基于单神经元的液压挖掘机自适应PID节能控制

1、第35卷 第4期吉林大学学报(工学版Vo. l 35 N o . 42005年7月Journa l o f Jili n U niversit y (Eng i nee ri ng and T echno l ogy Ed iti onJ u l y 2005文章编号:1671-5497(2005 04-0377-04收稿日期:2005 02 18.基金项目:国家自然科学基金资助项目(59705005; 机械部跨世纪优秀人才专项基金资助项目. 作者简介:王昕(1970-, 女, 副教授, 工学博士. 研究方向:工程机器人. E ma i:l x i n w ang5819163. co m通讯

2、联系人:赵丁选(1965-, 男, 教授, 博士生导师. 研究方向:工程机器人、流体传动与伺服控制. E m a i:l zdx jl u . 基于单神经元的液压挖掘机自适应PI D 节能控制王 昕1, 2, 赵丁选1, 尚 涛1, 石祥钟3, 唐新星1(1 吉林大学机械科学与工程学院, 长春130022; 2. 吉林大学生物与农业工程学院, 长春130022;3 河北工程学院机电工程系, 河北邯郸056021摘 要:在分析单神经元PI D 特性的基础上, 设计了基于单神经元的液压挖掘机自适应PI D 节能控制器。该控制器通过神经元的自学习, 对传统PI D 控制器的比例、积分、微分系数进行在

3、线调整, 实现了挖掘机功率匹配自适应控制。仿真结果显示单神经元PI D 自适应控制器具有较强的鲁棒性。关键词:流体传动与控制; 液压挖掘机; 单神经元; PI D 控制; 功率匹配; 自适应控制中图分类号:U270. 1; TP271. 31 文献标识码:AAdapti ve PI D Control for Energy savi ng of H ydraulicExcavator Based on Si ngle N euronWANG X in 1, 2, ZHAO D ing xuan 1, SHANG Tao 1, S H I X iang zhong 3, TANG X i n x

4、 i n g1(1. Co llege of M echanical Science and E ngineer i ng, J ilin Universit y, Changchun 130022, China ; 2. Co llege of B io logical and A gric u ltural Eng i neering, J ili n University, Changchun 130022, China ; 3. D e p ar t m ent of M echanical and E lect r ical E ngineer i ng, H ebei U ni v

5、er sit y of E ngineer i ng, H andan 056021, Chi naAbst ract :An adapti v e PI D contro ller f o r energy sav i n g of a hydraulic excavator based on the sing le neuron conceptw as designed on the basis of the fact t h at the si n g le neuron features the PI D characteristics . The onli n e ad j u st

6、 m ents of the coefficients of proporti o n , integ ral and differential o f the classical PI D contr o ller w ere realized by m eans of the se lf st u dy o f the neur ons , a llo w ing the adapti v e contr o l for the po w er m atching of the hydrau lic excavator . The si m u lation resu lts sho w

7、ed t h at the si n gle neuron PI D adaptive controller is character ized by the str ong robustness .K ey words :hydrau lic trans m issi o n and contro; l hydrau lic excavator ; si n gle neuron ; PI D contro; l po w er m atching ; adaptive contro l0 引 言液压挖掘机节能控制是通过控制泵的排量, 使其吸收功率始终追踪发动机的输出功率, 从而减少燃油的消

8、耗1。传统数字PI D 控制器的最大弱点是不能在线调整参数2, 无法适应挖掘机大滞后、非线性的特点, 不能实现挖掘机节能系统的精确控制。神经网络具有很强的非线性映射能力3, 应用它可以实现挖掘机精确、复杂的控制。目前缺乏相应的神经网络微机硬件的支持4, 因此, 现有微机在模拟神经网络机理时, 其处理速度不快, 难以解决实时控制问题。单神经元构成的控制器结构简单、运算速度快, 易于实现自适应实时控制。作者根据液压挖掘机节能控制系统的特点, 将传统的PI D 与单神经元算法相结合, 研制出了单神经元PI D 控制器, 实现了PI D 参数的在线调整。1 发动机 泵的功率匹配原则液压挖掘机工作时能量

9、传递过程见图1 。图1 发动机与液压系统组成部分的简化模型F ig . 1 S i m p lified m ode l of engi n e and hydrau lic syste m液压挖掘机作业过程中负荷变化频繁、变化范围大, 因而在多个环节上都会产生能量损失, 主要包括:机械损失、管道损失、泵的效率损失以及发动机与泵不匹配所造成的能量损失1。尤其是发动机 泵非经济匹配时运行所引起的发动机转速波动燃烧效率降低这一环节, 更加大了燃油的消耗。所以, 实现发动机 泵环节的经济匹配是挖掘机节能研究的核心问题。发动机 变量泵的匹配关系如下。发动机的输出功率N eo 为:N eo =M eo

10、n eo(1泵的吸收功率N p I 为:N pI =p p (t Q p =p p (t q(t n pI =M pI n pI(2由图1可见, 发动机与泵直接相联, 所以发动机的转速n eo 与泵的转速n p I 相等。当不考虑机械传动效率时, 若发动机的输出转矩M eo 与泵的吸收转矩M p I 相等, 则发动机的输出功率N eo 与泵的吸收功率N p I 相等, 系统无功率损失。挖掘机作业时, 负载与泵的出口压力p p (t 是自适应的。由式(2 可见, 当负载变化时, 只要实时调整泵的排量q (t , 保持泵的吸收转矩M pI 始终跟踪发动机的输出转矩M eo 就能保证发动机与泵的功率

11、匹配。 控比例变量泵。经典控制须建立在系统精确的数学模型基础上, 由于发动机具有大滞后、非线性的特点, 建立其精确的数学模型非常困难5。因此, 对于发动机 泵这样高度非线性的系统, 采用经典控制理论往往达不到最佳的控制效果, 所以本研究拟采用智能控制算法, 实现挖掘机的节能控制。为仿真研究方便, 经简化后建立的发动机 泵系统的开环传递函数为:G c (s =KK P K E22v+2 v v s +(3式中:K 为设定系统开环增益; K P 为泵简化后的比例增益; K E 为发动机简化后的增益; v 为液体固有频率; v 为阻尼系数。2 单神经元PI D 模型的建立根据神经元的结构和功能, 神

12、经元的模型有几百种之多3, 4。作者采用的一种基于控制观点的单神经元模型如图2所示, 它是一个由加法加权器、线性动态系统和非线性映射三部分组成的非线性信息处理单元。图2 基于控制观点的单神经元模型F i g . 2 M ode l of single neu ron based on contro l图2中, u i 为神经元的输出, u ij 为外部输入, ij 为神经元的权值, i 为神经元的阈值(0或1 。加法加权器空间总和后输出v i 记为:v i =ni=1ijuij i(4 线性动态系统的传递函数描述为:X i (s =H (sV i (s (5式中:H (s 为线性动态系统的网络

13、函数, 通常取为:1, 1/s, 1/(1+T s, e -T s。非线性作用函数通常取为:f(x =1+e -x 或f (x =-x1+e-x号x i , 再经非线性作用函数f (x 后即为神经元的输出, 记为:u i (k =f (x i (6数字PI D 控制算法的基本表达式为:u(k =K P e(k +K I Tkn=1e(n +K DTe(k -e(k -1 (7式中:k 为采样序号; u (k 为第k 次采样时的输出; e(k 为第k 次采样时的偏差;kn=1e(n 为历次采样的偏差累加; K P 、K I 、K D 分别为比例系数、积分系数、微分系数; T 为采样周期。由式(4

14、 知, 若神经元有3个输入量, 阈值为0, 则加法加权器输出为:v i (k = i 1(k u i 1(k + i 2(k u i 2(k +i 3(k u i 3(k (8比较式(7 和式(8, 对 ij 、u ij (k 分别赋值如下:i 1(k =K I i 2(k =K P i 3(k =K D u i 1(k =Tkn =1e(n u i 2(k =e(k u i 3(k =Te(k -e(k -1 (9显然, 采用上述赋值方法, 就可以使单神经元i 具有PI D 特性。由于神经元连接权值可通过学习实时调整, 所以单神经元PI D 控制器能实现PI D 参数的在线自适应调整。3 单

15、神经元PI D 控制器3 1 系统组成现代节能型液压挖掘机多采用分工况控制6。工作时, 在发动机设定工况下, 通过调节比例变量泵的排量, 使发动机输出功率与变量泵吸收功率达到最佳匹配, 从而稳定发动机转速, 减少燃油消耗, 达到节能的目的。发动机 泵的功率匹配节能控制系统采用转速感应控制策略, 其控制框图如图3所示。这种控制方式的主要优点是泵的特性曲线为标准的双曲线, 发动机的功率曲线也为双曲线7, 因此利于实现发动机 泵的功率匹配。图3 转速感应控制框图F i g . 3 B lock d i agra m of rota ti ng speedinduction con trol为提高系统

16、响应的快速性和鲁棒性, 作者结合传统数字PI D 控制机理设计的发动机-变量泵功率匹配节能控制系统的单神经元PI D 控制器如图4所示。图4 节能系统单神经元PI D 控制器Fig . 4 S i ng l e neuron PI D con tro ller of energy saving syste m3 2 单神经元PI D 控制器及其学习算法在图4所示系统中, 为避免输入样本中存在奇异样本时影响网络的训练, 本研究采用标准化即欧氏范数逼近法修正权值, 从而使奇异样本和其他样本对权值变化值的影响均衡。采用标准化算法后, 神经元的特性取为:x i (k =K u3j =1 ij(k u

17、ij (k 31! ij (k !(10u i (k =f (x i (k =U m ax-x i(k1+e i(11式中:U m ax 为控制量的最大限幅值, 即泵最大排量给定值。神经元控制器的学习算法为5:ij (k +1 = ij (k +! ij e(k u i (k u ij (k (12这种学习规则是有监督的H ebb 学习规则,有利于让神经元控制器在与被控对象的交互作用4 仿真试验及结果分析借助M atlab 6. 1/Sim u li n k 软件进行仿真试验, 设定发动机转速n =1760r /mi n , 最大限幅值U max =10V, 采样周期T =10m s , 初始

18、 i 1、 i 2、 i 3分别为:24, 0. 4, 5。仿真曲线如图5所示。 图5 仿真曲线F i g . 5Si mu l at i ona l curve仿真结果表明:基于单神经元的自适应PI D节能控制器具有较强的鲁棒性、自适应性以及无静差、无超调的优良性能。本研究在吉林大学机械电子工程系的液压挖掘机节能控制试验台上, 针对所设计的单神经元PI D 节能控制系统进行了台架试验, 借助DF -2410油耗传感器测量的轻载、中载动力模式情况下发动机采用单神经元PI D 控制策略和不采用任何控制策略时的5m i n 油耗情况如表1所示。由表中可以看出, 单神经元PI D 控制系统平均节能效

19、果都在8. 5%以上, 节能效果显著。表1 各模式下5m in 内发动机油耗对比Tab le 1 W astage con trast of oil i n 5m i nunder differen t m odes of en gi ne模式选择发动机转速/(r m i n -1无控制措施时油耗/mL应用单神经元P I D 控制策略时油耗/mL节省燃油/%轻载经济1250193. 79172. 5711中载经济1600230. 42210. 818. 51中载功率1740243. 95220. 369. 675 结束语基于单神经元PI D 自适应控制器, 利用神经元的非线性特性, 突破了线性

20、调节器的局限, 实现了非线性控制。同时, 依照学习信号所反应的误差和发动机转速的变化, 通过对传统PI D 控制器的比例、积分、微分系数进行在线调整, 产生了自适应控制作用, 而且具有很强的鲁棒性。参考文献:1彭天好, 杨华勇, 傅新. 液压挖掘机全局功率匹配与协调控制J.机械工程学报, 2001, 37(11:50-53.PE NG T ian hao , YANG H ua yong , FU X i n . H ydraulic Ex cava tor Ove ra ll P o w er M atch H ar m ony C ontro lJ.Ch i nese Journa l of M echan i ca l Eng i neer i ng, 2001, 37(11:50-53.2刘金琨. 先进P I D 控制及其M atlab 仿真M .北京:电子工业出版社, 2003.3徐丽娜. 神经网络控制M.北京:电子工业出版社,2002.4曹承志. 微型计算机控制新技术M .北京:机械工业出版社, 2001.5金立生, 赵丁选, 黄海东. 液压挖掘机节能用智能P I D 专家控制系统研究J.吉林工业大学自然科学学报, 2001, 31(4 :12-16.JI N L i sheng , ZHAO D i ng xuan , HUANG H a i dong . Stu