基于遺傳算法的旋塞閥液壓缸緩沖優(yōu)化研究

， ， 　， (華中科技大學(xué) 機(jī)械科學(xué)與工程學(xué)院， 湖北 武漢　430074)

引言

電液操縱旋塞閥是蓄電池室的重要組成部分，可用于改變蓄電池室水冷管路中蒸餾水的流向。旋塞閥通過液壓缸兩端液壓油推動(dòng)缸內(nèi)活塞齒條運(yùn)動(dòng)，帶動(dòng)四通塞芯上端的齒輪軸旋轉(zhuǎn)，從而實(shí)現(xiàn)旋塞閥兩個(gè)流向的轉(zhuǎn)換。原旋塞閥方案在塞芯換向過程中液壓缸活塞緩沖不充分，撞擊噪聲較大，對(duì)環(huán)境舒適性有很大影響。Simulink可對(duì)液壓缸活塞運(yùn)動(dòng)學(xué)方程進(jìn)行求解，得到活塞在緩沖過程中的運(yùn)動(dòng)學(xué)狀態(tài)[1]。遺傳算法運(yùn)用生物進(jìn)化的理念，對(duì)活塞緩沖的結(jié)構(gòu)進(jìn)行全局優(yōu)化概率搜索，最終得到適應(yīng)該工況且噪聲低的緩沖結(jié)構(gòu)。

1　旋塞閥液壓驅(qū)動(dòng)原理

液壓缸活塞的緩沖方式采用在液壓缸內(nèi)部設(shè)計(jì)節(jié)流緩沖結(jié)構(gòu)來實(shí)現(xiàn)緩沖，工作中，當(dāng)活塞運(yùn)動(dòng)到節(jié)流孔中時(shí)，在活塞與節(jié)流孔之間形成環(huán)形間隙，排油腔內(nèi)的液壓油只能從環(huán)形間隙中流出，由于節(jié)流阻尼的作用，在排油腔內(nèi)形成局部高壓流體，活塞運(yùn)動(dòng)動(dòng)能轉(zhuǎn)換成油液壓力勢(shì)能從而迫使活塞減速達(dá)到緩沖的目的。緩沖原理圖如圖1所示，當(dāng)該腔作為排油腔時(shí)，油液從節(jié)流縫隙中流出；而當(dāng)該腔作為入油腔時(shí)，油液主要從單向閥中流過。

在活塞的運(yùn)動(dòng)過程中， 由于緩沖活塞和節(jié)流孔之間的距離不同從而造成的環(huán)形間隙不同，活塞緩沖根據(jù)不同的環(huán)形間隙得到不同的緩沖運(yùn)動(dòng)方程，將緩沖過程中的節(jié)流方式分為銳緣節(jié)流和縫隙節(jié)流[2]。緩沖節(jié)流過程如圖2所示。

圖1　緩沖原理圖

圖2　緩沖節(jié)流過程

針對(duì)液壓缸活塞的緩沖工況，忽略油液的粘性阻尼和壓縮性，得到液壓缸的緩沖活塞的力學(xué)平衡方程以及流量方程[3]。力學(xué)平衡方程如下：

流量方程如下：

(1) 在緩沖活塞距離節(jié)流孔距離較遠(yuǎn)時(shí)，壓力損失處于局部壓力損失階段:

(2) 緩沖活塞與節(jié)流孔之間的間隙逐漸變小，緩沖活塞進(jìn)入銳緣節(jié)流階段，當(dāng)活塞未進(jìn)入節(jié)流孔時(shí):

當(dāng)活塞進(jìn)入節(jié)流孔時(shí):

(3) 在活塞處于縫隙節(jié)流階段時(shí)，分為錐形面節(jié)流和圓柱形面節(jié)流，當(dāng)活塞處于錐形面節(jié)流時(shí)流量方程為：

在活塞處于固定節(jié)流口的圓柱形節(jié)流口時(shí)的流量方程為:

式中：m為活塞質(zhì)量；v為緩沖活塞運(yùn)動(dòng)速度；p為液壓缸供油壓力；p0為液壓缸進(jìn)油腔內(nèi)壓力(p0=p-Δp)；p1為排油腔內(nèi)壓力(p1=Δp)；p2為緩沖腔內(nèi)壓力(p2=p1+Δp′)；A1為系統(tǒng)油腔活塞截面積；A2為系統(tǒng)緩沖腔面積；A3為進(jìn)出油孔面積；F為負(fù)載力；d為節(jié)流孔直徑；δ為緩沖活塞與節(jié)流孔之間的間隙；Cd為流量系數(shù)；ρ為油液密度；μ為油液動(dòng)力黏度。

2　Simulink仿真分析

針對(duì)活塞緩沖過程中的速度、加速度以及位移變化，采用MATLAB[4，5]軟件中的Simulink軟件包進(jìn)行建模、仿真和分析，對(duì)緩沖過程中的流體速度、加速度運(yùn)動(dòng)微分方程進(jìn)行仿真分析及求解。在Simulink模塊中同時(shí)采用方塊圖輸入和MATLAB語言編寫M文件輸入仿真模型，并且可以方便的修改仿真參數(shù)進(jìn)行不同仿真過程的動(dòng)態(tài)仿真。

建立力平衡方程和流量方程后，利用MATLAB/Simulink軟件創(chuàng)建活塞緩沖模型方框圖，如圖3所示。由于活塞的緩沖速度，回油腔的壓力對(duì)整個(gè)緩沖系統(tǒng)的動(dòng)態(tài)特性有著很大的影響，因此對(duì)其階躍響應(yīng)進(jìn)行仿真分析。

對(duì)于旋塞閥選擇合適的緩沖結(jié)構(gòu)需確定其緩沖縫隙、緩沖圓錐錐度、緩沖柱塞直徑等設(shè)計(jì)參數(shù)。他們具有非線性、多目標(biāo)、多約束的特點(diǎn)，利用遺傳算法的全局搜索能力，簡(jiǎn)單通用、魯棒性強(qiáng)的優(yōu)點(diǎn)，以下對(duì)緩沖結(jié)構(gòu)的參數(shù)進(jìn)行遺傳算法優(yōu)化選擇合適的設(shè)計(jì)尺寸，觀察緩沖過程曲線。

如圖4仿真結(jié)果所示，旋塞閥緩沖活塞直徑一定d=20 mm 以及緩沖活塞圓錐段錐角一定δ1=0.9 mm，緩沖活塞和節(jié)流孔之間的縫隙不同時(shí)， 縫隙越小緩沖時(shí)間越長(zhǎng)，緩沖末速度越小。但縫隙過小，緩沖時(shí)間太長(zhǎng)不利于快速響應(yīng)，緩沖末速度基本為0 ，可能出現(xiàn)緩沖活塞爬行現(xiàn)象，產(chǎn)生抖動(dòng)。

圖3　驅(qū)動(dòng)方案的數(shù)學(xué)模型圖

圖4　液壓缸緩沖速度-行程圖

3　遺傳算法求解優(yōu)化

遺傳算法[6,7]是基于生物進(jìn)化過程中優(yōu)勝劣汰的自然選擇過程而形成的隨機(jī)優(yōu)化搜索算法。在計(jì)算過程中，遺傳算法需要進(jìn)行選擇，以挑選滿足目標(biāo)條件的最佳適應(yīng)度[8]。根據(jù)算子的適應(yīng)度選擇相適應(yīng)的交叉變異。迭代收斂后得到近似最優(yōu)解。

在緩沖過程中希望得到較低的末速度、合適的緩沖時(shí)長(zhǎng)，平穩(wěn)的緩沖過程以降低液壓缸驅(qū)動(dòng)過程中的噪聲。運(yùn)用此圓柱圓錐緩沖柱塞時(shí)，結(jié)構(gòu)示意圖如圖5所示，緩沖過程中的變量包括緩沖柱塞的直徑d、緩沖柱塞和節(jié)流孔間的間隙δ以及緩沖柱塞圓錐段的斜度高度差δ1，設(shè)定目標(biāo)函數(shù)為緩沖時(shí)長(zhǎng)t為最接近1 s以及末速度v最接近0。

圖5　圓柱圓錐緩沖結(jié)構(gòu)示意圖

根據(jù)所建立的Simulink仿真模型，運(yùn)用MATLAB軟件中的M語言，打開其中的遺傳算法模塊，設(shè)置優(yōu)化算法的各參數(shù)取值區(qū)間為：

0.8 mm<δ1<3 mm

0.05 mm<δ<0.25 mm

15 mm

通過51次迭代計(jì)算得到遺傳算法的優(yōu)化結(jié)果為:

δ1=0.8 mm,δ=0.118 mm,d=20 mm

通過遺傳算法求得的結(jié)果是近似最優(yōu)解，多次求得的結(jié)果與其初始值范圍有關(guān)，但都相差不大。多次執(zhí)行該遺傳算法求解，綜合得到近似最優(yōu)解[9]。

根據(jù)所得到的數(shù)學(xué)模型可以求得原方案下的以及新方案下的某一任意參數(shù)下的速度-時(shí)間曲線如圖6和速度-位移曲線如圖7。

圖6　緩沖活塞速度-時(shí)間曲線

圖7　緩沖活塞速度-位移曲線

根據(jù)緩沖計(jì)算所得到的緩沖時(shí)間為1.0076 s，緩沖末速度為0.0097 m/s。緩沖在一定時(shí)間內(nèi)有效的降低了緩沖末速度，使得最終噪聲減小。

4　結(jié)論

基于旋塞閥的液壓缸緩沖，運(yùn)用MATLAB軟件中的Simulink進(jìn)行仿真分析，運(yùn)用遺傳算法的方法進(jìn)行最優(yōu)化分析，得到了旋塞閥中的優(yōu)化算法的分析結(jié)果。從仿真曲線可以得出該錐形和圓柱形的組合緩沖方式可有效地降低活塞運(yùn)動(dòng)末速度、減小緩沖過程中的壓力峰值，具有良好的緩沖效果。遺傳算法在液壓缸緩沖優(yōu)化中得到良好的運(yùn)用，對(duì)工程實(shí)例有普遍性，具有良好的推廣價(jià)值。

參考文獻(xiàn)：

[1]丁凡.高速液壓缸緩沖過程的研究[J].鋼鐵，1998,(8):54-57.

[2] 李紀(jì)仁.油缸的緩沖裝置[J].機(jī)械技術(shù)，1984,(3):21-23.

[3]盛敬超.液壓流體力學(xué)[M].北京：機(jī)械工業(yè)出版社，1980.

[4]尹澤明，丁春利.精通MATLAB 6[M]. 北京：清華大學(xué)出版社，2002.

[5] 陳永春.MATLAB M語言高級(jí)編程[M]. 北京：清華大學(xué)出版社，2004.

[6]王崇駿，于汶滌,等.一種基于遺傳算法的BP神經(jīng)網(wǎng)絡(luò)算法及其應(yīng)用[J].南京大學(xué)學(xué)報(bào)，2003,(9):459-466.

[7]Z Michalewicz. A Modified Genetic Alorithm for Optimal Control Problems [J].Computers Math Application，1992，23(12):83-94.

[8]Wang Ling，F(xiàn)ang Chen. A Hybrid Stimation of Distribution Algorithm for Solving the Resource-constraied Project Scheduling Problem[J]. Expert Systems with Applications，2012，(39):2451-2460.

[9]應(yīng)瑛，壽涌毅，李敏.資源受限多項(xiàng)目調(diào)度的混合遺傳算法[J].浙江大學(xué)學(xué)報(bào)(工學(xué)版)，2009，43(1):23-27.