在数控机床中,位置伺服系统作为数控装置与机床传动部件之间的的中间连接环节,它的性能对于数控机床的整体性能具有较大影响。如工作台的最高运动速度、跟踪及定位精度、加工表面质量、生产率及工作可靠性等指标均取决于位置伺服系统的动态和静态性能。目前,位置伺服控制器的设计仍主要是采用常规的PID控制。PID控制具有算法简单、鲁棒性强、可靠性高的特点,尤其适于能建立精确数学模型的系统。然而,随着数控机床加工精度要求的提高,数控加工工艺变得越来越复杂,加工过程往往具有非线性、时变性,难以建立被控对象的精确数学模型。常规的PID控制因其自身存在的一些局限性,如需要控制对象的精确数学模型、自适应能力差等,已越来越不能满足高精度数控机床的需要。因此,有必要对其进行适当的改进,以提高数控机床位置伺服系统的性能。 模糊逻辑和神经网络均不依赖被控对象的精确数学模型,且具有较强的自适应和自学习能力;遗传算法是一种基于生物进化过程的随机搜索的全局优化方法,它通过对个体进行编码,并对编码串进行复制、交叉和变异等操作,使算法最终优化到全局极值点。本文将模糊逻辑控制、神经网络和遗传算法运用于PID参数的整定过程中,设计了一种新型的智能PID控制器。这种新型的控制器一方面保留了常规PID控制鲁棒性强、可靠性高的特点,同时又兼备了模糊逻辑控制和神经网络的一些优点。例如,不再依赖控制对象的精确数学模型,具有较强的自适应、自学习能力和抗干扰能力等。通过对数控机床位置伺服系统的仿真说明,这种新型的控制器不但大大缩短了系统的过渡过程时间,实现了无超调控制,而且具有较强的自适应能力和抗干扰能力。因此,对于提高数控机床的定位精度和跟踪精度,从而提高机床的加工精度具有较强的现实意义。