基于模糊自適應(yīng)PID的伺服扭矩加載系統(tǒng)

楊勇明

(上海理工大學(xué) 公共實(shí)驗(yàn)中心，上海200093)

?

基于模糊自適應(yīng)PID的伺服扭矩加載系統(tǒng)

楊勇明

(上海理工大學(xué) 公共實(shí)驗(yàn)中心，上海200093)

針對工程中測試零件及其控制系統(tǒng)性能的問題，為縮短生產(chǎn)周期和降低生產(chǎn)成本，提出了一種基于模糊自適應(yīng)PID的伺服扭矩加載系統(tǒng)。研究設(shè)計(jì)了模糊自適應(yīng)PID控制器，使用Matlab，進(jìn)行系統(tǒng)仿真和實(shí)驗(yàn)分析。實(shí)驗(yàn)表明，文中提出基于模糊自適應(yīng)PID的伺服扭矩加載系統(tǒng)能夠較好地反映零件性能，并且提高了系統(tǒng)的響應(yīng)頻率和加載精度，可以用于伺服扭矩加載等領(lǐng)域。

扭矩加載；模糊自適應(yīng)PID；Matlab

YANG Yongming

(Public Experiment Center, University of Shanghai for Science and Technology, Shanghai 200093, China)

在工業(yè)生產(chǎn)中，需要對零件及其系統(tǒng)性能進(jìn)行測試時，常采用實(shí)際零件進(jìn)行測試，然而對于造價成本高、條件苛刻的系統(tǒng)，不但會造成浪費(fèi)，而且測試次數(shù)受到限制，從而增加了生產(chǎn)周期和生產(chǎn)成本[1-2]。針對這一問題，本文提出基于模糊自適應(yīng)PID的伺服扭矩加載系統(tǒng)研究，該扭矩加載系統(tǒng)既能夠跟隨承載系統(tǒng)運(yùn)動，又可根據(jù)實(shí)際工況進(jìn)行扭矩加載，從而實(shí)現(xiàn)快速、高精度的扭矩加載，對被測系統(tǒng)的性能參數(shù)進(jìn)行實(shí)時監(jiān)測，根據(jù)實(shí)驗(yàn)數(shù)據(jù)對被測系統(tǒng)進(jìn)行性能分析、設(shè)計(jì)和改進(jìn)，使其達(dá)到零件性能指標(biāo)。

1 模糊自適應(yīng)PID扭矩加載系統(tǒng)設(shè)計(jì)

扭矩加載系統(tǒng)控制方法包括基于前饋補(bǔ)償?shù)腜ID控制、內(nèi)膜控制和模糊控制等[3-8]，模糊控制以模糊集合論、模糊語言變量及模糊邏輯推理為基礎(chǔ)，將大量的人類行為及經(jīng)驗(yàn)歸納為若干規(guī)則，實(shí)現(xiàn)對系統(tǒng)的“擬人智能”控制[9-17]。依據(jù)圖1所示的模糊控制器原理結(jié)構(gòu)示意圖，本文提出基于模糊自適應(yīng)PID的伺服扭矩加載系統(tǒng)，通過對PID控制器的參數(shù)進(jìn)行在線調(diào)整，使其能夠適應(yīng)系統(tǒng)的變化，有效提高系統(tǒng)扭矩加載的精度和響應(yīng)速度。

圖1 模糊控制器原理結(jié)構(gòu)示意圖

1.1 模糊自適應(yīng)PID控制器

圖2所示的模糊自適應(yīng)PID控制器結(jié)構(gòu)示意圖，在增量式PID控制器的基礎(chǔ)上增加一個模糊控制環(huán)節(jié)，該模糊控制環(huán)節(jié)使得系統(tǒng)能夠根據(jù)實(shí)時狀態(tài)對PID控制器參數(shù)不斷修整，在控制過程中不斷學(xué)習(xí)和掌握控制規(guī)律，即可對PID參數(shù)實(shí)現(xiàn)智能調(diào)節(jié)，對于改善系統(tǒng)的動態(tài)性能和穩(wěn)態(tài)性能、提高抗干擾能力方面均優(yōu)于常規(guī)的PID控制器。

圖2 模糊自適應(yīng)PID控制器示意圖

1.2 控制器輸入輸出變量模糊化

(1)輸入、輸出變量模糊化。輸入、輸出變量模糊化分成7個等級：正大(PB)、正中(PM)、正小(PS)、零(ZO)、負(fù)小(NS)、負(fù)中(NM)、負(fù)大(NB)，每個等級對應(yīng)一個模糊集，本研究將誤差變量e(k)和誤差變化率Δe(k)模糊子集定義為{PB,PM,PS,ZO,NS,NM,NB}，各變量值的范圍如表1所示;

表1 各變量值的范圍

續(xù)表1

PM1～3PB2～∞

(2)模糊量隸屬度函數(shù)。由于三角形的隸屬度函數(shù)容易求出，并且對模糊量的描述也比較合理，所以采用三角形隸屬度函數(shù)確定模糊量隸屬度函數(shù)，圖3所示為Matlab選用的輸入輸出變量隸屬函數(shù)曲線。

1.3 模糊控制規(guī)則

模糊控制規(guī)則是根據(jù)手動控制策略的經(jīng)驗(yàn)制定的模糊條件語句或規(guī)則表，表2～表4所示為KP、KI、KD的模糊控制規(guī)則。

圖3 輸入輸出變量隸屬函數(shù)曲線

KPΔe(k)NBNMNSZOPSPMPBNBPBPBPMPMPSZOZONMPBPBPMPSPSZONSNSPMPMPMPSZONSNSZOPMPMPSZONSNMNMPSPSPSZONSNSNMNMPMPSZONSNMNMNMNBPBZOZONMNMNMNBNB

表3 KI的模糊控制規(guī)則表

表4 KD的模糊控制規(guī)則表

續(xù)表14

KDΔe(k)NBNMNSZOPSPMPBZOZONSNSNSNSNSZOPSZOZOZOZOZOZOZOPMPBNSPSPSPSPSPBPBPBPMPMPMPSPSPB

2 伺服扭矩加載系統(tǒng)

2.1 硬件系統(tǒng)

硬件系統(tǒng)是扭矩加載系統(tǒng)的硬件平臺，是實(shí)現(xiàn)整個系統(tǒng)功能和控制的基礎(chǔ)。在硬件系統(tǒng)設(shè)計(jì)過程中，需要采用強(qiáng)電弱電分隔、電磁隔離、屏蔽等方式進(jìn)行處理，以提高整個系統(tǒng)的抗干擾能力和可靠性。圖4所示為伺服扭矩加載系統(tǒng)結(jié)構(gòu)示意圖，包括承載端、加載端和被測系統(tǒng)3部分。

圖4 電動伺服扭矩加載系統(tǒng)結(jié)構(gòu)示意圖

2.2 軟件系統(tǒng)

軟件系統(tǒng)是扭矩加載系統(tǒng)的軟件平臺，用以實(shí)現(xiàn)扭矩加載系統(tǒng)的運(yùn)動控制信號輸出、扭矩加載參數(shù)曲線的設(shè)定、傳感器信號接收、控制算法實(shí)現(xiàn)以及系統(tǒng)參數(shù)狀態(tài)實(shí)時監(jiān)測等功能，如圖5所示為系統(tǒng)軟件流程框圖。

圖5 系統(tǒng)軟件流程框圖

3 實(shí)例與驗(yàn)證

3.1 模糊自適應(yīng)PID控制器模型

在Matlab中，利用模糊控制工具箱進(jìn)行輸入輸出變量模糊化設(shè)計(jì)和模糊推理算法編寫，完成的模糊自適應(yīng)PID控制器模型如圖6所示。

圖6 模糊自適應(yīng)PID控制器模型

3.2 模糊自適應(yīng)PID伺服扭矩加載實(shí)驗(yàn)

在Matlab中，采用模糊控制工具箱對模糊控制規(guī)則進(jìn)行編寫。如圖7所示為KP、KI、KD分別對輸入變量e(k)和Δe(k)作用時，輸入輸出關(guān)系曲面圖。圖8所示為計(jì)算過程，可以觀察所設(shè)計(jì)的每一條模糊規(guī)則的計(jì)算結(jié)果，并且可以檢驗(yàn)其正確性。

圖7 KP、KI、KD輸入輸出關(guān)系曲面

圖8 計(jì)算過程

3.3 結(jié)果分析

如圖9所示為扭矩加載頻率分別為1 Hz、2 Hz、3 Hz和5 Hz的正弦信號，模糊自適應(yīng)PID控制器的控制效果圖。

圖9 模糊自適應(yīng)PID控制器控制的扭矩-時間曲線

據(jù)圖9可知，采用模糊自適應(yīng)PID控制器控制，當(dāng)頻率為1 Hz時，設(shè)定初始KP的值為0.15，KI的值為0.1，實(shí)際扭矩曲線基本與設(shè)定曲線重合，沒有滯后和衰減的情況，當(dāng)頻率增大為2 Hz，與頻率1 Hz情況相近，當(dāng)頻率為3 Hz，響應(yīng)時間為0.02 s，扭矩幅值衰減不明顯，當(dāng)頻率增大到5 Hz，響應(yīng)時間為0.035 s，扭矩幅值為4.7 N·m。實(shí)驗(yàn)表明，采用模糊自適應(yīng)PID控制器控制效果好，特別是在輸入信號頻率較高時，加載扭矩衰減和響應(yīng)時間更小，提高了系統(tǒng)的響應(yīng)速度和加載精度。

4 結(jié)束語

本文提出基于模糊自適應(yīng)PID扭矩加載系統(tǒng)研究，以自行研制的電動伺服扭矩加載系統(tǒng)為實(shí)驗(yàn)平臺，結(jié)合模糊控制算法，設(shè)計(jì)了模糊自適應(yīng)PID控制器，并且進(jìn)行了仿真研究，結(jié)果證明了模糊自適應(yīng)PID控制器的有效性，為提高系統(tǒng)的精度和動態(tài)響應(yīng)提供了參考。

[1] 蘇永清, 黃獻(xiàn)龍, 趙克定. 國內(nèi)電液負(fù)載仿真臺研究與發(fā)展現(xiàn)狀[J]. 機(jī)床與液壓,1999, 10(2): 17-18.

[2] 張菊麗. 舵機(jī)動態(tài)加載系統(tǒng)控制仿真研究[D]. 西安: 西北工業(yè)大學(xué),2007.

[3] 周建興. Matlab從入門到精通[M]. 北京: 人民郵電出版社,2012.

[4] 王述運(yùn). 結(jié)構(gòu)不變性原理在減搖鰭加載臺中的研究分析[D].哈爾濱: 哈爾濱工業(yè)大學(xué), 2005.

[5] 史航. 基于內(nèi)模控制的電動負(fù)載模擬器伺服系統(tǒng)設(shè)計(jì)[D].哈爾濱: 哈爾濱工業(yè)大學(xué),2007.

[6] Sun C Y, Song J Y. An adaptive internal model control based on LS-SVM[J]. Advances in Neural Networks-ISNN, 2007,44(3): 479-485.

[7] Rivalsi, Personnaz L. Nonlinear internal model control using neural networks application to processes with delay and design issues[J]. IEEE Transactions on Neural Networks, 2000,11(1) :80-90.

[8] 戴文戰(zhàn), 丁良, 楊愛萍. 內(nèi)?？刂蒲芯窟M(jìn)展[J]. 控制工程,2011,18(4):487-494.

[9] 金曉明, 榮岡,王驥程. 自適應(yīng)模糊控制的新進(jìn)展[J]. 信息與控制,1996 (4):217-223.

[10] 張恩勤, 施頌椒, 翁正新.模糊控制與PID控制方法的比較[J]. 上海交通大學(xué)學(xué)報(bào),1999,33(4):501-503.

[11] Michal Petrov, Ivan Ganchev, Albena Taneva. Fuzzy PID control of nonlinear plants[J]. Intelligent System,2002(9): 30-33.

[12] Mamdani E H. Application of fuzzy algorithms far control of simple dynamic plant[J].Proceedings of the Institute of Electrical Enginears,1974,121(12) :1585-1588.

[13] Astrom K, Witenmark B. Computer controlled systems[M]. 3 ed.NY,USA:Prentice Hall,1997.

[14] 李祖欣. Matlab在模糊控制系統(tǒng)設(shè)計(jì)和仿真的應(yīng)用[J].系統(tǒng)仿真學(xué)報(bào), 2003,15(1):132-134.[15] 王立新. 模糊系統(tǒng)與模糊控制教程[M].北京:清華大學(xué)出版社, 2003.

[16] Pelikan M, Goldberg D E, Lobo F G. A survey of optimization by building and using probabilistic models[J]. Urbana, IL: University of Illinois Genetic Algorithms Laboratory, 1999.

[17] Chuanrun Z, Keding Z, Zhiguo Z, et al. Resisting load disturbance control of electro hydraulic servo flight simulator based neural networks[J]. Journal of Harbin Institute of Technology, 2000,32(1):149-153.

Servo Torque Loading System Based on Self-adaptive Adaptive PID

This paper puts forward a servo torque loading system based on Self-adaptive adaptive PID to shorten the production cycle and reduce the cost of production testing of part and control system in engineering. A fuzzy adaptive PID controller is designed using the Matlab language. The system simulation and experimental analysis show that the servo torque loading system based on the self-adaptive adaptive PID reflects well the part performance and improves frequency response and load precision.

torque loading system; self-adaptive fuzzy PID; Matlab

2016- 03- 11

楊勇明(1986-)，男，碩士，講師。研究方向：機(jī)器人技術(shù)。

10.16180/j.cnki.issn1007-7820.2016.10.031

TP273

A

1007-7820(2016)10-107-05