端銑智慧型混合控制(II)

Abstract

本計畫是已核定的二年計畫之第二年計畫, 原始計畫擬結合:(1)模糊控制及(2)神經網路之 技巧,發展智慧型CNC控制器,藉神經網路自我學 習配合最佳化理論,以調整得最佳切削條件.當 切削開始前神經網路預測出一最佳化切削條件 ,利用此組切削條件切削後,神經網路線上學習 輸出輸入關係,並且辨識切削狀態,此時模糊控 制器利用模糊控制決策表線上控制進給率,控 制原則是使切削保證在穩定範圍內,即不產生顫振的先決條件下,且表面精度達到所設定之 值,進行最大效率之切削.本計畫第一年的研究 進度,已完成:(1)兩種神經網路的學習法則探討; (2)端銑刀切削行為的神經網路學習模擬,分析 比較其學習速度□收斂性□穩定性;(3)切削條 件最佳化法則探討;(4)最佳化神經網路平行化 模擬;(5)由模擬結果,作線上實驗驗證.本計畫第 二年的研究目標,在於利用第一年研究成果,在 實施端銑切削前,控制器有智慧地決定出一組 最佳的切削條件後進行穩定切削.但在真正切 削時,由於端銑屬於斷續切削,伴隨著週期性切 削力與撞擊過程,甚至由於心軸□夾具先天上 剛性不足,因此容易產生顫振.為了預防顫振的產生與抑制,利用模糊控制作顫振之智慧型控 制,以保持加工的品質.首先建立每齒進給率□ 軸向切深與徑向切深的穩定曲線圖,配合刀具 的振動與切削力的量測,製作模糊控制法則.此 處利用田口法(Taguchi method)作實驗計畫分析,找 到模糊變數的水準,列出直交表,實施矩陣實驗, 決定影響顫振的可控因子之最適水準,藉以修 正模糊變數的隸屬函數□模糊測度等,此法可 以改正傳統模糊控制隱藏了太多嘗試錯誤的缺 點.另外切削時若神經網路辨識的切削狀態變 化大於設定的值後,配合切削力的變化,模糊控 制的決策表重新設定,輸出量依照新的決策表 輸出.最後並把神經網路模糊控制平行化處理, 利用傳算器(Transputer)構成平行網路,作端銑線 上控制實驗,並分析此神經網路模糊控制之穩 健性.