基于神经网络的液压矫直机DSP伺服控制器的研究.pdf

基于神经网络的液压矫直机DS P 伺服控制器的研究 Resear ch o f h ydr aul i c s t r ai gh t eni ng m achi ne DSP se r ve cont r ol l er bas ed on neur aI n et w or k 吴会敏，朱清智 W U Hu i ． mi n ．ZHU Qi n g - z h i 河南工业职业技术学院，南阳 4 7 3 0 0 0 搞要 针对矫直机伺服压下系统非线性及参数时变性，采用B P 神经网络- P ID 复合控制策略，并结合 D S P 强大的数据处理和高速运行特点 ， 将这种复合控制方案运行到D S P 伺服控制器上。通过系 统仿真研究 ， 神经网络P I D 对伺服系统的控制效果优良，对提高钢板矫直的质量有一定的研究 意义。 关键词 ；神经网络；D S P；伺服控制器；液压矫直机 中圈分类号t T P2 7 3 文献标识码 A 文章编号1 0 0 9 0 1 3 4 2 0 1 5 0 8 下 一0 1 2 0 0 4 D o i 1 0 ． 3 9 6 9 ／ J ． I s s n ． 1 0 0 9 - 0 1 3 4 ． 2 0 1 5 ． 0 8 下 ． 3 3 ’ 0 引言 全液压矫直机是一种现代化高精度钢铁制造加工新 型设备，在冶金领域有着重要的作用 ，其调整机构采用 伺服液压系统来控制⋯。伴随着冶金行业的进步，矫直 机对伺服系统的功能越来越苛刻 ，主要表现对系统稳定 灵活、时效性、控制精度等方面 。为了解决和满足矫直 机伺服系统的需求，很多先进智能控制算法推广运行到 伺服系统中，那么就需要大量的数据等运算在控制器内 以少量的时间来实现。 D S P 是数字信号处理器 D i g i t a l S i g n a l P r o c e s s o r 的简称 ，此微处理器 的内部具有独特的哈佛结构即程序 和数据相分开。该处理器对处理的数字信号算法能够很 短时间内迅速实现。本文结合神经网络和专业应用于控 制领域T I 公司DS P 芯片T MS 3 2 0 F 2 8 1 2 设计开发了一套专 门应用于矫直机伺服压下控制系统的伺服控制器。 1 矫直机伺服压下数学模型 1 ． 1伺服液压压下工作原理 全液压 矫直机 的矫直 压力控 制和辊 缝调整主要有 四个液压缸来控制实现，四个液压缸安装在矫直机横梁 上，每个液压缸分别安装MT S 磁致伸缩式位移传感器和 压力传感器 。矫直机通过伺服阀调节液压缸的流量和压 力来控制液压缸上、下移动的行程，实现辊缝的动态调 整、精确 定位和压力控制啦 。如图1 所示全液压矫直机 伺服液压压下原理图。 当输入控制信号U 和位移反馈信号U ，通过计算比 较处理器得到偏差信号U。 ，然后偏差信号U 通过伺服控 图1 矫直机液压压下控制 系统原理图 制器和液压伺服阀传递到被控对象液压缸活塞中，实现 对矫直机辊缝的精确控制 。 1 ． 2 全液压矫直机控制系统传递函数 1 _ 2 ． 1 液压伺服阀传递函数建立 液压伺服阀有着高阶非线性和非常复杂的特殊动态 性质 ，而在实际工业环境运用中，其特殊动态性 能和油 液温度、环境条件 、负载、输入的信号幅值 以及系统供 给油液压力等等因素有着很大的关系。为了简化系统的 动态特性分析与设计， 伺服阀的传递 函数一般可用二阶 振荡环节表示口 】 ，再根据伺服阀样本查得的参数可得到 式 1 。 ，、 0 川 n ’ 7 亍 二 ] [ 1 6 0 0 ‘ 6 0 0 1 _ 2 ． 2 液压伺服控制器传递函数 在实际 的工业环境 中，伺服液压 阀输入标准直流 电流信号 ，需要伺服控制器将标准的直流电压信号转化 成伺服阀能接受的直流 电流信号。伺服控制器系统的输 入通道直流电压为U 1 0 V D C，输出通道的直流电流 I 2 0 m A，实际传递 函数为 收稿日l2 0 1 5 - 0 3 - 3 0 作者簧介吴会敏 1 9 7 5一，女，河南南阳人，讲师，工学硕士，主要从事电气控制方面的教学与研究。 [ 1 2 0 ] 第3 7 卷第8 期2 0 1 5 -0 8 下 学兔兔 w w w .x u e t u t u .c o m ‰ 0 ．0 2 A2 ．o 1 0 X - 3 A I， 2 q 一一 I J ． A U 1 0 V ’ 1 _ 2 ． 3 液压系统位移传感器和压力传感器传递函数 本系统采用的反馈环节为磁致伸缩式位移传感器和 压力传感器，液压系统的频带宽度远远小于此反馈环节 的频带宽度 。可将此反馈环节近似成 比例环节，其增益 系数分别为K 和 。 ，故该比例环节为 f 厨 。 8 3 ．3 V ／ M ⋯ 由 相 关 位 移 传 感 器 参 数 等 效 求 得⋯ 1 o．ol 1 z ⋯ 由压力传 感器参 数求得 J 【 P A 1 ． 2 ． 4 液压伺服控制系统传递函数 对管道 的动态特 性忽略不计 ，由式 1 、式 2 、式 3 可得全液压矫直机伺服控制闭环系统开环传递函数 G s n s s H S 4 根据液压矫直机样本查得的参数 ，可得到式 5 G H K K s s n s 1 ． 3 4 9 ⋯ 翻 ’ 2 D S P 伺服B P 神经网络P I D 控制结构设计 2 ． 1神经网络P I D 结构 神经 网络是从微观结构和功能上模拟人大脑 的功能 进行工作的，其具有 自学习、 自适应能力而且不需要精 确地数学模型 。因此，神经 网络能很好地解决非线性 系统 的控制 问题 。B P 神经 网络P I D结构如 图2 所示。它 由B P 神经网络控制器和P I D网络控制器组成，这种复合 控制策略控制方案能够取P I D 和B P 神经网络各家优点， 结合开发 的DS P 伺服控制器硬件平台，使控制参数达到 最优。 图2 BP 神经 网络P I D控利结构原理 l鳘 l 神经 网络采用3 层B P 神经 网络 结构 ，分别 为输入 层 、 隐含 层 、输 出层 ，其 输入节 点为e k 、e k 一 1 、 e k - 2 ，相对应的输 出节分别为P I D的整定参数K 、K I 、 K D ，其结构如图3 所示 。 取B P 神经网络P I D 的性能指标为 ● E_L1 ， k 1 一 1 ] 6 输 e 入e k - 1 层 k - 2 输 出 层 图3 B P 神经网络P I D控利结构图 根据快速负梯度下降原则修改B P 神经P I D网络加权 系数值及添加惯性项得 △ 【3 k 1 一 叩 础 p ’ 七 7 U ，， 上式中” 为学习网络 的效率系数，0 c 为学习网络 的 惯性系数； 2 ． 2 D S P 伺服B P 神经网络P I D 控 制结构设计 由D S P 数据采集运算和B P 神经 网络P I D 构建组成了 整个伺服控制器的控制系统，并将 网络位移误差e 作为 它们 同样的输入信号 ，其控制系统方框 图如 图4 所示。 DS P 伺服控制器根据控制位移误差和B P 神经 网络在线学 习对P I D的三个参数实时调整，再经 由D S P 高速数据运 算处理，接收和发布控制命令并加以执行，以保证控制 算法的快速收敛和稳定性，达到最佳 的控制效果 。 影响B P 神经 网络性能 的因素有输入层、隐层和输 出层神经元个数 ，隐层和输出层传递函数 。对于本 文设计的液压矫直机实际工程情况及B P 神经网络P I D 算 法特 点，确定输入层为3 层、隐含层为8 层 、输出层 为7 层，确定学习速率1 1 0 ． 0 5 ，惯性系数a O ． 5 ，加权系数 取值范围[ ． 1 ， 1 】 ，k 值取 1 。 图4 网络控制 系统方框 图 2 ． 3 神经网络算法在D S P 伺服控制器实现上设计 C C S L I NK 是 由Ma t h Wo r k s 公司和美 国德州仪器公 司 T I 协作研发 了一款软件包，该软件是专门针对控 制算法在D S P目标板上实现，它为DS P 提供 了一个全新 接 口，方便研发人在软件环境下实现控制算法对D S P 的 操作。本文采用MA T L A B R 2 0 0 8 和C C S V 4 ． 0 两者相结合 的办法实现神经 网络 IJ D S P 伺服控制器硬件上的实现 ， 如 图5 所示。 第3 7 卷第8 期2 0 1 5 0 8 下 I[ 1 2 1 ] 学兔兔 w w w .x u e t u t u .c o m M AT LAB R 2 o o 8 M ATLAB Li n kf o r CCS De v e l o p me n t 数据操作 算法 函数调用 调试 I U’DX I c 。 a c c c r s 嘣。 C C S V ．。 I T M S 3 2 0 F 2 8 1 2 D S 晌服 控 制 器 图5 算法与DS P 接 口示意图 3 系统仿真及研究 MA T L A B的S i mu l i n k T具是用于各种动态系统建 模 、分析和仿真的图形交互环境【 。S i mu l i n k 拥有着非 常丰 富多样 的模块库，方便用户创建符合 自己需求 的 系统功能模块，使用户能够对 自己创建的数学模型来仿 真、分析。 首先创建 的液压矫直机双缸S i m u l i n k 仿真模型如 图 6 所示。 对建立的S i m u l i n k 缸P I D 控制系统的S i m u l i n k 模型 进行计算仿真，并在模型的输入端给定一个阶跃信号， 通过多次调整控制系统P I D的K P 、T 。 、T 。 参数值，最终 得到单位阶跃响应曲线如图7 所示 。 一 厂 、 l l 一 一 一 一 ． Ii 一 一 ． ∥ 一 l 。 ／ ． | 一 l l I I I 图7 双缸P I D控制系统 单位阶跃 响 在建立双液压缸P I D控制系统的S i mu l i n k 模型基础 上增J J N B P 神经网络进行复合控制 ，这种复合控制策略 N N ． P I D S i m u l i n k 仿真模型如图8 所示。 在建立的神经网络P I 【 控制系统的S m a u l i n k 入端给定 一 个单位阶跃信号，在MA rI I A B 计算机环境下进行多次仿 真，得到其单位阶跃仿真曲线的理性图形如图9 所示 。 1 1 2 2 1 第3 7 卷第8 期2 0 1 5 - 0 8 下 图6 双缸P I D控制系统S i mu l i n k 仿真模型 学兔兔 w w w .x u e t u t u .c o m 图8 双缸NN- P I D控制系统S i mu l i n k 仿真模型 。 厂～～～ 圜。 厂 } 。 f 。 ．／ ． j ’ 。 i I ． I ‘ ■ 图9 双缸N N P I D控制 系统单位阶跃 响 在进行全液压矫直机 双缸MA T L AB ／ S i mu l i n k 仿真 下，对 比传统P I D 控制和N N ． P I D 控制系统阶跃响应得到 的曲线图8 和 图9 比较分析研究 ，虽然传统P I D随时间增 加也 能达到稳定，但是液压缸1 和2 的阶跃响应 曲线有着 明显 的超调量，且响应时间较慢，调整 时间长；而神经 网络P I D 控制 的阶跃 响应 曲线则控制效果 比较优 ，其平 稳性好 ，液压缸 1 和液压缸2 几乎没超调量 ，稳态误差 下，响应时间迅速，调整时间短，再加扰动的情况下 ， 双缸也能很快趋于稳定，突 出了神经 网络P I D 控制能很 好的达到系统性能指标。 6 4 结论 本 文针对 目前 国内传统矫直机伺服控 制器 水平不 高，精度低且不能应用先进控制算法等缺点，结合先进 智能控制的应用，设计了基于神经 网络的D S P 伺服控制 器 。通过对双缸控制计算机模拟仿真和比较分析研究， 体现出神经 网络对伺服系统的控制效果的优越性，具体 表现在系统超调量微小、响应时间迅速 、稳态误差较低 等 。对其将来应用于全液压矫直机伺服控制系统，对于 提高钢板矫直的质量推动本行业的进步具有重要意义 。 参考文献 【 1 】 崔 甫． 矫直 原理与矫 直机械 【 M】 ． 北京 冶金工业 出版社， 2 0 0 5 ． 【 2 】 岳 光， 黄庆 学， 张华 君， 等． 基 于DS P T MS F 2 8 1 2 矫直机 伺服控制 器 设计重 型机械 ，2 0 1 2 ， 6 6 8 - 7 2 ． 【 3 】 王春行． 液压控制系统 【 M】 ． 北京 机械工业 出版社， 2 0 0 0 ． 【 4 】王文军． 基于神经网络的 自适应控制研究综述【 J 】 ． 计算机仿 真， 2 0 0 5 8 1 3 2 1 3 5 ． [ 5 】孙江涛， 胡鹰． 十一辊全液压中厚板矫直机弯辊模型研究【 J 】 ． 重 型机械， 2 0 1 4 ， 1 3 l 一 3 6 ． 【 6 】 谢海斌 ， 张代兵， 沈林成． 基 于MAT L AB ／ S I MULI NK与F L UE NT 的协 同仿真方法研究 [ J ] ． 系统仿真学报, 2 0 0 7 ， l 9 8 1 8 2 4 - 1 8 2 7 ． 第3 7 卷第8 期2 0 1 5 - 0 8 下 [ 1 2 3 ] 学兔兔 w w w .x u e t u t u .c o m