CN119472442A 万能压力试验机的压力测试控制方法及系统 （瀚洋重工装备制造(天津)有限公司）

万能压力试验机的压力测试控制方法及系统本发明提供一种万能压力试验机的压力测号和饱和方向关系对积分项幅值进行限制并确2获取万能压力试验机的液压缸参数和伺服阀参数，根据液压缸将所述压力控制数学模型和所述自适应反馈控制器进行集成，将所述预训练神经网络嵌入至所述压力控制系统，根据压力反馈与指令的误差信号，对于万能压力试验机的液压缸，通过查询设备手册和实际测量获基于所述液压缸参数和伺服阀参数构建液压缸腔体对应的流选择输入层节点和输出层节点都为1的三层反向传播神经网络作为初始反馈控制器，3;所述帕累托最优解集中选择神经网络训练样本并基于压力机常见工况生成覆盖不同压力指令类型的训练样本集，使用所述训练样本集对所述反向传播神经网络进行离线预训练，通过LM算法更新每层反向传播神经网络的网络权重得到预训练神将所述压力控制数学模型和所述自适应反馈控制器进行集成，生成所述闭环控制系对所述外部存档中的解进行降序排列并选择位于前10%的解作为候选个体，对所述候选个选择所述帕累托最优解集中的解作为神经网络训练样本，结合压力;4将预先获取的预训练神经网络嵌入至所述万能压力试验机的压力控基于积分分离和积分限幅设置反馈控制器抗饱和策略，设置积分分离器和积分限幅基于所述饱和函数，结合所述积分限幅器和积分分离器，生成抗;ppi8.万能压力试验机的压力测试控制系统，用于实现前述权利要求1_7中任一项所述的第一单元，用于获取万能压力试验机的液压缸参数和伺服阀参衡方程和力平衡方程建立所述万能压力试验机中压力控制系统对应的压力控制数学模型，基于所述压力控制数学模型计算得到电压输入与负载压力输出之间动态关系的传递函数，初始反馈控制器的输入层节点和输出层节点确定隐藏层节点数并设置激活函数和网络权第二单元，用于将所述压力控制数学模型和所述5第三单元，用于将所述预训练神经网络嵌入至所述压力控离器和积分限幅器设置反馈控制器抗饱和策略并判断在当前控制参数下执行器是否饱和，其中，所述处理器被配置为调用所述存储器存储的指令，以执行程序指令被处理器执行时实现权利要求1至7中任意6[0002]万能压力试验机是一种用于材料力学性能域得到广泛应用，压力测试控制系统是万能试验机的核心部件之一,其性能直接影响试验但是,由于试验对象的非线性特性和参数的时变性，传统控制方法难以满足不同工况下的将所述压力控制数学模型和所述自适应反馈控制器进行集成，生成闭环控制系7选择输入层节点和输出层节点都为1的三层反向传播神经网络作为初始反馈控制;数。将所述压力控制数学模型和所述自适应反馈控制器进行集成，生成闭环控制系8等级对所述外部存档中的解进行降序排列并选择位于前10%的解作为候选个体，对所述候;τji9;ppi量平衡方程和力平衡方程建立所述万能压力试验机中压力控制系统对应的压力控制数学所述初始反馈控制器的输入层节点和输出层节点确定隐藏层节点数并设置激活函数和网选择神经网络训练样本并基于压力机常见工况生成覆盖不同压力指令类型的训练样本集，分分离器和积分限幅器设置反馈控制器抗饱和策略并判断在当前控制参数下执行器是否[0014]本发明中，通过从帕累托解集中控制器参数在满足约束条件的同时,兼顾不同性能指标,实现了参数整定的智能化和自动的适应性和鲁棒性，抗饱和策略有效地抑制了积分饱和现象,避免了执行器长时间处于饱和状态而引起的系统振荡和失稳，合理设置积分限幅值,可以协调控制器输出与执行器动件,实现了试验过程的自动化和智能化，为液压万能试验机等高端装备的智能化升级和技S1.获取万能压力试验机的液压缸参数和伺服阀参数，根据液压缸流量平衡方程反向传播神经网络是一种用于训练人工神经网络的算法，通过逐层计算误差并反向传播，选择输入层节点和输出层节点都为1的三层反向传播神经网络作为初始反馈控制对整合后的液压缸数学模型进行拉普拉斯变换,将时域方程转换为复频域方程，在拉普拉斯变换后的方程中,消除位移项,得到伺服阀输入电压与液压缸输出压力之间的选择三层反向传播神经网络作为初始反馈控制器,输入层和输出层节点数均设为反馈与指令的误差信号计算损失函数的梯度，并利用梯度下降公式更新权重,不断降低控神经网络作为自适应反馈控制器,通过误差反向传播算法在线学习,根据压力误差信号持续优化隐藏层和输出层权重,使控制器能够自适应地调整控制策略以适应液压系统参数的;数。[0024]本实施例中，通过分析传递函数可以准确描述特定压力机的动态特性。在设计控制器时,可以根据这些参数值计算控制器[0025]S2.将所述压力控制数学模型和所述自适将所述压力控制数学模型和所述自适应反馈控制器进行集成，生成闭环控制系等级对所述外部存档中的解进行降序排列并选择位于前10%的解作为候选个体，对所述候[0028]集成压力控制数学模型和自适应反馈输入,通过自适应反馈控制器输出控制电压作用于伺服阀，伺服阀根据控制电压调节液压油流量,进而控制液压缸的压力输出，压力传感器测量实际压力并将其反馈给自适应控制以积分绝对误差和调节时间作为性能评价指标,构建多目标函数，以超调量作为据传递函数模型,可得到该压力机的压力控制数学模型，设计三层BP神经网络作为自适应解集，在帕累托最优解集中随机选择解并作为反向传播神经网络的初始权重,选取50组不[0030]本实施例中，通过将压力控制数学模型与自适服了传统试错法的盲目性,提高了控制器参数整定的效率和可靠性，可以使神经网络控制器快速学习压力机的动态特性,改善系统的响应速度和稳态精度，通过设置验证样本评估;τji计算信息素增量时,同时考虑了个体的非支配排名和拥挤度两个因素，确保了种群的收敛化的收敛速度,同时维持了种群的多样性,为求解复杂的多目标优化问题提供了有效的方[0033]S3.将所述预训练神经网络嵌入至所引入积分分离器和积分限幅器,防止执行器饱和时的积分饱和现象结合压力误差的取值范围,设计一个饱和函数，饱和函数在压力误差小于下限或差值，将积分控制器的输出信号通过饱和函数进行幅值限制,防止过饱和，综合积分分离对控制参数进行优化调整，将优化后的控制参数解析为控制指令,形成当前工况下的压力度下降法和反向传播算法更新网络权重，根据积分分离理论,设定一个压力误差阈值为适应控制策略具有更好的动态性能和稳态精度,尤其在压力机参数变化和负载扰动较大的控制中的积分饱和问题,提高了系统的控制品质和安全性，简化了压力机控制系统的设计;ppi[0040]本实施例中，积分分离器通过条件判断决定提高了控制系统的鲁棒性和适应性，确保了控制器输出在执行器的可行范围内,避免了控制器输出与执行器实际动作的不一致,提高了控制系统的安全性和可靠性，积分分离机制有效抑制了积分饱和问题,使控制器在执行器饱和时停止积累误差,避免了积分项的无限量平衡方程和力平衡方程建立所述万能压力试验机中压力控制系统对应的压力控制数学所述初始反馈控制器的输入层节点和输出层节点确定隐藏层节点数并设置激活函