一种用于电火花磨削加工的电极间隙控制方法

摘要

本发明提出一种用于电火花磨削加工的电极间隙控制方法，属于电加工领域。该方法对加工对象进行PID参数整定实验，记录每一次实验的PID控制参数及控制效果，并确定PID控制参数的基础值；设定一组模糊控制参数分别对应的的论域，模糊子集以及模糊规则；利用设定结果，对加工对象进行多次重复电火花磨削加工实验，选择一组电压波动最小的实验数据，使用聚类算法对该次加工实验采集到的所有输入量数据点进行聚类优化，分别得到优化后模糊控制参数中电压偏差和电压偏差变化率的论域和模糊子集，用于电火花磨削加工。本发明引入聚类算法，对模糊控制参数的模糊子集等进行优化，使得控制方法的设计受到人为主观的影响减小，节约成本。

权利要求

1.一种用于电火花磨削加工的电极间隙控制方法，其特征在于，该方法包括以下步骤：

1)选定加工对象为导电材料，对加工对象进行N次PID参数整定实验，N≥10，每次实验得到一组对应的PID控制参数包括：比例系数Kp、积分系数Ki和微分系数Kd，记录每一次实验过程中的各个控制参数值及对应的由电压波动和超调组成的控制效果；确定一组电压波动小于设定电压阈值且超调小于设定超调阈值的PID控制参数分别作为三个控制参数的基础值；

2)根据步骤1)得到的每次实验记录的控制参数值，以及每个控制参数的基础值，设定一组模糊控制参数分别对应的的论域和模糊子集，所述模糊控制参数包括：电压偏差e、电压偏差变化率ec、Kp的微调量ΔKp、Ki的微调量ΔKi以及Kd的微调量ΔKd，并设定ΔKp、ΔKi、ΔKd的模糊规则；

3)利用步骤2)设定的结果，对步骤1)选定的加工对象进行3-5次重复电火花磨削加工实验，采集每次加工实验数据包括：一组输入量 和对应的输出控制量 其中，u表示电极移动速度，i表示加工实验的序号，j表示每次加工实验的采样点序号，采样点总数为加工时间除以采样周期，记录每次加工实验的电压波动数据；

4)根据步骤3)得到的加工实验数据，选择一组电压波动最小的数据，使用聚类算法对该次加工实验采集到的所有输入量数据点 进行聚类优化，将聚类中心设置为新的模糊子集，将数据点的边界设置为新的论域，分别得到优化后e、ec的论域和模糊子集，并用优化后e、ec的论域和模糊子集替换步骤2)设定的e、ec的论域和模糊子集；

5)利用步骤4)得到的经过优化的e、ec的论域和模糊子集，和步骤2)设定的ΔKp、ΔKi、ΔKd的论域和模糊子集以及模糊规则，通过模糊PID控制方法，实现对步骤1)选定的加工对象的电火花磨削加工的电极间隙控制。

说明书

一种用于电火花磨削加工的电极间隙控制方法

技术领域

[0001] 本发明属于电加工领域，特别是涉及一种用于电火花磨削加工的电极间隙控制方法。

背景技术

[0002] 电火花加工，是指在绝缘介质中，将工具电极和工件电极分别接上脉冲电源的正负极，由电源产生的高频脉冲电压使得介质被击穿，并产生局部高温，从而熔化工件，蚀除金属的一种加工方法。由于电火花加工不存在切削力，因此加工过程不受工件硬度、韧性等影响，可以运用在高硬度材料的高效加工上。

[0003] 放电加工中，一个很关键的因素是电极间隙(工具电极和工件电极之间的最小距离)，想要获得较高的精度、效率和表面质量，就需要保持均匀，稳定的小间隙。目前经典PID(比例-积分-微分)闭环控制在电火花加工领域仍然是运用最广的一种电极间隙控制方法，理论及应用已经相当成熟，即根据给定电压与实际输出电压的偏差，计算出偏差比例、积分、微分经过线性组合得到的控制量(设定速度u)，从而对控制对象(一般指工具电极)与对加工对象的间隙进行控制。其优势在于，若控制对象容易被建模，则可通过理论计算推导出明确的PID控制参数(包括比例系数Kp，积分系数Ki和微分系数Kd)；若控制对象难以建模，则可以通过现场调试整定比例、积分、微分系数，只要对象的线性度较好，总可以得到一组控制效果较好的PID参数。

[0004] 然而，对于电火花加工这种线性度较差且难以建模的系统来说，通过整定一组PID参数很难实现全程稳定控制。因此，出现了将模糊控制运用到PID参数的在线调整上的电火花电极间隙控制方法。但是目前该方法需要有丰富经验的专业人员对模糊控制参数进行设计，特别是需要通过人工经验或者大量实验，总结给出各输入量(e、ec等)的隶属度函数，不可避免附加主观因素，而且不具有特定工件的针对性，不能良好地适应某种特定产品的加工过程。

[0005] 图1给出了一般的模糊PID控制方法框图，包括：PID控制模块、模糊控制模块和电压检测模块。每个采样时刻，模糊控制模块通过将输入的根据被控量(由电压检测模块采集得到的反馈电压V)和参考值(参考电压S，此值根据工程经验设定)进行比较得出的e(电压偏差)、ec(电压偏差变化率)进行模糊化(根据e、ec及其论域，模糊子集，模糊隶属度表得出模糊量E、EC)、模糊推理(根据表1、表2、表3的模糊规则进行推理，即由E、EC查得ΔKP、ΔKI、ΔKD，其中NB、NM、NS、PS、PM、PB分别表示负大、负中、负小、正小、正中、正大)和去模糊化(根据ΔKP、ΔKI、ΔKD的论域、模糊子集、模糊隶属度表得出精确量ΔKp、ΔKi、ΔKd)，得到PID控制参数Kp、Ki、Kd的微调量ΔKp、ΔKi、ΔKd，并将上述微调量叠加到对应的PID控制参数Kp、Ki、Kd中，达到在线动态地调整PID控制参数的目的。然后利用上述经过动态调整的PID控制参数，结合输入的e、ec，输出该时刻的控制量u(电极移动速度)并发送给电极，如此循环，实现电火花电极间隙控制。以上方法的不足之处在于：自变量(e、ec)的模糊子集(自变量模糊化时取值的集合)由人工通过经验或者大量实验总结给出，容易附加主观因素，而且不具有特定工件的针对性，不能良好地适应某种特定产品的加工过程。

[0006] 表1ΔKP模糊控制规则表

[0007]

[0008] 表2ΔKI模糊控制规则表

[0009]

[0010] 表3ΔKD模糊控制规则表

[0011]

发明内容

[0012] 本发明的目的是为克服已有技术的不足之处，提出一种用于电火花磨削加工的电极间隙控制方法。该方法在离线状态下利用数据挖掘方法提取信息，对模糊PID控制的模糊子集等进行优化，从而使得控制方法的设计受到人为主观的影响减小，更加适应特定材料的重复性电火花加工过程，同时也节约了成本。

[0013] 本发明提出的一种用于电火花磨削加工的电极间隙控制方法，其特征在于，该方法包括以下步骤：

[0014] 1)选定加工对象为导电材料，对加工对象进行N次PID参数整定实验，N≥10，每次实验得到一组对应的PID控制参数包括：比例系数Kp、积分系数Ki和微分系数Kd，记录每一次实验过程中的各个控制参数值及对应的由电压波动和超调组成的控制效果；确定一组电压波动小于设定电压阈值且超调小于设定超调阈值的PID控制参数分别作为三个控制参数的基础值；

[0015] 2)根据步骤1)得到的每次实验记录的控制参数值，以及每个控制参数的基础值，设定一组模糊控制参数分别对应的的论域和模糊子集，所述模糊控制参数包括：电压偏差e、电压偏差变化率ec、Kp的微调量ΔKp、Ki的微调量ΔKi以及Kd的微调量ΔKd，并设定ΔKp、ΔKi、ΔKd的模糊规则；

[0016] 3)利用步骤2)设定的结果，对步骤1)选定的加工对象进行3-5次重复电火花磨削加工实验，采集每次加工实验数据包括：一组输入量 和对应的输出控制量 其中，u表示电极移动速度，i表示加工实验的序号，j表示每次加工实验的采样点序号，采样点总数为加工时间除以采样周期，记录每次加工实验的电压波动数据；

[0017] 4)根据步骤3)得到的加工实验数据，选择一组电压波动最小的数据，使用聚类算法对该次加工实验采集到的所有输入量数据点 进行聚类优化，将聚类中心设置为新的模糊子集，将数据点的边界设置为新的论域，分别得到优化后e、ec的论域和模糊子集，并用优化后e、ec的论域和模糊子集替换步骤2)设定的e、ec的论域和模糊子集；

[0018] 5)利用步骤4)得到的经过优化的e、ec的论域和模糊子集，和步骤2)设定的ΔKp、ΔKi、ΔKd的论域和模糊子集以及模糊规则，通过模糊PID控制方法，实现对步骤1)选定的加工对象的电火花磨削加工的电极间隙控制。

[0019] 本发明的特点及有益效果在于：本发明通过引入聚类算法，对模糊PID控制的模糊子集等进行优化，从而使得模糊PID控制方法的设计受到人为主观的影响减小，更加适应特定材料的重复性电火花加工过程。本发明通过聚类能让尽可能少的点出现在输入变量模糊区间的交界处，让输出变量尽可能少的落在跳变点附近，从而减少输出信号的波动，使整个模糊PID控制方法更加稳定。同时由于该方法降低了对操作人员设计模糊控制模块的要求，因此也节约了成本。

附图说明

[0020] 图1为一般的模糊PID控制方法结构框图。

[0021] 图2为本发明一种用于电火花磨削加工的电极间隙控制方法的整体流程图。

[0022] 图3为本发明实施例使用Matlab进行聚类优化的加工实验数据点及聚类结果示意图。

[0023] 图4为本发明实施例经过聚类算法优化前后e论域的模糊子集分布示意图。

[0024] 图5为本发明实施例经过聚类算法优化前后ec论域的模糊子集分布示意图。

具体实施方式

[0025] 本发明提出的一种用于电火花磨削加工的电极间隙控制方法，以下结合附图和具体实施例进一步详细说明如下。

[0026] 本发明的依据为：一般按照放电电压波形将电火花放电状态分为5种情况，分别为开路、火花放电、过度电弧、电弧、短路。为了控制放电过程尽可能处于火花放电状态，即电极间隙处于一定的范围内，一般采用平均电压来表示电火花电极间隙的大小。因此，只需控制平均电压在一定范围内即可控制放电状态。

[0027] 针对电火花磨削特定材料时的加工过程进行研究，其特点是：针对同一种材料的重复加工中，工艺经验是可重复的，所以可以通过数据挖掘技术从已知数据中，挖掘模糊控制的参数。因此，针对电火花磨削加工领域，本发明提出了一种在离线状态下，利用数据挖掘等方式提取信息，利用相同工况下的实验数据，进行离线的数据挖掘，从而确定模糊控制的参数，用于PID控制参数的在线整定，提高电极间隙的控制精度。

[0028] 本发明提出的一种用于电火花磨削加工的电极间隙控制方法，整体流程如图2所示，包括以下步骤：

[0029] 1)选定加工对象(加工对象为导电材料，本实施例采用聚晶金刚石)，对加工对象进行若干次通用PID参数整定实验(例如现场试凑法等)，每次实验得到一组对应的PID控制参数包括：Kp(比例系数)、Ki(积分系数)和Kd(微分系数)，记录每一次实验过程中的各个控制参数值及对应的控制效果(电压波动和超调)(实验次数一般在10次以上)；确定一组控制效果最好，即电压波动小于设定电压阈值(本实施例为波动小于100V)且超调小于设定超调阈值(本实施例为超调小于50V)的PID控制参数(包括Kp、Ki、Kd)分别作为三个参数的基础值；

[0030] 2)根据步骤1)得到的每次实验记录的控制参数值，以及每个控制参数的基础值，设定一组较为合适(本实施例的取值见下面的实施例部分)的模糊控制参数分别对应的的论域和模糊子集，所述模糊控制参数包括：电压偏差e、电压偏差变化率ec、PID控制参数Kp、Ki、Kd分别对应的微调量ΔKp、ΔKi、ΔKd；所述较为合适的论域是指在步骤1)得到的PID控制参数基础值下输入参数e、ec波动范围在论域内且输出参数ΔKp、ΔKi、ΔKd的论域内PID控制效果与控制参数基础值对应的控制效果相差10％以内，所述较为合适的模糊子集通常将论域平均划分得到，并设置ΔKp、ΔKi、ΔKd的模糊规则(分别如表1、表2、表3所示)。

[0031] 3)利用步骤2)设定的结果，对步骤1)中所述加工对象进行3-5次重复电火花磨削加工实验(所述电火花磨削加工实验采用传统的模糊PID控制方法)，采集每次加工实验数据包括：一组模糊控制的输入量 和对应的输出控制量 其中，u表示电极移动速度，i表示加工实验的序号，j表示每次加工实验的采样点(即电压检测装置检测电压的输出值)序号(本实施例中采样周期为4ms，即总的采样点数为加工时间除以4ms)；

[0032] 4)根据步骤3)得到的加工实验数据，选择一组电压波动最小(即稳定加工部分的采样点序列 波动最小)的数据 使用数据挖掘方法中的聚类算法(本实施例采用K-means算法)对该次加工实验的数据采集到的模糊控制的输入量 进行聚类优化，将聚类中心设置为新的模糊子集，将数据点的边界设置为新的论域，分别得到优化后e、ec的论域和模糊子集，并用聚类优化后e、ec的论域和模糊子集替换步骤2)设定的e、ec的论域和模糊子集(本实施例中聚类过程如图3所示，其中“+”表示一组实验数据点，“●”表示聚类中心，也即优化后的模糊子集)；

[0033] 5)利用步骤4)得到的经过优化的e、ec的论域和模糊子集，和步骤2)设定的ΔKp、ΔKi、ΔKd的论域和模糊子集以及模糊规则，实现对步骤1)选定的加工对象的电火花磨削加工的电极间隙控制。

[0034] 最终的工作过程是：在电火花磨削加工中，利用步骤4)得到的经过优化的e、ec的论域和模糊子集，和步骤2)设定的ΔKp、ΔKi、ΔKd的论域和模糊子集以及模糊规则，通过模糊PID控制方法，每个采样时刻，通过将输入的e、ec进行模糊化、模糊推理和去模糊化，得到PID控制参数Kp、Ki、Kd分别对应的该时刻的微调量ΔKp、ΔKi、ΔKd，并叠加到PID控制参数Kp、Ki、Kd中。然后利用上述经过动态调整的PID控制参数，再结合输入的e、ec输出该时刻的控制量u并发送给电极，实现电火花电极间隙控制；然后在下一个采样时刻，重复此过程。本发明通过将聚类中心设置为模糊子集，将数据点的边界作为论域，从而对模糊控制参数进一步优化，使控制效果达到优化的效果。

[0035] 所述步骤4)中，聚类算法对得到的数据点进行处理，形成若干个聚合类，并由此得到e、ec的模糊子集，从而对步骤2)设定的e、ec的模糊子集进行优化(即在图1中，模糊控制的参数又使用了聚类算法来优化选择)，得到控制性能更好的模糊控制参数。

[0036] 一般来说，模糊控制输入参数e、ec的维数越多，系统的动态性能越好，但由此带来的运算量所消耗的成本较大，因此三维及以上的模糊控制很少使用。本实施例采用的是二维模糊控制(即e、ec两个输入量的模糊控制)。其输入是反馈电压相对于参考电压的差值e及其变化率ec，经过模糊化成为模糊量E、EC，由模糊控制规则推理得到模糊输出ΔKP、ΔKI、ΔKD，最后进行去模糊化得到精确的输出ΔKp、ΔKi、ΔKd。

[0037] 一般地，模糊控制的自变量论域及模糊子集都是人们根据经验或者大量实验结果给出的，这就给操作人员提出了一定的要求。而且，一般设计出的模糊子集都是对称的，而从图3可看出，在电火花放电的实验过程中，偏差数字量(e)明显呈现出不对称的情况。因此，本发明方法提出一种可以根据实际情况调整的确定模糊子集的方法。在本方法的步骤4)采用聚类算法对得到的数据点进行处理的实施例采用了一种K-means聚类算法使得上述过程得以实现，具体操作过程是，采用步骤2)得到的初步的模糊PID控制参数进行实验，并收集e、ec的数据，将一组(e，ec)作为一个数据点，选取接触工件后的加工段部分的数据点进行聚类，分别在e为正值，e为负值，ec为正值，ec为负值四个区间各选两个聚类中心，进行聚类，聚类完成后的这些点作为e与ec的模糊子集(聚类结果如图3中圆点所示)。

[0038] 根据上述聚类结果，结合图3可重新选定e、ec的论域和模糊子集。聚类前后输入变量的隶属度函数均选取三角形分布，图4和图5给出了本实例中聚类优化前后自变量论域的模糊子集分布。可见，此时的隶属度函数呈现出不对称的状态，符合了此加工过程的实际情况。

[0039] 于本发明的较佳实施例中，算法应用的对象是电火花重复加工过程，正是由于电火花加工刀刃过程的重复性，即每次加工一个刀刃的情况基本相同，因此，在离线状态下利用数据挖掘等方法提取信息，进行模糊子集等的确定是有效而且节约成本的。

[0040] 在本发明较佳实施例中，聚类算法的程序采用Matlab编写，将若干次实验的结果数据导入程序中进行分析即可得出所需的经过优化的e、ec的模糊子集，程序输出结果如图3所示。

[0041] 上述实施例仅例示性说明本发明的原理及其功效，而非用于限制本发明。任何本领域技术人员均可在不违背本发明的精神及范畴下，对上述实施例进行修饰与改变。因此，本发明的权利保护范围，应如权利要求书所列。

[0042] 实施例

[0043] 本发明的一个具体实施例采用的加工对象为聚晶金刚石(PCD)。聚晶金刚石是一种具有高硬度、高抗压强度、优良导热及耐磨特性的人造金刚石。由于其硬度很高，若采用一般的磨削方式加工，效率很低，因此目前广泛采用电火花加工的方式。

[0044] 本发明提出的一种用于电火花磨削加工的电极间隙控制方法，包括以下步骤：

[0045] 1)选定加工对象(本实施例采用聚晶金刚石)，对加工对象进行20次通用PID参数整定实验(本实施例采用现场试凑法)，每次实验得到一组对应的PID控制参数包括：Kp(比例系数)、Ki(积分系数)和Kd(微分系数)，记录每一次实验过程中的各个控制参数值及对应的控制效果(电压波动和超调)；确定一组控制效果最好，即电压波动小于设定电压阈值(本实施例为波动小于100V)且超调小于设定超调阈值(本实施例为超调小于50V)的PID控制参数(包括Kp、Ki、Kd)分别作为三个参数的基础值；

[0046] 本实施例得到的一组控制效果较好(即电压波动较小，超调小)的PID参数为：Kp＝0.008，Ki＝0，Kd＝0.004。注意：此处Ki为0，这是因为若Ki不为0，则由于刚开始加工的阶段电极长时间未接触工件或者加工过程中由于工件轮廓不平引起的长时间不放电，导致误差的长时间累积，从而使得进给速度总是达到最大，电极始终触碰工件造成短路。

[0047] 2)根据步骤1)得到的每次实验记录的控制参数值，以及每个控制参数的基础值，设定一组较为合适的模糊控制参数分别对应的的论域和模糊子集，所述模糊控制参数包括：电压偏差e、电压偏差变化率ec、PID控制参数Kp、Ki、Kd分别对应的微调量ΔKp、ΔKi、ΔKd；并设置ΔKp、ΔKi、ΔKd的模糊规则(分别如表1、表2、表3所示)。

[0048] 本实施例中，根据步骤1)确定的PID参数基础值下的(e，ec)的图像，预先选定e的论域为[-60，60]，模糊子集为{-60，-40，-20，0，20，40，60}(单位为V)，e论域的模糊子集分布如图4(a)所示；ec的论域为[-90，90]，模糊子集为{-90，-60，-30，0，30，60，90}(单位为V)，ec论域的模糊子集分布如图5(a)所示。而根据PID参数整定的实验过程可选定ΔKp的论域为[-0.003，0.003]，模糊子集为{-0.003，-0.002，-0.001，0，0.001，0.002，0.003}；ΔKd的论域为[-0.003，0.003]，模糊子集为{-0.003，-0.002，-0.001，0，0.001，0.002，0.003}。模糊规则根据经验设计给出，本实施例的模糊控制规则表如表1、表2、表3所示。

[0049] 3)利用步骤2)设定的结果，对步骤1)中所述加工对象进行3次重复电火花磨削加工实验(所述电火花磨削加工实验采用传统的模糊PID控制方法)，采集每次加工实验数据包括：一组模糊控制的输入量 和对应的输出控制量 其中，u表示电极移动速度，i表示加工实验的序号，j表示每次加工实验的采样点(即电压检测装置检测电压的输出值)序号(本实施例中采样周期为4ms，即总的采样点数为加工时间除以4ms)；

[0050] 4)根据步骤3)得到的加工实验数据，选择一组电压波动最小(即稳定加工部分的采样点序列 波动最小)的数据 使用数据挖掘方法中的聚类算法(本实施例采用K-means算法)对该次加工实验的数据采集到的模糊控制的输入量 进行聚类优化，将聚类中心设置为新的模糊子集，将数据点的边界设置为新的论域，分别得到优化后e、ec的论域和模糊子集，并用聚类优化后e、ec的论域和模糊子集替换步骤2)设定的e、ec的论域和模糊子集；

[0051] 本实施例中，选定的电压波动最小的数据 如图3中“+”所示，使用数据挖掘方法中的聚类算法(本实施例采用K-means算法)对该次加工实验的数据采集到的模糊控制的输入量 进行聚类优化，得到的聚类中心如图3中“●”所示，可重新选定e的论域为[-80，160]，模糊子集为{-80，-41.8000，-7.5532，0，41.3456，81.3034，160}(单位为V)，经过优化后，e论域的模糊子集分布如图4(b)所示；ec的论域为[-100，100]，模糊子集为{-100，-44.6445，-13.7905，0，13.3184，42.2529，100}(单位为V)，经过优化后，ec论域的模糊子集分布如图5(b)所示。

[0052] 5)利用步骤4)得到的经过优化的e、ec的论域和模糊子集，和步骤2)设定的ΔKp、ΔKi、ΔKd的论域和模糊子集以及模糊规则，通过模糊PID控制方法，实现对步骤1)选定的加工对象的电火花磨削加工的电极间隙控制。

[0053] 上述实施例用来解释说明本发明，而不是对本发明进行限制，在本发明的精神和权利要求的保护范围内，对本发明做出的任何修改和改变，都属于本发明的保护范围。