簡易檢索 / 詳目顯示

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.

    目 錄 中文摘要 I ABSTRACT II INTRODUCTION III 致謝 VIII 目錄 X 表目錄 XII 圖目錄 XIII 第一章 緒論 1 1.1 研究動機 1 1.2 文獻回顧 3 1.3 研究目的 5 1.4 論文章節概要 6 第二章 循圓系統介紹 8 2.1 CNC工具機伺服控制系統組成 8 2.1.1工具機控制器 9 2.1.2工具機伺服驅動器 12 2.2 工具機的循圓軌跡介紹 15 2.2.1 循圓軌跡產生方式 15 2.2.2 工具機圓度軌跡檢測 16 2.2.3 循圓調整參數 20 2.2.4 循圓調整補償 22 2.3 傳統調機的挑戰與解決方案 23 第三章 循圓調整智能化方法 25 3.1 AI預測模型與最佳化演算法 25 3.1.1 類神經網路 26 3.1.2 最佳化粒子群演算法架構 30 3.2 模型化 33 3.3 完整智能化架構 35 第四章 實驗結果與比較 37 4.1實驗設計 37 4.1.1實驗平台介紹 37 4.1.2實驗流程 40 4.2 實驗過程 41 4.2.1資料收集 41 4.2.2資料預處理 41 4.2.3 機器學習模型訓練 46 4.2.4 智能化實驗結果 48 4.3 實驗總結 50 第五章 結論與建議 52 5.1 結論 52 5.2 未來發展建議 54 參考文獻 56   表目錄 表2.1位置迴路各增益對響應影響[2] 15 表2.2驅動器位置迴路增益[2] 21 表2.3新代控制器「尖角補償」設定參數[1] 21 表2.4輸出項目參數符號 22 表2.5輸入項目參數符號 23 表3.1獲選特徵 34 表3.2預測對象 34 表4.1機台軸向行程與馬達規格 38 表4.2量測實驗設計規格 41 表4.3部分資料數值 42 表4.4資料統計最大值結果 44 表4.5資料統計最小值結果 44 表4.6類神經網路超參數列表 47 表4.7部分資料數值 49 表4.8最佳化參數計算結果(四捨五入到整數) 50 表4.9實際機台的設定參數 50   圖目錄 圖1.1產業人力短缺將成為新常態 1 圖2.1 CNC機台的伺服系統 9 圖2.2 PC-Based 新代控制器 10 圖2.3控制器插補架構示意 10 圖2.4伺服驅動器整體控制迴路[2] 12 圖2.5簡化之控制迴路控制方塊 13 圖2.6位置迴路比例控制器迴路 13 圖2.7位置迴路前饋控制器迴路 13 圖2.8 圓軌跡形成示意 16 圖2.9三軸工具機工作平面 17 圖2.10雙球桿測試儀量測圓軌跡 18 圖2.11循圓軌跡量測成果示意圖 19 圖2.12循圓軌跡之伺服系統架構 20 圖2.13循圓軌跡傳統模型 22 圖2.14傳統調整流程 24 圖3.1 類神經網路示意圖 27 圖3.2各種資料集產生情形 28 圖3.3 模型訓練擬合曲線圖 30 圖3.4 PSO示意圖 31 圖3.5 PSO速度與位置更新示意圖 32 圖3.6 PSO 演算流程圖 33 圖3.7模型化流程 35 圖3.8循圓調整模型化結果 35 圖3.9智能化系統組成 36 圖4.1實驗機台TMS42 38 圖4.2測試儀架設於工作台上 39 圖4.3 Renishaw QC20回傳讀數所成之報表 39 圖4.4 實驗流程設計 40 圖4.5圓軌跡原始輸出資料概率密度分布情形 43 圖4.6資料分配方式 45 圖4.7機器學習模型測試方式 48 圖4.8所有網路預測結果 48 圖4.9智能化流程 49 圖5.1智能化架構 53 圖5.2 研究總結 54 圖5.3 研究未來發展建議 55

    [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。

    下載圖示 校內:立即公開
    校外:立即公開
    QR CODE