智能控制及其在机电一体化中的应用
摘要: “智能控制”指的是在无人操作控制的状态下,依靠智能机器设备来实现自动化控制的一种新技术。智能控制的产生来源于被控制系统的高度复杂性、不确定性及人们对控制性能越来越高的要求。这种被控系统难以用精确的数学模型(微分方程和差分方程)来描述。从理论上讲,智能控制研究已经历了百年的发展历史;从实践上看,智能控制现已广泛运用于各项工业生产中;而且机电一体化系统控制要求的不断提高,使得被控对象、环境、控制目标及任务日渐复杂,智能控制在机电一体化中的重要性日益增加.本文介绍了智能控制及智能控制技术在机电一体化系统中的实际应用.
关键词:智能控制;设备;类别;网络神经;机电一体化
一、智能与非智能控制对比
与传统的非智能控制相比,现代技术领域中的智能控制有着无可比拟的优势。智能控制技术作为自动控制技术的前沿,以智能控制理论、计算机技术、人工智能、运筹学为基础,适用于被控对象和环境具有未知或不确定因素、数学模型难以建立、运行环境和工况发生不可预测的变化等场合。虽然传统控制也具备自身的优势,但智能控制几乎兼容了所有非智能控制的功能,这也是智能控制得到广泛运用的根本原因。
(一)模型对比。早期非智能控制系统在控制过程中,其主要控制对象是已经建立好的模型状态,这使得传统控制仅适合固定的模型,运用范围有限。而智能控制系统不仅能运用于固定的模型,还能对结构、参数都是未知的模型加以控制,运用范围要比传统控制广得多。
(二)交换对比。数据信号的交换处理是系统正常运行的保证,机电一体化系统若没有数据信号的指示则无法操作。非智能控制系统中的输入、输出设备在数据交换时常出现多种障碍。而智能控制则可利用精度高的送音器设备,并集合计算机技术准确定位传输。
(三)线性对比。非智能控制研究的理论知识中,在线性问题的探究上获得了一定成就,但在高度非线性的控制中运行效果不够理想。而智能控制可以有效
处理一些复杂的高级线性、非线性问题,其在功能上兼容传统控制的作用,发挥出理想的控制效果。
(四)控制对比。两种控制方式最大的区别在于“控制”方面,非智能控制方法运行速度慢、操作难度大,会影响到整个系统的控制效果;而在智能控制系统中储备了诸多控制功能,其运用了开闭环控制、定量控制等综合模式来改善控制效率。
二、智能控制系统类别形式
智能控制系统实际上是一种多项控制技术。智能控制的顺利运行主要是依赖于各种不同的智能控制系统展开操作,以构建出混合、集成的控制系统。在智能系统中许多智能技术才能得到充分运用,当前采取的智能控制系统如下所述:
(一)分级控制系统。分级控制又称“分级递阶智能控制”,该控制的运行主要依靠自适应控制、自组织控制等前提条件。在分级递阶智能控制中涉及到3个方面,即:组织级、协调级、执行级,每个级都有自己的作用。
(二)学习控制系统。对于人类大脑而言,学习是智慧能力的表现形式。学习控制系统一般通过对内部结构进行辨别、认知、调整后,利用对信号的循环输入和数据处理来保证良好的运行效果。学习控制系统还能结合一些非预知信息进行自动控制。
(三)专家控制系统。该智能系统实际上是将人的经验、知识、技能融合在计算机系统中的一种形式。其根据对应的程序指令运行操作。在专家系统中,常常囊括了很多理论知识,这就为智能系统在处理实际问题时提供了帮助,让处理结果具备诸多高性能。
(四)神经网络系统。基于神经网络的控制称为神经网络控制(NCC)。神经网络控制是一门崭新的智能信息处理学科,研究非程序的、适应性的、大脑风格的信息处理的本质和能力。它的发展对人工智能、计算机科学、信息科学、非线性科学、认识科学、自动控制、微电子、模式识别、脑神经科学等产生了重要影响。
目前,运用最多的则是人工神经网络控制系统。这种智能网络结构形式主要运用了神经细胞、人工神经元等构成的模式。智能控制与模仿真人是神经网络系统的主要功能,该系统是现代技术研究领域中的新课题内容。
人工神经网络(Artificial Neural Networks,ANN)是一个高复杂度的非线性系统,虽然从形式上模拟了人脑的学习结构,但由于所依赖的生物学理论基础尚不完善,因此人工神经网络不仅功能上远远没有达到预期的接近于人脑学习能力的目标,而且对于现有神经网络模型的工作机理也不明确,使神经网络模型的研究和性能的改进也变得越来越困难,应用领域也受到一定的影响。
三、人工神经网络(ANN)
人工神经网络(ANN)是一种具有大量连接的本行分布式处理器,它具有通过学习获得知识并解决问题的能力,而且知识分布存储在连接权中,而不像计算机那样按地址存在特定的存储单元中。它的下列特性对智能控制的实现是极为重要的。
(一)并行分布处理。人工神经网络的高度并行结构和并行实现能力,有较好的容错能力和较快的总体处理能力,特别适于实时控制和动态控制。
(二)非线性映射。非线性是人工神经网络的固有特性,为非线性控制带来方便。
(三)通过训练进行学习的能力。人工神经网络能通过所研究系统过去的数据记录进行训练,并经适当训练而具有归纳全部数据的能力。因此人工神经网络能解决那些数学模型或描述规则难以处理的控制过程的问题。
(四)适应与集成。人工神经网络能适应在线运行,并能同时进行定量和定性操作。其强适应能力和信息融合能力使得网络过程可以输入大量不同的控制信号,解决输入信息间的互补和冗余问题,并实现信息集成和融合处理。这些特性特别适合复杂、大规模和多变量系统的控制。
(五)硬件实现。人工神经网络不仅可以通过软件而且可以通过硬件实现并行处理。近年来,实现神经网络处理能力的大规模集成电路已经问世,使得神经网络成为实用的,快速的和大规模处理的方法。
由此可见,人工神经网络具有学习和适应,自组织,函数逼近和大规模并行处理等特点,因而具有用于智能控制系统的能力。
三、有关机床运行的智能控制
机电一体化是现代工业中的重要技术,而“智能化”则是当代科技的重要趋势,在机电一体化中有着重要的作用,将机电一体化与智能控制有效结合起来可
以提高一体化系统的运行模式,维持系统的正常运行。机器人与数控机床的智能化则是智能控制的主要表现之一。
(一)提高精度。对于数控机床而言,精度是衡量机电一体化制造技术的重要指标。旧的数控机床中,由于没有融合过多的智能技术,机床精度不达标且产品加工不理想。智能数控系统中运用了高速CPU芯片、RISC芯片、多CPU控制系统与交流数字伺服系统,大大提高了机床的精度。
(二)优化效能。数控系统设计阶段,其多数运用的设计思路是模块化设计的方式,且功能涉及面广阔;具备良好的裁剪性,对于不同的机电一体化生产都能达到要求。在群控系统的效果控制中,对相同群控系统则可参照各种操作流程,保证系统的调整符合要求。
(三)改进加工。主要智能化表现为操作、加工等方面,智能控制方式的运用可以缩短加工时间、优化操作流程。同时,还能实现复合加工效果,让数控机床能够满足多轴、多控制的需要。在实际加工过程中,可减少人工操作次数,进行多道工艺的一次性加工操作。
(四)程序控制。操作程序是系统运行的主要指令,根据加工产品的尺寸、精度来编制操作程序才能使产品加工后达到智能效果。在普通车床加工时,操作流程必须要依靠人工控制,对操作工人的技术要求十分高。而在数控车床中,只需根据程序调试机器后即可加工,这也是智能化的表现。
四、设备装置的智能器件
在机电一体化系统中运用智能控制,不仅保证了系统实现自动控制这一基本要求,而且促进了系统控制方式的转变调整。数控机床作为机电一体化系统的典型设备,其在元器件的控制上也能反映出智能控制的具体作用。
(一)显示装置。平面显示器在数控机床中是基本的装置之一,其主要是显示程序指令等内容,让操作人员了解机床的运行情况。在机床改造技术不断革新的同时,智能器件的种类也在不断变化。FPD平板显示技术具有重量轻、能耗低、显示大等优势,可实现智能操作。
(二)硬件装置。硬件模块是确保数控机床达到标准的重要装置,厂家运用智能技术并融合相应的智能器件能创建良好的模块结构,例如:CPU、存储器、
位置伺服、PLC等,在具体操作中可对模块形式进行删减增加,以建立各种不同性能的模块。
(三)网络装置。网络技术是现代智能控制中运用较多的技术,其可以通过机床联网的形式来利用计算机输入、编制、调节程序,执行程序之后则能够实现智能化的无人操作控制。网络装置主要是计算机和数据线,两者具备就可以顺利将数据显示在机床面板上。
(四)控制装置。在数控机床加工过程中利用及时动态监控装置,可以将多种现代化技术融合在一起,包括计算机监控技术、网络技术、多媒体技术、CAD/CAM、模拟仿真技术等等。有时可以把一些常用的控制装置创建成严密的制造过程闭环控制体系,以加快智能化的实现。
五、结论
智能控制是现代机电一体化系统中运用最多的控制方式,其凭借“高性能、高效率、高水平”的控制优势正在逐渐取代传统的控制方法,解决那些用传统方法难以解决的复杂系统的控制问题。目前智能控制技术在各行各业发挥巨大的作用,文中所提到的数控机床仅仅是在机电一体化行业的一个代表,现代工业生产中运用到智能一体化系统的还有很多方面,其控制效能的优越性将会得到更多人的认识。
参考文献:
[1] 李文洪.智能控制及其应用综述[J].重庆邮电学院学报:自然科学版,2008.
[2] 孙明松.智能控制及其在机器人领域的应用[J].东南大学学报:综合版块,2008.
[3] 庞晓静.复合智能控制在交流伺服系统中的应用[J].电工技术杂志,2008.
[4] 汪伟珍.人工智能技术在数控系统中的应用研究[J].现代控制技术,2009.
[5] 杨琴.机电一体化的研究现状与发展趋势[J].农机化研究,2009.
[6] 王俊普.智能控制[M].合肥:中国科学技术大学出版社,1996.
[7] 芮延年.机电一体化[M].苏州:苏州大学出版社,2010.
[8] 杨鹤年. 机电一体化中的智能控制技术[j].煤炭技术,2011.
[9] 刘祥斌. 智能控制在机电一体化系统中的应用[j].煤炭技术,2011
智能控制及其在机电一体化中的应用
摘要: “智能控制”指的是在无人操作控制的状态下,依靠智能机器设备来实现自动化控制的一种新技术。智能控制的产生来源于被控制系统的高度复杂性、不确定性及人们对控制性能越来越高的要求。这种被控系统难以用精确的数学模型(微分方程和差分方程)来描述。从理论上讲,智能控制研究已经历了百年的发展历史;从实践上看,智能控制现已广泛运用于各项工业生产中;而且机电一体化系统控制要求的不断提高,使得被控对象、环境、控制目标及任务日渐复杂,智能控制在机电一体化中的重要性日益增加.本文介绍了智能控制及智能控制技术在机电一体化系统中的实际应用.
关键词:智能控制;设备;类别;网络神经;机电一体化
一、智能与非智能控制对比
与传统的非智能控制相比,现代技术领域中的智能控制有着无可比拟的优势。智能控制技术作为自动控制技术的前沿,以智能控制理论、计算机技术、人工智能、运筹学为基础,适用于被控对象和环境具有未知或不确定因素、数学模型难以建立、运行环境和工况发生不可预测的变化等场合。虽然传统控制也具备自身的优势,但智能控制几乎兼容了所有非智能控制的功能,这也是智能控制得到广泛运用的根本原因。
(一)模型对比。早期非智能控制系统在控制过程中,其主要控制对象是已经建立好的模型状态,这使得传统控制仅适合固定的模型,运用范围有限。而智能控制系统不仅能运用于固定的模型,还能对结构、参数都是未知的模型加以控制,运用范围要比传统控制广得多。
(二)交换对比。数据信号的交换处理是系统正常运行的保证,机电一体化系统若没有数据信号的指示则无法操作。非智能控制系统中的输入、输出设备在数据交换时常出现多种障碍。而智能控制则可利用精度高的送音器设备,并集合计算机技术准确定位传输。
(三)线性对比。非智能控制研究的理论知识中,在线性问题的探究上获得了一定成就,但在高度非线性的控制中运行效果不够理想。而智能控制可以有效
处理一些复杂的高级线性、非线性问题,其在功能上兼容传统控制的作用,发挥出理想的控制效果。
(四)控制对比。两种控制方式最大的区别在于“控制”方面,非智能控制方法运行速度慢、操作难度大,会影响到整个系统的控制效果;而在智能控制系统中储备了诸多控制功能,其运用了开闭环控制、定量控制等综合模式来改善控制效率。
二、智能控制系统类别形式
智能控制系统实际上是一种多项控制技术。智能控制的顺利运行主要是依赖于各种不同的智能控制系统展开操作,以构建出混合、集成的控制系统。在智能系统中许多智能技术才能得到充分运用,当前采取的智能控制系统如下所述:
(一)分级控制系统。分级控制又称“分级递阶智能控制”,该控制的运行主要依靠自适应控制、自组织控制等前提条件。在分级递阶智能控制中涉及到3个方面,即:组织级、协调级、执行级,每个级都有自己的作用。
(二)学习控制系统。对于人类大脑而言,学习是智慧能力的表现形式。学习控制系统一般通过对内部结构进行辨别、认知、调整后,利用对信号的循环输入和数据处理来保证良好的运行效果。学习控制系统还能结合一些非预知信息进行自动控制。
(三)专家控制系统。该智能系统实际上是将人的经验、知识、技能融合在计算机系统中的一种形式。其根据对应的程序指令运行操作。在专家系统中,常常囊括了很多理论知识,这就为智能系统在处理实际问题时提供了帮助,让处理结果具备诸多高性能。
(四)神经网络系统。基于神经网络的控制称为神经网络控制(NCC)。神经网络控制是一门崭新的智能信息处理学科,研究非程序的、适应性的、大脑风格的信息处理的本质和能力。它的发展对人工智能、计算机科学、信息科学、非线性科学、认识科学、自动控制、微电子、模式识别、脑神经科学等产生了重要影响。
目前,运用最多的则是人工神经网络控制系统。这种智能网络结构形式主要运用了神经细胞、人工神经元等构成的模式。智能控制与模仿真人是神经网络系统的主要功能,该系统是现代技术研究领域中的新课题内容。
人工神经网络(Artificial Neural Networks,ANN)是一个高复杂度的非线性系统,虽然从形式上模拟了人脑的学习结构,但由于所依赖的生物学理论基础尚不完善,因此人工神经网络不仅功能上远远没有达到预期的接近于人脑学习能力的目标,而且对于现有神经网络模型的工作机理也不明确,使神经网络模型的研究和性能的改进也变得越来越困难,应用领域也受到一定的影响。
三、人工神经网络(ANN)
人工神经网络(ANN)是一种具有大量连接的本行分布式处理器,它具有通过学习获得知识并解决问题的能力,而且知识分布存储在连接权中,而不像计算机那样按地址存在特定的存储单元中。它的下列特性对智能控制的实现是极为重要的。
(一)并行分布处理。人工神经网络的高度并行结构和并行实现能力,有较好的容错能力和较快的总体处理能力,特别适于实时控制和动态控制。
(二)非线性映射。非线性是人工神经网络的固有特性,为非线性控制带来方便。
(三)通过训练进行学习的能力。人工神经网络能通过所研究系统过去的数据记录进行训练,并经适当训练而具有归纳全部数据的能力。因此人工神经网络能解决那些数学模型或描述规则难以处理的控制过程的问题。
(四)适应与集成。人工神经网络能适应在线运行,并能同时进行定量和定性操作。其强适应能力和信息融合能力使得网络过程可以输入大量不同的控制信号,解决输入信息间的互补和冗余问题,并实现信息集成和融合处理。这些特性特别适合复杂、大规模和多变量系统的控制。
(五)硬件实现。人工神经网络不仅可以通过软件而且可以通过硬件实现并行处理。近年来,实现神经网络处理能力的大规模集成电路已经问世,使得神经网络成为实用的,快速的和大规模处理的方法。
由此可见,人工神经网络具有学习和适应,自组织,函数逼近和大规模并行处理等特点,因而具有用于智能控制系统的能力。
三、有关机床运行的智能控制
机电一体化是现代工业中的重要技术,而“智能化”则是当代科技的重要趋势,在机电一体化中有着重要的作用,将机电一体化与智能控制有效结合起来可
以提高一体化系统的运行模式,维持系统的正常运行。机器人与数控机床的智能化则是智能控制的主要表现之一。
(一)提高精度。对于数控机床而言,精度是衡量机电一体化制造技术的重要指标。旧的数控机床中,由于没有融合过多的智能技术,机床精度不达标且产品加工不理想。智能数控系统中运用了高速CPU芯片、RISC芯片、多CPU控制系统与交流数字伺服系统,大大提高了机床的精度。
(二)优化效能。数控系统设计阶段,其多数运用的设计思路是模块化设计的方式,且功能涉及面广阔;具备良好的裁剪性,对于不同的机电一体化生产都能达到要求。在群控系统的效果控制中,对相同群控系统则可参照各种操作流程,保证系统的调整符合要求。
(三)改进加工。主要智能化表现为操作、加工等方面,智能控制方式的运用可以缩短加工时间、优化操作流程。同时,还能实现复合加工效果,让数控机床能够满足多轴、多控制的需要。在实际加工过程中,可减少人工操作次数,进行多道工艺的一次性加工操作。
(四)程序控制。操作程序是系统运行的主要指令,根据加工产品的尺寸、精度来编制操作程序才能使产品加工后达到智能效果。在普通车床加工时,操作流程必须要依靠人工控制,对操作工人的技术要求十分高。而在数控车床中,只需根据程序调试机器后即可加工,这也是智能化的表现。
四、设备装置的智能器件
在机电一体化系统中运用智能控制,不仅保证了系统实现自动控制这一基本要求,而且促进了系统控制方式的转变调整。数控机床作为机电一体化系统的典型设备,其在元器件的控制上也能反映出智能控制的具体作用。
(一)显示装置。平面显示器在数控机床中是基本的装置之一,其主要是显示程序指令等内容,让操作人员了解机床的运行情况。在机床改造技术不断革新的同时,智能器件的种类也在不断变化。FPD平板显示技术具有重量轻、能耗低、显示大等优势,可实现智能操作。
(二)硬件装置。硬件模块是确保数控机床达到标准的重要装置,厂家运用智能技术并融合相应的智能器件能创建良好的模块结构,例如:CPU、存储器、
位置伺服、PLC等,在具体操作中可对模块形式进行删减增加,以建立各种不同性能的模块。
(三)网络装置。网络技术是现代智能控制中运用较多的技术,其可以通过机床联网的形式来利用计算机输入、编制、调节程序,执行程序之后则能够实现智能化的无人操作控制。网络装置主要是计算机和数据线,两者具备就可以顺利将数据显示在机床面板上。
(四)控制装置。在数控机床加工过程中利用及时动态监控装置,可以将多种现代化技术融合在一起,包括计算机监控技术、网络技术、多媒体技术、CAD/CAM、模拟仿真技术等等。有时可以把一些常用的控制装置创建成严密的制造过程闭环控制体系,以加快智能化的实现。
五、结论
智能控制是现代机电一体化系统中运用最多的控制方式,其凭借“高性能、高效率、高水平”的控制优势正在逐渐取代传统的控制方法,解决那些用传统方法难以解决的复杂系统的控制问题。目前智能控制技术在各行各业发挥巨大的作用,文中所提到的数控机床仅仅是在机电一体化行业的一个代表,现代工业生产中运用到智能一体化系统的还有很多方面,其控制效能的优越性将会得到更多人的认识。
参考文献:
[1] 李文洪.智能控制及其应用综述[J].重庆邮电学院学报:自然科学版,2008.
[2] 孙明松.智能控制及其在机器人领域的应用[J].东南大学学报:综合版块,2008.
[3] 庞晓静.复合智能控制在交流伺服系统中的应用[J].电工技术杂志,2008.
[4] 汪伟珍.人工智能技术在数控系统中的应用研究[J].现代控制技术,2009.
[5] 杨琴.机电一体化的研究现状与发展趋势[J].农机化研究,2009.
[6] 王俊普.智能控制[M].合肥:中国科学技术大学出版社,1996.
[7] 芮延年.机电一体化[M].苏州:苏州大学出版社,2010.
[8] 杨鹤年. 机电一体化中的智能控制技术[j].煤炭技术,2011.
[9] 刘祥斌. 智能控制在机电一体化系统中的应用[j].煤炭技术,2011