， ， ， 　(.哈爾濱工業(yè)大學(xué) 機(jī)電工程學(xué)院， 黑龍江 哈爾濱　50006；.哈爾濱理工大學(xué) 機(jī)械與動(dòng)力工程學(xué)院， 黑龍江 哈爾濱　50080)

引言

閥控液壓位置伺服系統(tǒng)是液壓道路模擬試驗(yàn)臺(tái)的核心部件之一，通常要求其功率密度大、精度要求高、動(dòng)態(tài)響應(yīng)好。由于液壓位置伺服系統(tǒng)存在非線性、參數(shù)時(shí)變、外負(fù)載干擾、低阻尼和交聯(lián)耦合等復(fù)雜特點(diǎn)，傳統(tǒng)的控制算法很難達(dá)到預(yù)期的控制要求，而智能控制方法不依賴于系統(tǒng)精確數(shù)學(xué)模型且具有較強(qiáng)魯棒性等優(yōu)勢(shì)，在非線性控制領(lǐng)域特別是液壓伺服系統(tǒng)中取得了廣泛的應(yīng)用[1-4]。

以TMS320F28335 DSP為核心設(shè)計(jì)液壓位置伺服系統(tǒng)控制器硬件。針對(duì)液壓位置伺服系統(tǒng)特性，基于模糊神經(jīng)網(wǎng)絡(luò)PID的控制方法設(shè)計(jì)控制器軟件并利用經(jīng)驗(yàn)數(shù)據(jù)對(duì)其進(jìn)行預(yù)訓(xùn)練。最后利用MATLAB/Simulink快速原型技術(shù)實(shí)現(xiàn)了控制器算法。

1　液壓伺服系統(tǒng)概述

液壓位置伺服系統(tǒng)主要包括伺服控制器、傳感器以及由液壓缸、伺服閥和液壓站組成的執(zhí)行機(jī)構(gòu)。如圖1所示，其中執(zhí)行機(jī)構(gòu)受負(fù)載及干擾影響。

伺服控制器將指定的控制參考信號(hào)與安置在液壓缸上的位移傳感器的反饋信號(hào)進(jìn)行處理和比對(duì)，并根據(jù)控制策略計(jì)算伺服閥的控制電壓，經(jīng)放大器放大后，控制伺服閥完成相應(yīng)動(dòng)作，從而實(shí)現(xiàn)對(duì)液壓缸狀態(tài)的閉環(huán)控制。

圖1　液壓伺服系統(tǒng)基本結(jié)構(gòu)

2　硬件系統(tǒng)設(shè)計(jì)

液壓伺服控制系統(tǒng)硬件結(jié)構(gòu)如圖2所示。系統(tǒng)包含處理器、信號(hào)調(diào)理、A/D轉(zhuǎn)換電路、D/A轉(zhuǎn)換電路、功率放大電路、手動(dòng)控制面板及隔離電路、上位計(jì)算機(jī)及CAN總線通訊隔離電路。為了保證液壓伺服控制系統(tǒng)的實(shí)時(shí)性及穩(wěn)定性，本系統(tǒng)采用某公司的TMS320F28335(以下簡(jiǎn)稱F28335)數(shù)字信號(hào)處理器作為系統(tǒng)控制核心。F28335是一款面向?qū)崟r(shí)控制應(yīng)用的領(lǐng)先 32 位浮點(diǎn)型微控制器，廣泛應(yīng)用于電機(jī)、機(jī)床及醫(yī)療等領(lǐng)域。

圖2　液壓伺服控制系統(tǒng)硬件結(jié)構(gòu)框圖

F28335采用高性能靜態(tài) CMOS 技術(shù)，指令周期僅為6.67 ns(150 MHz)。盡管F28335片內(nèi)集成16通道12位采樣精度的A/D轉(zhuǎn)換端口，為了更進(jìn)一步提高系統(tǒng)控制精度，系統(tǒng)外擴(kuò)由ADS1256組成的A/D轉(zhuǎn)換電路。ADS1256具備8通道24位低噪聲帶可編程增益的A/D通道，轉(zhuǎn)換速率可達(dá)30 kSPS。信號(hào)調(diào)理電路是由OPA2227構(gòu)成的有源低通濾波器以及電平轉(zhuǎn)換電路組成。模擬輸出部分由DAC904為核心的D/A轉(zhuǎn)換電路及有源低通濾波電路組成，其中DAC904為14位高速D/A轉(zhuǎn)換芯片。

為了提高控制液壓伺服系統(tǒng)與用戶交互的可靠性，控制系統(tǒng)采用手動(dòng)按鈕和上位計(jì)算機(jī)軟件兩種交互方式。其中手動(dòng)按鈕通過光電隔離電路與F28335數(shù)字端口連接，上位計(jì)算機(jī)軟件通過USB-CAN適配器、CAN總線隔離收發(fā)器與F28335進(jìn)行通訊。

3　模糊神經(jīng)網(wǎng)絡(luò)PID控制器的設(shè)計(jì)

傳統(tǒng)PID控制方法是一種成熟且應(yīng)用廣泛的工程控制方法。傳統(tǒng)PID控制器結(jié)構(gòu)如圖3所示。

圖3　傳統(tǒng)PID控制器結(jié)構(gòu)

傳統(tǒng)PID控制器比例KP、積分KI和微分KD三個(gè)參數(shù)是常量。然而道路模擬試驗(yàn)臺(tái)液壓位置伺服系統(tǒng)具有低阻尼、高響應(yīng)要求，同時(shí)負(fù)載模型不確定且存在外干擾，因此傳統(tǒng)的PID控制難以達(dá)到理想的控制效果。

3.1　模糊神經(jīng)網(wǎng)絡(luò)PID控制器結(jié)構(gòu)

模糊神經(jīng)網(wǎng)絡(luò)PID控制器包括模糊PID和神經(jīng)網(wǎng)絡(luò)兩部分，傳統(tǒng)的PID控制器和模糊神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法，如圖4所示。其中模糊神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法的主體是模糊控制算法，其根據(jù)系統(tǒng)運(yùn)行狀態(tài)，以及內(nèi)建的模糊論域及規(guī)則判斷并調(diào)整PID控制器中比例KP、積分KI和微分KD三個(gè)參數(shù)，以適應(yīng)不同控制狀態(tài)的要求。而模糊論域以及加權(quán)系數(shù)則通過神經(jīng)網(wǎng)絡(luò)的訓(xùn)練和自學(xué)習(xí)，達(dá)到最優(yōu)狀態(tài)。

圖4　模糊神經(jīng)網(wǎng)絡(luò)PID控制器結(jié)構(gòu)

模糊神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)如圖5所示，網(wǎng)絡(luò)包含5層[6]。

圖5　模糊神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

第一層為輸入層，該層每個(gè)節(jié)點(diǎn)都和輸入向量xi連接，xi代表“誤差”、“誤差變化率”等變量，并將輸入值x=[x1，x2， …，xn]T傳遞到下一層，假定該層節(jié)點(diǎn)數(shù)N1=n；

第二層為隸屬度函數(shù)生成層，該層每個(gè)節(jié)點(diǎn)都代表一個(gè)語(yǔ)言變量值，如NB、PC等，由上一層傳遞的每個(gè)xi都可以分割為mi個(gè)語(yǔ)言變量值，并計(jì)算其在本層語(yǔ)言變量值的隸屬度函數(shù)uij(xi)，采用高斯函數(shù)表征隸屬度函數(shù)，即有:

j=1,2,3,…,mi

(1)

第三層為模糊推理層。該層的每個(gè)節(jié)點(diǎn)都與一條模糊規(guī)則相對(duì)應(yīng)，并能計(jì)算出規(guī)則的適應(yīng)度值，即有：

aj=u1ku2k...unkk∈{1,2,…,mn},

(2)

該層節(jié)點(diǎn)數(shù)N3=N；

第四層為歸一化層。該層實(shí)現(xiàn)歸一化計(jì)算:

(3)

該層節(jié)點(diǎn)數(shù)與第三層節(jié)點(diǎn)數(shù)相同，即N4=N3=N；

第五層為反模糊層，該層將根據(jù)歸一化結(jié)果反算出期望的輸出值。即有:

(4)

式中，wij為加權(quán)系數(shù)。該層節(jié)點(diǎn)數(shù)N5=r。

取性能指標(biāo)函數(shù)為：

(5)

式中,ri和yi分別代表期望輸出和實(shí)際輸出。隸屬度函數(shù)中心值cij、寬度σij和加權(quán)系數(shù)wij的學(xué)習(xí)算法[6]：

i=1,2;j=1,2,…,7

i=1,2;j=1,2,…,7

i=1,2,3;j=1,2,…,49

(6)

式中,η1、η2、η3為學(xué)習(xí)率。

3.2　隸屬度函數(shù)設(shè)計(jì)

模糊論域分割的數(shù)量決定了控制的精度，但往往控制精度與響應(yīng)速度是相互制約的。論域分割的越精細(xì)，控制精度越高，但計(jì)算時(shí)間也越長(zhǎng)，控制器響應(yīng)速度也隨之降低[5，6]。依據(jù)液壓試驗(yàn)臺(tái)初期測(cè)試的經(jīng)驗(yàn)數(shù)據(jù)，設(shè)定誤差E和誤差變化率EC的論域分別為[-1 1]，變量為[NB,NM,NS,O,PS,PM,PB]，PID三個(gè)參數(shù)的論域?yàn)閇0 1]，變量為[ZE,VS,SS,SB,BB,MB,VB]。量化因子表達(dá)式如下：

隸屬度函數(shù)選用高斯型，表達(dá)式如式(1)所示，當(dāng)隸屬度函數(shù)越陡，靈敏度越高，反之隸屬度函數(shù)越平緩，則控制魯棒性越強(qiáng)。其中隸屬度函數(shù)中心值cij和寬度σij，可根據(jù)受控對(duì)象的狀態(tài)并通過神經(jīng)網(wǎng)絡(luò)的訓(xùn)練和自學(xué)習(xí)適時(shí)調(diào)整。

3.3　模糊規(guī)則設(shè)計(jì)

考慮在PID控制方法中，比例系數(shù)KP的作用是減小系統(tǒng)的響應(yīng)時(shí)間，當(dāng)系統(tǒng)誤差E較大，需要加大KP以提高系統(tǒng)響應(yīng)速度；當(dāng)誤差E較小時(shí)，需要減小KP以提高控制精度和提高系統(tǒng)穩(wěn)定性。積分系數(shù)KI的作用是消除系統(tǒng)的穩(wěn)態(tài)誤差，微分系數(shù)KD的作用是改善系統(tǒng)的動(dòng)態(tài)特性，當(dāng)系統(tǒng)誤差E較小且誤差變化率EC較大時(shí)，為了防止超調(diào)過大，在減小KP的同時(shí)，需加大KI和KD。模糊規(guī)則如表1所示，共有49條規(guī)則。

3.4　反模糊設(shè)計(jì)

反模糊化的主要方法有重心法、最大值法和加權(quán)平均法[7]。其中重心法結(jié)果精確，但計(jì)算復(fù)雜，最大值法算法簡(jiǎn)單，但結(jié)果精度不佳。綜合考慮，選用加權(quán)平均法，加權(quán)平均法的計(jì)算公式如式(4)所示，式中加權(quán)系數(shù)wij為變量，可根據(jù)受控對(duì)象的狀態(tài)并通過神經(jīng)網(wǎng)絡(luò)的訓(xùn)練和自學(xué)習(xí)適時(shí)調(diào)整。

3.5　神經(jīng)網(wǎng)絡(luò)訓(xùn)練

利用MATLAB模糊神經(jīng)網(wǎng)絡(luò)工具箱anfisedit，可以方便的對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行建模及訓(xùn)練。以實(shí)驗(yàn)裝置測(cè)試的數(shù)據(jù)作為樣本數(shù)據(jù)，并導(dǎo)入到工具箱中對(duì)模糊神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練。采用BP學(xué)習(xí)算法，并設(shè)定誤差允許值為0.001，訓(xùn)練次數(shù)1000。經(jīng)多次訓(xùn)練后，得到訓(xùn)練后的隸屬度函數(shù)如圖6所示。

表1　模糊規(guī)則表

3.6　控制程序的生成

利用MATLAB/Simulink快速原型技術(shù)，針對(duì)TMS 320F28335數(shù)字信號(hào)處理器可以方便的生成可編輯的C++代碼[8]。Simulink程序如圖7所示。

在生成的代碼中提取控制部分代碼，利用TI提供的浮點(diǎn)單元函數(shù)庫(kù)對(duì)程序控制部分進(jìn)行優(yōu)化。最后根據(jù)外圍硬件設(shè)計(jì)D/A和A/D驅(qū)動(dòng)程序以及外圍控制程序，并在CCS編譯環(huán)境下，燒錄至控制器。

4　實(shí)驗(yàn)驗(yàn)證

以道路模擬試驗(yàn)臺(tái)位置伺服裝置為實(shí)際被控對(duì)象，實(shí)驗(yàn)過程中，設(shè)定液壓缸分別輸出幅值為5 mm、10 mm、20 mm、30 mm和40 mm的矩形波位移信號(hào)，并監(jiān)測(cè)其位移輸出。與傳統(tǒng)PID控制算法的控制輸出進(jìn)行對(duì)比，如圖8所示。

圖6　訓(xùn)練后隸屬度函數(shù)

圖7　Simulink控制程序

圖8　傳統(tǒng)PID控制與模糊神經(jīng)網(wǎng)絡(luò)PID控制結(jié)果對(duì)比

從圖8中可以看出，模糊神經(jīng)網(wǎng)絡(luò)PID控制算法能比較好的克服傳統(tǒng)PID控制在上升階段，大幅值響應(yīng)速度慢，小幅值超調(diào)大的缺點(diǎn)，并能有效地修正單出桿液壓缸正反行程動(dòng)態(tài)特性的差異，同時(shí)具有較高的控制精度和較好的穩(wěn)定性。

5　結(jié)論

基于TMS320F28335 DSP芯片設(shè)計(jì)了道路模擬試驗(yàn)臺(tái)位置伺服系統(tǒng)模糊神經(jīng)網(wǎng)絡(luò)PID控制器。利用MATLAB/Simulink快速原型技術(shù)快速生成了可執(zhí)行的

控制代碼并利用試驗(yàn)裝置進(jìn)行了控制效果驗(yàn)證。實(shí)驗(yàn)結(jié)果表明，相比于傳統(tǒng)PID控制方法，模糊神經(jīng)網(wǎng)絡(luò)PID控制方法具有良好的動(dòng)態(tài)品質(zhì)、高的控制精度和穩(wěn)定性。

參考文獻(xiàn)：

[1]曹鵬舉,許平勇,李曉峰,等.基于DSP的液壓伺服系統(tǒng)最少拍無(wú)紋波控制[J].液壓與氣動(dòng),2008,(1):33-35.

[2]賀娟,付敏.基于DSP的液壓伺服系統(tǒng)H∞控制研究[J].測(cè)控自動(dòng)化,2011,27(3):65-67.

[3]余兵,彭佑多,劉繁茂.模糊控制及其在液壓伺服系統(tǒng)中的應(yīng)用[J].液壓與氣動(dòng),2006,(10):56-64.

[4]湯青波,吳銀鳳,梁毓明.液壓系統(tǒng)的模糊滑?？刂芠J].機(jī)床與液壓,2005,(11):134-135.

[5]岑順鋒,吳張永,王京濤,等.基于DSP的高速開關(guān)閥控液壓伺服系統(tǒng)的研究[J].機(jī)床與液壓,2011,39(1):77-79.

[6]朱正邦.模糊神經(jīng)網(wǎng)絡(luò)PID控制在夾送輥系統(tǒng)切換中的應(yīng)用研究[D].哈爾濱:哈爾濱工業(yè)大學(xué),2012.

[7]苗曉鵬,韓向可.基于模糊PID的氣動(dòng)比例調(diào)壓閥的設(shè)計(jì)與性能分析[J].液壓與氣動(dòng),2012,(11):27-29.

[8]張兵.基于DSP的液壓振動(dòng)臺(tái)功率譜復(fù)現(xiàn)研究[D].哈爾濱:哈爾濱工業(yè)大學(xué),2013.