鄭 賢，陳科余，楊 望，楊 堅(jiān)，李 楊

(廣西大學(xué) 機(jī)械工程學(xué)院，南寧 530004)

?

木薯收獲機(jī)塊根拔起機(jī)構(gòu)自適應(yīng)控制算法研究

鄭 賢，陳科余，楊 望，楊 堅(jiān)，李 楊

(廣西大學(xué) 機(jī)械工程學(xué)院，南寧 530004)

針對(duì)挖拔式木薯收獲機(jī)無(wú)法根據(jù)木薯塊根生長(zhǎng)情況和土質(zhì)情況的變化實(shí)現(xiàn)精確控制木薯塊根拔起，且在木薯塊根生長(zhǎng)情況和土質(zhì)情況變化大時(shí)其塊根拔斷損失率高的情況，采用聯(lián)合仿真技術(shù)，以較優(yōu)塊根拔起速度模型為基礎(chǔ)，根據(jù)拔起力變化，控制木薯收獲機(jī)拔起速度使其達(dá)到減少塊根拔斷損失率的目標(biāo)，對(duì)木薯塊根拔起過(guò)程進(jìn)行模糊PID自適應(yīng)控制，且對(duì)模糊PID自適應(yīng)控制算法進(jìn)行了優(yōu)化和物理試驗(yàn)驗(yàn)征。結(jié)果表明：在木薯塊根拔起過(guò)程中，優(yōu)化的模糊PID控制算法能使齒輪齒條擺動(dòng)液壓缸轉(zhuǎn)速很好地跟蹤給定轉(zhuǎn)速曲線，且整機(jī)的自適應(yīng)控制效果好，能適應(yīng)不同的工作載荷。

木薯收獲機(jī)；拔起機(jī)構(gòu)；自適應(yīng)控制算法；優(yōu)化

0 引言

木薯作為我國(guó)南方重要的經(jīng)濟(jì)作物，長(zhǎng)期以來(lái)其收獲主要以人工挖拔為主，效率低、勞動(dòng)強(qiáng)度大，采用機(jī)器完成木薯塊根的收獲可達(dá)到省時(shí)、省力和高效的目的。挖拔式的木薯收獲機(jī)對(duì)土壤的適應(yīng)性強(qiáng)、功耗小[1]，但目前由于無(wú)法根據(jù)木薯塊根生長(zhǎng)情況和土質(zhì)情況的變化實(shí)現(xiàn)木薯塊根拔起的精確控制，在木薯塊根的生長(zhǎng)情況和土質(zhì)情況變化大時(shí)，其塊根拔斷損失率高。為了適應(yīng)在木薯塊根生長(zhǎng)情況和土質(zhì)情況變化較大的田塊中作業(yè)，減少挖拔式木薯收獲機(jī)的塊根拔斷損失率，采用聯(lián)合仿真技術(shù)，以較優(yōu)塊根拔起速度模型為基礎(chǔ)，根據(jù)拔起力的變化，控制木薯收獲機(jī)拔起速度的方案，對(duì)木薯塊根拔起過(guò)程進(jìn)行模糊PID自適應(yīng)控制，且對(duì)模糊PID自適應(yīng)控制算法進(jìn)行優(yōu)化，實(shí)現(xiàn)在木薯塊根生長(zhǎng)情況和土質(zhì)情況變化大的條件下對(duì)木薯塊根拔起過(guò)程進(jìn)行高精度控制，以減少挖拔式木薯收獲機(jī)的塊根拔斷損失率。

1 工作原理和控制目標(biāo)

1.1 工作原理

木薯收獲機(jī)主要由機(jī)架、夾持機(jī)構(gòu)、凸輪抖動(dòng)機(jī)構(gòu)、平行四桿拔起機(jī)構(gòu)、松土鏟和地輪等部分組成，如圖1所示。

圖1 木薯收獲機(jī)的結(jié)構(gòu)簡(jiǎn)圖

夾持機(jī)構(gòu)由莖稈導(dǎo)流架、夾子、夾持液壓缸等組成，用于夾持木薯莖稈；凸輪抖動(dòng)機(jī)構(gòu)主要由凸輪軸和直流電機(jī)等組成，其抖動(dòng)部件通過(guò)螺栓與夾持機(jī)構(gòu)固定連接，實(shí)現(xiàn)夾持機(jī)構(gòu)的上下抖動(dòng)；平行四桿拔起機(jī)構(gòu)主要由前搖桿、后搖桿、平臺(tái)、錐齒輪傳動(dòng)系及齒輪齒條擺動(dòng)液壓缸組成，實(shí)現(xiàn)夾持機(jī)構(gòu)的升降運(yùn)動(dòng)。作業(yè)前，需先將木薯莖稈30cm以上部分砍斷并移離種植地。作業(yè)時(shí)，木薯收獲機(jī)通過(guò)三點(diǎn)懸掛裝置連接到拖拉機(jī)上，隨著機(jī)器前進(jìn)，在傳感器的感應(yīng)和控制器的控制下，夾持機(jī)構(gòu)先夾持住木薯莖稈，平行四桿拔起機(jī)構(gòu)將木薯塊根向上拔起，同時(shí)凸輪抖動(dòng)機(jī)構(gòu)開(kāi)始運(yùn)轉(zhuǎn)，將粘附在木薯塊根上的泥土抖掉；木薯塊根被拔到一定高度后，夾持機(jī)構(gòu)松開(kāi)木薯莖稈使木薯塊根自由落下；與此同時(shí)，平行四桿拔起機(jī)構(gòu)返回初始位置，繼續(xù)完成下一株木薯塊根的收獲。木薯收獲機(jī)按上述作業(yè)流程完成木薯塊根的收獲。

1.2 控制目標(biāo)

文獻(xiàn)[2]以塊根拔起作業(yè)效率、塊根損失率、土薯分離相對(duì)不干凈度和塊根最大拔起力為試驗(yàn)指標(biāo)，通過(guò)動(dòng)力學(xué)仿真試驗(yàn)并采用回歸分析、優(yōu)化技術(shù)，研究獲得了木薯塊根拔起的較優(yōu)速度模型。在作業(yè)條件基本相同時(shí)，按較優(yōu)速度模型拔起木薯塊根，能達(dá)到提高工作效率、減少收獲損失率的目的。塊根拔起的較優(yōu)速度模型為

(1)

式(1)的前半部分為拋物線函數(shù)，后半部分為正弦函數(shù)。正弦函數(shù)部分由固定轉(zhuǎn)速的電機(jī)帶動(dòng)凸輪軸抖動(dòng)夾持機(jī)構(gòu)實(shí)現(xiàn)。

拋物線函數(shù)部分由齒輪齒條擺動(dòng)液壓缸驅(qū)動(dòng)平行四桿機(jī)構(gòu)實(shí)現(xiàn)。文獻(xiàn)[3]在物理樣機(jī)上進(jìn)行換算，得出了齒輪齒條擺動(dòng)液壓缸的給定轉(zhuǎn)速表達(dá)式，如式(2)所示。齒輪齒條擺動(dòng)液壓缸按式(2)轉(zhuǎn)速運(yùn)行，可使夾持機(jī)構(gòu)在豎直方向上的速度分量按照拋物線函數(shù)運(yùn)行。

(2)

同時(shí)，文獻(xiàn)[3]給出了木薯塊根的拔起速度控制方案，即木薯收獲機(jī)先按較優(yōu)速度將木薯塊根拔起，當(dāng)檢測(cè)到拔起力大于900N時(shí)，進(jìn)行減速調(diào)節(jié)；在較優(yōu)拔起速度的基礎(chǔ)上將拔起速度降低0.05m/s；經(jīng)過(guò)0.13s，再檢測(cè)拔起力，若拔起力還大于900N，拔起速度再次降低0.05m/s；兩次降速后，如再次檢測(cè)到拔起力大于900N，不再進(jìn)行降速調(diào)節(jié)，避免拔起過(guò)程耗時(shí)過(guò)長(zhǎng)，影響下一株木薯塊根的收獲。這個(gè)控制方案在兩次降速之間能保持不小于0.13s的時(shí)間間隔，保證了兩次測(cè)力數(shù)據(jù)的準(zhǔn)確性，避免降速過(guò)快引起機(jī)器不穩(wěn)定，同時(shí)保持較高的收獲效率。因此，本文以此作為拔起機(jī)構(gòu)控制目標(biāo)進(jìn)行自適應(yīng)控制研究。

2 自適應(yīng)控制算法的研究

2.1 模糊PID自適應(yīng)控制算法

模糊PID控制算法是在PID控制算法基礎(chǔ)上加入自適應(yīng)算法[4]，在控制過(guò)程中實(shí)時(shí)調(diào)節(jié)PID的3個(gè)增益參數(shù)，達(dá)到自適應(yīng)外界環(huán)境的控制效果。模糊PID結(jié)構(gòu)框圖如圖2所示。結(jié)構(gòu)框圖中，虛線框部分為模糊算法過(guò)程，包括模糊化、模糊推理、解模糊、知識(shí)庫(kù)等[5]。

圖2 模糊PID結(jié)構(gòu)框圖

模糊化是模糊算法的最初階段，對(duì)轉(zhuǎn)速偏差及其偏差變化率進(jìn)行模糊化處理。木薯收獲機(jī)拔起機(jī)構(gòu)模糊算法的輸入量為給定轉(zhuǎn)速與反饋轉(zhuǎn)速的偏差E及其偏差變化率EC，根據(jù)偏差與偏差變化率的范圍確定輸入變量E、EC的量化論域?yàn)閇-5，5]，E和EC的模糊集定義為負(fù)大nb、負(fù)中nm，負(fù)小ns、不變zo、正小ps、正中pm、正大pb這7個(gè)模糊集合，即{nb、nm、ns、zo、ps、pm、pb}。為縮短運(yùn)算時(shí)間，中間部分的隸屬度函數(shù)選擇三角函數(shù)，兩邊選擇鐘型函數(shù)。在MatLab的模糊工具箱中定義偏差E的隸屬度函數(shù)和偏差變化率EC的隸屬度函數(shù)，分別如圖3、圖4所示。

輸出量為PID控制算法的3個(gè)增益參數(shù)的增量△Kp、△Ki、△Kd，△Kp的論域?yàn)閇-25，25]，△Ki的論域?yàn)閇-15，15]，△Kd的論域?yàn)閇-10，10]。輸出量△Kp、△Ki、△Kd的模糊集為負(fù)大nb、負(fù)中nm、負(fù)小ns、零zo、正小ps、正中pm、正大pb這7個(gè)模糊集合，即{nb、nm、ns、zo、ps、pm、pb}。隸屬度函數(shù)中間選擇三角函數(shù)，兩邊選擇鐘型函數(shù)。在MatLab的模糊工具箱中定義△Kp的隸屬度函數(shù)、△Ki的隸屬度函數(shù)和△Kd的隸屬度函數(shù)，分別如圖5～圖7所示。

圖3 模糊量E的隸屬度函數(shù)

圖4 模糊量EC的隸屬度函數(shù)

圖5 模糊量△Kp的隸屬度函數(shù)

圖6 模糊量△Ki的隸屬度函數(shù)

圖7 模糊量△Kd的隸屬度函數(shù)

在定義隸屬度函數(shù)時(shí)，有意地將E、EC的隸屬度向兩邊發(fā)散，輸出量△Kp、△Ki、△Kd的隸屬度函數(shù)向中間靠攏，以達(dá)到既快速又平穩(wěn)的控制效果。

模糊推理是模糊算法的關(guān)鍵，制定合理的推理規(guī)則可實(shí)現(xiàn)根據(jù)人的思維進(jìn)行調(diào)控。已存在一種普通模糊PID控制算法，其依據(jù)PID的3個(gè)參數(shù)的特性制定模糊規(guī)則表，規(guī)則表呈現(xiàn)對(duì)稱形式，規(guī)則布局平緩，適用范圍廣[6]。而木薯收獲機(jī)拔起機(jī)構(gòu)控制系統(tǒng)存在兩個(gè)特點(diǎn)：一是木薯收獲機(jī)液壓系統(tǒng)存在時(shí)間滯后[7]；二是木薯收獲機(jī)拔起機(jī)構(gòu)拔起控制的給定轉(zhuǎn)速曲線為斜率不斷增大的曲線，后期增速劇烈。根據(jù)上述特點(diǎn)，對(duì)3個(gè)增益參數(shù)Kp、Ki、Kd按以下原則進(jìn)行調(diào)節(jié)。

1)比例作用Kp直接反應(yīng)偏差大小。給定轉(zhuǎn)速曲線呈現(xiàn)拋物線形式，前段和中段速度平緩，偏差小，此段應(yīng)以較小的比例作用進(jìn)行控制，避免震蕩。伴隨給定轉(zhuǎn)速逐步增加進(jìn)入后段，給定轉(zhuǎn)速上升越來(lái)越快，偏差和偏差變化率同為負(fù)數(shù)，且絕對(duì)值逐漸增大時(shí)實(shí)際速度跟不上給定速度，且有繼續(xù)增大趨勢(shì)；比例作用應(yīng)呈現(xiàn)類似拋物線形式逐步上升，適應(yīng)拋物線形式增長(zhǎng)的控制要求，保證跟隨控制效果。

2)積分作用Ki可以消除靜態(tài)偏差。在給定轉(zhuǎn)速曲線后段拋物線上升階段，可以減弱積分作用，避免震蕩。

3)微分作用Kd可對(duì)偏差趨勢(shì)進(jìn)行提前控制。在拔起過(guò)程后段，引入合適的微分作用進(jìn)行提前預(yù)測(cè)并補(bǔ)償，同時(shí)避免震蕩。

以上述原則為依據(jù)，根據(jù)變化程度的不同制定相應(yīng)的規(guī)則。模糊PID的模糊算法采用以下形式定義規(guī)則：

IF {E=Ai and EC=Bi} then △Kp=Pi and △Ki=Ii and △Kd=Di (i=1,2,...,n)

其中的Ai、Bi、Pi、Ii、Di分別是各自論域的模糊語(yǔ)言值(nb,...,pm,pb)。

每個(gè)輸出制定49條規(guī)則，3個(gè)輸出制定3個(gè)模糊控制規(guī)則表，△Kp的模糊規(guī)則表、△Ki的模糊規(guī)則表和△Kd的模糊規(guī)則表分別如表1～表3所示。

表1 △Kp模糊規(guī)則表

表2 △Ki模糊規(guī)則表

表3 △Kd模糊規(guī)則表

為保證輸出的精準(zhǔn)平滑，選擇centroid (面積中心法)解模糊化。同時(shí)，為后續(xù)方便修改調(diào)用算法，在MatLab中將模糊PID控制算法保存為mohukonzhiPID.fis文件，并導(dǎo)出到MatLab工作空間，方便Simulink中的Fuzzy Logic Controller子模塊調(diào)用本模糊算法。

△Kp、△Ki、△Kd與輸入量E、EC的關(guān)系分別如圖8～圖10所示。

圖8 模糊量△Kp

圖9 模糊量△Ki

圖10 模糊量△Kd

由圖8～圖10可知：在塊根拔起過(guò)程的前期和中期，偏差E和偏差變化率EC絕對(duì)值較小，△Kp、△Kd、△Ki輸出平緩，以適應(yīng)給定曲線前段和中段的平緩變化，保證跟隨的平穩(wěn)。當(dāng)偏差E和偏差變化率EC同為負(fù)數(shù)且絕對(duì)值逐漸增大時(shí)，△Kp輸出類似拋物線形式逐步上升，以適應(yīng)給定轉(zhuǎn)速曲線的劇烈上升的要求?！鱇i輸出最小，削弱積分作用，避免震蕩?！鱇d輸出適中，補(bǔ)償滯后，加快響應(yīng)。

△Kp、△Ki、△Kd這3個(gè)輸出量在實(shí)際控制過(guò)程中根據(jù)環(huán)境變化而實(shí)時(shí)變化，3個(gè)輸出量通過(guò)相乘及相加運(yùn)算，實(shí)現(xiàn)模糊算法與PID控制算法的結(jié)合。本文使用Simulink搭建完成的模糊PID自適應(yīng)控制算法框圖如圖11所示。

圖11中使用Switch模塊實(shí)現(xiàn)給定轉(zhuǎn)速曲線在拔起拉力超過(guò)設(shè)定值900N時(shí)的轉(zhuǎn)換，3條給定轉(zhuǎn)速曲線采用Fcn模塊實(shí)現(xiàn)。

在上述Simulink搭建的模糊PID自適應(yīng)控制算法基礎(chǔ)上，為了進(jìn)一步提高控制效果，根據(jù)木薯收獲機(jī)拔起機(jī)構(gòu)控制系統(tǒng)的特點(diǎn)，對(duì)模糊PID控制算法作進(jìn)一步優(yōu)化。

木薯收獲機(jī)拔起機(jī)構(gòu)在拔起塊根過(guò)程的中間階段，拔起阻力變化大，外力干擾大，因此在此段采用屏蔽微分作用，增強(qiáng)抗干擾性；而模糊規(guī)則能一定程度抑制微分作用，但無(wú)法完全屏蔽微分作用。為達(dá)到在中間階段完全屏蔽微分作用，通過(guò)時(shí)間判斷屏蔽此段微分作用，提高控制的穩(wěn)定性。文獻(xiàn)[2]的研究表明：在0.36s～0.78s之間，塊根拔起阻力變化大。因此，在這一時(shí)間范圍應(yīng)進(jìn)行屏蔽微分作用，兩個(gè)時(shí)間點(diǎn)均為控制周期0.013s的整數(shù)倍，方便通過(guò)累加控制周期個(gè)數(shù)獲知該時(shí)間段。

木薯收獲機(jī)拔起機(jī)構(gòu)在拔起塊根的過(guò)程中是根據(jù)拔起力的大小對(duì)拔起速度進(jìn)行調(diào)節(jié)的，而拔起力的變化會(huì)引起拔起速度的變化，因此在轉(zhuǎn)速反饋控制的基礎(chǔ)上加入拔起力前饋調(diào)節(jié)，以優(yōu)化控制算法，提升控制效果。在拔起力小于900N的情況下，當(dāng)本次測(cè)得拔起力與前次測(cè)得拔起力相減大于80N，認(rèn)為拔起力有增大變化趨勢(shì)，可預(yù)測(cè)拔起速度將出現(xiàn)降低趨勢(shì)，采用增強(qiáng)比例作用(為原比例作用的1.5倍)的調(diào)節(jié)方法，實(shí)現(xiàn)對(duì)速度降低趨勢(shì)的提前預(yù)測(cè)調(diào)節(jié)。當(dāng)本次測(cè)得拔起力與前次測(cè)得拔起力相減小于-70N時(shí)，則認(rèn)為拔起力有減小變化趨勢(shì)，可預(yù)測(cè)拔起速度將出現(xiàn)增強(qiáng)趨勢(shì)，削弱比例作用(為原比例作用0.7倍)，實(shí)現(xiàn)對(duì)速度增加趨勢(shì)的提前預(yù)測(cè)調(diào)節(jié)。模糊PID控制算法結(jié)合拔起力前饋調(diào)節(jié)能實(shí)現(xiàn)更好的跟隨控制效果。

本文采用Stateflow邏輯模塊實(shí)現(xiàn)在時(shí)間0.36～0.78s之間時(shí)屏蔽微分作用和判斷拔起力增大或減小變化趨勢(shì)，進(jìn)而調(diào)節(jié)比例作用。使用Simulink搭建優(yōu)化后的模糊PID控制算法框圖如圖12所示。

為提高控制代碼的效率，應(yīng)對(duì)控制算法進(jìn)行整型化處理，并將位置式PID算法改進(jìn)成為增量式PID算法。用Simulink搭建的經(jīng)過(guò)整型化處理和運(yùn)算結(jié)構(gòu)優(yōu)化后的增量式模糊PID自適應(yīng)控制算法框圖如圖13所示。

圖12 優(yōu)化后模糊PID控制算法框圖

圖13 增量式模糊PID控制算法Simulink框圖

2.2 模糊PID自適應(yīng)控制算法的性能分析

本文采用聯(lián)合仿真的方法研究木薯收獲機(jī)的控制算法，通過(guò)對(duì)比分析研究不同控制算法的控制效果。仿真試驗(yàn)直接利用文獻(xiàn)[8]建立的木薯收獲機(jī)機(jī)電液聯(lián)合仿真模型進(jìn)行，3種算法的試驗(yàn)條件均為空載。圖14為普通離散PID獲得的控制效果圖，圖15為利用文獻(xiàn)[6]所述普通模糊PID獲得的控制效果圖，圖16為優(yōu)化后的模糊PID控制算法獲得的控制效果圖。其中，虛線是聯(lián)合仿真得出的擺動(dòng)液壓缸的轉(zhuǎn)速曲線，實(shí)線是擺動(dòng)液壓缸的給定轉(zhuǎn)速曲線。

表4為各控制算法的性能對(duì)比表。

表4 控制算法性能對(duì)比表

由圖14～圖16和表4可知：普通離散PID控制算法、普通模糊PID控制算法與優(yōu)化后的模糊PID控制算法的1個(gè)工作周期的耗時(shí)均小于3.1s。普通離散PID控制算法整體控制效果最差，在拔起控制過(guò)程的前段和中段存在一定程度的震蕩，且短時(shí)間內(nèi)無(wú)法實(shí)現(xiàn)收斂，自適應(yīng)效果不理想；拔起過(guò)程后段控制效果比優(yōu)化后的模糊PID算法控制效果差，誤差絕對(duì)值積分IAE指標(biāo)較大，整體效果不理想。優(yōu)化后的模糊PID控制算法控制平穩(wěn)，誤差絕對(duì)值積分IAE指標(biāo)較小，拔起過(guò)程前端和中段存在輕微抖動(dòng)；但整體跟隨效果平穩(wěn)，無(wú)明顯超調(diào)。對(duì)比普通模糊PID的控制效果可知：根據(jù)木薯收獲機(jī)控制系統(tǒng)特點(diǎn)制定的模糊規(guī)則起到了理想的自適應(yīng)調(diào)節(jié)效果，采用適時(shí)屏蔽微分作用，提高了抗干擾性；拔起力前饋調(diào)節(jié)，可根據(jù)拔起力變化提前判斷轉(zhuǎn)速趨勢(shì)并引入修正比例作用，使控制過(guò)程平穩(wěn)，整個(gè)拔起過(guò)程平均相對(duì)誤差在1.26%，控制精度較高。因此，本文選擇優(yōu)化后的模糊PID控制算法對(duì)木薯收獲機(jī)物理樣機(jī)進(jìn)行控制。

3 物理樣機(jī)控制效果分析

3.1 拔起過(guò)程轉(zhuǎn)速控制效果

為了檢驗(yàn)優(yōu)化后的模糊PID控制算法對(duì)各種載荷條件的適應(yīng)性，物理樣機(jī)試驗(yàn)時(shí)，給木薯收獲機(jī)夾持機(jī)構(gòu)從輕到重添加砝碼，分別檢驗(yàn)空載、固定加載300N、固定加載640N和突然加載、突然卸載、交變載荷的拔起控制效果，以模擬木薯收獲機(jī)在田間試驗(yàn)時(shí)拔起不同阻力的木薯塊根。另外，為了排除不確定性因素的影響，每個(gè)條件下的試驗(yàn)重復(fù)10次，取平均直進(jìn)行計(jì)算。

圖17為空載試驗(yàn)的控制效果圖，圖18為固定加載300N砝碼載荷的控制效果圖，圖19為固定加載640N砝碼載荷的控制效果圖，圖20為在0.52s時(shí)載荷突然從200N卸載到空載的控制效果圖，圖21為在0.13s時(shí)載荷突然從空載加載到300N的控制效果圖，圖22為在0.26s時(shí)載荷突然從空載加載到200N、在0.52s時(shí)突然卸載到空載的控制效果圖。其中，虛線是物理樣機(jī)中擺動(dòng)液壓缸的實(shí)際轉(zhuǎn)速曲線，實(shí)線是擺動(dòng)液壓缸給定的轉(zhuǎn)速曲線。不同載荷條件下控制算法的各項(xiàng)性能指標(biāo)如表5所示。

由圖17～圖22和表5可知：不同載荷情況下，優(yōu)化后的模糊PID控制算法的拔起過(guò)程啟動(dòng)階段響應(yīng)速度快，最長(zhǎng)響應(yīng)時(shí)間為0.065s，且無(wú)明顯超調(diào)；中間階段無(wú)明顯的震蕩現(xiàn)象，在變載荷后，雖然存在一定的偏移，但能較快恢復(fù)跟隨，表明適時(shí)屏蔽微分作用起到了較好的抗干擾作用，同時(shí)加入拔起力前饋調(diào)節(jié)，通過(guò)拔起力的變化提前預(yù)測(cè)轉(zhuǎn)速變化趨勢(shì)，引入系數(shù)修正比例作用，使中段控制過(guò)程平穩(wěn)；拔起過(guò)程后段，輕載荷跟隨效果好，重載荷跟隨效果存在一定滯后，但保持了較好的跟隨。分析表明：優(yōu)化后的模糊PID控制算法在總體上能較好地跟隨給定轉(zhuǎn)速曲線，平均相對(duì)誤差最大為4.54%，控制精度較高。

表5 不同載荷下控制算法的各項(xiàng)性能指標(biāo)

3.2 整機(jī)收獲作業(yè)的控制效果

整機(jī)收獲作業(yè)包括拔起機(jī)構(gòu)的拔起過(guò)程和下降過(guò)程，試驗(yàn)中使用的砝碼重量為300N。在拔起機(jī)構(gòu)拔起塊根過(guò)程，按塊根較優(yōu)拔起速度模型進(jìn)行控制。其中，較優(yōu)拔起速度模型中的正弦曲線部分由固定轉(zhuǎn)速的減速電機(jī)帶動(dòng)凸輪軸使夾持機(jī)構(gòu)抖動(dòng)實(shí)現(xiàn)(電機(jī)額定轉(zhuǎn)速為3 600r/min，減速比10：1)，拋物線部分由齒輪齒條擺動(dòng)液壓缸按照給定轉(zhuǎn)速曲線運(yùn)行實(shí)現(xiàn)。在拔起機(jī)構(gòu)的下降過(guò)程，采取二級(jí)調(diào)速處理，先高速下降，后中速下降，最后在重力作用下自然下降，達(dá)到快速下降回位、加快作業(yè)周期及提高作業(yè)效率的目的。試驗(yàn)時(shí)，先測(cè)定拔起機(jī)構(gòu)的垂直加速度，后通過(guò)MatLab離散積分處理獲得垂直拔起速度，試驗(yàn)重復(fù)10次。

圖23為優(yōu)化后模糊PID控制算法的整機(jī)自動(dòng)控制過(guò)程速度圖(包括拔起過(guò)程和下降過(guò)程)。其中，實(shí)線為木薯塊根收獲機(jī)物理樣機(jī)的拔起過(guò)程速度曲線，虛線是木薯塊根收獲機(jī)聯(lián)合仿真的拔起過(guò)程速度曲線。由圖23可知：實(shí)測(cè)的速度曲線和與聯(lián)合仿真的速度曲線基本一致。雖然由于物理電機(jī)啟動(dòng)存在一定的滯后，在0.12s抖動(dòng)過(guò)程存在滯后，但后期的抖動(dòng)、提升拔起過(guò)程保持較好的跟隨，說(shuō)明物理樣機(jī)在優(yōu)化后模糊PID控制算法的控制下能按照較優(yōu)拔起速度曲線運(yùn)行，控制過(guò)程連續(xù)平穩(wěn)。同時(shí)，實(shí)測(cè)下降過(guò)程的速度和仿真下降過(guò)程速度趨勢(shì)一致，表明利用的聯(lián)合仿真模型精度較高，仿真可信度較高。另外，10次重復(fù)試驗(yàn)的結(jié)果顯示：10次試驗(yàn)的速度跟隨最長(zhǎng)響應(yīng)時(shí)間為0.092s，最大絕對(duì)偏差量0.780 6m/s，一個(gè)工作周期平均相對(duì)誤差4.93%，表明優(yōu)化后的模糊PID控制算法的控制精度較高；且10次重復(fù)試驗(yàn)的結(jié)果差異性小，拔起過(guò)程穩(wěn)定，表明即使存在液壓粘溫特性引起壓力油流速變化和抖動(dòng)機(jī)構(gòu)不斷抖動(dòng)產(chǎn)生外加干擾力等不確定因素的影響，增量式模糊PID自適應(yīng)控制算法仍能起到較好的自適應(yīng)控制效果。

圖23 物理樣機(jī)速度曲線與仿真速度曲線對(duì)比圖

4 結(jié)論

采用聯(lián)合仿真技術(shù)，以較優(yōu)塊根拔起速度模型為

基礎(chǔ)，根據(jù)拔起力變化，控制木薯收獲機(jī)拔起速度使其達(dá)到減少塊根拔斷損失率的目的。對(duì)木薯塊根拔起過(guò)程進(jìn)行模糊PID自適應(yīng)控制，且對(duì)模糊PID自適應(yīng)控制算法進(jìn)行了優(yōu)化及物理試驗(yàn)驗(yàn)證，結(jié)果表明：優(yōu)化的模糊PID自適應(yīng)控制算法能使齒輪齒條擺動(dòng)液壓缸在拔起過(guò)程很好地跟蹤給定轉(zhuǎn)速曲線，在固定載荷或變化載荷情況下，拔起一棵木薯所用的時(shí)間小于2.3s，平均相對(duì)誤差均小于5%，控制精度較高，且控制拔起過(guò)程中能較好地跟隨給定轉(zhuǎn)速曲線式，拔起控制過(guò)程平穩(wěn)，無(wú)明顯震蕩現(xiàn)象，可有效實(shí)現(xiàn)在木薯塊根生長(zhǎng)情況和土質(zhì)情況變化引起拔起阻力變化大的條件下對(duì)木薯塊根拔起過(guò)程進(jìn)行高精度控制，減少挖拔式的木薯收獲機(jī)的塊根拔斷損失率。

[1] 楊望，楊堅(jiān)，鄭曉婷，等.木薯收獲機(jī)械與技術(shù)研究現(xiàn)狀及發(fā)展趨勢(shì)[J].農(nóng)機(jī)化研究，2012,34(12)：230-235.

[2] 李娟娟.木薯收獲機(jī)拔起速度模型的優(yōu)化研究[D].南寧：廣西大學(xué)，2013.

[3] 鄭賢.木薯收獲機(jī)的機(jī)電液一體化聯(lián)合仿真研究[D].南寧:廣西大學(xué),2014.

[4] 柳長(zhǎng)安，李為吉，王和平.基于蟻群算法的無(wú)人機(jī)航路規(guī)劃[J].空軍工程大學(xué)學(xué)報(bào)，2004，2(5)：9-12.

[5] 羅文軍.基于參數(shù)自整定的模糊PID控制在水箱控制系統(tǒng)中的應(yīng)用[D].長(zhǎng)沙:中南大學(xué)，2011.

[6] 劉金琨.先進(jìn)PID控制MATLAB仿真:2版[M].北京：電子工業(yè)出版社，2004：7.

[7] 孫孟輝，王益群，王慧，等.冷帶軋機(jī)液壓AGC系統(tǒng)的時(shí)滯控制研究[J].液壓與氣動(dòng)，2014(10)：67-69.

[8] 楊望，鄭賢，陳科余，等.木薯塊根收獲機(jī)機(jī)電液聯(lián)合仿真模型[J].農(nóng)機(jī)化研究，2016,38(7)：100-105.

Fuzzy PID Adaptive Control Algorithm of Pulling-up Mechanism on the Cassava Harvester

Zheng Xian, Chen Keyu, Yang Wang, Yang Jian, Li Yang

(College of Mechanical Engineering, Guangxi University, Nanning 530004, China)

The pulling-up cassava harvester can’t pulling up the cassava root accurately according to the variation of cassava growth condition and soil condition,and its root pulling off loss rate is very high when the cassava growth condition and soil condition have a big change.To solve the problem,this paper adopts the co_simulation technology and uses fuzzy PID adaptive control algorithm which based on the optimal velocity to control the cassava root lifting velocity according to the pulling force change,and regards reducing root pulling off loss rate as a goal,it shows that the optimizational fuzzy PID adaptive control algorithm can make the speed of gear rack swing hydraulic cylinder track the given speed curve very well,and the whole machine is very well in the self-adaption and it can adapt to different working load.

cassava harvester; pulling-up mechanism; adaptive control algorithm; optimization

2016-03-23

國(guó)家自然科學(xué)基金項(xiàng)目(51365005,51065003)；廣西制造系統(tǒng)與制造技術(shù)重點(diǎn)實(shí)驗(yàn)室項(xiàng)目(13-051-09S01)

鄭 賢(1987-)，男，廣西博白人，碩士,(E-mail) zhxian.2007@163.com。

楊 望(1984-)，男，廣西合浦人，副教授，碩士生導(dǎo)師，博士，(E-mail)yanghope@163.com。

S225.7+1

A

1003-188X(2017)04-0012-09