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?？刂疲：刂评碚摰龋?］，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］，本文將單神經元網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過放大器進行功率放大后驅動電磁閥工作，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 單神經元網絡PID智能控制原理

神經網絡采用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)表示神經元j和神經元i的聯(lián)系權值;

dj(k)表示期望輸出;

Oj(k)表示實際輸出，作為神經元j的激活值;

Oi(k)表示神經元i的激活值。

在PID控制中，主要是根據(jù)輸出、誤差、誤差變化率來調節(jié)PID三個參數(shù)，所以基于式(1)的單神經元自適應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，經過反復調試，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。

采用單神經元網絡在線整定進行現(xiàn)場調試時，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的調節(jié)方法，先在比較低的K值下，調整出合適的 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。經過調試，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調節(jié)很容易達到控制要求。系統(tǒng)在現(xiàn)場經過反復運行發(fā)現(xiàn)，采用定參數(shù)PID控制電液比例閥驅動執(zhí)行機構具有不穩(wěn)定性，在一定情況下，調整好三個參數(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)。采用單神經元網絡算法在線PID參數(shù)整定后，在調試初期，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 采用單神經元網絡算法在線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.