泵控伺服系統(tǒng)關(guān)鍵技術(shù)研究綜述

秦琪晶，葛文慶，魯應濤，李波，譚草

(山東理工大學交通與車輛工程學院，山東淄博 255049)

0 前言

第一次石油危機后，各國開始重視高效利用能源，美國桑斯川特率先開發(fā)出20系列閉式集成泵控伺服系統(tǒng)應用于大型壓路機械[1]。目前，泵控伺服系統(tǒng)由于高效環(huán)保、功率體積大以及承載能力強等優(yōu)點，廣泛應用在國防、工業(yè)領(lǐng)域中，如飛機的舵機系統(tǒng)[2]，導彈的控制系統(tǒng)[3]，船艦、潛艇的舵機系統(tǒng)[4]，高精度車床[5]和工程機械[6]等傳統(tǒng)控制系統(tǒng)；同時在汽車[7]、液壓電梯[8]和仿生機器人[9]等新興拓展領(lǐng)域的應用也越來越廣泛。

電液伺服系統(tǒng)按控制方式不同分為閥控和泵控。閥控系統(tǒng)因響應速度快以及控制精度高而應用廣泛，但它有對油液等介質(zhì)要求高、效率低以及能耗大等不足。與閥控伺服系統(tǒng)相比，泵控伺服系統(tǒng)沒有高壓節(jié)流損失、發(fā)熱量較少、工作效率高，其結(jié)構(gòu)緊湊且易實現(xiàn)系統(tǒng)集成方便實現(xiàn)分布式智能控制[10-11]。

由于高磁能稀土永磁材料、制造技術(shù)發(fā)展成熟，高性能驅(qū)動電機、高速柱塞泵、智能材料以及主動配流閥等技術(shù)不斷被應用在泵控伺服系統(tǒng)組成中，對整個作動系統(tǒng)的快速性和穩(wěn)定性能有較大的提升，同時在作動系統(tǒng)結(jié)構(gòu)緊湊性以及響應頻率方面改善明顯[12-14]。

泵控伺服系統(tǒng)屬于電液伺服系統(tǒng)，具有模型參數(shù)不確定性、非線性特性以及外部擾動等問題，也有動態(tài)響應較慢、同步精度不高的劣勢。近年來，隨著針對解決泵控伺服系統(tǒng)典型問題與提高其動靜態(tài)響應的相關(guān)技術(shù)方法發(fā)展成熟，對泵控伺服系統(tǒng)相關(guān)建模方法與控制方法的研究與探索對于實現(xiàn)我國國防及現(xiàn)代工業(yè)的節(jié)能減排和高質(zhì)量發(fā)展都有非常重大的意義。

本文作者首先在分析系統(tǒng)組成及工作原理的基礎(chǔ)上，按流量、轉(zhuǎn)速的控制量和驅(qū)動單元的不同分5類，對其發(fā)展現(xiàn)狀及研究成果分別進行了論述；然后從3個角度對精確建模方法進行概述；最后從經(jīng)典控制、現(xiàn)代控制以及智能學習控制角度總結(jié)了相關(guān)學者在處理不同問題時采用的技術(shù)方法及創(chuàng)新性，比較了各自的優(yōu)點與不足并提出一些見解，為進一步研究泵控伺服系統(tǒng)控制技術(shù)提供參考。

1 泵控伺服系統(tǒng)組成和工作原理

泵控伺服系統(tǒng)由計算機控制部分、電機伺服部分、液壓動力執(zhí)行部分和傳感器信號傳輸?shù)炔糠謽?gòu)成，如圖1所示。其中計算機控制部分完成執(zhí)行機構(gòu)動態(tài)信號采集，處理分析后發(fā)送指令信號；電機伺服部分與液壓泵固連，通過控制伺服電機轉(zhuǎn)速、轉(zhuǎn)角與轉(zhuǎn)矩改變液壓泵的流量、壓力、轉(zhuǎn)向進而控制活塞運動的位移、速度和方向[15]。

圖1 電液伺服泵控伺服系統(tǒng)組成

泵控伺服系統(tǒng)常采用旋轉(zhuǎn)電機與齒輪泵或柱塞泵組合使用，通過改變液壓泵的輸出流量控制液壓缸的速度和位置。根據(jù)流量計算公式將泵控伺服系統(tǒng)控制方式分為變排量定轉(zhuǎn)速控制、定排量變轉(zhuǎn)速控制和變排量變轉(zhuǎn)速控制3種。近年來，一類將線性作動器作為驅(qū)動單元的電磁直驅(qū)式和基于智能材料驅(qū)動的泵控伺服系統(tǒng)成為研究的熱點。

1.1 定排量變轉(zhuǎn)速控制

定排量變轉(zhuǎn)速控制系統(tǒng)如圖2所示，主要由數(shù)字信號處理器、功率驅(qū)動單元、變轉(zhuǎn)速電機、定排量泵和執(zhí)行器等組成，它兼顧伺服電動機控制靈活和效率高等特點，是目前研究應用的主流。德國雅歌輝托斯的GP系列以及日本川崎重工開發(fā)的K8V系列代表了當前工業(yè)泵控領(lǐng)域的最高水平[16-18]?？禈s杰等[19]提出通過功率調(diào)節(jié)器優(yōu)化變轉(zhuǎn)速泵控伺服系統(tǒng)所需提供功率來改善系統(tǒng)性能。太原理工大學權(quán)龍教授的研究團隊設(shè)計出新型分布式變轉(zhuǎn)速泵控差動缸電液控制系統(tǒng)，并研究智能算法在泵控伺服系統(tǒng)中的應用，其中設(shè)計的模糊PID控制器和積分分離式PID控制器成功應用于注塑成型機中[20-23]。浙江大學的楊華勇教授團隊與上海三菱公司合作研發(fā)了HIVF標準變頻液壓電梯并已成功走向市場[24]。此外哈爾濱工業(yè)大學劉慶和教授帶領(lǐng)的團隊、西安交通大學趙升噸教授帶領(lǐng)的團隊和廣東工業(yè)大學學者等都對其展開廣泛的研究[25-30]。

圖2 定排量變轉(zhuǎn)速泵控伺服系統(tǒng)原理

1.2 變排量定轉(zhuǎn)速控制

圖3顯示的泵控伺服系統(tǒng)由可變排量泵和固定轉(zhuǎn)速電機組成，伺服電機通過改變軸向柱塞泵的斜盤角度即可改變泵的排量。目前日本油研開發(fā)的A145系列，美國薩澳-丹佛斯公司開發(fā)H1、T90系列以及德國漢堡大學的KAHMFELD等應用于壓路機、水泥泵車等工程機械中[31-33]，燕山大學的孔祥東教授團隊以RKP變量泵為核心設(shè)計了0.6 MN泵控油壓機系統(tǒng)，將前饋補償控制算法等控制方法應用在泵控伺服系統(tǒng)中進行大量研究[34-36]。

圖3 變排量定轉(zhuǎn)速泵控伺服系統(tǒng)原理

1.3 變排量變轉(zhuǎn)速控制

變排量變轉(zhuǎn)速系統(tǒng)由一個變量泵和兩個伺服電機組成，一個伺服電機通過改變斜盤的角度來調(diào)節(jié)泵的排量，泵的轉(zhuǎn)速由另一臺伺服電機調(diào)節(jié)[37]。北京航空航天大學的焦宗夏等設(shè)計了一種電動伺服變量泵系統(tǒng)并對其建模和控制策略進行研究[38-40]；GE等[41]研究系統(tǒng)脈動特性、噪聲和動態(tài)特性等。大部分研究還處于理論分析和原型試驗階段，應用到工業(yè)還有很長的路要走。

1.4 電磁直驅(qū)式控制

電磁直驅(qū)式控制系統(tǒng)如圖4所示，利用直線電機驅(qū)動直線泵輸出穩(wěn)定流量驅(qū)動液壓執(zhí)行器移動[42]。與傳統(tǒng)采用旋轉(zhuǎn)電機泵控伺服系統(tǒng)相比，它無需運動轉(zhuǎn)換機構(gòu)，系統(tǒng)結(jié)構(gòu)更簡單且具有更好的動態(tài)響應。目前北京航空航天大學、美國宇航局和亞洲大學等對此有深入研究,焦宗夏等主要對泵用直線振蕩電機進行設(shè)計、性能分析以及直線泵建模與實驗分析[42-43]。雖然電磁直驅(qū)式泵控伺服系統(tǒng)尚未得到應用，但仿生機器人、電動汽車等領(lǐng)域?qū)槠涮峁┚薮蟮陌l(fā)展空間。

圖4 直驅(qū)式泵控伺服系統(tǒng)

1.5 基于智能材料驅(qū)動控制

許多研究人員認識到壓電材料、磁致伸縮材料等具有較高的能量密度且能在高頻下工作和流體集成的潛力，構(gòu)建由智能材料驅(qū)動的混合式液壓執(zhí)行機構(gòu)，輸入電壓使智能材料產(chǎn)生應變驅(qū)動線性微型泵加壓將動力傳輸?shù)揭簤焊譡44]。近年來，研究人員將壓電堆的高能量密度與流體傳輸?shù)亩喙δ苄韵嘟Y(jié)合，設(shè)計了基于壓電堆的電靜液壓致動器并建立了其動態(tài)特性的數(shù)學模型進行研究[45]。WANG等[46]提出一種新型的雙磁致伸縮材料電液動執(zhí)行器，并通過仿真和實驗驗證了其可行性。智能材料驅(qū)動的泵控伺服雖然具有高功率，但其成本較高，現(xiàn)階段很難在工業(yè)上得到廣泛應用。

1.6 泵控伺服系統(tǒng)配置的控制對比分析

泵控伺服系統(tǒng)的構(gòu)成按流量、轉(zhuǎn)速控制量和驅(qū)動控制單元的不同主要分為5類，表1顯示了5類泵控伺服系統(tǒng)的代表樣機與優(yōu)缺點。目前，定排量變轉(zhuǎn)速控制系統(tǒng)在工業(yè)應用廣泛，隨著需求的變化，精度更高、響應更快以及集成度更高的新型泵控伺服系統(tǒng)將被提出、研究和應用，如基于直線電機的泵控伺服系統(tǒng)無需運動轉(zhuǎn)換機構(gòu)，同時避免了斜盤式柱塞泵的復雜內(nèi)部條件等缺陷，效率和動態(tài)響應性能更好。因此，基于直驅(qū)式的泵控伺服系統(tǒng)在機器人以及電動汽車等領(lǐng)域分布式智能泵控應用將顯示出巨大的潛力，也正成為新式泵控伺服系統(tǒng)的發(fā)展方向。

表1 泵控伺服系統(tǒng)配置控制方式比較

2 泵控伺服系統(tǒng)建模方法

由于泵控伺服系統(tǒng)存在未知的黏性阻尼、非線性特性以及油液體積彈性模量參數(shù)變化等，導致實際被控系統(tǒng)的動態(tài)以及穩(wěn)態(tài)性能降低。因此，獲得更精確的系統(tǒng)數(shù)學模型是控制器設(shè)計的重要基礎(chǔ)，也是當前研究的主要熱點。

2.1 模型參數(shù)的確定

機制分析法是電液伺服系統(tǒng)常用的建模方法，魏樹國等[47]采用功率鍵合圖建立了直驅(qū)式泵控液壓機的數(shù)學模型，獲得較為理想的動態(tài)響應。但泵控伺服系統(tǒng)中各組件內(nèi)部的復雜結(jié)構(gòu)引起非線性和時變特性，同時查閱技術(shù)手冊獲得的經(jīng)驗值與實際有一定差距，其傳遞函數(shù)并不能準確描述，因此通過實驗測試法對系統(tǒng)響應進行測試并通過擬合逼近來模擬系統(tǒng)特性。近年來，一些學者將機制分析與實驗測試法結(jié)合，用最小二乘法以及最大似然法等逼近建模，如徐坤等人[48]運用理論建模與系統(tǒng)辨識建模相結(jié)合的方式對控制模型參數(shù)進行了辨識并通過實驗驗證了其可行性。目前智能控制用于泵控伺服系統(tǒng)精確建模成為趨勢，如模糊算法、遺傳算法、神經(jīng)網(wǎng)絡(luò)和微粒群優(yōu)化算法等，劉少崗結(jié)合遞推最小二乘法構(gòu)建T-S模糊辨識算法逼近泵控伺服系統(tǒng)，獲得較高的辨識精度[49-51]。張春龍、張浩強等[52-53]利用遺傳算法對泵控伺服系統(tǒng)參數(shù)優(yōu)化辨識，辨識結(jié)果在時域和頻域逼近實際系統(tǒng)，提高了系統(tǒng)的動態(tài)性能。

2.2 不確定負載擾動補償

泵控伺服系統(tǒng)常受到外部干擾力與流量脈動等內(nèi)外不確定性擾動，當擾動超過一定界限，系統(tǒng)穩(wěn)定性會降低[54]。除了用映射函數(shù)處理外部擾動之外，GUAN等[55-56]在滑模變結(jié)構(gòu)控制器中引入擴張狀態(tài)觀測器，解決了非匹配性干擾的不靈敏性，同時消除了抖動。陳革新則設(shè)計了實時補償定量泵轉(zhuǎn)速的位置前饋補償控制器，實現(xiàn)高精度位置輸出[37]。針對流量壓力脈動的影響，張世博[57]采用高頻脈動信號注入來主動補償固有壓力脈動，同時將非線性負載等效為線性負載，有效減小壓力紋波。陳麗緩等[58]提出基于動態(tài)面控制的速度控制對系統(tǒng)的泄漏以及壓力波動進行補償，實現(xiàn)泵控缸輸出速度的精準控制。

2.3 模型解耦及約束控制

為實現(xiàn)非對稱液壓缸的無桿腔變化偏差所引起的有桿腔變化的解耦，姚靜等人[59]提出位置前饋補償解耦方法，將無桿腔位置偏差所引起的流量變化補償?shù)接袟U腔壓力控制系統(tǒng)，并在600 kN泵控油壓機上獲得實驗驗證。在研究泵控伺服系統(tǒng)中遇到物理約束問題時，王玄等人[60]通過模型預測控制將位置約束、速度約束和泵單向運行約束3個條件下的控制問題轉(zhuǎn)化為標準約束下的二次規(guī)劃問題，并驗證了其可行性和優(yōu)越性。

2.4 建模方法對比分析

在建立精確模型過程中，目前將兩種方法的優(yōu)勢結(jié)合進行建模或與智能控制方法結(jié)合，設(shè)計出更高效和更精確的建模方法來適應高性能、高精度要求的泵控伺服系統(tǒng)[48-60]。目前主要精確建模方法與特點總結(jié)如表2所示。

表2 主要精確建模方法

3 泵控伺服系統(tǒng)控制技術(shù)

為提高泵控伺服系統(tǒng)的控制精度、響應速度和魯棒性，近年來出現(xiàn)將不同算法的優(yōu)勢互補，獲得了更好的控制效果。目前泵控伺服系統(tǒng)中所采用的控制方法如圖5所示，主要分為3類：經(jīng)典線性控制、非線性現(xiàn)代控制、智能學習控制。

圖5 泵控伺服系統(tǒng)控制系統(tǒng)發(fā)展示意

3.1 經(jīng)典線性控制

因控制律簡單且不依賴數(shù)學具體模型，PID控制廣泛應用在工業(yè)要求不高的場合，劉志剛等[63-65]將液壓缸位移分為3段進行分段PID控制，提高了系統(tǒng)的位置控制精度和響應速度，但控制器對響應速度作用較強會引起系統(tǒng)的超調(diào)。在對頻帶和跟蹤精度要求很高時，PID控制不滿足系統(tǒng)高性能要求且并不能實現(xiàn)最優(yōu)控制，學者將PID與其他方法結(jié)合，如張雨新、孫達明設(shè)計的模糊PID控制器在顯著減少響應時間同時提高其抗干擾性能，王俊鋒、游有鵬則設(shè)計了單一神經(jīng)元自適應PID控制器，也獲得良好控制效果[66-69]。

3.2 非線性現(xiàn)代控制

20世紀50年代以后，自適應控制以及魯棒控制等解決了非線性時變以及外部不確定干擾等問題，學者將基于被控對象數(shù)學模型的非線性現(xiàn)代控制應用到泵控伺服系統(tǒng)中，獲得不錯成果。

3.2.1 自適應控制

自適應控制通過對控制器參數(shù)的調(diào)整適應被控系統(tǒng)或環(huán)境變化，以模型參考自適應和自校正控制較為成熟，于今等人設(shè)計的模型參考自適應控制實現(xiàn)了幾乎無偏差無滯后的位置跟蹤從而解決模型時變以及系統(tǒng)遲滯等問題[62,70-71]。但當高頻噪聲或強干擾時的控制效果不盡如人意，學者提出了自適應控制器與自適應濾波器、觀測器以及魯棒控制或滑?？刂频冉Y(jié)合，提升系統(tǒng)動態(tài)響應性能以及魯棒性解決單一自適應控制的不足[72-73]。

3.2.2 魯棒控制

1978年，多倫多大學的DAVISON首先提出魯棒控制，后續(xù)發(fā)展了如H∞魯棒控制、結(jié)構(gòu)奇異值理論等多種控制方法。H∞控制在泵控伺服系統(tǒng)中的應用較為成熟，基本思想是將被控系統(tǒng)看成已知精確系統(tǒng)和不確定性判別模式構(gòu)成的系統(tǒng)并用H∞范數(shù)優(yōu)化調(diào)節(jié)保證系統(tǒng)的魯棒性[74]。王天玉[75]設(shè)計的擴展H∞控制器克服了等效負載變化導致系統(tǒng)穩(wěn)定性變差并使系統(tǒng)跟蹤性能得到提高。譚兆鈞等[76]將精確反饋線性化與H∞混合靈敏度控制結(jié)合設(shè)計了魯棒控制器，結(jié)果表明滿足正常工況下對油液的需求且具有良好節(jié)能效果。

由于魯棒控制器需設(shè)置未知變量的邊界保證在最優(yōu)狀態(tài)工作，為克服易因邊界設(shè)置造成系統(tǒng)穩(wěn)態(tài)精度較差的不足，學者將魯棒控制與其他控制優(yōu)勢互補，形成了自適應魯棒控制和滑模變結(jié)構(gòu)魯棒控制等有效控制理論。YIN等[73,77-78]提出自適應魯棒控制，使控制器具有魯棒性以及參數(shù)自適應能力，實驗跟隨誤差在合理范圍，控制器系統(tǒng)框圖如圖6所示，包含自適應控制、魯棒控制和線性反饋控制三個部分。

圖6 自適應魯棒控制系統(tǒng)框圖

3.2.3 滑模變結(jié)構(gòu)控制

滑模變結(jié)構(gòu)控制因具有強魯棒性能及抗擾性等優(yōu)點被廣泛研究，徐超等人[4]將快速終端滑?？刂朴糜跐撏У谋每匾簤憾鏅C模型，驗證了控制器具有良好的魯棒性和可靠性。然而，因控制器頻繁切換帶來的抖振影響泵控伺服系統(tǒng)的性能甚至使系統(tǒng)失穩(wěn)。目前常用濾波法、觀測器法以及降低切換增益來削弱或消除抖振，郭新平等[79-81]將滑?？刂破髋c擴張觀測器結(jié)合，提高了泵控伺服系統(tǒng)的位置跟蹤性能和對擾動的抑制能力。當前，滑模變結(jié)構(gòu)控制也常和其他控制結(jié)合，如自適應滑模變結(jié)構(gòu)控制、魯棒滑模控制、神經(jīng)網(wǎng)絡(luò)滑?？刂埔约白赃m應模糊滑?？刂频?。其中自適應模糊滑模控制原理如圖7所示，它利用模糊控制動態(tài)調(diào)節(jié)增益使系統(tǒng)在復雜環(huán)境仍有良好動態(tài)響應和穩(wěn)態(tài)控制精度且抑制了系統(tǒng)抖振[82-84]。

圖7 自適應模糊滑模變結(jié)構(gòu)控制示意圖

3.2.4 自抗擾控制

中科院韓京清[85]提出的自抗擾控制器因擴張狀態(tài)觀測器估計總擾動并反饋補償?shù)膬?yōu)勢被廣泛研究。高強等人將自抗擾控制應用到泵控缸位置伺服系統(tǒng)中解決擾動補償問題，提高了系統(tǒng)動態(tài)響應和魯棒性[86-88]。自抗擾控制器雖具有控制精度高和抗干擾能力強等優(yōu)點，但對于泵控伺服系統(tǒng)相對高階、遲滯較大時，控制器難免因ESO的帶寬受限以及控制參數(shù)較多且依賴經(jīng)驗知識調(diào)節(jié)等問題影響控制器性能。沈偉、崔霞[89]則將自抗擾控制引入串級控制體系，提高控制器的相對階數(shù)并獲得良好控制效果。鑒于控制器參數(shù)較多，一些學者利用模糊控制和神經(jīng)網(wǎng)絡(luò)等進行參數(shù)自整定。其中模糊神經(jīng)網(wǎng)絡(luò)自抗擾控制結(jié)構(gòu)原理如圖8所示，采用模糊神經(jīng)網(wǎng)絡(luò)整定非線性反饋控制律參數(shù)，提高控制系統(tǒng)動靜態(tài)響應性能[90-93]。

圖8 模糊神經(jīng)網(wǎng)絡(luò)自抗擾控制器結(jié)構(gòu)圖

3.3 智能學習控制

智能學習控制通過自校正方式對控制器控制量智能調(diào)節(jié)，保證泵控伺服系統(tǒng)在復雜工況下的魯棒性、實時性和容錯性。目前，智能學習控制如模糊控制、神經(jīng)網(wǎng)絡(luò)控制和遺傳算法等在泵控伺服系統(tǒng)中應用較為成熟。

3.3.1 模糊控制

模糊控制運用模糊邏輯規(guī)律將經(jīng)驗知識轉(zhuǎn)換為控制規(guī)則進行自適應控制，但模糊控制的穩(wěn)態(tài)誤差較大，常與其他控制結(jié)合，如MIAO等[68,94]將PID控制與模糊控制結(jié)合，既能滿足泵控伺服系統(tǒng)位置控制需要，又具有響應速度快與超調(diào)小的特點。高崗等人[84]設(shè)計的比例切換模糊滑模控制器削弱了普通滑模切換時高頻抖振，提高泵控伺服系統(tǒng)位置控制精度和穩(wěn)定性。雖然模糊控制與其他方法結(jié)合提高了控制器性能，但模糊控制規(guī)則等還依賴專家大量的經(jīng)驗知識，難以取得最優(yōu)效果，因此劉華旺[95]采用ITAE性能指標對模糊控制進行優(yōu)化，根據(jù)系統(tǒng)性能在線實時調(diào)整模糊規(guī)則，獲得到了理想的控制效果。

3.3.2 神經(jīng)網(wǎng)絡(luò)控制

神經(jīng)網(wǎng)絡(luò)控制一方面解決了泵控伺服系統(tǒng)模型未知和參數(shù)時變問題，ZHAO等[61]提出的神經(jīng)網(wǎng)絡(luò)獲得良好結(jié)果，高強等人[49]則采用GA-BP神經(jīng)網(wǎng)絡(luò)解決了BP神經(jīng)網(wǎng)絡(luò)易陷入局部最小和收斂速度慢等問題。汪介瑜[96]則設(shè)計基于RBF神經(jīng)網(wǎng)絡(luò)逼近的前饋-反饋自適應控制器,實現(xiàn)泵控伺服系統(tǒng)自適應控制，結(jié)構(gòu)原理如圖9所示。

圖9 RBF神經(jīng)網(wǎng)絡(luò)逼近的前饋反饋自適應控制器結(jié)構(gòu)圖

另一方面結(jié)合其他控制技術(shù)優(yōu)勢互補使泵控伺服系統(tǒng)響應達到最優(yōu)，楊浩等人[97-98]提出BP神經(jīng)網(wǎng)絡(luò)PID控制實現(xiàn)PID的相關(guān)參數(shù)自適應，但BP神經(jīng)網(wǎng)絡(luò)易陷入局部最??；楊統(tǒng)等人[99]則在此基礎(chǔ)上用改進的粒子群算法來優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的權(quán)值和閾值去整定PID參數(shù)，改善了該系統(tǒng)對突加負載的識別能力。一些學者還利用神經(jīng)網(wǎng)絡(luò)對控制律進行估計與優(yōu)化，如黃開啟等[100]利用神經(jīng)網(wǎng)絡(luò)對控制律在線估測使系統(tǒng)抖振削弱，增強系統(tǒng)的魯棒性。

3.3.3 遺傳算法

遺傳算法是一種具有潛在并行性、快速全局搜索能力和良好擴展性的算法，被用于控制器參數(shù)優(yōu)化以及泵控伺服系統(tǒng)參數(shù)識別等方面，但其容易過早收斂、對初始種群具有依賴性以及局部搜索能力較差，常與模糊控制、模擬退火算法、非線性控制等結(jié)合。如黃鎮(zhèn)海等[101-102]采用自適應遺傳算法對泵控液壓缸控制參數(shù)進行優(yōu)化，結(jié)果表明具有較好的魯棒性和同步控制精度。郭慧等人[103]利用區(qū)間分解優(yōu)化的遺傳算法優(yōu)化串級PID控制器參數(shù)，實現(xiàn)快速抑制外部不確定負載對副回路的擾動，提高HY-50型直驅(qū)式泵控伺服系統(tǒng)的頻寬并改善了動態(tài)性能。針對遺傳算法局部搜索能力較弱以及后期搜索效率較低的問題，賈甜甜[104]將遺傳算法與細菌覓食算法結(jié)合對控制器參數(shù)進行優(yōu)化，結(jié)果表明優(yōu)化算法可以快速、準確地在給定范圍搜索到較優(yōu)的控制器參數(shù)。

3.3.4 其他智能算法

粒子群算法因收斂速度快、算法規(guī)則簡單和可調(diào)參數(shù)少等優(yōu)點被應用到泵控伺服系統(tǒng)，但容易陷入局部最優(yōu)。張星晴、段富海[105]用改進粒子群算法對不同負載下PID控制器參數(shù)優(yōu)化整定，提高泵控伺服系統(tǒng)的響應性能及抗擾性能。KANG等[106]采用粒子群優(yōu)化算法對神經(jīng)網(wǎng)絡(luò)進行初始化提高了收斂速度，防止權(quán)值陷入局部最優(yōu)，實現(xiàn)對控制器參數(shù)最優(yōu)調(diào)整。韓賀永等[107]提出小波神經(jīng)網(wǎng)絡(luò)PID控制算法，實現(xiàn)對直驅(qū)式電液伺服模鍛錘壓力與速度的閉環(huán)控制，系統(tǒng)響應性能得到明顯改善。聶松林等[108]提出單神經(jīng)元PID與前饋控制結(jié)合的策略，系統(tǒng)動態(tài)性能和魯棒性都得到進一步提升。

3.4 泵控伺服系統(tǒng)控制技術(shù)分析

在建立精確泵控模型的基礎(chǔ)上，被控系統(tǒng)的定位精度、動態(tài)響應性能、容錯性以及魯棒性的提高一直是控制技術(shù)的發(fā)展目標。表3總結(jié)了泵控伺服系統(tǒng)中近年來主要采用的控制方法和特點，考慮到單一控制方法在抑制不確定干擾、提高動態(tài)響應以及在復雜條件下不能完全達到最優(yōu)控制，目前呈現(xiàn)多種控制方法相互融合優(yōu)勢互補。而復合控制器參數(shù)較多且依靠研究人員經(jīng)驗選取，控制器性能不易達到最優(yōu)，可以利用模糊神經(jīng)網(wǎng)絡(luò)、模糊遺傳算法和粒子群優(yōu)化算法等智能算法優(yōu)異的自學習、自校正實現(xiàn)控制器參數(shù)在線或離線自整定，滿足泵控伺服系統(tǒng)在不同工況條件的要求。當然智能學習算法也存在一些比如需要大量的樣本集進行學習、容易陷入局部收斂、算法復雜度較高等需要完善的地方。

表3 泵控伺服系統(tǒng)控制策略主要方法

4 結(jié)論

電液伺服泵控伺服系統(tǒng)是一個非線性、強耦合、不確定性干擾的復雜系統(tǒng)，但以其優(yōu)異的功率體積大、抗負載剛性大以及高效節(jié)能的特點，是未來液壓伺服系統(tǒng)的發(fā)展方向。為適應泵控伺服系統(tǒng)高效、高精度以及復雜環(huán)境條件下的要求，有以下幾方面熱點亟待研究：

(1)隨著泵控伺服系統(tǒng)由傳統(tǒng)工業(yè)國防領(lǐng)域轉(zhuǎn)向新興工業(yè)領(lǐng)域，基于電磁直驅(qū)線性泵控或集成度更高的新型泵控伺服系統(tǒng)將受到廣泛關(guān)注。

(2)將摩擦、參數(shù)攝動和油液溫度影響等非線性因素考慮到建模中，結(jié)合智能復合學習算法等更高效和更精確的方法，可以更加精確地反映實際系統(tǒng)的本質(zhì)規(guī)律。

(3)將現(xiàn)代非線性控制方法與智能學習控制等進行優(yōu)勢互補，設(shè)計出性能更優(yōu)的控制器，以實現(xiàn)系統(tǒng)在不同工況和惡劣條件下最優(yōu)運行。