上优于控制算法

基于学习的伺服控制算法

在微米到纳米级的运动性能和更好的情况下，世界上最先进的机器可能会受到许多影响和条件的影响，包括工程公差、环境操作条件和零件/过程/负载动力学。在机器调试之前，工程师使用复杂的工具在静态环境中优化运动系统的性能。在油田中，这些机器的使用寿命很长，操作人员要求性能稳定、可重复。在机器的生命周期中，从设计和调试到现场安装和长期运行，性能可能是可变的。一台曾经达到运动性能规格的机器可能在以后的生活中无法通过验收测试程序。

为了最大化和保持最高水平的运动性能，ACS运动控制设计了LearningBoost，一种新的伺服控制算法。这种基于学习的算法在机器校准过程中作为一个强大的工具，并在机器过程执行过程中自主在线，以确保持续最大化的性能。

LearningBoost是一种最先进的控制算法，可以自动补偿和优化伺服性能，以解决伺服带宽内外的干扰。控制工程师将使用LearningBoost来解决一系列产生不良运动行为的问题，包括但不限于摩擦效应、电机温度变化、机械组件退化、振荡、共振、齿槽等。以前无法实现的运动系统精度和吞吐量水平可以通过LearningBoost达到。

凭借各种强大的工具，LearningBoost的操作模式和灵活的用户实现将增强许多不同的先进行业和高精度运动控制要求的应用程序的运动性能。

离线学习运营模式，在机器校准期间使用，允许控制工程师操作和定制学习补偿，帮助解决独特的应用要求。学习补偿校正应用，直到达到名义性能水平。

动态在线操作模式，用于过程中执行，用于持续学习和干扰补偿校正。配方完成后，应用补偿校正，提高后续配方的性能。

运动配方范围从几分之一秒到30分钟，将获得最佳性能后，几个运动配方执行。存储在ACS运动控制器上，用户可以创建和保存多达100种不同的运动配方，消除了机器启动后重新学习配方的需要，并使它们在串行机器生产中易于部署。

要了解更多关于LearningBoost的信息，请联系sales@acsmotioncontrol.com。如果您是一个原始设备机器制造商寻求评估LearningBoost，请应用为我们新的OEM运动控制系统评估程序。