数控机床位置伺服系统在加工过程中受负载、摩擦和电路系统响应特性等因素影响,很难精确建立其加工过程动力学模型。针对批量零件加工过程中的重复执行过程,设计了一种数据驱动的无模型自适应迭代学习控制方案。该方案借助沿迭代轴的动态线性化方法,将数控机床位置伺服系统加工动力学过程等价转化成一个虚拟的迭代数据模型,并根据设计的迭代学习控制律和参数估计律构建数控机床位置伺服系统的无模型自适应迭代学习控制方案。仿真结果表明:该迭代学习控制方案基于数控机床重复运行的特点,仅利用位置和电机电流信息,完成了对零件加工过程的改善,提高了加工精度。

数控机床位置伺服系统受加工环境、零件形状和机床机电特性等变化因素的影响,其零件加工是一个典型的非线性、时变和不确定动力学变化过程,因此,建立其精确机制模型很困难。针对相同零件批量加工过程呈现的重复运行特点,基于被控对象的等价数据模型,提出一种基于数据驱动的自适应迭代学习控制方法。所提控制方法采用沿迭代轴的动态线性化方法,通过最小化控制目标函数,仅利用数控机床位置伺服系统的输入输出数据,实现学习控制增益的自适应更新,克服传统P型迭代学习控制方法固定增益的问题,并经过严格理论分析保证了该方法的收敛特性。仿真结果表明:提出的数据驱动自适应迭代学习控制方法,相比传统P型迭代学习控制方法,平均绝对误差和最大绝对误差分别减小了46%和56%。