張劍敏,趙 鑫,付新宇,萬 梁

(1.中聯(lián)重科股份有限公司 研發(fā)中心,長沙 410205; 2.國家混凝土機(jī)械工程技術(shù)研究中心 研發(fā)中心,長沙 410205)

近年來,物聯(lián)網(wǎng)、大數(shù)據(jù)等信息技術(shù)在世界范圍內(nèi)持續(xù)升溫,產(chǎn)業(yè)規(guī)模不斷擴(kuò)大,未來人類社會將是一個緊密互動、高度智能的社會.對于各行各業(yè)來說,數(shù)據(jù)分析及物聯(lián)網(wǎng)技術(shù)的應(yīng)用正處于快速發(fā)展的階段[1].手機(jī)APP作為一款簡單便捷的服務(wù)應(yīng)用,以其便于攜帶和隨時查看,越來越受大家的歡迎.本文開發(fā)了基于手機(jī)移動應(yīng)用的泵車APP系統(tǒng),通過數(shù)據(jù)傳輸、解析和換算將客戶設(shè)備的施工數(shù)據(jù)在APP端展示,提升客戶設(shè)備實(shí)時管理和查看的能力.

工業(yè)4.0旨在提高工業(yè)化產(chǎn)品的智能化水平,泵車作為工程機(jī)械的一員,其產(chǎn)品智能和智能應(yīng)用也是未來的發(fā)展方向.混凝土泵車(Truck-Mounted Concrete Pump，TMCP)是一種用于輸送和澆筑混凝土的工程機(jī)械設(shè)備[2],它通過兩個砼缸的交互動作將混凝土沿著輸送管道連續(xù)泵送到施工場地,是建筑施工中應(yīng)用廣泛的設(shè)備之一.

為了有效地提升泵車移動互聯(lián)APP應(yīng)用的水平,本文采用神經(jīng)網(wǎng)絡(luò)算法優(yōu)化泵車泵送設(shè)備的動作控制和計算算法.神經(jīng)網(wǎng)絡(luò)以其自身的自調(diào)整、自適應(yīng)能力而得到廣泛應(yīng)用,以神經(jīng)網(wǎng)絡(luò)進(jìn)行參數(shù)辨識、建模及控制器設(shè)計,神經(jīng)網(wǎng)絡(luò)的參數(shù)通常是通過對樣本的訓(xùn)練獲得的[3-4].本文以神經(jīng)網(wǎng)絡(luò)PID算法為基礎(chǔ),根據(jù)泵送壓力和行程信息自適應(yīng)識別泵送工況,排除打空泵和打水等擾動工況因素,從而最優(yōu)化控制泵送行程,準(zhǔn)確得出泵送方量,并通過手機(jī)APP準(zhǔn)確推送泵車施工信息,為客戶日常的管理提供增值服務(wù).

1 泵車泵送機(jī)構(gòu)

混凝土機(jī)械的泵送單元由泵送機(jī)構(gòu)、分配機(jī)構(gòu)和攪拌機(jī)構(gòu)組成,其中，泵送機(jī)構(gòu)的液壓系統(tǒng)主要包括主泵、閥、兩個主油缸、兩個砼缸和分配機(jī)構(gòu)等,如圖1所示.主泵輸出的壓力油經(jīng)過閥到達(dá)某一個主油缸,該油缸活塞前進(jìn),另一個主油缸活塞后退,液壓油通過閥流回油箱構(gòu)成一個完整的液壓回路,主油缸活塞的交互運(yùn)動推動砼缸活塞交互運(yùn)動,將混凝土從料斗里泵送到施工地點(diǎn).

圖1 泵送液壓系統(tǒng)簡圖Fig.1 Diagram of pumping hydraulic system

2 泵車關(guān)鍵數(shù)據(jù)移動互聯(lián)應(yīng)用

泵車關(guān)鍵數(shù)據(jù)的移動互聯(lián)應(yīng)用,可以使客戶通過手機(jī)APP讀取車輛信息、設(shè)備定位、關(guān)鍵數(shù)據(jù)顯示、維護(hù)保養(yǎng)提醒、統(tǒng)計報表和故障推送等,提升客戶對設(shè)備的管理能力,并準(zhǔn)確顯示設(shè)備工況情況.

2.1 數(shù)據(jù)傳輸通道

泵車的關(guān)鍵數(shù)據(jù)是通過車載GPS終端傳輸,控制器根據(jù)控制算法將采集和計算到的泵車施工數(shù)據(jù)通過GPS終端發(fā)送到數(shù)據(jù)平臺,數(shù)據(jù)平臺將數(shù)據(jù)解析,再推送給手機(jī)APP,通過數(shù)據(jù)的采集、傳輸、解析和推送,使泵車的工況數(shù)據(jù)實(shí)時傳輸?shù)绞謾C(jī)APP上,實(shí)現(xiàn)數(shù)據(jù)全通道傳輸,保證數(shù)據(jù)準(zhǔn)確且將數(shù)據(jù)分析結(jié)果反饋給客戶.TMCP數(shù)據(jù)傳輸通道如圖2所示.

圖2 TMCP數(shù)據(jù)傳輸通道Fig.2 Data transmission channel of the TMCP

2.2 數(shù)據(jù)分析和APP開發(fā)應(yīng)用

數(shù)據(jù)分析、挖掘旨在從采集的數(shù)據(jù)中得出有價值的知識和模型,已成為數(shù)據(jù)挖掘領(lǐng)域中的熱點(diǎn)[5].本文通過泵車關(guān)鍵數(shù)據(jù)的分析獲取泵車泵送方量等數(shù)據(jù),經(jīng)過數(shù)據(jù)分析后可以得出客戶在日周月的施工數(shù)據(jù).

手機(jī)APP開發(fā)應(yīng)用主要考慮客戶的需求,客戶對于設(shè)備的位置信息、軌跡回放、施工的數(shù)據(jù)非常關(guān)注,對于擁有多臺車輛的客戶,多臺車輛施工數(shù)據(jù)的排名，可以提高客戶對車輛的管理水平.

本文開發(fā)的APP系統(tǒng)，從客戶的實(shí)際需求出發(fā),開發(fā)了設(shè)備定位和軌跡回放功能(見圖3(a))、關(guān)鍵數(shù)據(jù)日周月施工數(shù)據(jù)統(tǒng)計(見圖3(b))和關(guān)鍵數(shù)據(jù)排名(見圖3(c))等功能,完成了客戶需求數(shù)據(jù)的APP功能展示,提升了泵車產(chǎn)品的智能化應(yīng)用水平.

圖3 泵車APP展示Fig.3 APP display of TMCP

3 泵車關(guān)鍵數(shù)據(jù)準(zhǔn)確性研究

手機(jī)APP的核心是數(shù)據(jù),在泵車關(guān)鍵數(shù)據(jù)中,客戶最關(guān)注的為泵送方量.為了有效地實(shí)現(xiàn)方量準(zhǔn)確計算,需要對泵送行程進(jìn)行有效控制,實(shí)時得出泵送的行程,從而計算出泵送的方量,準(zhǔn)確傳輸?shù)绞謾C(jī)APP.本文以泵送方量計算為研究點(diǎn),通過對泵車關(guān)鍵數(shù)據(jù)的研究,實(shí)現(xiàn)泵送過程實(shí)時監(jiān)控,并對泵送行程進(jìn)行準(zhǔn)確控制.

3.1 泵送方量計算算法研究

混凝土作為泵送設(shè)備的工作對象,是目前使用最為廣泛的建筑材料之一,其應(yīng)用范圍已經(jīng)遍及建筑、交通、水利以及地下工程等各個領(lǐng)域[6].混凝土由膠結(jié)料和骨料組成的混合物,根據(jù)混凝土塌落度可以分為不同的混凝土類型,不同的混凝土在泵送過程中有不同的泵送特性,砼缸內(nèi)的混凝土不可能100%充滿,所以需要定義一個參數(shù)為吸料系數(shù),不同工況下混凝土對應(yīng)不同的吸料系數(shù).

泵車泵送機(jī)構(gòu)由兩個主油缸活塞往復(fù)運(yùn)動推動砼缸活塞往復(fù)運(yùn)動來實(shí)現(xiàn)泵送混凝土,如圖4所示.砼缸1從料斗里吸混凝土到位后,開始泵送混凝土行程,此時另外一個砼缸2開始吸混凝土動作,如此往復(fù)將混凝土通過輸送管輸送到施工地點(diǎn).泵送方量是將每次行程砼缸泵送的混凝土方量,該砼缸簡化為一個圓柱體,泵送混凝土的方量就是圓柱體的體積V,

(1)

式中:R為砼缸活塞半徑;L為砼缸活塞的行程位移;γ為混凝土的吸料系數(shù).

圖4 泵送裝置及工作原理圖Fig.4 Pumping device and working principle diagram

泵車不僅在施工過程中需要開啟泵送動作,施工完成后也需要泵送自來水清洗輸送管的混凝土,有些時候會打空泵來查看車輛的泵送情況,或者泵送混凝土造成堵管情況下會進(jìn)行反泵，將混凝土反泵出來.這些過程雖然有泵送動作,但是實(shí)際上沒有泵送混凝土,所以控制系統(tǒng)需要根據(jù)壓力識別擾動因素,同時自適應(yīng)吸料系數(shù)參數(shù),準(zhǔn)確計算泵送混凝土的方量信息.

3.2 混凝土行程控制算法研究

泵送系統(tǒng)在實(shí)際施工中,泵送行程隨工況變化差異較大,降低了泵送效率以及砼活塞的潤滑效率;泵送施工中不僅需要得出混凝土的方量,同時在避免撞缸等因素的前提下控制泵送行程最優(yōu),只有這樣才能保證泵送方量最優(yōu),方量計算最準(zhǔn).為了有效提高每次泵送混凝土的方量及效率,提升泵送行程的穩(wěn)定性和最優(yōu)性,本文采用神經(jīng)網(wǎng)絡(luò)PID算法有效控制泵送行程,保證泵送行程最優(yōu)化.

神經(jīng)元自適應(yīng)PID控制算法結(jié)構(gòu)簡單,能夠根據(jù)環(huán)境變化不斷適應(yīng),有較強(qiáng)的魯棒性[7],其控制原理如圖5所示.神經(jīng)網(wǎng)絡(luò)的3個輸入分別作為比例、積分和微分系數(shù),在一定的網(wǎng)絡(luò)學(xué)習(xí)算法下，不斷優(yōu)化3個參數(shù),直到系統(tǒng)穩(wěn)定.

圖5 基于神經(jīng)元PID算法的控制原理圖Fig.5 Control schematic based on neuron PID algorithm

該控制閥的控制算法為

(2)

式中:yout(n)為閥控制變量的輸出;u(n)為當(dāng)前神經(jīng)元算法的輸出;V壓力(n)為當(dāng)前泵送壓力.

該神經(jīng)網(wǎng)絡(luò)PID系統(tǒng)的控制算法為

(3)

式中:k為比例系數(shù);e2(n)為吸料的砼缸行程誤差.

輸入的xj(n)分別為

(4)

其中，

(5)

吸料的砼缸行程誤差為

(6)

神經(jīng)元的突觸權(quán)值wj(n)分別為

(7)

權(quán)值修正的方程為

(8)

式中:ηp,ηi,ηd分別為比例、積分和微分的學(xué)習(xí)率.

通過神經(jīng)網(wǎng)絡(luò)PID算法的逐步學(xué)習(xí),實(shí)時動態(tài)調(diào)整控制參數(shù),使主油缸位移逐步逼近需求的最優(yōu)位移值,實(shí)現(xiàn)行程的良好控制.

4 實(shí)驗(yàn)驗(yàn)證

為驗(yàn)證神經(jīng)網(wǎng)絡(luò)PID算法的控制泵送行程的正確性,本文以中聯(lián)重科股份有限公司的某型號泵車進(jìn)行實(shí)驗(yàn)驗(yàn)證,如圖6(a)所示.通過現(xiàn)場跟蹤車輛施工數(shù)據(jù),并規(guī)范施工數(shù)據(jù)，長期跟蹤對比統(tǒng)計分析方量計算算法的準(zhǔn)確性,神經(jīng)網(wǎng)絡(luò)算法開啟后采集泵送的實(shí)際行程,如圖6(b)所示.基于神經(jīng)網(wǎng)絡(luò)PID控制算法,全工況行程精度達(dá)96%以上(全行程為2 100 mm),比沒有開啟該算法的行程控制到位率提高8.2%以上,驗(yàn)證了神經(jīng)網(wǎng)絡(luò)PID算法的準(zhǔn)確性.

圖6 泵車泵送施工及行程統(tǒng)計Fig.6 Pumping work and displacement statistics of TMCP

在準(zhǔn)確控制泵送行程的前提下,根據(jù)泵送壓力和泵送行程實(shí)時計算泵送方量.為了有效排除擾動因素,采用長時間采集對比的方式進(jìn)行.本文對4個月泵車施工的方量進(jìn)行了統(tǒng)計,對比APP計算推送的結(jié)果,如表1所示.

表1 泵車施工方量統(tǒng)計信息對比Tab.1 Comparison of construction quantity statistics

注:誤差=(GPS數(shù)據(jù)-統(tǒng)計數(shù)值)/統(tǒng)計數(shù)值×100%.

由表1可知：通過對比客戶統(tǒng)計數(shù)據(jù)和APP計算數(shù)據(jù),APP統(tǒng)計的4個月的方量數(shù)據(jù)與實(shí)際差值在-2.6%～1.5%之間,正確率>95%,可以達(dá)到客戶施工的要求,如圖7所示.

圖7 泵車關(guān)鍵數(shù)據(jù)統(tǒng)計誤差圖Fig.7 Key data statistical error map

5 結(jié)語

本文通過對泵車關(guān)鍵數(shù)據(jù)(泵送方量、泵送行程)的算法應(yīng)用,提出了一種行程最優(yōu)化的神經(jīng)網(wǎng)絡(luò)PID控制算法和方量計算算法,既能最大化泵送混凝土方量，提升泵送效率,又可以準(zhǔn)確計算泵送方量信息,數(shù)據(jù)準(zhǔn)確率>95%.通過數(shù)據(jù)傳輸、解析和推送,將關(guān)鍵數(shù)據(jù)顯示在手機(jī)APP上.經(jīng)過實(shí)驗(yàn)驗(yàn)證,證明了行程最優(yōu)化和方量計算算法的正確性.手機(jī)APP的開發(fā)，使客戶更加便捷地了解設(shè)備施工工況,提高了客戶對車輛管理的效率,提升了泵車的移動互聯(lián)應(yīng)用水平.