呂雨鑫，李偉凱，董曉威

(黑龍江八一農(nóng)墾大學(xué) 信息技術(shù)學(xué)院，黑龍江 大慶　163319)

?

空間微重力模擬育種平臺系統(tǒng)的控制器設(shè)計

呂雨鑫，李偉凱，董曉威

(黑龍江八一農(nóng)墾大學(xué) 信息技術(shù)學(xué)院，黑龍江 大慶163319)

摘要：在地面進行模擬的空間微重力育種平臺是一個隨機時變、強非線性的復(fù)雜系統(tǒng)，無法精確建模，使得系統(tǒng)在較大工作范圍內(nèi)很難實現(xiàn)精確控制。為此，采用基于徑向基神經(jīng)網(wǎng)絡(luò)PID的具有自調(diào)整能力的、穩(wěn)定的自適應(yīng)控制器應(yīng)用于本系統(tǒng)研究：首先通過PID控制器快速調(diào)節(jié)參數(shù)值，使其恢復(fù)到理想的期望值附近，以此來初始化RBF神經(jīng)網(wǎng)絡(luò)；然后再用RBF神經(jīng)網(wǎng)絡(luò)在線動態(tài)調(diào)整PID參數(shù)的控制方法，實現(xiàn)系統(tǒng)在完成三維空間微重力模擬育種試驗時所需的垂直地面Z向上的完全重力補償；最后，通過MatLab對系統(tǒng)的控制算法進行仿真研究。

關(guān)鍵詞：空間微重力模擬育種平臺；徑向基神經(jīng)網(wǎng)絡(luò)PID控制器；系統(tǒng)Z向重力補償

0引言

近年來，隨著航天技術(shù)的發(fā)展，空間農(nóng)業(yè)已成為農(nóng)業(yè)的一個新趨勢。為了實現(xiàn)在地面利用微重力環(huán)境(而不是利用微重力效應(yīng))進行植物育種試驗，彌補回轉(zhuǎn)器作為微重力效應(yīng)模擬器時所模擬的效果精確度不高、系統(tǒng)穩(wěn)定性不好等不足之處，研制出更接近太空環(huán)境的控制精度高、穩(wěn)定性好的地面微重力模擬育種平臺是非常必要的。這對于耗資巨大、環(huán)境條件不好控制的空間育種系統(tǒng)無疑是一個最經(jīng)濟、最有效的手段，可以大大節(jié)約成本，提高經(jīng)濟效益。在地面進行微重力模擬育種實驗的平臺主要由機械和控制兩大部分組成。在實際工作中，系統(tǒng)的機械部分實現(xiàn)預(yù)定軌跡運動的精度和穩(wěn)定性與系統(tǒng)所應(yīng)用的控制方法和控制器的性能密切相關(guān)。傳統(tǒng)的PID控制算法是基于對象數(shù)學(xué)模型的控制算法，尤其適用于可建立精確數(shù)學(xué)模型的確定性控制系統(tǒng)[1]。但是，實際應(yīng)用中由于系統(tǒng)參數(shù)的變化以及系統(tǒng)存在摩擦力等因素的影響，導(dǎo)致本文所研究的地面模擬空間微重力環(huán)境育種系統(tǒng)具有強耦合、強非線性等特點；再加上由于系統(tǒng)本身所具有的機械慣性，使得單獨用PID控制器來調(diào)整參數(shù)的實驗結(jié)果不理想。因此，本文提出結(jié)合RBF神經(jīng)網(wǎng)絡(luò)的在線學(xué)習(xí)能力進行PID參數(shù)調(diào)整，以此來實現(xiàn)恒張力控制目標，模擬出空間微重力環(huán)境，在地面進行微重力育種實驗的方法。

1空間微重力環(huán)境地面模擬育種系統(tǒng)的分析

1.1地面模擬微重力環(huán)境育種裝置的選擇

太空環(huán)境就是微重力環(huán)境(微重力的解釋是重力或其它的外力引起的加速度不超過10e-5～10e-4ge)[2]。由于空間科學(xué)實驗投資巨大，技術(shù)要求非常高，實驗機會有限，使太空農(nóng)業(yè)的發(fā)展受到制約。到目前為止，國內(nèi)的模擬微重力裝置多為水平二維回轉(zhuǎn)器，回轉(zhuǎn)器作為微重力效應(yīng)模擬器時需要注意的問題是：除了在實驗過程中要使離心力盡可能地降低之外，還要考慮光(生物體除了向重性外還有趨光性)、剪切力和粒子碰撞等其他刺激因素的影響。嚴格地說，回轉(zhuǎn)器實驗其只是以一定的旋轉(zhuǎn)速度“迷惑”細胞對重力方向的感知，不能完全等同于空間微重力環(huán)境下的實驗，其模擬的只是微重力的效應(yīng)，并不能模擬微重力的環(huán)境。所以，模擬的效果存在精確度不高、系統(tǒng)穩(wěn)定性不好等缺點。據(jù)了解，黑龍江八一農(nóng)墾大學(xué)農(nóng)學(xué)院在進行太空育種實驗時是通過搭載衛(wèi)星來進行的，每搭載1g種子就要花費1 800元，價格非常昂貴，而且實驗的機會也非常有限。

因此，為了實現(xiàn)在地面上模擬空間微重力環(huán)境進行育種實驗的條件，通過比對幾種常用的地面模擬微重力系統(tǒng)的優(yōu)缺點，最終選用氣浮法進行模擬實驗，其優(yōu)點是建造周期短、成本低、精度高，易于實現(xiàn)及維護。通過設(shè)計平面止推軸承的大小，能夠?qū)崿F(xiàn)高達幾噸的模擬目標實驗，且實驗時間不受限制；另外，還可以通過更換接口部件實現(xiàn)重復(fù)利用，可靠性、魯棒性高及適應(yīng)性強。

1.2地面模擬空間微重力環(huán)境的關(guān)鍵問題

氣浮法在二維空間中的應(yīng)用技術(shù)已經(jīng)非常成熟，但在三維空間中模擬微重力環(huán)境時Z向上的重力補償問題是關(guān)鍵。即研究如何控制氣缸的運動，減小或克服在豎直方向Z向運動時的摩擦阻力，得到在Z方向上接近零重力的運動模擬，實現(xiàn)系統(tǒng)在模擬微重力環(huán)境時垂直地面Z方向上負載的完全重力補償，提高系統(tǒng)的試驗精度、響應(yīng)能力和穩(wěn)定性。本文在垂直地面方向上采用氣壓式重力補償方法，設(shè)計用RBF神經(jīng)網(wǎng)絡(luò)PID控制器直接精確控制電機的力矩輸出，實現(xiàn)恒張力的控制目標。控制系統(tǒng)框圖如圖1所示。

圖1　空間微重力模擬系統(tǒng)重力補償控制框圖

本系統(tǒng)采用“并聯(lián)”的思想，利用半主動式控制方式的優(yōu)勢，將低摩擦氣缸和電機滾珠絲杠并聯(lián)，由被動法(低摩擦氣缸)補償模擬目標大部分重力，同時采用可控的驅(qū)動設(shè)備(電機滾珠絲杠機構(gòu))補償剩余的重力和干擾力[3]。根據(jù)恒張力控制目標，在系統(tǒng)的并聯(lián)機構(gòu)中，一方面采用直流電機直接控制滾珠絲杠系統(tǒng)的結(jié)構(gòu)，克服了齒輪在運行中所帶來的齒隙和摩擦等問題；另一方面在氣缸和上模塊(育種平臺)之間加一個壓力傳感器，將壓力傳感器所測得的輸出偏差值輸入到RBF-PID控制器中，可直接控制直流電機的力矩輸出，大大提高系統(tǒng)的控制精度。

2基于徑向基(RBF)神經(jīng)網(wǎng)絡(luò)PID控制器的參數(shù)整定

2.1模擬系統(tǒng)RBF-PID控制器結(jié)構(gòu)

傳統(tǒng)的PID控制器的傳遞函數(shù)中主要有3個參數(shù)，即kp、ki和kd。其中，kp是對系統(tǒng)的響應(yīng)速度和控制精度進行比例增益的環(huán)節(jié)，其變化對系統(tǒng)響應(yīng)的速度和控制精度有直接的影響，其值越大越好，但不能超過一定的范圍；ki是決定著系統(tǒng)穩(wěn)態(tài)精度的積分增益環(huán)節(jié)，其值的變化與系統(tǒng)消除靜態(tài)誤差所需的時間成反比關(guān)系；kd是調(diào)節(jié)系統(tǒng)動態(tài)特性(包括系統(tǒng)的調(diào)節(jié)時間和系統(tǒng)的抗干擾性等特性)的微分增益環(huán)節(jié)，對于系統(tǒng)動態(tài)特性的改善有著顯著的作用。其傳遞函數(shù)的形式為

G(s)=Kp+Ki/s+Kds

其中，PID控制器設(shè)計的關(guān)鍵在于增益的正確選擇[4]。所以，從根本上來說，傳統(tǒng)的PID控制器所整定的參數(shù)并不是最優(yōu)的。

因此，本文采用的基于RBF神經(jīng)網(wǎng)絡(luò)PID控制于地面模擬微重力育種系統(tǒng)中，在常規(guī)PID控制的基礎(chǔ)上，結(jié)合RBF神經(jīng)網(wǎng)絡(luò)對PID增益進行實時調(diào)整，來實現(xiàn)對PID參數(shù)的自動調(diào)整。首先，確定RBF神經(jīng)網(wǎng)絡(luò)的輸入層結(jié)構(gòu)(輸入節(jié)點數(shù)目n、隱層數(shù)目p、隱節(jié)點中心矢量cj、基寬參數(shù)bj及權(quán)系數(shù)ωj的初值等參數(shù))。然后，采樣得到y(tǒng)(k)、r(k)并計算出PID控制器的輸入變量，初始化PID控制器的參數(shù)和RBF神經(jīng)網(wǎng)絡(luò)的權(quán)值；再根據(jù)公式計算出RBF神經(jīng)網(wǎng)絡(luò)的輸出和系統(tǒng)的實際輸出，同時送到RBF神經(jīng)網(wǎng)絡(luò)進行辨識。最后，計算得到PID控制器的輸出u(k)，一方面將u(k)傳遞給被控對象進行實時在線的控制后得到系統(tǒng)的實際輸出yout；另一方面再將u(k)傳入到 RBF網(wǎng)絡(luò)中產(chǎn)生控制對象的輸出信息并進行 Jacobian的下一步辨識，以此往復(fù)循環(huán)的方式進行在線學(xué)習(xí)控制，直到得出最優(yōu)的系統(tǒng)參數(shù)指標。其中，RBF神經(jīng)網(wǎng)絡(luò)在線整定PID控制系統(tǒng)的結(jié)構(gòu)框圖如圖2所示[5]。

由圖2可知，該控制器主要由3個部分組成[6]：傳統(tǒng)的PID控制器部分采用的是對被控的地面微重力模擬過程直接進行閉環(huán)控制的方式，然后在線整定kp、ki和kd這3個參數(shù)；RBF神經(jīng)網(wǎng)絡(luò)的辨識部分是用來在線建立地面微重力模擬育種系統(tǒng)中垂直地面部分氣缸的模型，達到方便、快速觀測Jacobian信息的目的；而系統(tǒng)結(jié)構(gòu)中的被控對象部分是為了調(diào)整其自身的權(quán)系數(shù)值，在PID控制器已經(jīng)整定完的3個參數(shù)基礎(chǔ)之上，再利用 RBF 神經(jīng)網(wǎng)絡(luò)提供的Jacobian信息實現(xiàn)對 PID控制器參數(shù)的進一步在線調(diào)整。其中，被控對象的輸出即為PID控制器的3個參數(shù)，從而達到系統(tǒng)參數(shù)的最優(yōu)指標的目的。

圖2　RBF神經(jīng)網(wǎng)絡(luò)在線整定PID的控制框圖

2.2PID參數(shù)的自整定原則

PID控制器的3個輸入分別為

x(1)=e(k)

x(2)=e(k)-e(k-1)

x(3)=e(k)-2e(k-1)+e(k-2)

對于PID控制器，采用增量式算法，則系統(tǒng)的控制誤差e為

e(k)=r(k)-y(k)

采用梯度下降法計算控制算法的輸出為

u(k)=u(k-1)+Δu(k)

Δu(k)=kp[e(k)-e(k-1)]+kie(k)+

kd[e(k)-2e(k-1)+e(k-2)]

使誤差性能函數(shù)值最小的RBF神經(jīng)網(wǎng)絡(luò)PID參數(shù)的整定指標為

對kp、ki、kd也采用梯度下降法進行調(diào)整得

其中，cji為隱含層的中心；hj為隱層函數(shù)的輸出。Jacobian的信息可通過RBF神經(jīng)網(wǎng)絡(luò)的辨識得到。

3MatLab中仿真實現(xiàn)

3.1參數(shù)設(shè)置

為了驗證本文所采用的RBF-PID控制算法在系統(tǒng)實現(xiàn)垂直方向上重力補償?shù)挠行?，利用MatLab軟件中Simulink模塊對系統(tǒng)進行仿真研究。RBF神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)為3-6-1，微重力模擬育種系統(tǒng)的RBF神經(jīng)網(wǎng)絡(luò)的3個輸入變量分別為直流控制電機中的電流的變化量Δu(k)、壓力傳感器上一時刻的輸出偏差量yout(k-1)及壓力傳感器在本時刻的輸出偏差量yout(k)。其中，RBF的隱層結(jié)構(gòu)采用RPCCL算法學(xué)習(xí)獲得。學(xué)習(xí)速率ηo=0.31，慣性系數(shù)αo=0.06、βo=0.034。RBF-PID控制器的參數(shù)為：RBF神經(jīng)網(wǎng)絡(luò)權(quán)值取[-1,1]范圍內(nèi)的隨機數(shù)，采樣時間為2s；PID的3個參數(shù)的初始值kp=3、ki=6、kd=0，其的學(xué)習(xí)速率初始化后分別為：ηp=0.8、ηi=1.6、ηd=1.2。

3.2仿真結(jié)果與分析

依照上述PID參數(shù)自整定和RBF神經(jīng)網(wǎng)絡(luò)在線學(xué)習(xí)能力的規(guī)則和思想，進行了以下仿真研究。圖 3所示為RBF神經(jīng)網(wǎng)絡(luò)PID 控制在階躍響應(yīng)整個過程中權(quán)矢量Δkp、Δki、Δkd的自適應(yīng)調(diào)整曲線。

圖3　ΔKp、ΔKi、ΔKd參數(shù)的自適應(yīng)曲線

由圖3可知，在系統(tǒng)隨著氣缸上下運動達到在三維空間中模擬微重力育種效果時，PID的3個參數(shù)可以快速得到調(diào)整使系統(tǒng)趨于穩(wěn)定。

為了實現(xiàn)系統(tǒng)的恒張力控制目標，在用RBF-PID控制器控制電機的力矩輸出時，壓力傳感器的響應(yīng)輸出結(jié)果如圖4所示。

由圖4可以看出：系統(tǒng)的動態(tài)響應(yīng)能力比較快，穩(wěn)定性能比較好。這主要是由于RBF神經(jīng)網(wǎng)絡(luò)對于系統(tǒng)中所存在的氣缸的摩擦力、參數(shù)隨系統(tǒng)的運行所產(chǎn)生的變化等一些不確定性因素能夠快速、準確地進行學(xué)習(xí)整定，并且能夠及時調(diào)整PID控制器的參數(shù)，以適應(yīng)系統(tǒng)的變化。

圖4　壓力傳感器的輸出(仿真結(jié)果)

本文所研究的三維空間微重力模擬系統(tǒng)中，壓力傳感器的控制精度和響應(yīng)速度是系統(tǒng)的重要指標。通過圖3和圖4可以看出：RBF-PID控制器可使壓力傳感器的輸出始終保持在±1N的波動范圍內(nèi)，即使系統(tǒng)在受到外界突然擾動時，也能在較短時間內(nèi)進行調(diào)整，從而實現(xiàn)了使壓力傳感器的輸出始終等于模擬目標的重力這一恒張力控制策略，達到了模擬三維微重力空間環(huán)境的控制目標。以上仿真研究結(jié)果表明：文中所使用的RBF神經(jīng)網(wǎng)絡(luò)PID控制算法對在地面上模擬微重力育種環(huán)境所要實現(xiàn)的系統(tǒng)垂直方向上重力補償?shù)膶嶒炐Ч怯行У?。由此說明：該控制器具有穩(wěn)態(tài)精度高、魯棒性較強及具有良好的自適應(yīng)性和良好的動態(tài)響應(yīng)性能等特點。

4結(jié)論

針對目前廣泛使用的回轉(zhuǎn)器模擬微重力效果不好、精度不高的情況，考慮到氣浮法的諸多優(yōu)點，使其應(yīng)用于三維空間運動的微重力模擬，用以解決二維旋轉(zhuǎn)裝置微重力效果不佳的問題，并提出了基于氣浮法的微重力模擬育種平臺系統(tǒng)。針對此復(fù)雜的、非線性系統(tǒng)，利用RBF網(wǎng)絡(luò)作為辨識器，采用梯度下降算法對PID參數(shù)進行在線調(diào)整，實現(xiàn)系統(tǒng)在垂直地面方向上的重力補償。同時，通過MatLab/Simulink模塊的仿真結(jié)果可以得知：本文所采用的RBF神經(jīng)網(wǎng)絡(luò)自適應(yīng)PID在實現(xiàn)Z向完全重力補償?shù)目刂茣r是一種強抗干擾的控制器，在PID參數(shù)的調(diào)整過程中可使得壓力傳感器輸出始終保持在261.1～262N之間，系統(tǒng)具有較高的控制品質(zhì)，適用于實時在線控制非線性系統(tǒng)。

參考文獻：

[1]劉金餛.先進PID控制MATLAB仿真 (2版) [M].北京:電子工業(yè)出版社,2004.

[2]王希季.空間微重力試驗[J].中國航天,1991,4(9):3-7.

[3]陳三風,梅 濤.三維氣動式微重力環(huán)境模擬平臺的智能控制系統(tǒng)研究[D].合肥：中國科學(xué)技術(shù)大學(xué),2008.

[4]岳文杰.基于模糊PID的溫室溫度控制器設(shè)計與仿真[D].重慶：西南大學(xué),2014.

[5]霍柳行,董愛華.基于RBF神經(jīng)網(wǎng)絡(luò)的PID在線整定及仿真[J].微計算機信息，2010(34)：224-225，189.

[6]何芝強.PID控制器參數(shù)整定方法及其應(yīng)用研究[D].杭州：浙江大學(xué)，2005.

The Controller Design of Space Microgravity Simulation Breeding Platform System

Lv Yuxin, Li Weikai, Dong Xiaowei

(College of Information Technology , Heilongjiang Bayi Agricultural University, Daqing 163319, China)

Abstract：Studied in this paper on the ground to simulate the microgravity of space breeding platform is a random time-varying, strongly nonlinear complex system, so the system can not accurately model, which makes the system working in a wide range of difficult to achieve precise control. In this paper, the use of RBF neural network self-tuning PID has the ability, based on a stable adaptive controller is applied to study this system, first near the expected value of the parameter to quickly adjust it back to the desired value by PID controllers to this initializes the RBF neural network, and then use the RBF neural network control method online dynamic adjustment of PID parameters to achieve full gravity compensation system at the completion of the three-dimensional space microgravity simulation breeding experiments, the required Z direction perpendicular to the ground.Finally, study of the system control algorithms by matlab simulation.

Key words：space breeding microgravity simulation platform; RBF neural network PID controller; Z to gravity compensation system

文章編號：1003-188X(2016)02-0035-04

中圖分類號：S223.1+2

文獻標識碼：A

作者簡介：呂雨鑫(1989-),女，吉林蛟河人，碩士研究生，(E-mail)2442689732@qq.com。通訊作者：李偉凱(1965-),男，山東安丘人，教授，博士生導(dǎo)師，(E-mail)bynd@263.net.cn。

基金項目：國家自然科學(xué)基金項目(E201132)

收稿日期：2015-01-19