基于模糊邏輯PID的反應(yīng)堆壓蓋主螺栓植入機(jī)器人非線性運(yùn)動(dòng)控制算法

陳侃，奉明忠，張君凱，王澤平，張智，帥雨忠

?

基于模糊邏輯PID的反應(yīng)堆壓蓋主螺栓植入機(jī)器人非線性運(yùn)動(dòng)控制算法

陳侃*，奉明忠，張君凱，王澤平，張智，帥雨忠

（四川日機(jī)密封件股份有限公司，四川 成都 610045）

研制了主螺栓植入機(jī)器人（MSIR）及模擬試驗(yàn)裝置。提出了采用扭矩、稱重兩種傳感器信號(hào)分階段介入，模糊邏輯控制器可切換的PID算法。建立了輸入輸出誤差和誤差變化率與參數(shù)K、K、K的模糊邏輯規(guī)則。通過對PID參數(shù)在線自整定來提高M(jìn)SIR螺栓植入過程中對多種變化工況的自適應(yīng)能力，提高螺栓植入質(zhì)量。將不同幅值和變化規(guī)律的階躍仿真信號(hào)作為輸入，仿真對比了PID和本文提出的FLA-PID算法的效果。完成了反應(yīng)堆壓蓋主螺栓自動(dòng)植入的實(shí)驗(yàn)，實(shí)時(shí)在線記錄了信號(hào)數(shù)據(jù)，對比了PID算法和FLA-PID算法作用于MSIR系統(tǒng)的不同效果。結(jié)果表明具有FLA-PID算法的MSIR抗擊異常情況的能力及調(diào)整時(shí)間都較經(jīng)典PID算法有所提高。

反應(yīng)堆壓蓋；主螺栓植入機(jī)器人；PID；伺服控制；模糊邏輯

某型反應(yīng)堆壓力容器（Reactor Pressure Vessel，RPV）主法蘭通過40顆M155×1400的主螺栓聯(lián)接，每顆螺栓自重約260 kg，屬重型螺栓[1]。為了保證主螺栓植入到法蘭底座的質(zhì)量，使各個(gè)螺栓的植入初始狀態(tài)相同，減小螺栓螺紋與法蘭螺紋孔螺牙之間的摩擦力，需要采用機(jī)器人手臂在克服螺栓自重的情況下將螺栓安定、平穩(wěn)、無阻力地植入到螺栓孔中[2]。MSIR（Main Studs Implantation Robert，主螺栓植入機(jī)器人）可降低螺栓卡滯的可能性，減小螺紋與螺牙相互作用，減小植入過程中因摩擦磕碰而產(chǎn)生細(xì)小碎屑的可能性，提高主螺栓植入的效率和質(zhì)量，以機(jī)器替代人工操作，降低操作人員操作期間受到的輻射劑量。

作者[11-13]在以前的智能模式識(shí)別系統(tǒng)研究工作基礎(chǔ)上，提出采用扭矩、稱重兩種傳感器信號(hào)分階段介入，并基于模糊邏輯來優(yōu)化PID算法，通過PID參數(shù)在線自整定來提高螺栓植入過程中對多種變化工況的自適應(yīng)能力，提高螺栓植入質(zhì)量，降低系統(tǒng)沖擊。

1 MSIR結(jié)構(gòu)及功能框架

MSIR屬于重要核電檢維修專用裝備，主要應(yīng)用于反應(yīng)堆壓力容器開、閉蓋過程。MSIR主要結(jié)構(gòu)如圖1所示。

圖1 MSIR結(jié)構(gòu)圖

1.1 機(jī)械結(jié)構(gòu)

主框架結(jié)構(gòu)、舉升系統(tǒng)（左右對稱兩組獨(dú)立控制）、旋進(jìn)系統(tǒng)（左右對稱兩組獨(dú)立控制）。其中舉升機(jī)構(gòu)由伺服、齒輪副、絲杠副、L形稱重傳感器平臺(tái)組成。旋進(jìn)系統(tǒng)由旋進(jìn)伺服、扭矩轉(zhuǎn)速傳感器、齒輪副、軸承箱、輸出軸1/2/3、集電環(huán)、鎖緊解鎖執(zhí)行電動(dòng)推桿、三球爪、稱重傳感器、激光位移傳感器、磁柵位移傳感器組成。

1.2 運(yùn)動(dòng)控制系統(tǒng)

NI-PCI7340運(yùn)動(dòng)控制卡聯(lián)接四臺(tái)科爾摩根伺服電機(jī)。一臺(tái)工控機(jī)裝有ADC帶2路模擬輸出、16位數(shù)字輸出。CB-Y1扭矩傳感器、MG-05磁柵位移傳感器、P+F接近開關(guān)信號(hào)均通過ADC卡采集并顯示。模擬輸出至繼電器控制LIM-Tech-03電推桿運(yùn)動(dòng)換向。

1.3 MSIR運(yùn)動(dòng)控制流程

MSIR控制程序由上層邏輯和模糊邏輯PID控制程序兩層組成，上層邏輯由系統(tǒng)所處運(yùn)動(dòng)階段決定是扭矩信號(hào)還是稱重信號(hào)參與模糊邏輯PID控制程序，兩種信號(hào)參與模糊邏輯PID控制的方式相同，此處以扭矩信號(hào)為例進(jìn)行說明。

如圖2所示，扭矩傳感器（扭矩Sig）或稱重傳感器（稱重Sig）參與模糊邏輯PID控制器，并影響空載豎直運(yùn)動(dòng)、接觸螺栓、旋入首扣、耦合旋入螺栓等運(yùn)動(dòng)環(huán)節(jié)（圖2中虛線）。

圖2 運(yùn)動(dòng)控制程序流程

2 模糊邏輯PID算法的應(yīng)用

2.1 經(jīng)典PID控制算法

MSIR采用的控制算法以經(jīng)典比例積分微分（Proportion Integration Differentiation，PID）控制算法為基礎(chǔ)。

經(jīng)典PID算法形成的是線性控制器，根據(jù)目標(biāo)值()與觀測值()構(gòu)成控制偏差()為[9]：

PID的輸入輸出控制函數(shù)以偏差()對采樣間隔時(shí)間求積分、微分、乘積運(yùn)算得到[9]：

由于MSIR各個(gè)運(yùn)動(dòng)階段狀態(tài)與控制參數(shù)不同，一些運(yùn)動(dòng)控制階段的控制參數(shù)決策具有重疊交叉邏輯，即該系統(tǒng)具有非線性性和不確定性。經(jīng)典PID算法不能完全勝任MSIR運(yùn)動(dòng)全過程的任務(wù)。為了達(dá)到豎直運(yùn)動(dòng)伺服與旋進(jìn)伺服耦合同步，系統(tǒng)需要綜合多個(gè)傳感器的信息，應(yīng)用模糊邏輯算法，對各運(yùn)動(dòng)步驟進(jìn)行成員函數(shù)運(yùn)算，得出不同運(yùn)動(dòng)階段的、、三參數(shù)取值并在線調(diào)整PID控制器。通過多次調(diào)試，并觀測扭矩、稱重等傳感器的信號(hào)，可制定模糊變量論域。

2.2 模糊邏輯算法

本項(xiàng)目采用模糊邏輯算法（Fuzzy Logic Algorithm，F(xiàn)LA）[14-16]對經(jīng)典PID算法進(jìn)行優(yōu)化。模糊邏輯控制算法是一種非線性控制算法，屬于人工智能控制的范疇，通常有三種FLA優(yōu)化PID的形式[17]：

（1）把FLA輸出作為參考幅度信號(hào)通過加減運(yùn)算作用于PID控制器的指定值（輸入）。

（2）FLA與PID控制器并行工作，兩個(gè)控制器的輸出相加。正常工況下FLA輸出信號(hào)為0，只有在異常工況下FLA控制器參與控制。

（3）FLA串行作用于PID控制器的三個(gè)參數(shù)，該方式尤其適用于結(jié)構(gòu)隨時(shí)間改變特征的控制流程。

本項(xiàng)目中螺栓接觸、螺紋旋擰首扣、低速旋進(jìn)、高速旋進(jìn)等過程具有典型的結(jié)構(gòu)隨時(shí)間改變的特征。因此，在本項(xiàng)目中采用第三種方式優(yōu)化經(jīng)典PID控制算法。

2.3 FLA-PID控制算法

圖3為項(xiàng)目采用的FLA-PID（Fuzzy Logic Algorithm PID）控制器的示意圖。它由模糊化語言表、規(guī)則集和去模糊化模塊構(gòu)成。在實(shí)時(shí)控制過程中通過不停地解析過程反應(yīng)并計(jì)算最佳、、增益參數(shù)來形成柔性PID控制器。

圖2 FLA-PID流程

完成該FLA-PID控制器需要以下步驟：

（1）模糊系統(tǒng)輸入?yún)?shù)及語言變量。扭矩信號(hào)和稱重信號(hào)的PID控制過程偏差和偏差變化率作為模糊系統(tǒng)的輸入?yún)?shù)，即e、ec、e、ec，其中下標(biāo)表示扭矩信號(hào)、表示稱重信號(hào)。稱重信號(hào)算法模式與扭矩信號(hào)類似，本文不重復(fù)描述，僅在作系統(tǒng)輸入量的時(shí)候描述。

通過Kollmorgen WorkBench軟件自動(dòng)調(diào)節(jié)功能，可根據(jù)負(fù)載的質(zhì)量及加速要求獲得PID控制器在旋擰首扣階段的初始參數(shù)：K＝50、K＝0、K＝300，反饋信號(hào)采樣間隔時(shí)間為250 μs。經(jīng)多次調(diào)試整理出稱重和扭矩信號(hào)各階段監(jiān)測變化值的平均值如表1所示。

表1 螺栓植入全程扭矩信號(hào)與稱重信號(hào)變化

運(yùn)動(dòng)階段Δ稱重/kgΔ扭矩/N·m 空載運(yùn)行0.10.5 接觸首扣20.5 旋擰首扣512 耦合旋進(jìn)2010

（3）創(chuàng)建隸屬函數(shù)（Member Functions，MbF）。所有輸入輸出參數(shù)對應(yīng)的隸屬函數(shù)均采用最常用的Λ型函數(shù)，圖3為參數(shù)dK的隸屬函數(shù)圖作為一個(gè)示例，其他參數(shù)與其類似。其他的參數(shù)隸屬函數(shù)定義如表2、表3所示。

圖3 dKd隸屬函數(shù)

表2 輸入?yún)?shù)隸屬函數(shù)

MbF函數(shù)控制范圍點(diǎn) eec -多-12; -12; -8-2.4; -2.4; -1.6 -中-12; -8; -4-2.4; -1.6; -0.8 -少-8; -4; 0-1.6; -0.8; 0 零-4; 0; 4-0.8; 0; 0.8 +少0; 4; 80; 0.8; 1.6 +中4; 8; 120.8; 1.6; 2.4 +多6; 12; 121.6; 2.4; 2.4

表3 輸出參數(shù)隸屬函數(shù)

MbF函數(shù)控制范圍點(diǎn) dKpdKidKd -多-10; -10; -6.66-0.06; -0.06; -0.04-60; -60; -40 -中-10; -6.66; -3.33-0.06; -0.04; -0.02-60; -40; -20 -少-6.66; -3.33; 0-0.04; -0.02; 0-40; -20; 0 零-3.33; 0; 3.33-0.02; 0; 0.02-20; 0; 20 +少0; 3.33; 6.660; 0.02; 0.020; 20; 40 +中3.33; 6.66; 100.02; 0.04; 0.0620; 40; 60 +多6.66; 10; 100.04; 0.06; 0.0640; 60; 60

（4）創(chuàng)建模糊邏輯規(guī)則表。根據(jù)系統(tǒng)控制要求和多次調(diào)試情況所獲得的經(jīng)驗(yàn)，制定輸入與輸出參數(shù)間邏輯規(guī)則表[18]，如表4～表6。

表4 輸出參數(shù)dK

ec/e負(fù)多負(fù)中負(fù)少零正少正中正多 負(fù)多+多+多+中+中+少零零 負(fù)中+多+多+中+少+少零-少 負(fù)少+中+中+中+少+少-少-少 零+中+中+少零零-中-中 正少+少+少零-少-少-中-中 正中零零-少-中-中-中-多 正多零零-中-中-中-多-多

表5 輸出參數(shù)dK

ec/e負(fù)多負(fù)中負(fù)少零正少正中正多 負(fù)多+多+多+多+多+少-中-多 負(fù)中+多+多+中+中-少-少-多 負(fù)少+中+少零零-少-多-多 零-多-多零零零-多-中 正少-中-少零+少+少+中+多 正中零零+少+少+中+多+多 正多零零+少+中+中+多+多

表6 輸出參數(shù)dK

ec/e負(fù)多負(fù)中負(fù)少零正少正中正多 負(fù)多+少-少-多-多-多-中+少 負(fù)中+多+多+中-中零-少零 負(fù)少零-少-中-中-少-少零 零零-少-少-少-少-多零 正少+多+多+中-少+少+中零 正中+中+少零-中+中+多+多 正多-少-中-多+少+中+多+多

（5）去模糊化。通常有面積中心法、加權(quán)中心法、最大值中心法、最大值平均法。其中能較好地保持輸入輸出連續(xù)的是前三種。作PID閉環(huán)控制時(shí)，這三種算法都適用，本文采用了面積中心法。

3 實(shí)驗(yàn)系統(tǒng)及結(jié)果

實(shí)驗(yàn)系統(tǒng)及結(jié)構(gòu)如圖5所示。

圖4 MSIR及試驗(yàn)臺(tái)

所有自動(dòng)程序運(yùn)行于MSIR控制系統(tǒng)，基于FLA-PID的控制程序運(yùn)行正常，兩個(gè)機(jī)械手臂同時(shí)平穩(wěn)順滑地完成了主螺栓的植入。其中FLA-PID輸入輸出控制曲面如圖6所示。

圖6 FLA-PID輸入輸出控制曲面

建立以上模糊邏輯輸入輸出映射關(guān)系后，在Matlab環(huán)境中對其進(jìn)行仿真分析。

由于扭矩傳感器和稱重傳感器的模擬量輸出值范圍均為±10 V，故采用-10～+10 V范圍內(nèi)不同幅值階躍信號(hào)，對經(jīng)典PID和FLA-PID算法完成精確調(diào)整至誤差水平≤1E-6進(jìn)行程序計(jì)時(shí)，結(jié)果如表7所示。

表7 PID FLA-PID耗時(shí)對比

可以發(fā)現(xiàn)，F(xiàn)LA-PID算法的精確調(diào)整耗時(shí)較經(jīng)典PID算法少，最多省時(shí)36.4%、最少省時(shí)16.2%。FLA-PID算法在扭矩信號(hào)具有相同的沖擊變化時(shí)，能更快達(dá)到控制目標(biāo)量。

對比FLA-PID和經(jīng)典PID算法的超調(diào)量，以考察新算法調(diào)整過程中最大偏離，如圖7、圖8所示。

圖7 5～0 V階躍變化不同算法響應(yīng)

圖8 10～0 V階躍變化不同算法響應(yīng)

可以發(fā)現(xiàn)FLA-PID算法的超調(diào)量在10～0 V、5～0 V等情況下明顯較經(jīng)典PID算法小，在±5 V等信號(hào)的超調(diào)量對比中卻沒有明顯的優(yōu)勢。具體對比如表8所示。

綜合以上實(shí)驗(yàn)情況，本文所提出的FLA-PID控制算法較經(jīng)典PID算法在精確調(diào)整速度上具有明顯改進(jìn)，超調(diào)量在一些工況下也明顯低于PID算法。整個(gè)螺栓植入流程中扭矩信號(hào)的設(shè)定值、測量值、輸出值的對比，如圖9所示。

表8 PID和FLA-PID超調(diào)量對比

圖9 螺栓植入全程扭矩不同算法對比

4 結(jié)論

（1）本項(xiàng)目研制了一臺(tái)反應(yīng)堆壓蓋主螺栓植入機(jī)器人及實(shí)驗(yàn)臺(tái)。具有兩個(gè)可獨(dú)立或聯(lián)合工作的機(jī)器人手臂，能自動(dòng)完成機(jī)器人手臂自適應(yīng)對中、尋找螺紋首扣、旋擰螺紋首扣、螺紋螺牙耦合旋進(jìn)植入等功能。能提供螺栓植入最大扭矩300 N·m、植入深度控制精度0.01 mm，全程智能化控制扭矩，螺紋螺牙接觸力。

（2）項(xiàng)目提出了FLA-PID算法，所編制的上層運(yùn)動(dòng)邏輯分階運(yùn)動(dòng)段決定扭矩或稱重模糊邏輯介入PID參數(shù)在線整定。選取了PID控制的誤差和誤差變化率作為輸入?yún)?shù)，K、K、K作為輸出參數(shù)。并建立了7級語言變量和三角形隸屬函數(shù)。根據(jù)多次調(diào)試的經(jīng)驗(yàn)制定了模糊邏輯規(guī)則表。

（3）MSIR所具有的FLA-PID算法高精度（誤差≤1E-6）控制速度較經(jīng)典PID算法提高了16.2%～36.4%，依不同控制階段的輸入信號(hào)變化情況而各有不同。

（4）從整個(gè)植入運(yùn)動(dòng)過程可觀察到MSIR所具有的FLA-PID算法的超調(diào)量也較經(jīng)典PID算法低。在10～0 V，即旋進(jìn)伺服從螺栓卡死到停止旋進(jìn)伺服的運(yùn)動(dòng)階段，超調(diào)量最多降低了42%。運(yùn)動(dòng)各階段沒有發(fā)現(xiàn)FLA-PID超調(diào)量大于經(jīng)典PID算法的情況。

根據(jù)反應(yīng)堆壓蓋主螺栓植入運(yùn)動(dòng)邏輯和多次實(shí)驗(yàn)調(diào)試的經(jīng)驗(yàn)而制定的模糊邏輯規(guī)則很好地適應(yīng)了運(yùn)動(dòng)階段變化之間的沖擊，并加速了PID算法的調(diào)整時(shí)間，提高了控制精度。具有FLA-PID算法的MSIR提高了螺栓植入的質(zhì)量，降低了運(yùn)動(dòng)階段切換調(diào)整的沖擊。

[1]M A Rinckel. Reactor pressure vessel integrity program[J]. Nuclear Engineering and Design，1998，181（1-3）：17-39.

[2]Y Bangash. Reactor pressure vessel design and practice[[J]. Progress in Nuclear Energy，1982（10）：69-124.

[3]Astrom K J，T Hagglund C C，Hang, W K Ho. Automatic tuning and adaptation for PID controllers: a survey[J]. Control Engineering Practice，1993，1（4）：699-714.

[4]John Yen，Reza Langari, Lofti A. Zadeh. Industrial Applications of Fuzzy Logic and Intelligent Systems[M]. Piscataway，NJ：IEEE Press，1995，PP.5-8.

[5]S Dettori，V lannino，V Colla，A signorini. An adaptive Fuzzy logic-based approach to PID control of steam turbines in solar applications[J]. Applied Energy，2018（227）：655-664.

[6]Rahul Patel，Vijay Kumar. Arificial Neuro Fuzzy Logic PID controller based on BE-PSO Algorithm[J]. Procedia Computer Science，2015（54）：463-471.

[7]Y I. Kudinov，V. A. Kolesnikov，F(xiàn). F. Pashchenko，A. F. Pashchenko，L. Papic. Optimization of fuzzy PID controller’s parameters[J]. Procedia Computer Science，2017（103）：618-622.

[8]Feng Liu，Hua Wang. Fuzzy PID controller for optoelectronic stabilization platform with two-axis and two-frame[J]. International journal for light and electron Optics，2017（140）：158-164.

[9]Dusan Fister，Iztok Fister，Iztok Fister，Riko Safaric. Parameter tuning of PID controller with reactive nature-inspired algorithms[J]. Robotics and Autonomous System，2016（84）：64-75.

[10]Meric Cetin，Serdar Iplikci. A novel auto-tuning PID control mechanism for nonlinear systems[J]. ISA Transactions，2015（58）：292-308.

[11]Kan Chen，Pan Fu，Weiqing Cao，Weilin Li. The application of multiple model fusion based on correctable weight in tool wear pattern recognizing[J]. Third International Workshop on Advanced Computational Intelligence，2010（8）：454-458.

[12]Kan Chen，Pan Fu. The Feature Selection in Rolling Bearing Fault Diagnosing Based on Parts-Principle Component Analysis[J]. 5th International conference on Natural Computation，2009（2）：613-616.

[13]Kan Chen，Pan Fu. The PPCA - a new method to select features in process of rolling bearing fault diagnosing[J]. International Conference on Mechatronics and Automation，2009（8）：4419-4426.

[14]Lotfi A Zadeh. Making computers think like people[J]. Fuzzy set theory，1984，21（8）：26-32.

[15]Lotfi A Zadeh. Interpolative reasoning in fuzzy logic and neural network theory[J]. IEEE International Conference on Fuzzy Systems，1992：1.

[16]Lotfi A Zadeh. Soft computing, fuzzy logic and recognition technology[J]. Fuzzy System Proceedings，1998（2）：1678-1679.

[17]András Bárdossy. The Use of Fuzzy Rules for the Description of Elements of the Hydrological cycle [J]. Ecological Modelling，1996，85（1）：59-65.

[18]Lotfi A Zadeh. Fuzzy logic and calculus of fuzzy if-then rules[J]. Proceedings The Twenty-Second International Symposium on Multiple-Valued Logic，1992：480.

Non-linear Motion Control Algorithm of RPV Main Studs Implantation Robot Based on Fuzzy Logic PID

CHEN Kan，F(xiàn)ENG Mingzhong，ZHANG Junkai，WANG Zeping，ZHANG Zhi，SHUAI Yuzhong

( Sichuan Sunny Seal Co., Ltd., Chengdu 610045, China )

A MSIR (Main Stud Implanting Robot) and a simulation experimental facility had been built. A novel fuzzy-PID algorithm with two phases had been proposed. Signals acquired by torque and gravity sensor took effect in different motion stages. The fuzzy-logical rules between input (e, ec) and output (K,K,K) parameters had been obtained. A group of step-signals with different amplitude had been taken into controller to simulate the response of classic PID controller and FLA-PID controller. A full motion experiment by MSIR had been finished. Monitoring data of system had been recorded. The results show that the FLA-PID can move more smoothly and promptly, and not sensitive to system impact.

reactor pressure vessel；main stud implanting robot；PID；servo control；fuzzy logic

TL351+.6

A

10.3969/j.issn.1006-0316.2018.09.008

1006－0316 (2018) 09－0048－07

2018－07－02

全國博士后科研工作站自籌項(xiàng)目（K17-06）

*通信作者：陳侃（1983－），男，四川廣安人，工學(xué)博士，高級工程師，主要研究方向?yàn)闄C(jī)械制造及自動(dòng)化、流體機(jī)械、旋轉(zhuǎn)機(jī)械故障智能診斷、測控系統(tǒng)、薄膜流體潤滑。