优化分数阶PID控制用于铣削过程中柔性悬臂梁再生振动抑制：一种遗传算法方法

《Mathematical and Computational Applications》：Optimized Fractional-Order PID Control for Regenerative Vibration Mitigation in Flexible Cantilever Beam During Milling: A Genetic Algorithm Approach

　　

再生振动是铣削过程中柔性悬臂结构的主要障碍，会导致刀具寿命缩短和表面光洁度降低。在本研究中，通过数值建模，使用压电（PZT）致动器/传感器贴片，直接比较了两种主动控制方法：遗传算法（GA）优化的经典比例-积分-微分（PID）控制器和GA优化的分数阶PID（FOPID）控制器，用于铣削相关的再生力作用下的柔性悬臂梁。创新之处在于将分数阶控制与基于遗传算法的优化协同结合，以主动减少颤振并提高柔性铣削系统的加工稳定性。GA-FOPID控制器的仿真结果显示，与开环系统相比，振动减少了约92.70%，均方根（RMS）值从1.5058×10^?4 m降至1.0996×10^?5 m。通过降低振动水平并扩大预测的稳定加工区域，这些改进可能有助于延长刀具寿命、改善表面光洁度并减少后处理需求，尽管这些技术效益并未在本研究中直接建模。本研究的主要创新在于将分数阶控制、PZT致动和遗传算法优化在再生铣削延迟架构中进行独特组合。根据研究人员在本工作中调查的文献，据研究人员所知，这种技术组合此前尚未被报道用于主动颤振抑制。在单模态近似下（作为五种研究配置进行同类比较的参考框架）进行的稳定性叶瓣图（SLD）分析表明，在代表性主轴转速下，临界轴向切深从开环系统的a_p,crit(1500) = 0.061 mm增加到GA-FOPID控制下的0.52 mm。当结构模型扩展到包括接下来的两个弯曲模态时，预测稳定加工区域的这种扩大在可比量级上得到进一步确认，表明该趋势并非单模态简化的伪影。因此，尽管结果完全来自数值模拟且尚未经过实验验证，但它们支持使用基于优化的方法来实现FOPID策略，作为提高柔性铣削配置可靠性和性能的手段。

**论文解读：基于遗传算法优化分数阶PID控制的柔性悬臂梁铣削再生振动抑制研究**

**研究背景与问题**
航空航天工业广泛采用高速铣削加工薄壁构件，这些构件刚度低，易引发自激振动（即颤振）。再生颤振源于刀具与工件动态相互作用导致的相位滞后，形成自激反馈回路，造成表面质量下降、刀具磨损加剧、切削力增大及几何精度降低，进而增加生产成本、降低效率。尽管已有被动和主动振动控制策略，但被动方案存在局限性，而主动控制如线性二次型高斯（LQG）和H_∞技术虽有效，但传统整数阶PID控制器在处理复杂非线性动态时能力不足。分数阶PID（FOPID）控制器因其额外调参自由度而受到关注，但将其与遗传算法（GA）优化及压电（PZT）致动器集成用于柔性铣削系统的再生颤振抑制，并同时考虑再生延迟动态和稳定性叶瓣图（SLD）分析的研究尚属空白。因此，本研究的目的是开发并比较GA优化PID与GA优化FOPID两种主动控制方法，以抑制铣削过程中柔性悬臂梁的再生振动，提高加工稳定性。该论文发表在《Mathematical and Computational Applications》。

**研究内容与结论**
研究人员建立了基于Euler–Bernoulli梁理论的柔性悬臂梁动力学模型，并引入Altintas线性机械切削力模型描述再生切削力，考虑半浸入式铣削条件。采用压电（PZT）致动器/传感器贴片，通过数值模拟在MATLAB/Simulink环境中实现闭环控制。通过遗传算法（GA）优化PID和FOPID控制器的参数，目标函数为综合时间加权绝对误差（ITAE）、积分平方误差（ISE）和控制力惩罚的加权标量函数。研究结果揭示了GA-FOPID控制器在振动抑制方面优于经典PID、FOPID及GA-PID控制器，实现了约92.70%的RMS振动降低，并将临界轴向切深（a_p,crit）从开环的0.061 mm提升至0.52 mm（单模态近似），扩大了稳定加工区域。进一步的三模态验证表明该趋势非单模态简化伪影，确认了控制器的有效性。该研究的重要意义在于首次将分数阶控制、PZT致动与GA优化结合于再生铣削延迟架构中，为柔性铣削系统的主动颤振抑制提供了新的系统性方法。

**关键技术方法**
研究人员采用的主要关键技术方法包括：1）基于Euler–Bernoulli梁理论的模态分析法，构建柔性悬臂梁的动力学模型，并利用PZT致动器/传感器贴片实现近共位配置（致动器位于梁根部0–25 mm，传感器位于38–50 mm），以增强对一阶弯曲模态的可控性和可观测性；2）基于Altintas线性机械切削力模型，建立考虑再生时间延迟τ的切削力表达式，并采用零阶近似（单频率法）计算稳定性叶瓣图（SLD）；3）采用遗传算法（GA）进行离线优化，对PID和FOPID控制器的五个参数（K_P、K_I、K_D、λ、μ）进行寻优，目标函数综合了时间加权绝对误差（ITAE）、积分平方误差（ISE）和致动器电压惩罚项；4）采用Oustaloup递归近似（五阶）实现分数阶算子s^?λ和s^μ的有限维有理传递函数，用于时间域仿真。所有数值模拟在MATLAB/Simulink环境中进行，采用固定步长Runge–Kutta（ode4）求解器，采样周期为10^?6 s。

**研究结果**
**4.1 仿真环境与系统规格**：采用6061-T6铝合金梁（尺寸131.4 mm × 20 mm × 2 mm），PZT参数来自文献[16]，切削参数代表高速加工铝合金标准。非优化PID基线通过Ziegler–Nichols方法及根轨迹分析确定，FOPID基线通过启发式搜索获得。

**4.2 位移响应（PID与FOPID控制）**：通过时间域响应比较，PID控制器将振动幅度降低约37.41%，而FOPID控制器进一步降低RMS值，效果优于PID，归因于分数阶参数λ和μ提供的额外调谐灵活性。

**4.3 GA优化PID与FOPID控制器实现**：采用GA优化，种群大小60，最大代数25，停止准则为10代无改进。GA-PID控制器将RMS从开环的1.5058×10^?4 m降至1.4982×10^?5 m（降低90.05%），GA-FOPID控制器降至1.0996×10^?5 m（降低92.70%）。致动器电压分析表明，GA优化控制器避免了饱和，GA-FOPID具有最低RMS电压（70.66 V）和最小电压平方控制力（9987.43 V²·s）。

**4.4 频域分析与结果**：快速傅里叶变换（FFT）显示，GA-FOPID将主导频谱分量（约100 Hz，对应齿通过频率）从开环的159.7 μm降至11.7 μm，频响函数（FRF）也证实其最低动态柔度。

**4.5 稳定性叶瓣图（SLD）**：采用单模态近似，在代表主轴转速1500 rpm下，开环临界轴向切深a_p,crit=0.061 mm，PID提升至0.231 mm，FOPID至0.324 mm，GA-PID至0.346 mm，GA-FOPID至0.52 mm。三模态验证显示，开环降至0.023 mm，GA-FOPID升至0.57 mm，确认控制器扩大稳定区域的效果。

**4.6 自激再生不稳定性验证**：通过希尔伯特变换提取振动包络，计算指数增长率σ。开环系统在名义工况下σ=3.29 s^?1，确认再生颤振特性。在临界切深边界两侧（0.8a_p,crit和1.2a_p,crit）的仿真中，开环和GA-FOPID闭环均呈现σ符号翻转，验证了SLD计算的准确性。

**4.7 操作灵敏度分析**：在七种不同加工配置（变刀具直径、切削参数、主轴转速、切削力系数、阻尼比）下，固定控制器参数而不重新调优。GA-FOPID在所有配置中均保持最低RMS位移（平均12.29 μm）和最高平均抑制率（91.83%），且90%分位数RMS仅14.81 μm，表明其低敏感性和鲁棒性。

**讨论与结论**
**讨论**：GA-FOPID控制器通过额外分数阶参数λ和μ提供了更好的闭环动态特性，实现了更优的干扰抑制和振动衰减。尽管GA-PID和GA-FOPID的搜索空间不同（FOPID域更宽且包含两个分数阶），但GA-FOPID在性能上仍占优。数值模型基于线性化假设（如Euler–Bernoulli梁理论、忽略过程阻尼），适用于当前研究条件但需注意非线性工况。GA优化为离线进行，适合工业CNC应用。致动器电压分析表明，GA-FOPID控制器在商用PZT驱动放大器电压范围内可行，但需实验验证。与类似研究（如Ding等[13]、Soufi等[14]）相比，本研究提出的GA-FOPID框架在RMS降低（92.70%）和临界切深提升（0.52 mm）方面更好，但需注意不同结构、致动器和切削条件的差异。操作灵敏度分析证实了GA-FOPID在多种工况下的低敏感性。

**结论**：本研究提出了一种基于遗传算法优化的分数阶PID（FOPID）控制器的主动振动控制策略，用于柔性工件铣削过程。通过Euler–Bernoulli梁理论构建工件模型，并考虑再生延迟依赖的切削力。利用分数阶PID控制器的额外调谐灵活性，增强了闭环稳定性及对再生振动和过程动态不确定性的鲁棒性。数值仿真结果表明，GA-FOPID控制器在振动阻尼方面优于经典PID、FOPID和GA-PID。在代表性主轴转速1500 rpm下，单模态近似下临界轴向切深从开环的0.061 mm增加到0.52 mm，三模态模型下从0.023 mm增加到0.57 mm。因此，所提出的GA-FOPID控制器改善了铣削过程的预测颤振抑制和动态稳定性，有望提升整体生产能力。所有结果基于数值模拟，需实验验证。未来工作包括实验验证、蒙特卡洛鲁棒性分析以及混合优化方法（如GA与机器学习结合）的探索。