梁春平 ，于興軍，張鵬飛，梁衛(wèi)斌 ，游娜

(1.國家油氣鉆井裝備工程技術研究中心，陜西 寶雞 721002;2.寶雞石油機械有限責任公司，陜西 寶雞 721002)

0 引言

電液系統(tǒng)具有低成本、功率密度高、響應快速，以及較高的剛性和載荷承受能力等優(yōu)點［1］，在各種動力機械系統(tǒng)中得到廣泛應用。各種高精度的伺服閥、伺服缸及伺服馬達［2］等能解決大負載、大扭矩的工作特點給比例控制精度和響應速度帶來問題，但與伺服系統(tǒng)相比，普通的電液比例閥抗污染能力強，容易操作和保養(yǎng)，易于提高系統(tǒng)的可靠性，更適用于工業(yè)過程;同時，比例閥本身成本和應用成本都比伺服閥低，因此在很多工程機械中電液比例閥的應用更為廣泛［3-5］。

電液比例控制系統(tǒng)具有復雜的高介非線性特性，這些不確定因素會使得因電氣-液壓系統(tǒng)以及機械系統(tǒng)的非線性因素變得更加復雜，很難建立精確的數(shù)學模型，為了提高執(zhí)行機構的快速響應能力，只有設計具有快速穩(wěn)定跟蹤能力的控制器，液壓系統(tǒng)的優(yōu)勢也才能得以充分的體現(xiàn)［6］。電液比例控制系統(tǒng)大多采用PID控制技術。常規(guī)PID控制具有算法簡單、可靠性高、參數(shù)調(diào)整容易等優(yōu)點，但對于時變、非線性系統(tǒng)難以滿足要求［7］。在很多液壓伺服比例控制中，學者和工程師們設計了很多優(yōu)秀的控制器，如主動式車輛懸掛系統(tǒng)中的最優(yōu)控制準則，滑模控制，模糊控制理論等［8］，然而這些控制算法很多在實際情況中因為很多現(xiàn)實因素影響而不能得到很好的應用［9］。單神經(jīng)元自動適應智能PID控制器，具有結構簡單，能適應環(huán)境變化，有較強的魯棒性［10］，本文將單神經(jīng)元網(wǎng)絡算法在電液比例閥控制中進行了實踐。

1 電液比例控制的系統(tǒng)結構

電液比例控制過程就是控制器輸出經(jīng)過放大器進行功率放大后驅(qū)動電磁閥工作，電磁閥按照電信號打開閥芯，控制液壓流體驅(qū)動執(zhí)行器件。要實現(xiàn)速度或者位置的精確控制，必須采用閉環(huán)控制，且控制器應為帶一定算法的數(shù)字控制器或模擬控制器，由于電液比例控器數(shù)學建模困難，一般采用數(shù)字控制器容易實現(xiàn)，其結構如圖1，其中數(shù)字控制器是控制核心，負責集成信號處機理及控制算法。

圖1 系統(tǒng)結構圖

本應用平臺采用的控制器是西門子的PLC 300系統(tǒng)，數(shù)字模擬量的相互轉(zhuǎn)換也是采用西門子標準模塊，液壓系統(tǒng)回路采用背壓節(jié)流調(diào)速方式，比例放大器是Atos的E-ME-AC-5H。執(zhí)行器是液缸和旋轉(zhuǎn)馬達，液缸的傳感器采用的位移傳感器輸出信號是4～20 mA信號，旋轉(zhuǎn)編碼器采用的是P+f PVM14絕對值型編碼器，具備DP總線通訊功能，與控制器兼容良好。

2 單神經(jīng)元網(wǎng)絡PID智能控制原理

神經(jīng)網(wǎng)絡采用Hebb學習規(guī)則，基本思想［10］是:如果同時激活兩個神經(jīng)元，其聯(lián)系強度的增強與他們激勵的乘積成正比，結合無監(jiān)督和有監(jiān)督的Hebb學習規(guī)則，如式(1):

式中Δωij(k)表示神經(jīng)元j和神經(jīng)元i的聯(lián)系權值;

dj(k)表示期望輸出;

Oj(k)表示實際輸出，作為神經(jīng)元j的激活值;

Oi(k)表示神經(jīng)元i的激活值。

在PID控制中，主要是根據(jù)輸出、誤差、誤差變化率來調(diào)節(jié)PID三個參數(shù)，所以基于式(1)的單神經(jīng)元自適應PID參數(shù)整定為式(2):

式中 W(k)=［ωp，ωi，ωd］，表示歸一化處理后，PID 參數(shù)各自所占權重;

W1(k)=［ω1p，ω1i，ω1d］，表示 PID 調(diào)節(jié)后各參數(shù)的值;

Η =［ηp，ηi，ηd］，表示 PID 參數(shù)的學習效率;

e(k)，誤差量;

u(k-1)，上次控制量的輸出量;

Δe(k)=e(k)-e(k-1)，誤差變化量。

根據(jù)增量PID原理，實際控制量的輸出如式(4)

式中K為神經(jīng)元的比例系數(shù)。

3 控制器的軟件設計

根據(jù)上述控制原理，其控制框圖如圖2所示。其中的F部分是傳感器信號采集完進行濾波及物理量化處理。根據(jù)控制框圖2，得算法部分程序的流程圖如圖3。

圖2 控制框

進行軟件設計時，需要考慮采樣周期的選擇合理，理論上是采樣頻率越高，調(diào)整越快，數(shù)字模擬越精確，控制效果越接近連續(xù)控制，也能有效降低時延。但采樣周期太小，會使積分作用、微分作用不明顯;且采樣周期小到一定程度時，前后兩次采樣的差別反映不出來，使調(diào)節(jié)作用減弱;控制大慣量的系統(tǒng)時，還應考慮執(zhí)行的動作慣性，采樣周期的選擇要與之匹配，否則執(zhí)行機構來不及響應控制器的輸出。

圖3 程序處理流程圖

4 應用及分析

該應用系統(tǒng)中的電液比例閥主要用來控制驅(qū)動液壓缸和液壓馬達兩種典型的液壓執(zhí)行機構，系統(tǒng)在采用常規(guī)PID控制，經(jīng)過反復調(diào)試，比較理想的結構如圖4。

圖4 定參數(shù)PID控制的曲線

常規(guī)定參數(shù)PID在控制液缸時，跟隨能力基本滿足控制需求，在個別時間點出現(xiàn)偏差較大，而在驅(qū)動馬達的時候，絕大部分時間段的偏差均較大，不能滿足控制需求。

采用單神經(jīng)元網(wǎng)絡在線整定進行現(xiàn)場調(diào)試時，當W1(0)的初值與其收斂值相差巨大時，且學習效率H，比例系數(shù)K設置又不合理，系統(tǒng)很難穩(wěn)定，甚至出現(xiàn)劇烈震蕩。需要根據(jù)PID的調(diào)節(jié)方法，先在比較低的K值下，調(diào)整出合適的 H，然后將此時的W1(k)作為初始值，按照該初始值進行PID參數(shù)整定，最后適當提高K值以提高算法隨系統(tǒng)結構變化時的跟蹤能力。經(jīng)過調(diào)試，最終穩(wěn)定后的PID參數(shù)如表1。

表1 應用參數(shù)

控制的運行結構如圖5，從圖中不難發(fā)現(xiàn)，無論是用來驅(qū)動液缸還是馬達，實際速度都能跟隨給定速度變化快速變化，誤差基本穩(wěn)定在很小的范圍，沒有出現(xiàn)震蕩和嚴重超調(diào)的情況。

5 結束語

控制系統(tǒng)通常只能考慮機械運動學問題，而動力學問題太過復雜，無法在控制軟件中進行精確建模，而依靠PID調(diào)節(jié)很容易達到控制要求。系統(tǒng)在現(xiàn)場經(jīng)過反復運行發(fā)現(xiàn)，采用定參數(shù)PID控制電液比例閥驅(qū)動執(zhí)行機構具有不穩(wěn)定性，在一定情況下，調(diào)整好三個參數(shù)，系統(tǒng)基本能保持較好的跟隨能力，但是當機械系統(tǒng)的工作載荷或機械的姿態(tài)發(fā)生較大變化后，則會導致系統(tǒng)的跟隨速度變慢活著進入不穩(wěn)定狀態(tài)。采用單神經(jīng)元網(wǎng)絡算法在線PID參數(shù)整定后，在調(diào)試初期，能比較容易確定出系統(tǒng)穩(wěn)定運行的最佳參數(shù)，使控制系統(tǒng)自動收斂，PID的三個參數(shù)權值也會隨著變化保證系統(tǒng)的收斂速度和穩(wěn)定性，達到系統(tǒng)應用要求。

圖5 采用單神經(jīng)元網(wǎng)絡算法在線PID參數(shù)整定的控制結果

［1］DR MOHAMMED Y HASSAN，DR MAJID A.Aliewe modeling and control of proportional directional control valve using neural network［J］.Iraqi Journal of Computers，Communication and Control and Systems Engineering.2006，6(3):81.

［2］JOVANOVIC M.Nonlinear control of an electro hydraulic velocity servo system［C］.Anchorage，Alaska，USA，American Control Conference(ACC)02，2002:588.

［3］BORA ERYILM AZ.Improved nonlinear modeling and control of electro hydraulic systems ［D］. Boston， Massachusetts:Northeastern University，2000:12-40.

［4］張弓，于蘭英，吳文海，等.電液比例閥的研究綜述及發(fā)展趨勢［J］.流體機械，2008，36(8):32-37.

［5］郭宏廣，馮開林.工程機械電液比例閥的特點及其應用研究［J］.工程機械，2003，40(5):40-42.

［6］DU HAI-PING，ZHANG NONG.Static output feedback control for electro-hydraulic active suspensions Via T-S fuzzy model approach［J］.Journal of Dynamic Systems，Measurement and Control:Transactions of ASME，2009，131(5):051004-1 –051004-11.

［7］黃合成，韓軼霞.基于電液比例閥的模糊智能PID控制系統(tǒng)的研究［J］.試驗技術與實驗機.2007.7(4):56-60.

［8］JIMOH OLAREWAJU PEDRO，Olurotimi akintunde dahunsi，neural network based feedback linearization control of a ssrvo-hydraulic vehicle suspension system［J］.Int.J.Appl.Math.Comput.Sci.，2011，21(1):137-147.

［9］DU HAI-PING，ZHANG NONG.Multi-objective static output feedback control design for vehicle suspensions［J］.Journal of System Design and Dynamics.2008 2(1):228–239.

［10］劉金錕.先進PID控制及其MATLAB仿真［M］.3版.北京:電子工業(yè)出版社，2013.