余 翔，張 艷

（1.金華華東環(huán)保設(shè)備有限公司，浙江 金華 321025；2.湖北大學(xué) 計算機(jī)與信息工程學(xué)院，湖北 武漢 430062）

0 引 言

船體分段對中合攏是總裝造船模式過程中的重要環(huán)節(jié)，除去傳統(tǒng)的龍門吊裝設(shè)備，現(xiàn)由整體式設(shè)備和分體式設(shè)備控制完成該過程。整體式設(shè)備由三維小車、小車軌道和電控柜等組成，其中三維小車的數(shù)目依據(jù)分段長度而定，在進(jìn)行大型分段操作時，使用的三維小車多達(dá)幾十甚至上百臺。在船體分段姿態(tài)調(diào)整過程中，為避免分段受力變形等情況出現(xiàn)，多臺三維小車需保持運動的同步性。

對于多臺三維小車的聯(lián)動控制，控制系統(tǒng)首先需完成小車編號的錄入，傳統(tǒng)的人工錄入方式過程繁瑣易出錯，錄入后操作人員難以檢查。針對以上問題，本文設(shè)計了自動尋車方法，以提高控制系統(tǒng)錄入效率，降低出錯率。

針對多臺小車同步運動的控制問題，常用的自動控制技術(shù)有閉環(huán)PID控制、自適應(yīng)模糊PID控制、神經(jīng)網(wǎng)絡(luò)控制等。傳統(tǒng)PID控制應(yīng)用最為廣泛，針對PID的參數(shù)整定問題，很多學(xué)者提出了與智能算法相結(jié)合的改進(jìn)方法。文獻(xiàn)[4]將遺傳算法與神經(jīng)網(wǎng)絡(luò)用于PID參數(shù)整定，實現(xiàn)了PID參數(shù)的在線整定，但遺傳算法與神經(jīng)網(wǎng)絡(luò)的體量過大，極大增加了控制算法的復(fù)雜性；文獻(xiàn)[5]對傳統(tǒng)PID控制器、模糊自整定PID控制器和BP神經(jīng)網(wǎng)絡(luò)PID控制器在變速、變負(fù)載情況下的控制效果進(jìn)行了比較，得出了模糊自適應(yīng)PID控制器在系統(tǒng)響應(yīng)速度上更具優(yōu)勢的結(jié)論；文獻(xiàn)[6]引入模糊函數(shù)的二階導(dǎo)數(shù)、模糊超調(diào)量和模糊峰值時間的概念，同時使用粒子群算法對粒狀模糊PID控制器進(jìn)行系數(shù)整定；文獻(xiàn)[7]使用粒子群算法優(yōu)化模糊PID，應(yīng)用于列車制動控制，提高了停車精度，但粒子群算法同樣容易陷入局部最優(yōu)。

針對以上不足，本文利用模糊PID控制參數(shù)自適應(yīng)的優(yōu)點，結(jié)合天牛須算法體量輕、尋優(yōu)快的特點，使用天牛須算法對模糊控制器的量化因子和比例因子進(jìn)行尋優(yōu)，以得到最優(yōu)的控制參數(shù)，從而縮短控制響應(yīng)時間，提高同步運動控制的控制精度。

1 自動尋車

每臺船臺小車單獨制作，車身標(biāo)有編號，編號與從站PLC控制程序?qū)?yīng)，在實際使用時，小車從倉庫取出的順序與編號并不對應(yīng)，即小車在軌道上的排列順序與小車編號并不對應(yīng)。在上位機(jī)下發(fā)指令前，需使軌道上小車的排列順序與編號對應(yīng)，從而使上位機(jī)在計算軌道上相應(yīng)位置小車的運動量后能下發(fā)給正確編號的小車，由小車的從站PLC控制自身各元器件完成啟泵升缸等動作。

人工記錄小車編號順序后填入上位機(jī)系統(tǒng)的方式容易出錯，而且由于在大型總裝造船中存在幾十甚至上百臺三維小車，操作員檢查編號時極不方便。針對編隊過程，本文提出了一種自動找車編隊的方法。

如圖1所示，小車與小車之間通過工業(yè)以太網(wǎng)連接，每臺小車有2個網(wǎng)絡(luò)插槽，通過繼電器控制插槽是否可用。位于主列1的小車與主站PLC和主列2小車連接，與主站PLC連接的網(wǎng)絡(luò)插槽處于可用狀態(tài)，主站PLC識別從站PLC及其編號，即完成主列1小車與其編號的對應(yīng)。主列1小車完成編號對應(yīng)后，打開與主列2相連的網(wǎng)絡(luò)插槽，主列2小車得以聯(lián)網(wǎng)，主站PLC識別第二臺小車，完成主列2小車與其編號的對應(yīng)，依次相連，直到所有小車編隊完成。

圖1 網(wǎng)絡(luò)拓?fù)鋱D

2 小車同步的模糊PID控制算法

由于各臺小車均為單獨制造后放入倉庫，在小車制造過程中，元件的制造精度、液壓系統(tǒng)的性能可能出現(xiàn)不一致的情況。所以在小車進(jìn)行聯(lián)動調(diào)整時，控制系統(tǒng)僅僅給每臺小車發(fā)送運動距離和運動時間指令無法保證小車同步運動。在小車運動過程中，控制系統(tǒng)需實時監(jiān)控小車的運動距離和運動速度，并根據(jù)速度偏差實時調(diào)整其速度，以保證小車運動的同步性。

傳統(tǒng)PID控制參數(shù)無確定的設(shè)定參照，通常由經(jīng)驗豐富者進(jìn)行參數(shù)整定，適用于線性時不變系統(tǒng)。在實際控制中，控制對象有所變化，而傳統(tǒng)PID難以改變控制參數(shù)，從而出現(xiàn)控制精度無法把控的問題。為了解決傳統(tǒng)PID控制的控制參數(shù)難以整定而導(dǎo)致控制效果不好的問題，本文結(jié)合模糊PID參數(shù)自適應(yīng)整定的優(yōu)點，使用天牛須算法優(yōu)化模糊控制器參數(shù)，提高控制精度。

2.1 模糊PID控制

模糊PID控制相比傳統(tǒng)PID控制，可以對PID參數(shù)進(jìn)行實時整定，克服在小車不同運動狀態(tài)下PID參數(shù)需要重新整定的缺點。模糊PID控制結(jié)構(gòu)如圖2所示。模糊控制器以偏差量和偏差變化量作為輸入，通過模糊算法，輸出PID控制器的參數(shù)值，即模糊PID控制是根據(jù)偏差量和偏差變化量的變化對PID控制器的參數(shù)進(jìn)行自適應(yīng)整定，以保證PID對被控對象的控制達(dá)到要求。

圖2 模糊PID控制原理

模糊PID可以實現(xiàn)PID控制系統(tǒng)的參數(shù)自適應(yīng)整定，以滿足小車不同運動狀態(tài)下的控制要求，而在模糊控制系統(tǒng)中，對控制系統(tǒng)性能影響較大的量化因子和比例因子需要人工確定，一般采用實驗試湊法，即依靠經(jīng)驗確定參數(shù)。為減少量化因子和比例因子設(shè)置不當(dāng)而造成的影響，本文結(jié)合天牛須算法確定上述參數(shù)，以滿足系統(tǒng)性能指標(biāo)。

2.2 天牛須算法

天牛須算法是近年提出的一種新的高效尋優(yōu)算法，也稱為BAS算法。BAS算法根據(jù)天牛覓食的原理尋優(yōu)，當(dāng)天牛尋找食物時，食物的氣味強(qiáng)弱會影響天牛的移動路線。在不知道食物所處位置的情況下，天牛通過2只觸須感受食物味道的強(qiáng)弱，如果左邊觸須感受到的食物氣味強(qiáng)度比右邊大，則天牛飛向左邊，落地朝向隨機(jī)，然后再通過觸須感受食物氣味的強(qiáng)弱，一步步靠近食物所在位置。根據(jù)仿生原理，可以得出BAS算法的建模過程。天牛的左右須坐標(biāo)可表示為：

天牛根據(jù)適應(yīng)度函數(shù)f(x)確定飛行方向，天牛移動后質(zhì)心坐標(biāo)為：

式中：步長step=d×c，c為常數(shù)時，天牛為定步長；sign( )為符號函數(shù)；f(x)為適應(yīng)度函數(shù)。程序結(jié)束后的質(zhì)心坐標(biāo)即為所求的最優(yōu)解坐標(biāo)。

2.3 天牛須優(yōu)化模糊PID控制

本文使用的模糊PID控制的輸入為偏差e及偏差變化量ec，輸出為PID控制的參數(shù)增量Δk、Δk、Δk，不采用直接輸出參數(shù)而是輸出參數(shù)增量以簡化輸出變化范圍。PID參數(shù)計算公式如下：

式中：k、k、k為最終輸入PID控制器的參數(shù)；k、k、k為初始值；Δk、Δk、Δk為參數(shù)增量。

偏差和偏差變化量的實際值范圍為基本論域，輸入模糊控制器前需通過量化因子將其轉(zhuǎn)換為模糊論域，輸出需要通過比例因子將其從模糊論域轉(zhuǎn)換到基本論域。本文設(shè)計使用的輸入值和輸出值的模糊論域為：

將模糊論域劃分為模糊子集，根據(jù)不同控制要求確定不同的子集個數(shù)，本文使用的模糊子集為：

本文使用三角形隸屬函數(shù)，計算較簡單，使系統(tǒng)在高誤差范圍內(nèi)靈敏度較低，當(dāng)誤差較小時靈敏度較高。模糊規(guī)則數(shù)量與輸入量的模糊子集個數(shù)相關(guān)，本文包含偏差和偏差變化量2個輸入，各設(shè)置7個模糊子集，創(chuàng)建的模糊規(guī)則表見表1所列。

表1 模糊規(guī)則表

經(jīng)過模糊推理后，得到的結(jié)果為模糊集，并不能直接輸出為精確值，所以需要將模糊集進(jìn)行解模糊。常用的解模糊法包含最大隸屬度法、重心法等。本文采用重心法進(jìn)行解模糊，即取隸屬度函數(shù)曲線坐標(biāo)與橫坐標(biāo)圍成面積的重心為輸出的精確值。

算法流程如下：

（2）將初始化信息中質(zhì)心的坐標(biāo)分解為對應(yīng)的5個參數(shù)值，傳遞給SimuLink中的仿真系統(tǒng)，運行系統(tǒng)計算得到左右兩須的適應(yīng)度值，判斷下一步天牛的飛行方向；

（3）根據(jù)適應(yīng)度值更新天牛的位置信息，再次將位置信息分解為5個參數(shù)賦值給SimuLink仿真系統(tǒng)，系統(tǒng)運行后再次計算適應(yīng)度函數(shù)值，如果適應(yīng)度函數(shù)值達(dá)到預(yù)先設(shè)定的閾值或者達(dá)到了設(shè)定的迭代次數(shù)，則執(zhí)行下一步；否則，執(zhí)行步驟（2）。

（4）得到模糊PID控制系統(tǒng)的最佳量化因子和比例因子，結(jié)束仿真計算。

根據(jù)以上步驟描述，可得到系統(tǒng)流程如圖3所示。

圖3 系統(tǒng)流程

3 仿真實驗及結(jié)果分析

為進(jìn)行對比實驗，SimuLink系統(tǒng)框圖中加入了PID控制，將結(jié)果與改進(jìn)后的模糊PID控制進(jìn)行對比。SimuLink主程序框圖如圖4所示，模糊PID子程序框圖如圖5所示。

圖4 SimuLink主程序框圖

圖5 模糊PID子程序框圖

運行BAS程序與SimuLink仿真流程后，得到的波形結(jié)果如圖6所示，系統(tǒng)性能指標(biāo)見表2所列。

表2 系統(tǒng)性能指標(biāo)

圖6 仿真波形

從圖6和表2可以看出，傳統(tǒng)PID控制需要約8 s才能達(dá)到設(shè)定值，誤差性能指標(biāo)ITAE值為2.764；優(yōu)化后的模糊PID控制最大超調(diào)量僅為1.2%，并在3 s左右迅速穩(wěn)定在設(shè)定值，誤差性能指標(biāo)ITAE值為0.1756。相比PID控制，模糊PID控制消除了曲線抖動，響應(yīng)更快，綜合性能更好。

實驗結(jié)果表明，天牛須優(yōu)化后的模糊PID控制在控制精度和響應(yīng)速度上均優(yōu)于傳統(tǒng)PID控制。將該控制方法用于多臺小車的運動過程控制，能使小車在聯(lián)動調(diào)整時達(dá)到預(yù)期的同步效果，從而順利完成船體分段姿態(tài)的調(diào)整。

4 結(jié) 語

針對船體分段對調(diào)整過程中多臺三維小車的同步控制問題，本文從船臺小車編隊方式和同步運動控制2方面進(jìn)行了解決方案優(yōu)化。通過船臺小車自動編隊方法解決了人工錄入方式易出錯、難檢查等問題；針對傳統(tǒng)PID控制參數(shù)難整定、適應(yīng)性差等缺點，本文提出了天牛須優(yōu)化的模糊PID控制方法。仿真實驗分析結(jié)果表明，優(yōu)化后的模糊PID控制優(yōu)于PID控制，提高了控制效果。同時，該算法也存在不足，天牛須優(yōu)化為離線尋優(yōu)，如何實時優(yōu)化模糊控制器參數(shù)是今后的研究方向。