劉明鋒,呂鴻鵬,李 杰,李 琳,常 磊,宋 哲

(中國兵器工業(yè)第203研究所,西安 710065)

?

基于ISIGHT的導(dǎo)引頭伺服控制系統(tǒng)參數(shù)優(yōu)化方法

劉明鋒,呂鴻鵬,李 杰,李 琳,常 磊,宋 哲

(中國兵器工業(yè)第203研究所,西安 710065)

為了使導(dǎo)引頭伺服控制系統(tǒng)各參數(shù)達(dá)到最優(yōu),提出了一種多參數(shù)優(yōu)化設(shè)計方法。文中采用MDO技術(shù),在ISIGHT軟件環(huán)境下集成導(dǎo)引頭多體動力學(xué)模型和控制系統(tǒng)模型,以時間誤差積分(ITAE)作為優(yōu)化目標(biāo),利用多島遺傳算法(MIGA)完成了對導(dǎo)引頭伺服控制系統(tǒng)各參數(shù)的優(yōu)化。仿真結(jié)果表明,采用該方法能夠使導(dǎo)引頭伺服控制系統(tǒng)具有更好的性能指標(biāo),具有很好的應(yīng)用前景。

控制系統(tǒng);多參數(shù)優(yōu)化;MIGA優(yōu)化;ISIGHT

0 引言

導(dǎo)引頭伺服控制系統(tǒng)通常采用三環(huán)控制,每個環(huán)路采用PID控制或滯后超前的控制方式,涉及的控制參數(shù)較多,傳統(tǒng)的控制器參數(shù)調(diào)整方法大多采用人工經(jīng)驗(yàn)指導(dǎo)下的試湊法,這種方法很難使各參數(shù)在全局范圍內(nèi)達(dá)到最優(yōu)。

多學(xué)科優(yōu)化設(shè)計方法可充分考慮各參數(shù)之間的相互影響和耦合作用,通過迭代運(yùn)算可進(jìn)行多參數(shù)同時優(yōu)化。文中以ISIGHT軟件為基礎(chǔ),集成結(jié)構(gòu)模型、動力學(xué)模型和控制模型,利用多島遺傳算法[1]為尋優(yōu)手段,實(shí)現(xiàn)了導(dǎo)引頭伺服控制系統(tǒng)參數(shù)優(yōu)化。

1 參數(shù)優(yōu)化集成平臺建立

基于ISIGHT集成優(yōu)化軟件,通過二次開發(fā)建立了導(dǎo)引頭伺服控制系統(tǒng)參數(shù)優(yōu)化平臺,參數(shù)優(yōu)化流程如圖1所示。導(dǎo)引頭伺服控制系統(tǒng)參數(shù)優(yōu)化涉及機(jī)械結(jié)構(gòu)、動力學(xué)以及控制系統(tǒng)3種模型,各模型的建立分別采用UG、ADAMS、Matlab/Simulink完成[2]。

圖1 導(dǎo)引頭參數(shù)優(yōu)化流程圖

利用UG軟件,通過參數(shù)化建模方法,建立導(dǎo)引頭的三維幾何模型,通過該模型可實(shí)現(xiàn)結(jié)構(gòu)參數(shù)的自動加載和更新;UG設(shè)計結(jié)果作為ADAMS軟件的輸入,在ADAMS軟件中加入載荷及運(yùn)動約束,建立多體動力學(xué)模型;動力學(xué)模型作為控制模型的負(fù)載,接收Simulink發(fā)送的轉(zhuǎn)矩命令進(jìn)行相應(yīng)運(yùn)動,并將運(yùn)動參數(shù)反饋給控制系統(tǒng),ISIGHT根據(jù)優(yōu)化目標(biāo)和約束條件,利用選擇的優(yōu)化算法作為尋優(yōu)手段,開展多個參數(shù)的優(yōu)化工作。模型之間參數(shù)的傳遞和交互均由ISIGHT自動完成,無需人工干預(yù)。

2 仿真模型的建立

在導(dǎo)引頭伺服控制系統(tǒng)參數(shù)優(yōu)化過程中,為了實(shí)現(xiàn)控制模型與動力學(xué)模型的聯(lián)合仿真,分別在Matlab和ADAMS當(dāng)中定義相應(yīng)的輸入、輸出變量,并將接口信息導(dǎo)出[3]。在ISIGHT軟件環(huán)境下自動完成ADAMS與Matlab之間的參數(shù)傳遞,如圖2所示。

伺服控制系統(tǒng)仿真模型,以導(dǎo)引頭方位跟蹤回路為參照,在Matlab/Simulink環(huán)境中建立角跟蹤回路仿真模型,如圖3所示。

圖2 Matlab與ADAMS參數(shù)傳遞示意圖

跟蹤回路包括電流環(huán)、穩(wěn)定環(huán)和跟蹤環(huán)3個環(huán)路,電流環(huán)采用PI控制器,穩(wěn)定環(huán)和跟蹤環(huán)均采用滯后、超前校正方式,以降低系統(tǒng)帶寬并加大相位余量。電流環(huán)控制器參數(shù)根據(jù)項目需求進(jìn)行計算并單獨(dú)仿真,將參數(shù)固定,不參與伺服控制系統(tǒng)整體參數(shù)優(yōu)化。文中進(jìn)行參數(shù)優(yōu)化的變量為穩(wěn)定環(huán)的5個變量和跟蹤環(huán)的5個變量,共10個變量。

圖3 導(dǎo)引頭伺服控制系統(tǒng)仿真模型

在Simulink中,將代表ADAMS模型的adams_sub塊放置到圖3當(dāng)中的平臺及負(fù)載模塊處,作為與ADAMS仿真通信的接口。動力學(xué)模型與控制模型之間形成閉合回路,實(shí)現(xiàn)兩者之間的數(shù)據(jù)交換。進(jìn)行仿真算法、仿真時間和求解步長等設(shè)置后,可對穩(wěn)定平臺在控制系統(tǒng)驅(qū)動下的運(yùn)動過程進(jìn)行仿真,并進(jìn)行參數(shù)優(yōu)化。伺服控制系統(tǒng)模型中各環(huán)路調(diào)節(jié)器參數(shù)均以變量形式表示,仿真過程中在ISIGHT軟件驅(qū)動下,完成參數(shù)的自動更新。

3 參數(shù)優(yōu)化模型

3.1 優(yōu)化變量

文中以方位通道為例,對穩(wěn)定環(huán)路和跟蹤環(huán)路的參數(shù)進(jìn)行優(yōu)化。穩(wěn)定環(huán)路和跟蹤環(huán)路均采用滯后、超前的校正方式,需要優(yōu)化的變量主要包括放大系數(shù)、轉(zhuǎn)折頻率、滯后超前因子等共計10個變量,如表1所示。

3.2 優(yōu)化目標(biāo)函數(shù)

為了能夠綜合地反映出系統(tǒng)調(diào)節(jié)動態(tài)過程的整體性能,采用時間誤差積分(ITAE)[4]作為系統(tǒng)優(yōu)化目標(biāo)函數(shù),如式(1)所示。

(1)

式中:t為仿真時間;e(t)為偏差。該目標(biāo)函數(shù)對瞬態(tài)響應(yīng)后期的偏差有較好的控制能力,用該指標(biāo)優(yōu)化的系統(tǒng),一般超調(diào)量小,而且系統(tǒng)比較穩(wěn)定。優(yōu)化目標(biāo):JITAE最小。

表1 變量及優(yōu)化結(jié)果

3.3 約束條件

為了使系統(tǒng)動態(tài)響應(yīng)過程“快”和“穩(wěn)”,并防止運(yùn)動過程有大的超調(diào),設(shè)置超調(diào)量和系統(tǒng)調(diào)節(jié)時間為約束條件。

3.4 優(yōu)化模型的建立

通?？刂破鲄?shù)與系統(tǒng)動態(tài)性能指標(biāo)之間呈現(xiàn)復(fù)雜的函數(shù)關(guān)系,有些在理論上就是不連續(xù)的[5],因此在求解此類優(yōu)化問題時,基于導(dǎo)數(shù)的優(yōu)化算法并不適用。而遺傳算法是模仿生物進(jìn)化過程中的遺傳繁殖機(jī)制,對優(yōu)化問題解空間的個體進(jìn)行編碼(二進(jìn)制或其他進(jìn)制),然后對編碼后的個體種群進(jìn)行遺傳操作(如:選擇、交叉、變異等),通過迭代從新種群中尋找含有最優(yōu)解或較優(yōu)解的組合,該算法不依賴于梯度,并且具有全局尋優(yōu)能力,穩(wěn)定性和適用性更強(qiáng)[6]。多島遺傳算法(MIGA)是對并行分布遺傳算法(PDGAs)的改進(jìn),具有比傳統(tǒng)遺傳算法更優(yōu)良的全局求解能力和計算效率,文中采用MIGA進(jìn)行伺服控制系統(tǒng)的參數(shù)優(yōu)化。將仿真模型和優(yōu)化算法結(jié)合得到伺服控制系統(tǒng)參數(shù)優(yōu)化模型[7],如圖4所示。

圖4 優(yōu)化模型結(jié)構(gòu)

4 參數(shù)優(yōu)化及仿真

以階躍和斜坡信號作為伺服控制系統(tǒng)的輸入,以調(diào)節(jié)時間和超調(diào)量作為設(shè)計目標(biāo),采用試湊法來確定穩(wěn)定環(huán)和跟蹤環(huán)的調(diào)節(jié)器參數(shù),即憑借經(jīng)驗(yàn)和仿真結(jié)果來手動調(diào)節(jié)設(shè)計變量。經(jīng)過嘗試,采用如表1所示試湊法各變量參數(shù),得到較為理想的動態(tài)調(diào)節(jié)過程,如圖5所示,系統(tǒng)階躍響應(yīng),超調(diào)量約為17%,調(diào)節(jié)時間0.25 s;跟蹤5°/s勻速運(yùn)動目標(biāo),最大跟蹤誤差0.16°/s;系統(tǒng)穩(wěn)態(tài)時約有3%的波動,反映到視線角速度上,也就是視線角速度最大約有3%的誤差。

圖5 試湊法獲得的系統(tǒng)響應(yīng)

圖6 利用優(yōu)化算法獲得的系統(tǒng)響應(yīng)

利用文中所述方法進(jìn)行參數(shù)優(yōu)化設(shè)計,各設(shè)計變量優(yōu)化區(qū)間及結(jié)構(gòu)如表1所示。設(shè)置約束條件:調(diào)節(jié)時間小于0.15 s;超調(diào)量不大于20%。在ISIGHT軟件中選擇多島遺傳算法作為尋優(yōu)手段,并設(shè)置子群規(guī)模、島的個數(shù)、進(jìn)化代數(shù)、交叉概率和變異概率等相關(guān)參數(shù),在優(yōu)化算法驅(qū)動下,ISIGHT軟件自動進(jìn)行參數(shù)的循環(huán)迭代和聯(lián)合仿真,完成伺服控制系統(tǒng)各參數(shù)的優(yōu)化。采用如表1所示的優(yōu)化結(jié)果進(jìn)行仿真,結(jié)果如圖6所示,系統(tǒng)階躍響應(yīng),超調(diào)量約為4.5%,調(diào)節(jié)時間小于0.1 s;跟蹤5°/s勻速運(yùn)動目標(biāo),最大跟蹤誤差0.04°/s;穩(wěn)態(tài)時系統(tǒng)波動小于1%,也就是視線角速度誤差小于1%。導(dǎo)引頭性能明顯優(yōu)于圖6所示動態(tài)響應(yīng)過程。參數(shù)尋優(yōu)過程如圖7所示。

圖7 參數(shù)尋找優(yōu)過程

5 結(jié)論

文中通過在ISIGHT軟件環(huán)境下集成導(dǎo)引頭三維機(jī)械模型、多體動力學(xué)模型和控制系統(tǒng)模型,建立了導(dǎo)引頭伺服控制系統(tǒng)參數(shù)優(yōu)化框架和優(yōu)化模型,并采用多島遺傳算法(MIGA)實(shí)現(xiàn)了導(dǎo)引頭伺服控制系統(tǒng)

參數(shù)的優(yōu)化。優(yōu)化結(jié)果表明,文中的優(yōu)化方法效果明顯,提高了導(dǎo)引頭伺服控制系統(tǒng)的性能,具有一定的工程使用價值。

[1] 賴宇陽, 姜欣, 方立橋, 等. Isight參數(shù)優(yōu)化理論與實(shí)例詳解 [M]. 北京: 北京航空航天大學(xué)出版社, 2012.

[2] 趙玉麟, 張崇軍, 張虎子. 基于ADAMS和Matlab的導(dǎo)引頭機(jī)電系統(tǒng)仿真 [J]. 彈箭與制導(dǎo)學(xué)報, 2009, 29(4): 77-79.

[3] 劉晉霞, 胡仁喜, 康士廷. ADAMS2012虛擬樣機(jī)從入門到精通 [M]. 北京: 機(jī)械工業(yè)出版社, 2013.

[4] 胡壽松. 自動控制原理 [M]. 北京: 科學(xué)出版社, 2002.

[5] 吳麒, 王詩宓. 自動控制原理: 上冊 [M]. 北京: 清華大學(xué)出版社, 2006.

[6] 鄭佳焜, 楊雅君, 廖瑛. 基于遺傳算法的導(dǎo)彈控制系統(tǒng)設(shè)計與仿真 [J]. 彈箭與制導(dǎo)學(xué)報, 2014, 34(5): 33-36.

[7] 賈清虎, 張紅剛, 王輝. 穩(wěn)定平臺控制器參數(shù)多目標(biāo)優(yōu)化 [J]. 電光與控制, 2012, 19(4): 76-80.

A Method of Parameter Optimization for Control System of Missile Seeker Based on ISIGHT

LIU Mingfeng,LYU Hongpeng,LI Jie,LI Lin,CHANG Lei,SONG Zhe

(No.203 Research Institute of China Ordinance Industries, Xi’an 710065, China)

In order to realize optimization of all parameters for control system of missile seeker, a multi-parameter design and optimization method was proposed. With the technology of MDO, the associated model of mechanical system and that of control system of seeker were integrated based on ISIGHT, and time-error integral (ITAE) was adopted for optimization, parameter optimization was carried out for control system of seeker using multi-island genetic algorithm. The results of simulation demonstrate that performance of control system of seeker has been improved by this method, which shows that this method is promising for application.

control system; multi-parameter optimization; MIGA optimization; ISIGHT

2015-01-08

劉明鋒(1979-),男,河南商丘人,高級工程師,研究方向:光電工程,伺服控制系統(tǒng)。

TJ765.3

A