研究生: |
陳彥廷 Chen, Yen-Ting |
---|---|
論文名稱: |
工具機循圓測試之智能化參數調整研究 Machine Tools Circular Testing Parameter Tuning Using Artificial Intelligence |
指導教授: |
蔡明祺
Tsai, Mi-Ching |
學位類別: |
碩士 Master |
系所名稱: |
電機資訊學院 - 電機工程學系 Department of Electrical Engineering |
論文出版年: | 2021 |
畢業學年度: | 109 |
語文別: | 中文 |
論文頁數: | 57 |
中文關鍵詞: | 神經網路 、粒子群演算法 、工具機循圓調整 |
外文關鍵詞: | Parameter Tuning, Machine Tool, Machine Learning, Optimization, PSO |
相關次數: | 點閱:88 下載:25 |
分享至: |
查詢本校圖書館目錄 查詢臺灣博碩士論文知識加值系統 勘誤回報 |
工具機為「機械之母」,也是一國工業競爭力的關鍵要素。基於過去在業界工作的經驗發現,機械產業的發展關鍵要素有二:一是人力短缺將成為產業新常態的推力;二是全球產業智慧化發展趨勢的拉力。
工具機的高精度水平,除了機台各個組成的關鍵元件與次系統的相對應精度外,各部分之間的相互匹配是整機精度的關鍵核心要素;各個組成的性能匹配調整,又稱為調機,是工具機機電整合關鍵的技術之一。工具機調機技術中,循圓軌跡誤差的調整是工具機生產技術中很關鍵的一環;一般而言,循圓軌跡誤差調整是工具機機台在出廠前伺服系統調整(tuning)最後的關鍵步驟之一,攸關整機台的良率與品質。循圓軌跡調整通常是以DBB(double ball bar,雙軸球桿儀)或其他圓軌跡量測儀器作輔具,可以得知伺服軸最末端的移動誤差,同時量測機器的幾何問題與伺服動態問題。本研究目的是導入新銳的人工智慧技術,以智能化的流程建立參數調整的標準步驟,來取代原本依靠操作人員花費大量的工時與人力的調整方式,建立最佳化演算法結合預測模型之智能化調整架構。
This paper introduces an application of artificial intelligence (AI) using neural network predictor and the particle swarm optimization (PSO) algorithm with a hybrid objective function. The proposed AI application provides suitable control system parameters for the users, to satisfy different circular testing tuning requirements, such as accuracy and smooth movement. First, the key computer numeric control (CNC) parameters are selected and the actual trajectories under different parameter settings obtained by double ball bar are collected. These data were analysed to obtain circularity and revers-spike. Second a data-driven approach using AI is established to obtain the corresponding relationship between the machine parameters and three aforementioned performance indices. Subsequently, to establish the AI system, we combined trained neural network model and establish a hybrid objective function optimization problem solved by PSO algorithm according the specific requirement of user. Finally the performance and the effectiveness of the proposed AI system is demonstrated experimentally by practical circular testing.
[1] 新代科技股份有限公司,尖角补偿功能说明文件,
[Available]: https://www.syntecclub.com/Document.aspx
[2] 台達電子工業股份有限公司,ASDA-A2使用手冊,
[Available]: https://downloadcenter.deltaww.com/downloadCenterCounter.aspx?DID=3948&DocPath=1&hl=zh-TW
[3] 劉信宏。「CNC高速高精伺服控制之分析與研究」。碩士論文,大華科技大學機電研究所,2014。.
[4] 蘇立凱。「CNC控制器與切削最適化參數調整之研究」。碩士論文,國立勤益科技大學機械工程系,2011。
[5] 洪忠義。「改良式迭代學習控制算法與交叉耦合控制應用於輪廓誤差之改善」。碩士論文,國立高雄應用科技大學電機工程系博碩士班,2014。
[6] 陳泓睿。「參數式曲線之輪廓誤差估測研究」。碩士論文,國立成功大學電機工程學系,2014。
[7] 汪曙峰。「循跡運動精度改善之探討」。碩士論文,國立成功大學電機工程學系碩博士班,2006
[8] 顏仲良。「開發具有反覆學習控制演算法之高精度CNC運動控制器」。博士論文,國立中正大學機械工程學系暨研究所,2012。
[9] 陳明杰。「應用反覆控制於輪廓預測控制之效能改良」。碩士論文,國立臺灣科技大學機械工程系,2014。
[10] 高順利。「應用灰預測迭代學習控制於交叉耦合控制系統之設計」。碩士論文,國立高雄應用科技大學電機工程系博碩士班,2015。
[11] 陳麒文。「應用AI於伺服運動控制器之增益最佳化」。碩士論文,國立成功大學電機工程學系,2020。