Data-driven high-performance motion system optimization in practice

doi:10.1016/j.conengprac.2026.106904

Data-driven high-performance motion system optimization in practice

2026-03-12

0

OA

AI

A

Alisa Rupenyan

N

Narek Bayanduryan-Levasgani

M

Mohammad A. Khosravi

DOI：10.1016/j.conengprac.2026.106904

原文链接

查看原文

摘要

En 中文

制造生产率要求定位系统能够同时实现高速和微米级精度。现有方法依赖耗时的人工调谐或独立优化控制器层级。我们扩展了基于数据驱动的控制器调谐的前期工作，以证明使用约束贝叶斯优化联合优化模型预测轮廓控制（MPCC）规划器参数和底层控制器增益，可提升性能，超越顺序或孤立调谐策略。该方法将系统性能指标（如穿越时间、跟踪精度和振动水平）在完整几何轨迹上建模为联合高斯过程，从而在遵守物理约束的同时，实现对结合参数空间的样本高效探索。数值结果表明，联合优化相比独立优化任一层级，可使穿越时间提升8%～23%，最大轮廓误差降低2.5～5倍。在精密运动硬件上的实验验证表明，仅优化MPCC参数（预调底层增益）可在穿越时间加快6%的情况下，使最大跟踪误差改善15%。该框架与系统无关，无需硬件修改。

Keyword:

Model Predictive Contouring Control

Bayesian Optimization

Motion System Optimization

Controller Tuning

Gaussian Processes

Data-driven high-performance motion system optimization in practice

摘要

AI总结

期刊

机构