W swojej pracy badawczej podjąłem się nowatorskiego zadania, dotyczącego wykorzystania teorii sztucznej inteligencji, do adaptacyjnego sterowania maszynami CNC (Computerized Numerical Control ).

W układach sterowania maszyn numerycznych CNC istnieje możliwość zmniejszenia błędów odzwierciedlenia zadanej trajektorii ruchu oraz poprawienia dokładności wykonania elementów obrabianych poprzez kompensację położenia zdanego. W proponowanym rozwiązaniu użyje się neuronowego modelu obiektu regulacji oraz sterowania predykcyjnego w celu minimalizacji błędu odzwierciedlenie zadanej trajektorii ruchu w czasie eksploatacji maszyny.

Dokładne odzwierciedlenie zadanej trajektorii ruchu elementu wykonawczego jest podstawowym problemem w wieloosiowych maszynach sterowanych numerycznie. Czynnikami wpływającymi negatywnie na uzyskanie dokładnego odzwierciedlenia zadanej trajektorii ruchu są: opory ruchu - zjawisko tarcia nieliniowego, sprężystości elementów mechanicznych, zużycie maszyn, itp. Minimalizacja błędów odzwierciedlenia zadanej trajektorii ruchu elementu wykonawczego realizowana może być w samym układzie sterowania maszyny wieloosiowej. Podstawą poprawnej minimalizacji błędów jest dobra znajomość parametrów statycznych i dynamicznych maszyny wieloosiowej. W warunkach przemysłowych jest to o tyle trudne, gdyż w procesie obróbki pojawiają się trudne do identyfikacji zakłócenia, które wpływają na zmianę tych parametrów. W wielu przypadkach dobór właściwych parametrów ruchu maszyny jest dokonywany jednorazowo (etap uruchamiania i testowania maszyny).

Proponowany algorytm sterowania zaprojektowano dla maszyn wieloosiowych o zespołach osi mechanicznych w układzie kartezjańskim. Zakłada się, że parametry dynamiczne i statyczne układu regulacji są nieznane. Pomiar położenia i prędkości dokonywany jest na wale silnika.

W proponowanym układzie sterowania wykorzystano sterowanie predykcyjne. W strukturze algorytmu jako nieliniowego estymatora stanu obiektu regulacji zastosowano sztuczną sieć neuronową typu NARX. W celu znalezienia wartości minimalnej funkcji kryterialnej jakości sterowania wykorzystano algorytm optymalizacji rojem cząstek. Model neuronowy oraz struktura regulacji będą częścią bloku Kompensatora Trajektorii Zadanej.

W wyniku realizacji pracy doktorskiej zostanie opracowany uniwersalny i tani układ sterowania numerycznego maszyn wyposażony w sztuczną inteligencję, poprawiający dokładność obróbki, możliwy do stosowania w obrabiarkach sterowanych numerycznie, w wieloosiowych maszynach manipulacyjnych i wielu różnych urządzeniach technologicznych. Opracowana strategia sterowania nadawać się będzie do obiektów, w których parametry dynamiczne i statyczne układu regulacji nie są znane.

do góry