Lois de commande adaptative pour l'usinage multiaxes

par Tan quang Duong

Projet de thèse en Automatique

Sous la direction de Pedro Rodriguez et de Sylvain Lavernhe.

Thèses en préparation à Paris Saclay , dans le cadre de Sciences et Technologies de l'Information et de la Communication , en partenariat avec L2S - Laboratoire des signaux et systèmes (laboratoire) , Systèmes (equipe de recherche) et de CentraleSupélec (établissement de préparation de la thèse) depuis le 01-12-2014 .


  • Résumé

    Dans le contexte économique de production actuel très compétitif, l'utilisation de techniques d'usinage plus performantes est devenue incontournable pour améliorer la productivité des entreprises sur des produits a forte et moyenne valeur ajoutée. Qu'elles soient constituées d'entités prismatiques (industrie aéronautique) ou de formes complexes (industrie des moules et matrices, prothèses médicales), les géométries des pièces a usiner sont très variables et requièrent différents niveaux de tolérances. Un processus de production performant nécessite un réglage adapte a chaque typologie de pièce. Ce besoin est notamment accru dans le cadre de l'Usinage a Grande Vitesse (UGV) ou les exigences géométriques sur la pièce sont fortes et le temps d'usinage critique. Il n'est donc pas possible de privilégier l'un par rapport a l'autre. Parmi les principales étapes permettant d'aboutir a la géométrie usinée, seule l'étape de génération de trajectoires (FAO) peut être réellement ajustée en fonction de la géométrie nominale. Les étapes d'interpolation de ces trajectoires et le contrôle du trajet réellement suivi par l'outil sont souvent règles une fois pour toute, vis a vis de la structure de la machine, mais pas au regard de la géométrie a suivre. Les centres de production sont plus ou moins adaptes ou règles a une typologie de pièce donnée, mais manquent de flexibilité dans leur capacité a réaliser différentes géométries tout en restant performants. Il est donc nécessaire de développer des travaux visant a mieux maitriser la géométrie réalisée tout en conservant une productivité maximale. La commande des axes doit pouvoir être reliée a l'interpolation du trajet ainsi qu'a la géométrie de la trajectoire déterminée en FAO en amont de leur exécution. Des lors, une meilleure cohérence du processus de réalisation des trajectoires d'usinage permettra d'accroitre la polyvalence et la productivité des machines-outils. L'objectif des travaux est donc de développer une commande adaptative a la géométrie des trajectoires d'usinage. En se basant sur une architecture de commande prédictive de type GPC (Generalized Predictive Control), il s'agit de modifier les calcul des paramètres d'asservissement afin d'améliorer la rapidité, tout en garantissant une erreur de contour tout au long du trajet a suivre, quelles que soient les caractéristiques géométriques des portions de trajectoires, quelles que soient les vitesses d'avance, tout en évitant les vibrations.

  • Titre traduit

    Adaptive control for Multi axis machine tool


  • Résumé

    The main objective of our work is to enhance the contour performance in High Speed Ma- chining (HSM), taking into account the trajectory geometry and the kinematic constraints of the machine axes. There are many strategies proposed in the literature to obtain the above purpose. They can be classi ed into two main categories: Online Adaptation and O ine Adaptation for Contour error reduction. Our main strategy is to develop an O ine Gain Adjustment (OGA) method to determine a set of variable control gains, which is used in the machining operation to reduce the contour error (CE). To elaborate the OGA method, we studied the base knowledges in the machining process with HSM, namely the setpoint generation by feed planing algorithm, the CE calculation, the constraints in kinematic of these axes, the cascaded control structure of the axis drives as well as their stability criterion. At the moment, we have proposed two OGA methods. The rst one is based on receding horizon without overlap, characteristic of trajectory geometry and the prede ned gain function. The second method is based on receding horizon with overlap, which is inspired from the idea used in Model Predictive Control (MPC). In both methods, the CE is inserted into the cost function, which is optimized by the searching based optimization.