本文關鍵詞：氣動柔順拋光工具系統(tǒng)開發(fā)與拋光邊緣效應研究，由筆耕文化傳播整理發(fā)布。

【摘要】：現代光學系統(tǒng)對非球面和自由曲面光學元件表面質量、加工精度和有效口徑等都有了更加嚴苛的要求。目前，高精度非球面和自由曲面光學元件的制造已經成為一個重大難題，且其生產效率和成本也成為衡量國家光學工業(yè)甚至制造業(yè)水平的一個重要標準。拋光工藝作為光學制造技術一道重要工序，往往直接決定光學曲面最終質量和使用壽命。由Preston方程可知，拋光力是拋光過程中重要的參數，對拋光后表面光潔度和面型精度都有重要的影響，所以為了實現工件表面確定性材料去除，需對拋光力進行精確控制。但當拋光工具經過工件邊緣時，由于邊緣效應的存在，導致整個表面質量降低。因此，本文將對拋光力控制以及邊緣效應進行相關研究。 在傳統(tǒng)拋光過程中，力控制往往是通過機床或機器人位控制來實現，這樣就導致了力位耦合問題。本文開發(fā)了一套氣動柔順拋光工具，并將其安裝在四軸精密數控機床上。拋光工具負責拋光力控制，而機床只負責位控制，也就形成了力位解耦控制，使得力控制變得相對簡單。 系統(tǒng)精確的數學模型有助于控制系統(tǒng)和控制策略的分析設計。傳統(tǒng)線性化建模過程中忽略了較多因素，因此難以獲得精確模型，而系統(tǒng)辨識法是一種根據所記錄的輸入輸出數據來選擇模型的“黑箱”建模法，，特別適用于像氣動伺服系統(tǒng)等復雜非線性系統(tǒng)模型的建立。本文將基于Matlab/Simulink實時工具箱RTW和研華PCI-1710U型數據采集卡搭建的實時系統(tǒng)平臺上進行了在線辨識實驗，通過辨識實驗獲得系統(tǒng)精確的數學模型，并利用驗證實驗來證明此模型的準確性。 在此實時系統(tǒng)平臺上，分別采用PID、前饋補償PID和單神經元自適應PID控制策略對恒力進行閉環(huán)控制實驗，實驗結果揭示了單神經元自適應PID控制策略在氣動恒力控制方面的優(yōu)越性�？紤]到氣動伺服系統(tǒng)強非線性、參數時變性以及旋轉的拋光主軸給力控制系統(tǒng)帶來更多不確定性，且實際拋光時拋光力往往需要變化，因此上述三種控制策略的控制效果可能并不太理想。由于神經網絡有很好的學習適應能力以及強非線性跟蹤性，同時恒力控制實驗已初步驗證了神經網絡算法更加適用于氣動系統(tǒng)的控制，因此本文設計了在線自整定神經網絡PID控制策略，并采用此策略對不同拋光轉速下的恒力和變力進行控制，力控制實驗驗證了該算法具有較強魯棒性和信號跟蹤能力，特別是在拋光力變化的時刻。此外，采用在線自整定神經網絡PID控制器對三反鏡拋光過程中拋光力進行控制，三反鏡表面拋光后效果進一步證明該控制策略的有效性。 考慮到Matlab/Simulink實時工具箱RTW具有和數據采集卡直接相連的接口，所以基于RTW和數據采集卡構建實時系統(tǒng)平臺的方法簡單易行且成本低。在此實時系統(tǒng)平臺上，控制系統(tǒng)設計研發(fā)、控制器仿真和現場測試都更便于實現，從而大大地縮短了控制系統(tǒng)開發(fā)時間。同時在線辨識實驗和力控制實驗也驗證了基于RTW和數據采集卡搭建的實時系統(tǒng)能夠滿足氣動伺服力控制系統(tǒng)對采樣頻率的要求。 實際拋光中，考慮到工件邊緣的特殊性，因此要實現工件整個表面確定性拋光，還需對邊緣效應進行研究。邊緣效應會降低光學元件表面質量，縮短其有效口徑，從而影響整個光學系統(tǒng)的分辨率和聚焦性。本文將從理論和實驗兩方面對邊緣效應進行分析，建立了不同軌跡下邊緣處材料去除模型，并對如何降低邊緣效應的影響進行了一些定性分析。
【關鍵詞】：光學曲面 氣動柔順拋光工具 RTW 在線辨識 拋光力 邊緣效應
【學位授予單位】：吉林大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：TH74
【目錄】：

• 摘要4-6
• ABSTRACT6-13
• 第1章 緒論13-21
• 1.1 課題來源13
• 1.2 課題研究背景及意義13-14
• 1.3 國內外相關技術研究現狀14-19
• 1.3.1 確定性拋光研究現狀14-16
• 1.3.2 自動化拋光設備研究現狀16-17
• 1.3.3 氣動伺服系統(tǒng)控制策略研究現狀17-19
• 1.4 論文主要研究內容19-21
• 第2章 氣動柔順拋光工具系統(tǒng)開發(fā)21-37
• 2.1 氣動柔順拋光工具機械結構22-25
• 2.2 氣動柔順拋光工具系統(tǒng)硬件構成及選型25-31
• 2.3 拋光力實時控制系統(tǒng)平臺開發(fā)31-36
• 2.3.1 拋光力實時系統(tǒng)工作原理32-33
• 2.3.2 拋光力實時系統(tǒng)搭建33-36
• 2.4 本章小結36-37
• 第3章 氣動伺服拋光力控制系統(tǒng)數學建模37-51
• 3.1 氣動伺服系統(tǒng)數學模型推導37-45
• 3.1.1 氣動動力機構數學模型38-41
• 3.1.1.1 氣缸活塞力平衡方程38-39
• 3.1.1.2 流量連續(xù)性方程39-40
• 3.1.1.3 電氣比例閥閥口流量方程40
• 3.1.1.4 氣動動力機構模型推導40-41
• 3.1.2 電氣比例閥數學模型41-45
• 3.1.2.1 閥芯力平衡方程41-42
• 3.1.2.2 質量流量連續(xù)性方程42-43
• 3.1.2.3 電氣比例閥模型推導43-45
• 3.1.3 氣動伺服系統(tǒng)總模型推導45
• 3.2 氣動伺服系統(tǒng)數學模型在線辨識45-49
• 3.2.1 系統(tǒng)辨識概述45-46
• 3.2.2 模型參數在線辨識實驗46-49
• 3.3 本章小結49-51
• 第4章 氣動拋光力實時控制策略研究51-79
• 4.1 拋光力 PID 閉環(huán)控制52-58
• 4.1.1 PID 控制原理52
• 4.1.2 數字 PID 控制52-54
• 4.1.2.1 位置式 PID 控制算法53
• 4.1.2.2 增量式 PID 控制算法53-54
• 4.1.3 拋光力 PID 閉環(huán)控制實驗54-57
• 4.1.3.1 PID 參數初值確定54-55
• 4.1.3.2 PID 控制實驗55-57
• 4.1.4 Kistler 驗證實驗57-58
• 4.2 拋光力前饋補償 PID 閉環(huán)控制58-59
• 4.2.1 前饋補償 PID 控制原理58
• 4.2.2 拋光力前饋補償 PID 閉環(huán)控制實驗58-59
• 4.3 拋光力單神經元自適應 PID 閉環(huán)控制59-63
• 4.3.1 有監(jiān)督的 Hebb 學習規(guī)則60
• 4.3.2 單神經元自適應 PID 控制原理60-61
• 4.3.3 拋光力單神經元自適應 PID 閉環(huán)控制實驗61-63
• 4.4 拋光力在線自整定神經網絡 PID 閉環(huán)控制63-78
• 4.4.1 在線自整定神經網絡 PID 控制算法63-66
• 4.4.2 神經網絡 PID 控制算法穩(wěn)定性分析66-69
• 4.4.3 在線自整定神經網絡 PID 控制實驗69-78
• 4.4.3.1 恒力控制69-70
• 4.4.3.2 變力控制70-78
• 4.5 本章小結78-79
• 第5章 邊緣效應研究79-101
• 5.1 考慮邊緣效應時拋光材料去除的研究79-89
• 5.1.1 接觸壓強分布模型80-85
• 5.1.1.1 線性模型80-81
• 5.1.1.2 Skin 模型81-83
• 5.1.1.3 線性 Skin 模型83
• 5.1.1.4 Divided skin 模型83-85
• 5.1.2 相對速度模型85-86
• 5.1.2.1 沿直線軌跡的相對速度模型85
• 5.1.2.2 沿曲線軌跡的相對速度模型85-86
• 5.1.3 材料去除廓形86-89
• 5.1.3.1 正交于直線軌跡的材料去除廓形87-88
• 5.1.3.2 正交于曲線軌跡的材料去除廓形88-89
• 5.2 材料去除實驗驗證及仿真分析89-100
• 5.2.1 拋光實驗條件89-90
• 5.2.2 實驗驗證及仿真分析90-100
• 5.2.2.1 沿直線軌跡的拋光實驗90-94
• 5.2.2.2 沿曲線軌跡的拋光實驗94-98
• 5.2.2.3 關于邊緣效應的討論分析98-100
• 5.3 本章小結100-101
• 第6章 結論101-103
• 參考文獻103-113
• 作者簡介及攻讀學位期間的主要研究成果113-115
• 致謝115-116

【參考文獻】

中國期刊全文數據庫 前10條

1 謝晉;阮兆武;;光學自由曲面反射鏡模芯的鏡面成型磨削[J];光學精密工程;2007年03期

2 史興寬，楊健，任敬心;控制力精密拋光裝置的設計與實驗研究[J];光學技術;1999年04期

3 楊福興;光學零件的超精密加工技術[J];航空制造技術;2004年05期

4 李小虎,杜彥亭,朱仁宗,董龍雷;基于補償原理的I-PD算法對氣動位置伺服系統(tǒng)的控制[J];機床與液壓;2004年01期

5 王燕波,包鋼,李軍,王祖溫;氣壓垂直伺服定位系統(tǒng)的實驗研究[J];機床與液壓;2004年05期

6 史永杰;鄭堤;胡利永;王龍山;;非球面件數控研拋力、研拋工具位置和姿態(tài)解耦技術[J];吉林大學學報(工學版);2012年01期

7 郎志;李成群;

本文編號：384448