模糊神經(jīng)網(wǎng)絡(luò)PID在提升機(jī)恒減速系統(tǒng)中的應(yīng)用研究

王利棟，王 政

(1.大同煤礦集團(tuán)有限責(zé)任公司同大科技研究院，山西 大同 037003；2.中國礦業(yè)大學(xué)機(jī)電工程學(xué)院，江蘇 徐州 221116)

0 引 言

礦井提升機(jī)是一個復(fù)雜的非線性時變系統(tǒng)，不同的提升載荷對緊急制動下提升機(jī)制動性能有著較大的影響，而恒減速制動方式能夠很好地保障緊急制動的安全性。當(dāng)發(fā)生緊急情況時，恒減速制動通過改變盤閘壓力值，可以使提升機(jī)以不變的減速度停車[1]。以上功能的實(shí)現(xiàn)，依賴于對控制策略的研究。

當(dāng)前，提升機(jī)恒減速系統(tǒng)的控制策略仍然以PLC內(nèi)置的PID控制為主[2]，但參數(shù)確定后便不可再進(jìn)行微調(diào)，往往無法適應(yīng)復(fù)雜的恒減速制動工況，更無法滿足緊急制動情況下響應(yīng)迅速，制動平穩(wěn)的要求，在此基礎(chǔ)上，有學(xué)者提出了模糊PID控制[3]，將離線的模糊規(guī)則與PID相結(jié)合，使參數(shù)可以在一定程度上進(jìn)行微調(diào)，提高了控制精度，但無法針對整個提升過程，尤其是對突發(fā)狀況做出更加合理的判斷，僅僅是控制算法上的優(yōu)化，且其性能過于依賴模糊規(guī)則的設(shè)定，因此，有學(xué)者提出了BP神經(jīng)網(wǎng)絡(luò)PID控制方法，將神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)引入恒減速系統(tǒng)中，通過迭代訓(xùn)練反向優(yōu)化權(quán)值與閾值[4]，從而動態(tài)地微調(diào)PID參數(shù)值，彌補(bǔ)了此前研究的不足。但恒減速控制系統(tǒng)多數(shù)以PLC作為控制器，PLC對神經(jīng)網(wǎng)絡(luò)的處理能力較弱，同時會占用其他安全策略的反應(yīng)時間，增加了制動系統(tǒng)不確定風(fēng)險(xiǎn)。

本著使PID參數(shù)更加精確的原則，本文引入模糊神經(jīng)網(wǎng)絡(luò)PID算法，將離線的模糊規(guī)則與可反復(fù)迭代優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)相融合，既滿足了可根據(jù)不同工況微調(diào)PID參數(shù)值的要求，又解決了PLC處理大量數(shù)據(jù)能力不足，影響整個安全策略可靠性的問題，并對恒減速裝置的控制策略做進(jìn)一步優(yōu)化探究。

1 提升機(jī)恒減速制動系統(tǒng)的控制原理

恒減速制動是提升機(jī)緊急制動的一個重要制動方法，當(dāng)實(shí)施恒減速制動時，可通過編程控制器實(shí)時獲取提升機(jī)的減速度，通過與人機(jī)界面設(shè)定的減速度做減法得到減速度誤差，將減速度誤差與減速度誤差變化率作為模糊神經(jīng)網(wǎng)絡(luò)控制器的輸入。為使減速度的值在要求范圍內(nèi)，本文將模糊PID與BP神經(jīng)網(wǎng)絡(luò)相結(jié)合構(gòu)建模糊神經(jīng)網(wǎng)絡(luò)PID控制器，將在實(shí)驗(yàn)條件下得到的數(shù)據(jù)集注入神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，通過不斷地迭代更新，根據(jù)誤差值反向修正權(quán)值與閾值，即改變語言值與模糊規(guī)則，完成神經(jīng)元結(jié)構(gòu)優(yōu)化。 最終輸出變化量ΔKp、ΔKi、ΔKd，并根據(jù)變化量調(diào)整PID值，輸出相應(yīng)的電液比例溢流閥的控制信號，調(diào)節(jié)盤式制動器內(nèi)的油壓，改變制動器作用于滾筒的制動力矩，使提升機(jī)減速度達(dá)到給定減速度允許的誤差范圍內(nèi)直到停車。其控制原理圖如圖1所示。

圖1 恒減速制動系統(tǒng)控制原理圖

其中，恒減速系統(tǒng)的盤式制動器的制動原理圖如圖2所示。制動發(fā)生時，彈簧彈力大于油壓，最終閘瓦與制動盤接觸，通過摩擦力對卷筒進(jìn)行制動。故活塞通過閘瓦壓向制動盤的正壓力N見式(1)。

N=F2-F1

(1)

式中：F1為壓力油產(chǎn)生的作用力，N；F2為彈簧的作用力，N。

盤式制動器在制動盤上產(chǎn)生的制動力矩取決于正壓力N的數(shù)值，計(jì)算公式見式(2)。

Mzh=2NμRmn

(2)

式中：Mzh為制動力矩，N·m；μ為閘瓦對制動盤的摩擦系數(shù)；Rm為制動盤制動半徑，m；n為提升機(jī)制動器副數(shù)。

注：1-碟形彈簧；2-活塞；3-閘瓦；4-制動盤。

故通過調(diào)節(jié)進(jìn)油口油壓就可達(dá)到調(diào)節(jié)制動力矩的作用，不斷調(diào)節(jié)制動力矩保持恒定減速度制動。

2 模糊神經(jīng)網(wǎng)絡(luò)控制器的搭建及實(shí)現(xiàn)方法

Matlab軟件中的ANFIS工具箱是構(gòu)建模糊神經(jīng)網(wǎng)絡(luò)控制器的主要工具，它能夠?qū)νㄟ^模糊PID獲得的數(shù)據(jù)進(jìn)行訓(xùn)練，構(gòu)建出神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，得到隸屬度函數(shù)和控制規(guī)則表[5-6]，并建立基于恒減速系統(tǒng)的二維模糊推理模型。

首先在Matlab軟件中調(diào)用ANFISedit窗口。其次加載訓(xùn)練數(shù)據(jù)，由于恒減速系統(tǒng)是一個復(fù)雜的時變系統(tǒng)，對于每種可能出現(xiàn)的狀況都要充分考慮在內(nèi)，故采集不同的提升工況進(jìn)行分析[7]，將實(shí)驗(yàn)條件下預(yù)先獲取的每個情況中的減速度誤差E、減速度誤差變化率EC以及ΔKp、ΔKi、ΔKd注入到神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)中，并隨機(jī)劃分訓(xùn)練集與測試集。最后對該樣本進(jìn)行人為設(shè)定訓(xùn)練次數(shù)即可。經(jīng)過以上步驟后，就完成了利用訓(xùn)練數(shù)據(jù)建立模糊神經(jīng)網(wǎng)絡(luò)的過程。其中，將訓(xùn)練次數(shù)Epochs設(shè)置為1 000次，訓(xùn)練誤差最終穩(wěn)定在0.418 14。訓(xùn)練完畢，得到訓(xùn)練完成的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)模型，該模型的隸屬度函數(shù)如圖3和圖4所示。

圖3 偏差隸屬度函數(shù)曲線

圖4 偏差變化率隸屬度函數(shù)曲線

本文使用查表法將模糊神經(jīng)網(wǎng)絡(luò)離線學(xué)習(xí)訓(xùn)練過的模糊PID控制算法應(yīng)用到西門子的PLC中，即經(jīng)過訓(xùn)練的模糊神經(jīng)網(wǎng)絡(luò)系統(tǒng)，可導(dǎo)出語言變量E和EC與輸出ΔKp、ΔKi、ΔKd的離線賦值表，將得到的賦值表寫入可編程控制器的全局?jǐn)?shù)據(jù)塊中，并以二維數(shù)組的形式存儲調(diào)用。該方法更加符合對響應(yīng)速度要求高的系統(tǒng)，成本低且改造更為方便。

當(dāng)危險(xiǎn)工況發(fā)生需緊急制動時，恒減速系統(tǒng)被激活，為保證減速度為恒定值，PLC調(diào)用E和EC與ΔKp、ΔKi、ΔKd的離線賦值表，在PLC中表現(xiàn)為二維數(shù)組組成的數(shù)據(jù)塊，隨后與相匹配的量化因子相乘得到實(shí)際的變化量；并將其與起始值運(yùn)算后，得到實(shí)際PID值，通過此種方法的PID運(yùn)算即可滿足要求。

3 系統(tǒng)模型與仿真

控制器按上述方法搭建完成后，為了驗(yàn)證其可行性，本文采用AMESim和Simulink聯(lián)合仿真[8]。該方式利用AMESim中提供的AMESim-Simulink接口把AMESim中的模型編譯為Simulink模型支持的S函數(shù)，然后通過Simulink中的S-Function模塊調(diào)用編譯后產(chǎn)生的S函數(shù)，實(shí)現(xiàn)聯(lián)合仿真。

恒減速制動系統(tǒng)在AMESim中搭建如圖5所示的恒減速制動仿真模型。本系統(tǒng)將減速度與減速度誤差變化率放在AMESim模型中運(yùn)算，作為Simulink的輸入接口，比例溢流閥的控制信號作為輸出接口。

模型構(gòu)建后，使用同煤四礦提升機(jī)的相關(guān)技術(shù)參數(shù)，對仿真模型的模塊設(shè)置相應(yīng)參數(shù)，見表1。其中，先導(dǎo)式比例溢流閥的型號采用ATOS的AGMO-REB-P-NP-010/210。

圖5 AMESim中恒減速系統(tǒng)模型

表1 提升機(jī)技術(shù)參數(shù)

圖6 Simulink中的仿真模型

圖7 空載上提、下放時模糊PID與模糊神經(jīng)網(wǎng)絡(luò)PID控制效果

圖8 重載上提、下放時模糊PID與模糊神經(jīng)網(wǎng)絡(luò)PID控制效果

依據(jù)控制系統(tǒng)的結(jié)構(gòu)和原理，在Simulink中構(gòu)建仿真模型如圖6所示。K1、K2、K3分別表示ΔKp、ΔKi、ΔKd的比例系數(shù)；增益模塊Ke、Ke表示E和EC的量化因子；FNN模塊即為模糊控制模塊[9]，將事先命名好的模糊控制器的文件名即“FNN”輸入到該模塊的命名欄里，既可完成模塊與控制器的連接，模糊控制器的輸入E和EC以及輸出ΔKp、ΔKi、ΔKd的隸屬度函數(shù)使用前面經(jīng)神經(jīng)網(wǎng)絡(luò)訓(xùn)練好的隸屬度函數(shù)；將AMESim中的恒減速液壓模型進(jìn)行封裝，轉(zhuǎn)化成Simulink可作為接口的S函數(shù)模塊，即可完成液壓系統(tǒng)的仿真。

根據(jù)《煤礦安全規(guī)程》規(guī)定，提升機(jī)安全制動的減速度不能超過5 m/s2。 為驗(yàn)證本文所探討的控制策略，將減速度值設(shè)置為2，3，4，既滿足了《煤礦安全規(guī)程》規(guī)定，也使減速度更具有代表性。 仿真不僅設(shè)定了不同的減速度，還綜合考慮了不同的工況，如空載與重載情況下的提升與下放，4種工況下分別對兩種控制算法進(jìn)行對比分析，如圖7和圖8所示。

根據(jù)以上比對分析可以看出，當(dāng)選用模糊神經(jīng)網(wǎng)絡(luò)PID作為該系統(tǒng)的控制算法時，在4種工況下制動到指定減速度的時間都有明顯的減少，且都可以滿足在接收到安全回路掉電信號后的0.8 s內(nèi)必須達(dá)到恒定的減速度的行業(yè)要求,且在調(diào)節(jié)的過程中減速度超調(diào)量更小，穩(wěn)態(tài)精度更高。

4 結(jié) 語

本文針對恒減速裝置的PID算法進(jìn)行了進(jìn)一步的研究，引入了模糊神經(jīng)網(wǎng)絡(luò)PID。通過在4種不同工況下的仿真，并與模糊PID控制算法進(jìn)行比較。 結(jié)果表明：①該方案在所示三種減速度中減速度的超調(diào)量更小，且相比于模糊PID控制，穩(wěn)態(tài)精度更高，效果更好；②對于減速度的響應(yīng)時間更短，且均滿足0.8 s內(nèi)達(dá)到恒定減速的要求，相比于模糊PID控制，響應(yīng)更快，對恒減速系統(tǒng)的優(yōu)化更好。