在我國制造業向高端轉型過程中，實現機電運動控制系統的快速運動、精準定位、跟蹤加工，做到機械制造效率與精度的兼顧，成為工業制造企業的主要目標。由于機電運動系統具有非線性擾動的特點，要追求高性能的運動控制具有一定難度，這就需要從控制技術、機械構造、驅動裝置等方面采取綜合改進措施�；�于摩擦非線性的神經網絡補償控制技術對消除擾動因素、提高運動控制的響應速度和動作精度有顯著效果。在此基礎上應用基于遺傳算法的非線性預測跟蹤控制技術，可根據軌跡規劃實現智能控制，對提升機電運動系統控制的“數智化”水平有積極幫助。

　　1機電運動非線性系統智能控制技術

　　1.1摩擦非線性補償跟蹤控制

　　對于線性系統可選擇跟蹤控制方法較多，如自適應控制、魯棒控制等。而非線性系統的跟蹤控制難度較大，可用的跟蹤控制方法較少。由于機電控制系統在實際運行中具有明顯的非線性特性(如非線性摩擦等)，因此要想提高運動控制精度，必須要研究、應用一種適用非線性跟蹤控制技術。摩擦非線性補償跟蹤控制的機理是根據機電運動控制系統的運行數據，建立摩擦模型，確定模型參數，然后基于補償算法降低運動控制中的摩擦擾動，達到提高加工精度的最終目的。摩擦非線性補償控制結構如圖1所示。當機電運動控制系統處于高速運行狀態時，線性控制器自動選擇比例微分控制模式，可以消除非線性導致的穩態誤差。而補償器則選擇積分控制形式，積分補償控制為：式(1)中，Ki表示積分系數，xi表示積分補償激活范圍。當位置誤差較小時，采取這種積分補償控制能夠取得理想的誤差控制效果;反之，如果位置誤差較大，則會影響補償效果。為避免此類問題，本文提出了一種可調積分補償器，其數學表達式為：上式中γ表示調節因子。該補償器不僅適用于機電運動系統在低速時的誤差補償，而且隨著運動速度的逐漸增加，還可以實現無超調的平滑跟蹤，從而消除了從低速轉為高速后的穩態誤差，誤差控制效果更加明顯。

　　1.2神經網絡間接補償控制

　　由于非線性摩擦具有復雜性，為消除無關因素的干擾，在構建摩擦模型時要利用神經網絡方法構建補償控制器。通過收集誤差信息，將線性控制與誤差補償控制相結合，從而達到優化控制策略、提高補償效果的目的。以運動速度為例，基于神經網絡間接補償控制的運動速度控制系統結構如圖2所示。在圖2中，控制器的輸出由兩部分組成，即線性反饋控制u1和神經網絡補償控制u2。其中，線性控制器的作用是維持該系統的閉環穩定性，而補償控制器的作用為實現摩擦非線性的動態補償，將跟蹤誤差控制在較小范圍內。這樣一來，神經網絡基于跟蹤誤差產生控制輸出，而不是直接從非線性模型提供補償，達到了間接補償的效果。假設某被控制對象的輸入向量為[x1，x2……，xi]，系統中包含N個隱含層節點，且輸入層到隱含層的權值為Vij，隱含層到輸出層的權值為Wj，則網絡輸出變量的速度估值ω為：式(3)中σl表示激活函數，可由下式計算得出：通過式(3)求出速度估值后，基于神經網絡的間接補償控制器可以實現速度的跟蹤補償，保證了加工過程中實際軌跡更加貼近于預期軌跡，從而實現加工效率和加工精度的同步提升。

　　2機電運行非線性系統預測跟蹤控制技術

　　2.1基于模型輸出的預測控制

　　機電系統的運動控制模式多樣，如位移控制、輪廓控制、速度控制等。為了使被控目標的實際輸出與預期一致，必須要引進快速跟蹤控制技術，在實時跟蹤的基礎上將被控對象當前的位置信息、狀態信息等反饋給終端計算機，經過計算后發出調控指令，從而降低控制誤差。在整個閉環控制中，提高系統響應速度，縮短從收集被動對象數據信息到響應控制指令、做出預期動作的時間，對克服響應滯后帶來的跟蹤誤差有顯著效果。目前可以滿足上述要求的控制策略有兩種，即前饋控制策略和基于模型輸出預測的控制策略。在實際應用中，構建基于模型輸出預測控制策略的數學模型，可以克服系統中的不確定性，解決因為模型誤差帶來的干擾影響，進一步提高控制精度。另外，近幾年人工智能技術、大數據分析技術和云計算技術的成熟發展，也為基于模型的預測控制的推廣應用創造了良好條件。在收集海量數據樣本的基礎上，進行模型訓練并不斷提高其調節與跟蹤控制的速度比，在復雜、高速的運動控制中有更好的應用。

　　2.2基于遺傳算法的非線性預測控制

　　優化性能指標從而實現最優控制，是預測控制中的核心計算步驟。基于遺傳算法的優化控制能夠較好地契合機械運動非線性系統的控制要求，基于此構建非線性預測模型，在保證機電運動系統實現穩定控制的基礎上，能夠自動處理實際加工中的一些非線性因素。該模型的運作機理為：對比極小化模型的預測輸出和給定輸出，計算兩者之間的誤差。利用誤差與控制量的加權性能指標，得出最終的控制量。同時，使用性能優化指標計算某個時間段內的控制序列。將第一個控制量作用于被控對象，再根據控制序列按照滾動方法逐步向前平移，從而實現對整個時間段內的預測控制。該優化過程可以在每個采樣周期內反復進行，得到最優目標。基于遺傳算法的非線性預測控制模型的輸出對象有兩部分，可表示為：(5)式(5)中，y(k+j/k)表示預測模型的輸出，ym(k+j/k)表示根據對象模型的預測輸出，D(k+j/k)表示擾動作用下的對象輸出預測值�；�于該模型的預測輸出為：(6)擾動模型為：(7)上式中，ξ(k)表示零均值隨機干擾信號，ΔA(z-1)=1+a1z+a2z+……+anz，T(z-1)表示濾波器多項式。將式(6)與式(7)整理后，可以得到擾動模型的預測輸出：(8)基于該模型可以實現對控制量的軟約束，使得遺傳算法優化控制中進一步減少搜索時間，有利于實現實時控制，這也對提高機電運動控制效果有積極幫助。

　　3機電運動非線性系統智能控制技術的應用

　　噴射成型是一種非接觸性成型技術，它以數控機床為基礎，由工業計算機控制噴嘴運動，將粉末材料噴射到指定位置，層層累積之后得到需要的工件。相比于切割成型技術，利用噴射成型技術制造的工件在邊、角、凹槽等位置上擁有更高的精度，并且具有節約用材、減少浪費的優勢。在噴射成型智能控制系統中，融合了智能控制技術和數控加工技術，顯著提高了數控機床的加工精度和生產效率。

　　3.1噴射成型控制系統的結構組成

　　噴射成型控制系統結構組成如圖3所示。在計算機圖形軟件中設計產品的立體模型，并利用切片軟件以一致的增量沿Z方向切片。將切片后得到的二維圖形以JPG.位圖文件格式存儲。主機系統調用并識別二維圖形，然后生成噴嘴運動軌跡和噴射控制信號。其中，伺服控制系統可以支持在X-Y平面內運動，伺服驅動系統則支持沿Z軸運動。噴頭在運動控制下噴射粉末材料，并使用熱風干燥的方式提高成型表面溫度，加速成型速度。另外，伺服控制系統中安裝了高速數字控制器，以及提供了一個大容量的數據庫，保證在平面掃描的過程中，協調噴嘴控制讓粉末材料均勻、準確地分布在成型平面上。

　　3.2軌跡規劃與運動控制

　　噴射成型系統由噴嘴的軌跡運動和噴射控制得到工件平面層。因此噴嘴運動軌跡規劃是提高產品加工精度的關鍵因素�？紤]到工件成型過程中噴嘴與平面層始終為非接觸的，因此必須采用定向平行直線段覆蓋成型區的軌跡規劃方式。在確定了軌跡規劃后，還要通過掃描噴射的方式，控制噴嘴將準備好的粉末材料噴射到平面上。在掃描噴射控制中，噴嘴根據控制信號在X或Y方向上定向移動，并且通過速度信號、噴射信號的補償控制，使粉末材料均勻、準確地分布在平面上，如圖4所示。圖4中，d為粉末材料的水平偏移距離，h為噴口到粉末材料落點平面的距離，Vx和Vj分別代表噴嘴的掃描速度與粉末材料的噴射速度。上述指標的關系式可表示為：(9)根據式(9)可知，在粉末材料噴射成型過程中，只要保證噴嘴與平面之間的距離，以及噴嘴平移速度恒定，就能夠確保粉末材料的偏移位置保持不變。假設噴嘴的移動速度Vx為0.98m/s，噴嘴與成型表面之間的垂直距離h為1mm，粉末材料在水平方向上的位移d為100μm。當水平點距分辨率為脈沖/5μm時，對于給定落點坐標的為例，必須提前控制噴射，提前量為20個脈沖。這樣才能保證粉末材料的實際落點與預期一致，減小落點偏差，提高成型精度。4結束語機電系統在實際運行中存在摩擦、溫度等因素引起的擾動，對控制性能和加工精度均產生了比較明顯的影響。要想提高產品加工精度，必須要應用機電運動非線性系統智能控制技術。通過神經網絡間接補償控制和非線性預測跟蹤控制，構建智能算法補償器。在收集機電控制系統實時運行參數的基礎上，利用智能算法和數學模型進行誤差補償，實現跟蹤控制，提高了系統響應速度和加工精度，在實際應用中取得了理想效果。

　　《機電運動非線性系統智能控制技術及應用探究》來源：《科學技術創新》，作者:彭江鷹