｜命令式疊代學習控制技術應用於多軸循跡運動之研究

摘要：本研究提出一命令式疊代學習控制架構，藉以提升多軸控制系統重複輪廓軌跡之追蹤性能以及降低輪廓誤差。此架構最大優點在於，在不改變CNC運動控制器架構下，可以透過疊代學習及更新命令來進一步提升系統性能。本文亦同時介紹三種形式的學習控制器：包含追蹤、輪廓以及混合追蹤及輪廓之命令式疊代學習控制器。最後，本文提出一P形式命令式疊代學習控制器結合零相位濾波器，並實現於配備工研院M100Touch控制系統的三軸銑床上，同時透過兩種不同NC路徑實驗來驗證本研究所提出之方法可提升原本機台輪廓精度達50%以上。

Abstract: In this study, a command-based iterative learning control (CBILC) architecture is proposed to improve tracking performance and reduce contour errors between repetitive contoured trajectories on multi-axis control systems. One of advantages is that it can further improve system performance by updating input commands iteratively without changing original CNC control architecture. Three kinds of learning controls including tracking, contouring and hybrid CBILC are introduced. Finally, a P-type CBILC with a zero-phase filter is implemented on a three-axis milling machine with the ITRI M100Touch controller. Experiments are performed to validate that the proposed method can improve contouring performance more than 50 % as compared with the original accuracy for two NC paths.

關鍵詞：疊代學習控制、輪廓誤差、快速輪廓誤差計算、零相位濾波器

Keywords：Iterative learning control, Contour error, Fast contour error computing, Zero-phase filtering

前言
對於固定製程的重複性工作，疊代學習控制可藉由每次輸出誤差來更新下一次的輸入命令，進一步提升控制器之追蹤性能以及加工精度。為了滿足3C及汽車產業的大量生產需求，國外高階控制器（如：FANUC）則多已內建智能化的學習功能，並將學習控制技術應用於CNC工具機的多軸循跡重複加工以及高速剛性攻牙上。

疊代學習控制（Iterative leaning control, ILC）之概念首先在1971年由M. Garden[1]於美國專利中提出，並在1978年M. Uchiyama[2]首先發表於論文中，針對重複性的工作進行疊代式學習來進一步提升追蹤性能，在工業上則主要應用於機器人夾持定位、塗料、焊接等工作[3,4]、射出成型機[5]、晶圓精密運動、原子力顯微鏡掃描[6]、工具機[7]等各種領域。傳統的疊代學習控制架構是透過更新輸出扭矩的方式來提升追蹤性能，該方法類似透過前饋控制的方式補償控制系統的伺服落後[8]；Tsai等人[9]則提出一命令式疊代學習控制架構，在不改變CNC控制器架構下，透過更新輸入命令的方式來提升性能，該演算法僅使用一P-type學習控制參數搭配零相位濾波器的頻寬設計，讓使用者能夠簡易地調整參數，非常適合應用於商用控制器上。Tsai[10]進一步針對追蹤以及輪廓誤差提出一混合式疊代學習控制器，該架構可依據追蹤以及輪廓誤差的加工精度需求於學習階段切換不同權重，藉以加快學習時的收斂速度。Barton等人[11]則提出一整合追蹤及交叉耦合疊代學習控制之架構，可以同時提升追蹤以及輪廓精度，並確保達到單調式收斂。接著再提出一最佳化時變疊代學習控制器[12]，用以提升轉角之輪廓性能，但此類疊代學習控制需要針對系統動態模型有深入之了解，並有許多參數矩陣（如:強健性、性能以及收斂速度權重等）須要調整，且該演算法必須耗費大量的記憶體空間，因此目前僅適合應用於數個單節且簡單的直線路徑。

本研究針對CNC工具機，提出一命令式疊代學習控制器來提升多軸輪廓軌跡運動的加工精度，並針對多軸循跡控制系統推導了單軸追蹤、輪廓以及混合式等三種命令式疊代學習控制演算法。最後，將命令式疊代學習控制演算法實現並嵌入於工研院GMC控制器內，並於工研院三軸銑床上驗證該演算法之可行性以及多軸輪廓循跡性能。此外，值得一提的是，此研究亦提出一快速輪廓誤差演算法（Fast contour error computing algorithm）取代過去文獻中所使用的即時輪廓誤差估測公式[13,14]，用來準確計算尖銳轉角或急加減速區域之輪廓誤差，可提升輪廓疊代學習演算法的運算性能。