基于AMESim的道路模拟液压伺服系统的优化设计-佳工网




基于AMESim的道路模拟液压伺服系统的优化设计
谢伟东刘大磊

为节省流量，手机版未显示文章中的图片，请点击此处浏览网页版

摘要：在运用AMESim 仿真软件基础上，对道路模拟试验台的液压伺服系统进行了建模和仿真，运用软件中优化功能，对道路模拟试验台的控制参数进行优化分析，提高了控制精度，给出了相应的仿真结果。运用此方法可以对类似系统进行优化设计。关键词：道路模拟；AMESim；仿真；控制参数；优化设计液压系统的优化是优化设计理论在液压系统中的应用，液压系统中执行元件的动态性能的优化，液压系统的优化对象主要有效率、相对稳定性、快速性、综合控制性能、抗干扰能力、稳态精度等。不仅使其传动功能达到最优，也使其控制性能达到最优，遗传算法是一种模拟生物在自然界环境中的遗传和进化过程而形成的自适应全局优化概率算法，现在其应用范围几乎涉及到所有用传统的优化方法难以解决的优化问题。本文借助AMESim 中的设计开发模块（Design Exploration）中的遗传算法对道路模拟液压系统的PID 控制参数进行了优化研究，并给出了仿真与优化的结果。 1 道路模拟系统的要求车辆市场的竞争的激烈，要求车辆生产设计厂家必须以最快的速度推出可靠的产品才能赢得市场。然而产品的可靠性需要进行大量的实车试验才能获取。随着电液伺服技术的发展，道路模拟试验台为替代传统的实车试验和实际道路试验提供了一个有力的工具。道路模拟试验在车辆开发试验阶段是必不可少的。道路模拟液压伺服系统和其他类型的液压伺服系统相比，有下列要求：（1）液压执行机构的功率－重量比大，因此要求道路模拟的液压伺服控制系统的加速性好，结构紧凑，尺寸小，重量轻。则要求液压伺服控制系统中，必须有提高供油压力的能力，来满足较高的力或扭矩，部件的强度必须满足高强度要求。（2）液压控制系统要有大的刚度，它受外负载的影响小定位准确。动作时位置误差小，精度高。另外，要求系统的响应速度快，因为液压弹簧与负载形成的液压谐振频率高。（3）对任何液压系统而言，温升是个主要的限制条件，液压控制系统要有良好的解决散热问题，虽然液压油本身就是一个很好的载热介质，在系统工作过程中它可以把由于功耗而产生的热量从发生的地方带到别的地方通过热交换散热，但在设计时要考虑在一定功率条件下减少部件尺寸，提高系统的功率－重量比。对于液压伺服系统要求，就是要体现良好的稳定性、动态特性和稳态特性，但这三个要求是有条件制约的。提高功率－重量比就会限制到制造材料的强度，提高了成本；改善响应速度和减少位置误差，则会引起系统的振荡；提高散热性能则会影响系统的功率－重量比。在初步确定设计方案后，这些将取决于被控对象和控制装置之间、各功能元部件的特性参数是否匹配得恰当，这就需要协调各个参数使控制器按照设定的工作方式工作。 2 基于遗传算法的PID 参数整定原理在确定了被控对象的模型及对控制系统的技术要求之后，为了确定控制器的参数，需要进行大量的计算。工程实践上常用方法是经验法和试凑法，这样的设定参数方法对比较简单的被控对象模型应用较多。通常的工作步骤是设计者根据对实际系统的了解，先初步确定控制器参数的一组初始值，通过软件仿真或者直接在实际系统中应用，得到系统对典型输入的响应特性，然后对结果进行分析，修改参数，重新进行仿真或实验，直至性能满足系统的要求。PID 参数的调整在理论上的方法主要有Ziegler－Nichols 设定法、临界灵敏度法、ISTE 最优设定法、基于增益优化参数整定法和基于总和时间常数法等，但理论的前提是要有被控对象的准确的数学模型。随着科学技术的发展和应用范围的扩大，系统越来越复杂，对控制的效果也提出了更高的要求，继续采用上述方法已经不适合发展的要求，所以为了获得最佳的设计效果，出现了最优化技术。 2．1 遗传算法的概述遗传算法是建立在达尔文自然选择原理基础上的一种优化方法。遗传算法的基本思想是：仿效生物学中的遗传过程，遵从“生存竞争，优胜劣汰”的原则，把优化设计搜索空间映射为生物遗传空间，将设计变量映射为遗传染色体既个体，所有个体组成遗传群体，并按每个个体生存的适应程度大小进行评价，通过对群体进行选择、交叉、变异等遗传操作，将适应度大的个体保存下来，淘汰适应度小的。经过这样反复操作，直到求出最优个体为止。 2．2 基于遗传算法的PID 参数整定原理（1）参数的确定及表示。PID 参数（kp ，ki ，kd ）的范围一般由设计者给定，然后根据精度的要求，对其进行编码。选取二进制字串来表示每一个参数，并建立与参数间的关系。再把二进制连接起来就组成一个长的二进制字串，该字串为遗传算法可以操作的对象。（2）选取初始种群。通过计算机编程可随机产生0 至1 的初始种群。（3）适配函数的确定。一般取优化目标函数为适配函数，主要根据控制系统的3 个指标：稳定性、准确性和快速性来综合确定。（4）遗传算法的寻优操作。首先利用适应度比例法进行复制。即通过适配函数求得适配值，进而求每个串对应的复制概率。复制概率与每代字串的个数的乘积为该串在下一代中应复制的个数。复制概率大的在下一代中将有较多的子孙，相反则会被淘汰。其次进行单点交叉，交叉概率为pc 。从复制后的成员里以pc的概率选取字串组成匹配池，而后对匹配池的成员随机匹配，交叉的位置也是随机确定的。最后以概率pm进行变异。初始种群通过复制、交叉及变异得到了新一代种群，该代种群经解码后代入适配函数，观察是否满足结束条件，若不满足，则重复以上操作直到满足为止。结束条件由具体问题所定，只要各目标参数在规定范围内，则终止计算。以上操作过程如图1 所示。（图片）图1 遗传算法流程图 3 控制参数的优化实例图2 为AMESim 环境下建立的电液伺服阀、液压缸、位置传感器、输入信号以及简单的PID 控制器等组成，伺服阀将输入的控制信号转化为液压信号输出至液压缸，液压缸作为执行元件带动负载移动。位置传感器将活塞杆输出的位移转变为一信号，该信号与输入信号比较的误差作为PID 模块的输入，PID 模块的输出作为电液伺服阀的控制信号。（图片）设定系统参数：伺服阀各通路流量为60L ／ min，压降为0．1MPa，额定电流40mA，阻尼比为1；PID 控制器， kp＝5， ki＝0．03， kd＝0．1；位移传感器的增益为10。设定仿真时间为20s，采样周期为0．01s，在Run模式下得出仿真结果如图2、图3 所示。（图片）由图3、图4 可知，系统稳定，超调量极小，但上升时间过长，反映了系统的快速响应品质较差，但只是提高系统的上升时间即其快速响应品质会使系统出现振荡，因此使用遗传算法对控制器的PID 的参数进行优化，寻找满足要求的最优解。参数范围可以通过批处理仿真，得到参数变化对系统响应的影响。通过批处理结果分析得到最终确定参数范围为kp（0～200）， ki（0～5）， kd（0～10）。缩短上升时间，也就是提高系统的快速性，可提高活塞杆位移的初速度来实现。即加入要求活塞杆在运行时间2－20s 内保持0．04m 位移的约束条件和活塞速度在2－20s 内尽快接近0m ／ s。设置PID 参数（kp、ki、kd）为输入参数，活塞杆位移，活塞杆位移速度为输出参数，约束条件为复合输出参数。约束表达式为globMax（ abs（ restrict（ dis ，1，10）－0．04）），responseTime （ restrict（ V，2 ，20）－0 ，2）。运行AMESim 中的设计开发模块（Design Exploration），首先通过实验设计DOE 进行参量分析，获得约束与响应之间的关系。再选择Optimization中的遗传算法进行参数优化，设定遗传算法优化的参数为种群大小为30，复制概率为60％，变异概率为5％，经过51 代的进化后的PID 参数为： kp＝22．524， ki＝0．037， kd＝0．060，详见图5。（图片）图5 遗传算法运算结果系统采用优化结果后的系统阶跃信号相应曲线和活塞杆速度曲线如图6 和图7 所示：（图片） 4 结束语通过优化前后的曲线比较，系统性能明显得到改善。运用AMESim 软件中优化设计功能模块（Design Exploration）中的遗传算法优化功能，对电液道路模拟液压系统的PID 控制参数进行了优化，此方法可以快速、方便、有效地实现目标的优化，且可以借助优化设计模块中的绘图功能直观地看到优化过程，是一种无需借助太多的系统初始信息就可以建立寻求最优化结果的方法。而且可以运用批处理仿真，避免了参数范围过大而影响效率，减少了寻优的盲目性，省掉了大量的计算。对实际系统的建模仿真及优化证明了基于AMESim 和遗传算法的PID 参数整定是正确的；且运算量低和精度高。为道路模拟设备的控制系统开发和优化控制方案提供了比较准确和操作简便的方法。参考文献［1］刘金琨．先进PID 控制及MATLAB 仿真［M］．北京：电子工业出版社，2003．［2］李谨，游善兰．AMESim 软件的特点及其应用［J］．工程机械，2004（12）．［3］付永领，祁晓野．AMESim 系统建模和仿真－从入门到精通［M］．北京：北京航空航天大学出版社，2006．［4］余佑官，龚国芳，胡国良．AMESim 仿真技术及其在液压系统中的应用［J］．液压气动与密封，2005（3）． 4/10/2011

LMS仿真与试验解决方案 (点击访问) 电话：86--4000920665 地址：北京市朝阳区望京中环南路7号西门子大厦9层


电脑版	客户端	关于我们
佳工机电网 - 机电行业首选网站