压电式气动伺服阀控制策略的研究.pdf

2 0 1 2年 9月 第 4 0卷 第 l 7期 机床与液压 MACHI NE TOOL HYDRAU 『 L I C S S e p．2 0 1 2 Vo 1 ． 4 0 No ． 1 7 D O I 1 0 ． 3 9 6 9 ／ j ． i s s n ． 1 0 0 1 3 8 8 1 ． 2 0 1 2 ． 1 7 ． 0 1 6 压电式气动伺服阀控制策略的研究 龙威 ，袁锐波，曾浩，张宗成 昆明理工大学机 电工程学院，云南昆明 6 5 0 0 9 3 摘要 通过分析比较单纯 P I D控制和 P I D神经元网络控制对压电式气动伺服阀动态特性的影响，比较两种控制模式下 压电式气动伺服阀的稳定性、快速响应性、信号跟踪能力，可知与单纯 P I D控制相比，采用 P I D神经元网络控制，系统 具有更好 的稳定性 、快速 响应 性和信号跟踪能力 。 关键词 P I D神经元网络控制；P I D控制 ；压电式气动伺服阀 中图分类号T N 8 2 0 ． 3 4 文献标识码A 文章编号1 0 0 1 3 8 8 1 2 0 1 2 1 7 0 5 3 3 I s e a r c h o n Co n t r o l S t r a t e g y f o r Pi e z o e l e c t r i c Pn e u ma t i c S e r v o Va l v e LONG W e i ， YUAN Ru i b o。 ZENG Ha o， Z HANG Z o n g c h e n g K u n mi n g U n i v e r s i t y o f S c i e n c e a n d T e c h n o l o g y ， K u n mi n g Y u n n a n 6 5 0 0 9 3 ，C h i n a Ab s t r a c t Th e i n flu e nc e s o f s i mp l e PI D c on t r o l a nd PI D n e u r a l ne t wo r k c o nt r o l o n dy na mi c c h a r a c t e ris t i c s o f pi e z o e l e c t ric pn e u ma t i c s e r v 0 v alv e w e r e a n a l y z e d ．T h e n s t a b i l i t y，f a s t r e s p o n s e ab i l i t y ，s i g n a l t r a c k i n g c a p ab i l i t y of p i e z o e l e c t r i c p n e u ma t i c s e r v o v alv e u n d e r t h e t w o c o n t r o l wa y s we r e c o mp are d ．B y c o mp a r i n g t h e s i mu l a t i o n r e s u l t s ， i t i s s h o wn t h in P I D n e u r a l n e t wo r k c o n t r o l s y s t e m h a s b e t t e r s t a b i l i t y ，f a s t r e s p o n s e a n d s i g n al t r a c k i n g c a p a b i l i t y t h a n t h e s i mp l e P I D c o n t r o l s y s t e m． Ke y wo r d sP I D n e u r a l n e t w o r k c o n t r o l ；P I D c o n t r o l ； P i e z o e l e c t ri c p n e u ma t i c s e r v o v a l v e 压电式气动伺服阀以其控制方便、产生的驱动力 大、带负载能力强、功耗低、响应快等特点而被国内 外专家所重视 ，并逐渐将其运用到气动伺服 系统 中实 现对系统 的高精度控制 。但是 由于气动技术 的一些 固有特性，如气体的压缩性、气体通过阀口流量的非 线性等，使气动控制的精度和稳定性难以达到理想的 效果 。因此作者对压 电式气动伺服阀进行研究， 采取适当的控制方法希望达到更高速、精密的伺服控 制。要解决以上问题，可以从选择适当的控制策略入 手。P I D控制是应用 时间最 久 、鲁 棒性较好 的控制 策 略 ，在现实工业 的过程控制和运动控制 中有着广泛应 用。近几年来 ，大量专家和学者对神经 网络控制和 P I D控制相结合 的复合 控制 研究 产生 了浓厚 的兴趣 ， 目的是为了发挥 P I D控制和神经网络控制的各 自优 点 ，对系统进行很好 的实际控 制。到 目前 为止已经取 得 了一些成果 。1 9 9 7年 ，广州大学 的舒 怀林教 授 首先提 出了 P I D神经元 网络控制系统 的概念 ，P I D神 经元 网络 的结构既适用 于单变量 系统 的控制 ，也适用 于多变量系统 的控制 ；在输 出形式上 ，既可 以是单输 出，也可以是多输出，可以随着网络输出量个数的增 减而变化 。作者将单纯 P I D控制和 P I D神经元网络 控制分别应用于压电式气动伺服阀控制的气动机械手 伺服控制系统中进行仿真，仿真结果表明P I D神经 元网络控制能更好地改善该伺服系统的控制精度。 1 压电驱动伺服阀的工作原理和建模 1 ． 1 压电驱动伺服的工作原理 图 1 为杠杆式 阀芯运动机构 的原理示意 图，在 结 构上气动阀的两块压电叠堆被并列置于阀体上方，与 阀芯的运 动方向平行 ，因而减少 了整个 阀的长度 ，结 构也更为紧凑。采用压电叠堆作为动力元件，当给右 端所对应 的压 电叠堆施加一定 的电压 时，压 电叠堆就 大杠 杆 图 1 压电驱动式气动伺服阀的阀芯运动机构原理图 收稿 日期 2 0 1 1 0 9 0 l 作者简介龙威 1 9 8 1 一 ，女，工学博士，讲师，目前从事流体传动及控制、空气静压润滑 的研究。Em a i l z e n g h a o 0 01 9 1 2 6． c o n。 5 4 机床与液压 第 4 0卷 会与电压成比例地伸长，从而推动右端的放大机构， 形成输入位移 ，在输 出端，经杠杆放大机构后， 形成输出位移 ，从而推动滑阀阀芯向左移动；同 样 ，当左端放 大 机构 对应 的压 电叠 堆外 加 电压增 加 时 ，阀芯右移 ，从而实现了滑阀的双向运动 。 1 ． 2 压电伺服 阀的建模 压 电伺服 阀的结构示意 图见 图 1 ，其简化模 型见 图 2 。 厂 图2 阀芯运动机构动力学模型 根据模型 ，由牛顿第 二定律 可得机构 的简化模型 的运动微分方程为 r m l l K l 1 I t 2 1 f- F 1 7 F l 0 一 F 2 b 一 1 0 0 1 【 m 2 2 I t l 2 一F z 0 式中m。 为压电叠堆的等效质量，k g ； K 。 为压电叠堆的刚度，N ／ m； 、 2为系统的阻尼 ，N s ／ m； ， 为放大机构的转动惯量，k g m； F 。 、 为杠杆输入端、输出端与外接质量间 的作用力，N； ，为压电叠堆的输出力 ，N。 根据微分方程列出伺服阀的输入电压 “与阀芯位 移 的方程式 z m 2 z 寺 Iz 2 一 2 Km l IX z b x 2 z 2 2 2 1 2 K． d o n ／ L a 2 式 中 为应变系数 ；n为压 电陶瓷片 的个数 。 对上式作拉氏变换并带入各个参数得传递函数 ， 1，、 L 鱼 兰 ， 5 ． 411 0 s 3 ． 0 71 0 。 2 ． 1 11 0 、 一 上面的推导过程中，系统处于理想的状态中，环 境的温度变化、压电材料的迟滞性、压电材料的位移 特性 都被忽略 。 2 P I D神经元网络控制器的介绍 P I D神经元网络控制器是一种新型的控制器 ，它 不是简单地将 P I D控制器和神经网络控制器相结合 ， 而是将传统的P I D控制器的控制规律融合到神经网络 控制策略之中而构成神经网络的神经元，因而其同时 具有 P I D控制和神经网络控制的一些优点，也相应地 克服了传统控制方法和神经网络控制的缺点 。由上 述优点，作者也选择了 P I D神经元网络控制方法对压 电气动伺服阀进行控制。 采用单输出 P I D神经元网 络的控制器的单变量控制 系统的结构形式如图3所 示 。 图3 S P I D N N单变量 控制系统结构图 3 基于 Ma t l a b ／ S i m u l i n k的系统仿真分析 3 ． 1 P I D校 正下 的 系统仿 真 1 阶跃 响应 图 4为 P I D校正下的系统仿 真模 型。 图4 带 P I D控制器的系统单位阶跃响应的仿真模型 采用凑试 法对 P I D的 参数进行调整，分别对 比 例、积分和微 分环节 的参 数进行试验。经过反复试 验，最后 确 定 P I D 的参 数，令 K p1 ． 0 1 ， 0 ． 00 1 1， Ki 0 ． 0 0 0 O 1。 此时，仿真结果如图 5所 示 。 图5 系统单位阶跃响应 的仿真结果曲线图 从 图 5可以看 出 压 电气动伺服阀的响应 时间约 为 3 ． 1 m s ，比不加 P I D控制 的系统 ，时间减少 了 0 ． 2 m s 。响应速度 明显 加快 ，时 间延迟 也 相应 有 了一 些 改善 。 2 正弦信号 图6是压电气动伺服阀在 P I D控制下的正弦信号 的跟踪仿真模型 幅值为 1 ，频率为 1 0 0 H z ，即频率 为6 2 8 r a d ／ s 的正弦波 。其仿真结果如图7所示 ，通 过仿真可以看出加上 P I D控制器比不加 P I D控制器 对信号的跟踪能力要强 ，时间几乎没有延迟。 第 1 7期 龙威 等压电式气动伺服阀控制策略的研究 5 5 S c o p e l 图6 带 P I D控制器的系统正弦信号跟踪的仿真模型 卜一 原正 弦 信号 2 一 加P I D 的跟 踪 信 号 3 一 不加PI D的跟 踪信 号 图 7 系统正弦信号 3 0 0 r l z 跟踪的仿真曲线 当信号跟踪频率为 3 0 0 H z 时，从图7可以看出 不加 P I D的跟踪信号误差约为 6 0 ％ ，相位明显滞后； 而加 P I D的跟踪信号误差约为7 ％左右，跟踪曲线相 位滞后约为 ,r r ／ 8 。 3 ． 2 R B F神 经网络 P I D控制器校正下的 系统仿真 1 阶跃响应 图 8 是基于单变量 P I D神经元网 控制器的该系 统单位阶跃响应仿真模型。 SP1 n NN f Oi l t r ol l er 要 6 图 9 基 于 s P ID N N 控 制 器 超 调 量 蔓 毒 。 3⋯ m m ， 篓 藁 制 策 略 的 阀 的 单 位 阶 跃 响 ⋯⋯⋯一 ’ ‘ 图 1 0是气动伺服阀在 P I D神经元网络控制器控 制下的正弦信号 幅值为 1 ，频率为 1 8 8 4 r a d ／ s 跟 踪仿真模型。其仿真结果如图 1 l 所示。 图 1 0 基于S P I D N N控制器阀的正弦信号跟踪仿真模型 l 一跟踪信号2 一原正弦信号 图 1 1 S P I D N N控制的气动阀的正弦信 号 3 0 0 H z 跟踪仿真曲线图 当信号跟踪频率为 3 0 0 H z 时，通过仿真可以看 出跟踪信号的幅值可以达到 0 ． 9 9 ，跟踪误差仅为 1 ％，而且跟踪信号相位滞后约为 ,r r ／ l O 。 两种控制策略下的各项参数 比较见表 1 。 表 1 两种控 制策略下的参数分析 可以清晰地看到与单独 P I D校正相比，P I D神 经 元网络控制校 正的各 项性能都得 到了较大改善 ，跟 踪 性能更好 。 仿真结果表明与单纯 P I D控制相 比，采用 P I D神 经元网络控制，系统具有更好的稳定性和快速响应性。 4结论 1 通过对 比单 纯 P I D控 制 和 P I D神经 元 网络 控制对阶跃信号和正弦信号的跟踪性能，表明采用 P I D神经元网络控制，系统具有更好的稳定性和快速 响应性 。 2 通过对正弦信号跟踪的仿 真分析 ，表明 基于单变量 S P I D N N控制的气动阀有着很好的跟踪性 能 ，复现能力极强 ，对外界干扰有很强的适应性。从 而也证明了 P I D控制和神经网络相结合，在控制方 面 ，有着 P I D单 独控制无 法 比拟的优越性 。 下转第 3 4页 机床与液压 第4 0卷 型的参数，直到P{ OI A} 收敛为止。通过运行 M a t l a b 程序，迭代稳定后获得相关参量结果如图 8 。图中， 观测值序列 7 ，8 ，9 此时对应的热误差状态序列为 1 ，1 ， 2 ，与实际状态序列一致 ；迭代训练收敛次 数曲线如图 9 所示 ，图中，模型迭代稳定后 P{ O l A} 为 0 ． 2 9 6 3 。 图8 模型迭代稳定后相关参量结果 褂 鞋 趔 褒 露 斓 迭代 训练 次数 图 9 模型迭代训练收敛曲线 4 结束语 引入 H MM对机床轴承热误差表征进行 了实测研 究，由易于观测的轴承温度信号，通过详实的实例 ， 来推断难于观测的机床轴承热误差状态 ，结果与实际 热误差状态一致。如果把观测的温度值细分以及把热 误差状态划分多个，将能够得到机床轴承热误差详尽 的状态，并以此为依据，还可得到机床轴承热误差的 变化趋 势 ，是工程 中研究热误差 的一个有效方法 。由 于观测信号可能存在误差，将对结果产生一定的影 响，在今后的研究中，可以考虑在 H M M 中引入区间 概率，通过区间概率提高结果的置信度。 参考文献 【 1 】 B R Y A N J a m e s B ． I n t e r n a t i o n a l S t a t u s o f T h e r m al E r r o r R e s e a r c h [ J ] ． M e t a l s ，C e r a m i c s a n d M a t e ri al s ， 1 9 6 7 7 2 5 5 0． 【 2 】 R A M E S H R， M A N N A N M A ， P O 0 A N ． E rr o r C o m p e n s a t i o n i n Ma c h i n e To o l s A Re v i e wPa r t I Ge o me t ric， C u t t i n g f o r c e I n d u c e d a n d F i x t u r e D e p e n d e n t E rr o r s [ J ] ． I n t e r n a t i o n a l J o u r n a l o f Ma c h i n e T o o l s ＆ Ma n u f a c t u r e ． 2 0 00， 4 0 1 23 51 25 6． 【 3 】 R A M E S H R ， M A N N A N M A， P O 0 A N ． E rr o r C o m p e n s a t i o n i n Ma c hi ne To o l s A Re v i e w Pa r t I I Th e rm a l Er r 0 r s 『 J ] ． I n t e r n a t i o n al J o u r n a l o f M a c h i n e T o o l s ＆Ma n u f a c t u r e， 2 00 0， 4 0 1 25 71 28 4． 【 4 】R A B I N E R L a w r e R ． A T u t o ri a l o n H i d d e n M a r k o v M o d e l s a n d S e l e c t e d A p p l i c a t i o n s i n S p e e c h R e c o g n i t i o n[ C] ／ ／ P r o c e e d i n g s o f t h e I E E E， 1 9 8 9 2 5 72 8 6 ． 【 5 】 章婷， 刘世豪． 数控机床热误差补偿建模综述[ J ] ． 机床 与液压 ， 2 0 1 1 ， 3 9 1 1 2 21 2 7 ． 【 6 】 尹玲， 陈吉红， 李海洲， 等． 基于总线的数控系统嵌入式热 误差补偿实现方法[ J ] ． 机床与液压， 2 0 1 1 ， 3 9 9 5 7 ． 【 7 】J I N C h a o ， WU B o ， H U Y o u m i n ． Wa v e l e t N e u r a l N e t w o r k Ba s e d o n NARMA L 2 Mo d e l f o r P r e d i c t i o n o f Th e rm a l C h ara c t e r i s t i c s i n a F e e d S y s t e m[ J ] ． C h i n e s e J o u rnal o f Me c h a n i c a l E n g i n e e ri n g ， 2 0 1 1 ， 2 4 1 3 3 4 1 ． 【 8 】 X I A J u n y o n g ， H U Y o u m i n ， WU B o ， e t a1 ． R e s e a r c h o n T h e r mal Dy n a mi c s C h a r a c t e ris t i c s a n d Mo d e l i n g A p p r o a c h o f B al l S c r e w[ J ] ． I n t e rna t i o n a l J o u r n al o f A d v a n c e M a n u f a c t u r e T e c h n o l o g y ， 2 0 0 9 ， 4 3 5 ／ 6 4 2 1 4 3 0 ． 上接第 5 5页 3 所建 立 的 P I D神经元 网络 控制 器对 压 电式 气动伺服 阀控制 系统 控 制 的 P I D参 数还 可进 一 步优 化，目前研究还只停留在仿真上，还需要通过大量的 实验来验证 。 参考文献 【 1 】鄂世举． 压电晶片式电液伺服阀的研究[ D ] ． 长春 吉林 大学 ， 2 0 0 3 ． 【 2 】吴振顺． 气压传动与控制[ M] ． 哈尔滨 哈尔滨工业大学 出版社 ， 1 9 9 5 ． 【 3 】郑洪生． 气压传动及控制[ M] ． 北京 机械工业出版社 ， 1 99 4 13． 【 4 】陶湘厅． 基于改进 C M A C神经网络和 P I D复合控制的 气动位置伺服系统研究 [ D] ． 昆明 昆 明理工 大学 ， 2 0 09． 【 5 】陶湘厅， 袁锐波， 罗 ． 气动机械手的应用现状及发展前 景[ J ] ． 机床与液压， 2 0 0 7， 3 5 8 2 2 6 2 2 8 ． 【 6 】H O P F I E L D J J ． N e u r al N e t w o r k s a n d P h y s i c a l S y s t e m s w i t h E m e r g e n t C o l l e c t i v e C o m p u t a t i o n al A b i l i t i e s[ C] ／ ／ P r o c e e d i n g s o f t h e Na t i o n a l Ac a d e my o f S c i e n c e， 1 9 8 2 2 5 5 4 2 55 8． 【 7 】陶永华， 尹怡欣 ， 葛芦生． 新型 P I D控制及其应用[ M] ． 北京 机械工业出版社 ， 1 9 9 8 ． 【 8 】 舒怀林． P I D神经元网络及其控制系统[ M] ． 北京 国防 工业出版社， 2 0 0 6 ． 【 9 】 H U N T K J ， S B A R B A R O D ， Z B I K O WS K I R ， e t a 1 ． N e u r al N e t w o r k s fo r C o n t r o l S y s t e m A S u e y [ J ] ． A u t o m a t i c a ， 1 9 9 2 ， 2 8 6 1 0 8 31 1 1 2 ．