed exactly.