一种对电液伺服系统的位置和力信号的协同控制方法与流程

文档序号：11619830阅读：580来源：国知局

本发明属于电液伺服系统控制领域，涉及到一种电液伺服系统力信号和位置信号协同控制方法。

背景技术：

电液伺服系统工作过程中不仅会有位姿上的变动，还会与外界产生接触力，同时工作环境也会受到外界和系统的非线性因素产生的振动和冲击的影响。鉴于此，本研究通过对电液伺服系统的力和位置的协同控制进行研究，目的是为了提高电液伺服系统的负载能力和定位精度，实现位置信号和力信号的协同控制，满足生产实践的需要。

此方面的研究有很多，国外学者mason提出一种力/位协同控制的思想用于完成柔顺控制的功能。其方法单独针对电液伺服系统力信号和位置信号进行控制，因此过于局限，没有考虑位置信号和力信号之间的协同关系。目前常用的方法也是通过各种复杂的传感器对位置信号和力信号进行检测，通过软件处理反馈数据构建位置信号和力信号间的关系来对位置信号和力信号进行协同控制，虽然效果也很好但是过程也较为复杂，容易受到外界环境的影响。本发明采用方法思路简单，其控制性能也非常良好，能够方便且有效解决电液伺服系统位置信号和力信号间的协同控制问题。

技术实现要素：

一种对电液伺服系统的位置信号和力信号的协同控制方法。

本发明按以下步骤实现：

步骤1.设计离散pid控制器：

本文在位置控制部分采用离散pid控制器进行控制。pid控制是指将比例、积分、微分控制进行线性组合而得到控制器，适合用于不能完全掌握系统结构参数的控制对象或不能得到精确的数学模型的场合，在工程实际中应用最为广泛，其特点是结构简单、稳定性好、工作可靠；pid控制器的结构如图1所示。

离散pid控制器理论结构如下：

式中，t为采样周期。kp为比例系数。ki为积分系数。kd微分系数。ti为积分时间常数。td为微分时间常数。第k个采样周期偏差与输入输出关系为：

为了实现有效控制，其参数要求如下：

步骤2.设计自适应模糊神经网络控制器：

自适应模糊神经网络控制算法是不依赖控制对象的控制算法。此算法将神经网络的自学习能力和模糊理论表达知识的能力结合起来，可提高整个系统对知识的学习和表达能力，减小系统在整个工作过程中由于速度变化和系统非线性因素导致的振动和冲击，同时能提高整个控制过程稳定性。自适应模糊神经网络结构示意图如图2所示。

matlab中的自适应模糊神经网络，是用神经网络理论自动建立sugeno型模糊模型的一个软件。根据预先装入的测试数据可以自动的生成初始的fis。生成初始的fis采用网格分割法，输入向量设置为3和3，隶属度函数类型选用gaussmf型且输出变量选用线性函数类型作为输出类型。对初始的fis进行对训练中误差设为0.001，训练次数设为100。经过了100次的训练误差以后的误差为0.0056877。据此可以根据高斯隶属度函数公式：

对e和ec进行训练，可以得出e训练以后覆盖模糊子集的高斯隶属度函数表达式：

同样，在训练后输入变量ec的隶属度函数会发生变化。可以得出ec训练以后覆盖模糊子集的高斯隶属度函数表达式：

训练后输出量的隶属度函数为9个输出函数，获取当前9个隶属度函数的相应参数，可以归纳出该系统的输出函数为：

f1=-0.004742e+0.0009752ec+0.003943

f2=-0.5691e+2.076e-06ec+0.2173

f3=-31.49e+8.549ec+17.1

f4=-0.2256e+0.06084ec+0.1203

f5=-0.1678e+0.0001295ec-0.1535

f6=0.04813e+0.02218ec+0.04439

f7=0.07298e+0.0001578ec+0.02196

f8=7.921e+3.359e-07ec+2.361

f9=0.06705e+0.137ec+0.2741

最后得到9条模糊规则为：

1.if(eisn)and(ecisr1)then(outputisf5)

2.if(eisn)and(ecisr2)then(outputisf4)

3.if(eisn)and(ecisr3)then(outputisf3)

4.if(eiso)and(ecisr1)then(outputisf2)

5.if(eiso)and(ecisr2)then(outputisf1)

6.if(eiso)and(ecisr3)then(outputisf9)

7.if(eisz)and(ecisr1)then(outputisf8)

8.if(eisz)and(ecisr2)then(outputisf7)

9.if(eisz)and(ecisr3)then(outputisf6)

这就完成了整个电液伺服系统的自适应神经模糊控制器的设计。

步骤3、根据位置和力信号的协同控制原理构建系统力/位协同控制的方框图，并添加控制器进行控制

位置和力信号的协同控制原理：位置控制部分通过位移传感器测得阀控缸的位置输出信号，并将其反馈到位置信号输入部分与输入信号对比，获得位置偏差信号；力控制部分通过力传感器测得阀控缸的力输出信号，并将其反馈给力输入部分与力输入信号做比较，获得相应的力偏差信号；最后将位置控制部分的偏差信号和力控制部分的偏差信号相加，作为整个阀控缸的位置增量期望输入，阀控缸利用增量控制来动态的调节阀控缸的位置信号和力信号，并最终完成对电液伺服系统位置和力的协同控制，其原理图如图3所示。根据图3建立力/位协同控制方框图如图4所示，将所设计的pid控制器和自适应模糊神经网络控制器分别加入到位置控制部分和力控制部分进行控制，调节控制器参数就可使系统的位置信号和力信号达到最终输出的要求，图中实线框中表示离散pid控制器，虚线框中表示自适应模糊神经网络控制器。

有益效果：

本发明对比已有的方法思路简单清晰，采用的自适应模糊神经网络控制算法能够将神经网络和模糊控制的有点结合起来，提高系统的自学习能力和表达知识的能力，能有效提高系统对力信号的振动和冲击的抑制作用，提高系统的稳定性和定位精度，提高系统的负载能力。

附图说明

图1pid基本组成原理结构示意图。

图2模糊神经网络系统结构示意图。

图3力/位协同控制原理方框图。

图4加入控制器的力/位协同控制仿真图。

具体实施方式

步骤1.设计离散pid控制器