Adaptive approaches for milling forces control

Resumen Técnico: Enfoques Adaptativos para el Control de Fuerzas de Fresado

Planteamiento del Problema
Los procesos de fresado son inherentemente no lineales y variables en el tiempo, particularmente cuando la profundidad axial de corte cambia, lo que provoca variaciones en las fuerzas de corte. Las fuerzas excesivas pueden acelerar el desgaste de la herramienta, inducir vibraciones (chatter), degradar el acabado superficial y causar la falla de la herramienta. Aunque los controladores Proporcional-Integral-Derivativo (PID) tradicionales se utilizan ampliamente, a menudo tienen dificultades con las incertidumbres dinámicas y las no linealidades de los entornos de mecanizado. Si bien el control adaptativo ofrece una solución al ajustar los parámetros en tiempo real, las implementaciones convencionales suelen depender de Retenciones de Orden Cero (ZOH, por sus siglas en inglés) para la discretización, lo que puede resultar en respuestas transitorias subóptimas, rizos entre muestras y ceros inestables en la función de transferencia discreta. El desafío abordado por este estudio es desarrollar una estrategia de control que mantenga las fuerzas de corte dentro de los límites de seguridad, mejorando al mismo tiempo el rendimiento transitorio, reduciendo el sobreimpulso y mejorando la adaptabilidad a variaciones repentinas del proceso sin comprometer la estabilidad.

Metodología
Los autores proponen una estrategia de control adaptativo determinista basada en un modelo de planta lineal con parámetros variables en el tiempo desconocidos. La metodología central involucra tres componentes principales:

1. Modelado y Discretización del Sistema:
   La dinámica del fresado se modela como una función de transferencia de segundo orden en tiempo continuo, que combina la interacción herramienta-pieza y la servoelectrónica. Para cerrar la brecha entre la planta continua y el controlador discreto, los autores utilizan Retenciones de Orden Fraccionario (FROH) con un ganancia de corrección ($\beta$), en lugar de la ZOH estándar. La FROH introduce un grado de libertad adicional; cuando $\beta=0$, se reduce a ZOH, y cuando $\beta=1$, se convierte en una Retención de Primer Orden (FOH). El estudio investiga cómo la variación de $\beta$ afecta los polos y ceros del sistema discretizado, con el objetivo específico de mejorar la ubicación de los ceros y el comportamiento entre muestras.

2. Control Adaptativo de Modelo de Referencia (MRAC):
   Se implementa un esquema de Control Adaptativo de Modelo de Referencia donde la salida de la planta es forzada a seguir un modelo de referencia con la dinámica deseada (caracterizada por un amortiguamiento y una frecuencia natural específicos). Los parámetros del controlador se actualizan en tiempo real utilizando el algoritmo de Mínimos Cuadrados Recíclusivos (RLS). La ley de control se deriva resolviendo una ecuación de Diophantine para asegurar que el sistema de lazo cerrado coincida con el modelo de referencia, teniendo en cuenta los posibles ceros inestables introducidos por la discretización.

3. Esquemas Supervisores de Multi-Estimación:
   Para manejar las incertidumbres y los cambios abruptos (como los cambios escalonados en la profundidad axial de corte), se introducen dos esquemas de multi-estimación:

   • Esquema 1: Múltiples estimadores se ejecutan en paralelo, cada uno identificando los parámetros de la planta bajo una discretización $\beta$-FROH diferente. Un sistema supervisor selecciona el controlador más adecuado en cada intervalo de muestreo basándose en una función de costo multiobjetivo. Esta función evalúa el error de seguimiento, la variación de la salida durante el cambio, la variación de la señal de control y el error de estimación. Se impone un "tiempo de residencia mínimo" entre cambios para garantizar la estabilidad del lazo cerrado.
   • Esquema 2: Un enfoque computacionalmente más ligero donde solo se actualiza el estimador asociado con la ganancia $\beta$-FROH seleccionada actualmente. Un mecanismo supervisor evalúa el rendimiento de seguimiento de los controladores candidatos en paralelo y cambia al que presenta el mejor comportamiento de seguimiento, utilizando posteriormente los parámetros de dicho controlador para la estimación.

Contribuciones Clave

• Aplicación de $\beta$-FOH en Fresado: El artículo introduce el uso de retenciones de orden fraccionario con variaciones en la ganancia de corrección para discretizar sistemas de fresado, demostrando que este enfoque ofrece un rendimiento transitorio y una estabilidad superiores en comparación con la ZOH convencional.
• Marco de Multi-Estimación Supervisora: El desarrollo de un mecanismo supervisor que selecciona dinámicamente la ganancia $\beta$-FROH óptima para minimizar un índice de rendimiento de seguimiento definido. Esto permite que el sistema se adapte a las variaciones del proceso mediante el cambio entre diferentes modelos de discretización.
• Función de Costo para el Rendimiento Continuo: La propuesta de una función de costo específica (Ecuación 13) que mide el área entre la salida del sistema en tiempo continuo y la salida del modelo de referencia. Esta métrica contabiliza explícitamente el comportamiento entre muestras y los rizos, los cuales son críticos para la calidad de la superficie de mecanizado.

Resultados
Las simulaciones se realizaron en un sistema de fresado con un perfil de pieza que incluye cambios escalonados en la profundidad axial de corte.

• Comparación de Retenciones: Las simulaciones que compararon ZOH ($\beta=0$) y FROH con $\beta=0.5$ mostraron que el enfoque FROH redujo significativamente el sobreimpulso transitorio y los picos de fuerza durante los cambios repentinos de profundidad de corte. Esta reducción es crucial para prevenir la fractura de la herramienta y permitir fuerzas de referencia más altas.
• Valor Óptimo de $\beta$: El análisis de la función de costo indicó que un valor de $\beta$ de aproximadamente 0.5 minimizó el área de error entre las respuestas del sistema y del modelo de referencia para las condiciones iniciales probadas. Se encontró que los valores de $\beta < -0.6$ introducían ceros inestables, degradando el rendimiento.
• Rendimiento de la Multi-Estimación: Ambos esquemas de multi-estimación rastrearon con éxito la fuerza de referencia (1200 N) y se adaptaron a los cambios de parámetros. El sistema supervisor cambió eficazmente entre diferentes valores de $\beta$, seleccionando típicamente una ganancia específica durante los estados estacionarios y cambiando a otras durante los transitorios para amortiguar los picos. Los resultados confirmaron que el enfoque de multi-estimación podía lograr mejores respuestas transitorias que las implementaciones de ganancia fija.

Significado y Reivindicaciones
El artículo afirma que el marco propuesto proporciona un enfoque sistemático para la regulación adaptativa de la fuerza en el fresado, ofreciendo una mejor adaptabilidad a las variaciones del proceso y un rendimiento de mecanizado mejorado. Los autores sostienen que, al mejorar la respuesta transitoria, la ubicación de los ceros y el comportamiento entre muestras, la estrategia contribuye a:

• Mejorar la calidad de la superficie y reducir el desgaste de la herramienta.
• La capacidad de operar de forma segura cerca de los límites de rotura de la herramienta al reducir el sobreimpulso.
• Una arquitectura de control robusta que funciona eficazmente incluso sin un conocimiento previo completo de los parámetros óptimos del sistema.

Este trabajo se posiciona como un paso hacia la fabricación inteligente y la Industria 4.0 al combinar el control adaptativo, la toma de decisiones supervisora y los principios de optimización predictiva. Los autores señalan que, si bien el esquema de multi-estimación añade complejidad, su capacidad para identificar y transicionar autónomamente hacia un modelo superior en entornos inciertos justifica su uso. El estudio se apoya en resultados de simulación para demostrar el potencial de estos enfoques, destacando su eficacia para mantener la estabilidad y la precisión en las operaciones de fresado.