|
应用高载荷、大功率、长行程的系统是目前现代化大工业生产趋势，这类系统通常要求使用多个执行机构来完成它的功能和动作，如水库闸门的提升，大型集装箱的升降等等。在这样的大负载系统中，一般采取多个执行机构的液压系统来驱动。因此解决同步问题，保证工程建设的安全性和可靠性成为关键性的技术。本文对多缸同步智能控制进行研究，提出多油缸同步运行智能控制系统，探讨如何建立和完善子系统高质量地实现执行机构的同步运动，有效的解决了智能化同步控制的系统建立问题。
多油缸同步运行智能控制系统
多油缸同步智能控制系统（如图1）由同步检测子系统，同步控制子系统和电液实现子系统三大子系统组成，其建立基本步骤如下：根据同步油缸数量、行程及同步精度要求确定同步检测子系统的检测方式、检测方法、被测量、检测结构；由检测系统确定同步控制子系统中的控制方式和控制基准量（检测量的最大值，平均值等）；由同步要求确定电液实现子系统的方式选择（主动补偿式，进油调控式等）；最后确定同步控制子系统的控制策略的选择。智能控制的实现是基于完整建立各子系统的基础上整体优化协调各子系统的选择、联系和工作。本文在四缸同步控制研究的基础上探讨如何完善和建立多油缸同步智能控制子系统。 （图片） 四缸同步系统（如图2）研究的现状如下：（图片） a．采用相对检测法，选定检测基准油缸（下称基准缸），测量出其他三个缸的相对位移误差值。
b．利用光栅传感器作为检测元件，光栅定尺在基准缸的结构布置较为复杂（见图3）。
c．采用的电液实现系统只能对相对位移滞后的缸进行补偿，不具普遍性。
d．控制策略单一，不具备比较性。（图片） 由此，按智能系统建立过程探讨各子系统。
检测子系统的改进
相对检测法优点在于可以采用短行程的位移传感器检测长行程的油缸运动，具有检测行程短，成本相对低，易于空间布置等优点，因此适用于广泛的长、短行程的多缸同步系统中。
光栅传感器属于接触式测量，多缸布置方式如果类似四缸系统的布置（见图3），结构将非常复杂，产生安装与设计困难、精度难以保证等缺点，因此改用非接触式测量，可以引入激光测量的方式。
确定了一个油缸为检测基准缸（基准缸）后，将其余各油缸对于基准缸的测量的相对误差量输入到同步控制系统作为输入量，系统根据该输入量得出补偿量。
同步控制基准量的选取
各油缸相对于基准缸位移会产生超前或滞后，故δi有正有负。
控制基准量的选定有以下四种方案：
1）δ控制基准=δ0=0（设基准缸的误差为δ0）
2）δ控制基准=δmax=max{δi}
3）δ控制基准=δave=average{δi}
4）δ控制基准=δmin=min{δi}
δi--各油缸对于检测基准缸的测量相对误差量（i=0，1，2，…，n）
合理的选择控制基准量可以简化计算机控制的控制过程。
4电液实现子系统的建立
为适应不同实际控制的要求，结合选定的控制基准量，制定出较普遍使用的3种电液实现基本系统。
（1）主动式补偿系统
各油缸（见图4）都采用同型号的定量泵强制供油，及同型号的换向阀控制保持基本同步，增加补油油路，主动补偿同步误差油量。这种系统以δmax作为控制基准量，即向运动最快的油缸做补偿运动，所有油缸包括基准缸都要实现同步误差补偿量△δi=δmax-δi。实现过程：检测出的各缸与基准缸的同步误差δi，经过计算机控制系统处理后，计算出△δi按比例控制电液伺服阀对运动较慢的油缸进行补偿，实现快速运动消除误差。（图片） （2）进油调控式系统
各油缸（见图5）采用同型号的定量泵强制供油，及同型号的电液伺服阀控制，所有电液伺服阀有相同的基本输入信号保持基本同步，通过调节电液伺服阀的输入信号控制进油量消除同步误差。这种系统可以选择以δave、δ0、δmin、δmax任意一个作为控制基准量。其中，选取δ0作为控制基准量，即以检测基准缸作为控制基准进行分析可以减少计算机处理计算量，最符合人们的思维习惯。此时的补偿量即为△δi=δi-δ0=δi。实现过程：检测出的各缸与基准缸的同步误差δi，经过计算机控制系统处理后，计算出△δi按比例增大或减小供给电液伺服阀的基本电流，对滞后于基准缸的油缸进行补偿，对超前的油缸进行抑制，达到所有的油缸和基准油缸同步的目的。（图片） （3）回油调速式系统
各油缸（见图6）采用同型号的变量泵供油，及同型号的换向阀控制，保持基本同步，调节回油路上的电液比例调速阀控制回油量消除同步误差。这种系统以δmin作为控制基准量，即对运动最快的油缸进行抑制。此时的补偿量即为△δi=δi-δmin。实现过程：检测出的各缸与基准缸的同步误差δi，经过计算机控制系统处理后，计算出△δi按比例增大或减小供给电液调速阀的基本电流，调节回油量，减少△δi，直至同步或新的控制基准量出现。（图片） 以上三种基本系统的选择可以参照同步控制要求如快速补偿性、平稳性等及成本因素进行确定。智能化过程是建立起子系统库，根据成本、控制要求、生产环境等因素综合评价抉择基本系统的选定。
5控制策略的探讨
同步控制系统最为关键的部分就是控制策略的选择及优化。人们熟悉的控制策略都各具特色，可以通过某种调整方式和调整原则达到预期的目的。模糊控制策略是近年来被认为最拟人化的控制策略，是智能化控制发展的主流控制策略。但其同样有着缺点，因此本文针对传统PID控制和模糊控制的优缺点进行改进探讨。
同步控制过程如下：同步误差经A/D转换采集到计算机，在控制策略的算法下进行处理后输出数字控制量，再由D/A转换成模拟电压信号，控制电液实现子系统驱动各油缸实现同步运动。因各油缸参数一致或相近，所以控制策略选取一致。
1）微分先行变比例系数PID控制策略
PID调节是连续系统理论中技术最成熟的，应用最广泛的一种控制方法，而且可以根据系统性能的不同要求，采用各种PID的变种控制方法。考虑到本系统是多缸系统多回路控制，且不易建立具体的数学模型，因此引入微分先行变比例系数的PID控制（见图7）。 （图片） 其特点是：针对普通PID控制的动态响应慢，采用微分先行变比例系数控制，开始时用较大的Kp，以提高动态响应速度，然后再降低Kp，避免减小调节时间，保证系统稳定。同时采用微分先行，减少改变Kp同时也改变TI所引起的超调量过大的缺点。
因不同应用中系统性能指标的不同，定参数PID控制的适应性差的问题被提出。为了减少PID参数的整定的麻烦，克服因环境变化或扰动作用造成的形态性能的降低，这里提出PID控制的发展方向：采用PID智能控制，计算机根据不同的性能指标自学习自寻优的控制策略。
（2）基于解析表达式模糊数模型的模糊控制策略
模糊控制直接采用人类语言型控制规则，是一种倾向于智能化和专家化的控制策略。与传统的PID控制比较，具有较优的过程动态响应品质和较强的适应过程参数的变化。
确定本模糊控制器为双输入单输出模糊控制器（见图8），控制输入量为相对误差值△δ和相对误差的变化值，在本文里将△δ用e代替，将用ec代替，以控制量u作为输出变量。输入误差和输出控制量的离散论域为：（图片） E=U={-6，-5，-4，-3，-1，0，1，2，3，4，5，6}（1）
输入误差的变化的离散论域为：
EC={-4，-3，-2，-1，0，1，2，3，4}（2）
设输入误差的基本论域为e=[-x，+x]，误差的变化的基本论域为ec=[-y，+y]，输出控制量的基本论域为u=[-z，+z]。通常情况下误差E的隶属函数属于正态分布。
在模糊控制的具体实现方法上，应用模糊数原理，建立基于解析表达式的模糊数模型。基于解析表达式模糊数模型优良处在于其可以灵活的调整模糊控制规则，相当于可变的模糊控制查询表。
建立二因子模型数模型结构的解析表达式为：
α1，α2--修正因子，α1，α2∈[0，1]
通过对α1，α2对的调节，可以灵活的调整模糊控制规则，克服单凭经验确定控制规则的缺陷，而且由于取值的大小直接体现了对误差和误差变化率的加权程度，还可以避免控制规则定义中的空挡现象。
误差e和误差变化ec的量化因子k1和k2的选取对控制系统的动态性能影响很大，因此将k1、k2设计成可以在线调整。
比例因子k3的大小也影响着模糊控制系统的特性，因此将k3设计成可以自动根据输入误差进行调整。
通过对k1、k2、α1、α2的调整，得出较优的控制特性，也从而使系统适用于不同的使用场合。
（3）模糊-PID复合控制
模糊控制具有不建立数学模型，鲁棒性较好，但其控制动作欠细腻，稳态精度欠佳，因此可以综合以上两种控制的优点，引入模糊-PID复合控制，来提高控制系统的综合性能。
模糊控制与PID控制相结合的方案为：设定一个域值，当误差在域值以外时，采用模糊控制，以获得更好的瞬态性能；当误差落到域值以内时，则采用PID控制，以获得更好的稳态性能。这种模糊控制与PID控制两种控制模式相结合的控制策略就是模糊-PID复合控制，其结构如图9所示。（图片） 控制器中PID控制模式与模糊控制模式间的转换由计算机控制程序根据域值自动切换。域值的选取应由输入误差的基本论域来确定：emin=kmim x，e=kmax x。kmin和kmax可以根据系统的实际情况在线当|e|>emax时，此时误差过大，要求系统能快速响应，消除误差，不需考虑系统的稳态精度和超调量，这时可只采用PID控制的P控制。比例系数kpmax可以根据emax和z来确定，要确保此时得出的控制作用量大于z。
当|e|＜emin时，此时处于模糊控制输入误差E的零档附近，模糊控制很难获得高的稳态精度，故采用PID控制。
本文探讨如何完善和建立多油缸同步运行智能控制子系统，分析了三种控制策略，为不断扩展智能化系统提供了基础和参考，并取得了良好的实验结果，为工程实践提供了技术支持。然而，多油缸同步运动控制的智能化发展，需要不断的补充新的知识，为此需要建立一个良好的具有开放性、智能性的模板并不断的完善各个子系统，以实现自学习自优化过程。
4/2/2006
|
