1.一种基于时间序列的模糊PID控制算法动态热辅助方法,其特征在于,包括以下步骤:步骤S1:实时采集钻铆加工区域的温度数据;
步骤S2:将所述温度数据与工艺参数数据库中预设的当前材料组合温度阈值进行比对,计算温度偏差值及其变化率;
步骤S3:构建模糊推理规则库,基于模糊规则库根据温度偏差值及其变化率动态整定PID控制器的PID参数,PID参数包括比例系数、积分系数和微分系数;
步骤S4:根据整定后的PID参数生成控制信号,调节电磁感应加热装置的输出功率,从而对钻铆加工区域的进行动态温控;
在步骤S4的升温过程中,构建基于LSTM神经网络的温度-振动耦合模型,获取历史温度数据和历史振动数据,获取历史温度数据中的升温序列和对应的历史振动数据中的升振序列,计算互相关性从而确定生效时滞,将升温序列作为输入,在生效时滞后的升振序列的作为标签,对温度-振动耦合模型进行训练,获取优化后的温度-振动耦合模型;
导入步骤S4中的升温序列至基于LSTM神经网络的温度-振动耦合模型,获取预测的升振序列;根据升振序列的数据动态调整主动阻尼器的控制力;
步骤S5:基于步骤S1~步骤S4对钻铆加工区域进行温度和振动动态调整,获取每一次钻铆过程中的铆接力曲线,通过分析铆接力曲线的稳定性以优化模糊推理规则库的预设参数。
2.根据权利要求1所述的一种基于时间序列的模糊PID控制算法动态热辅助方法,其特征在于,步骤S3中模糊推理规则库的建立方法具体为:定义温度偏差值的模糊集为{负大,负小,零,正小,正大},变化率的模糊集为{负快,负慢,零,正慢,正快};
构建模糊规则表,映射温度偏差值及其变化率对PID参数的调整权重,规则形式为:若e为A且Δe为B,则Δ =C,Δ =D,Δ =E,其中A、B为输入模糊集,C、D、E为输出模糊集;
其中,表示温度偏差值,Δe表示温度偏差值的变化率,Δ表示比例系数的变化值,Δ表示积分系数的变化值,Δ表示微分系数的变化值。
3.根据权利要求1所述的一种基于时间序列的模糊PID控制算法动态热辅助方法,其特征在于,所述工艺参数数据库包括:不同材料组合对应的预设温度阈值;
所述材料组合至少包含金属-金属、金属-复合材料两类;
各材料的热物理参数,包括导热系数、熔点及允许最大热影响区宽度;
历史铆接质量数据与温度控制参数的映射关系表。
4.根据权利要求1所述的一种基于时间序列的模糊PID控制算法动态热辅助方法,其特征在于,步骤S3中动态整定PID参数的过程中:
比例系数的调整权重与温度偏差值绝对值呈正相关;
积分系数的调整权重与温度偏差值的变化率绝对值呈负相关;
微分系数的调整权重与温度偏差值及变化率的乘积呈正相关。
5.根据权利要求1所述的一种基于时间序列的模糊PID控制算法动态热辅助方法,其特征在于,所述电磁感应加热装置的功率调节采用PWM脉冲宽度调制技术,且功率输出与PID控制信号的对应关系满足:;
其中,为t时刻的加热功率,表示在t时刻的温度偏差值。
6.根据权利要求1所述的一种基于时间序列的模糊PID控制算法动态热辅助方法,其特征在于,获取历史温度数据中的升温序列和对应的历史振动数据中的升振序列,计算互相关性从而确定生效时滞的具体过程为:获取升温序列和升振序列之间的互相关系数,表示为:
其中, 表示升温序列和升振序列在时间滞后 下的互相关系数, 是升温序列在 时刻的温度, 是升振序列在 时刻的振幅, 是升温序列的均值, 表示升振序列的均值, 是时间序列的长度, 是时间滞后,表示升振序列相对于升温序列的延迟步数;
将大于预设阈值对应的时间滞后作为生效时滞,也即。
7.根据权利要求1所述的一种基于时间序列的模糊PID控制算法动态热辅助方法,其特征在于,步骤S3具体为:输入变量模糊化:
获取温度偏差值确定对应的论域,采用三角形隶属函数将对应的模糊集划分为{负大,负小, 零,正小,正大};
获取温度偏差值的变化率确定对应的论域,采用高斯型隶属函数将对应的模糊集划分为{负快,负慢,零,正慢,正快};
基于温度偏差值及其变化率对应的模糊推理表构建模糊推理库;
输入实时的温度偏差值和温度偏差值的变化率,基于模糊推理库获取对应的PID参数的模糊输出;
解模糊化:采用重心法COG将模糊输出转换为精确的PID参数调整量,从而完成动态整定PID控制器的PID参数的整定。
8.根据权利要求7所述的一种基于时间序列的模糊PID控制算法动态热辅助方法,其特征在于,钻铆的工艺流程依次包括钻孔期、铆接期和退刀期,加工区域在钻孔期、铆接期和退刀期温度偏差值的变化率确定对应的论域不同;
并基于此构建基于工艺导向的模糊规则库;
温度偏差值确定对应的论域基于钻铆材料的熔点来确定。