火炮彈藥協(xié)調(diào)器區(qū)間不確定參數(shù)辨識

趙搶搶，侯保林

(南京理工大學(xué) 機械工程學(xué)院, 江蘇 南京 210094)

火炮彈藥協(xié)調(diào)器區(qū)間不確定參數(shù)辨識

趙搶搶，侯保林

(南京理工大學(xué) 機械工程學(xué)院, 江蘇 南京 210094)

火炮彈藥協(xié)調(diào)器是一個復(fù)雜的多參數(shù)機電液一體化系統(tǒng)，在建立其動力學(xué)模型時，某些對系統(tǒng)性能有重要影響的不可測或難以測量的參數(shù)，只能通過辨識的方法獲得。為了實現(xiàn)彈藥協(xié)調(diào)器的參數(shù)辨識，在Simulink中建立彈藥協(xié)調(diào)器的動力學(xué)模型與控制模型，并利用區(qū)間數(shù)描述系統(tǒng)動作過程中的不確定參數(shù)；利用區(qū)間序關(guān)系轉(zhuǎn)換模型，將存在區(qū)間不確定參數(shù)的辨識問題轉(zhuǎn)換成確定性優(yōu)化問題進行求解；以協(xié)調(diào)器支臂角速度曲線的相似度作為優(yōu)化目標，利用差分進化算法實現(xiàn)了彈藥協(xié)調(diào)器的參數(shù)辨識；利用仿真數(shù)據(jù)確定了此方法的辨識精度滿足要求，并利用測試數(shù)據(jù)對真實系統(tǒng)的參數(shù)進行了辨識，驗證了此方法的可行性和有效性。

兵器科學(xué)與技術(shù)；火炮；彈藥協(xié)調(diào)器；參數(shù)辨識；區(qū)間優(yōu)化；相似度分析；差分進化算法

0 引言

彈藥協(xié)調(diào)器是大口徑自行火炮彈藥自動裝填系統(tǒng)的一個重要部件，主要用于接收彈倉內(nèi)被推彈器推送出來的彈丸，再將該彈丸傳輸?shù)捷攺椌€上，由輸彈機輸彈入膛[1]。其在武器裝備服役使用過程中，時常發(fā)生定位精度超差的情況，嚴重降低了整個彈藥自動裝填系統(tǒng)的可靠性，亟待進行改進設(shè)計。建立其準確的動力學(xué)模型，對于推斷協(xié)調(diào)器在運行過程中系統(tǒng)特性的變化情況，進而根據(jù)系統(tǒng)特性的變化情況提出改進設(shè)計建議，乃至實現(xiàn)故障診斷和預(yù)測，都具有重要的意義。

建模過程中的一個核心問題是系統(tǒng)參數(shù)的確定，協(xié)調(diào)器作為一個復(fù)雜且多參數(shù)的機、電、液一體化系統(tǒng)，其中某些參數(shù)是已知的，可通過計算或測試獲得；某些是未知且難以測量的，但在系統(tǒng)某次確定的動作循環(huán)中，由于動作時間短，可近似認為是確定的，可通過辨識的方法獲得；然而，還有一類不確定參數(shù)，其真實值即使是在某次確定的動作循環(huán)過程中也是變化的，當(dāng)前的認知手段無法確定其明確的分布規(guī)律，但可以確定其變化的區(qū)間范圍，其他不確定數(shù)學(xué)方法用來描述這類參數(shù)時都存在或多或少的不足，而區(qū)間數(shù)則可以很好的描述這類參數(shù)的不確定性[2]。

根據(jù)Ljung[3]的定義，辨識由數(shù)據(jù)、模型類和準則3個要素組成。其中數(shù)據(jù)是辨識的基礎(chǔ)，準則是辨識的依據(jù)，模型類是辨識的范圍，辨識就是按照一個準則在一組模型類中選擇一個對數(shù)據(jù)擬合得最好的模型。因此辨識問題可看作是一個優(yōu)化問題，利用尋優(yōu)的方法求解。在傳統(tǒng)的確定性優(yōu)化方法中，決策的判斷都是基于目標函數(shù)和約束在各個設(shè)計向量處的具體數(shù)值，然而，當(dāng)用區(qū)間數(shù)描述系統(tǒng)的不確定參數(shù)時，對于任一待辨識的參數(shù)，由于不確定參數(shù)為一區(qū)間數(shù)，因此目標函數(shù)的可能取值都構(gòu)成一個區(qū)間，無法通過傳統(tǒng)的確定性優(yōu)化方法求解[4]。針對這類存在參數(shù)區(qū)間不確定的優(yōu)化問題，一般是通過合適的方法將其轉(zhuǎn)化為確定性問題進行求解。程志強等[5]根據(jù)過程工業(yè)系統(tǒng)的特點，將區(qū)間多目標優(yōu)化問題轉(zhuǎn)化為一個極大極小問題，并結(jié)合遺傳算法和非線性規(guī)劃方法，分析了上述轉(zhuǎn)化的可行性；蔣崢等[6]針對區(qū)間單目標非線性優(yōu)化問題，引入決策風(fēng)險因子和偏差懲罰項，將區(qū)間非線性規(guī)劃問題轉(zhuǎn)化成一個確定型極大極小問題，并采用遺傳算法以遞階優(yōu)化的方式求解；Jiang等[7]采用區(qū)間分析方法計算目標函數(shù)的區(qū)間值，將上述問題轉(zhuǎn)化為確定性多目標優(yōu)化問題進行求解。總體來說，現(xiàn)在對于區(qū)間不確定問題的研究主要集中在如何將其轉(zhuǎn)換為確定性問題進行求解，而對于其工程應(yīng)用的研究還較少。

本文為解決存在區(qū)間不確定參數(shù)的火炮彈藥協(xié)調(diào)器的參數(shù)辨識問題，根據(jù)協(xié)調(diào)器的結(jié)構(gòu)和控制原理，在Simulink中建立了協(xié)調(diào)器的動力學(xué)模型和仿真模型；利用區(qū)間序關(guān)系轉(zhuǎn)換模型，將區(qū)間不確定性問題轉(zhuǎn)換為確定性問題進行求解；考慮到協(xié)調(diào)器的可測響應(yīng)量為支臂的角速度，將測試曲線與辨識曲線的相似度作為差分進化算法的適應(yīng)度函數(shù)，即優(yōu)化目標函數(shù)，利用差分進化算法對協(xié)調(diào)器的參數(shù)進行辨識。

1 彈藥協(xié)調(diào)器建模

1.1 協(xié)調(diào)器的動力學(xué)建模

彈藥協(xié)調(diào)器的結(jié)構(gòu)如圖1(a)所示，由兩個并聯(lián)的串勵電機驅(qū)動，減速箱由兩級直齒輪傳動和一級蝸輪蝸桿傳動組成，其中蝸輪與火炮耳軸固聯(lián)；小平衡機由平衡油缸和蓄能器組成，用于平衡彈藥協(xié)調(diào)器的重力矩，減小驅(qū)動電機的負載，支撐協(xié)調(diào)器平穩(wěn)運動；彈藥協(xié)調(diào)器設(shè)置有角位移傳感器和角速度傳感器(測速度電機)，用于提供協(xié)調(diào)器相對于起落部分的角度信號，使協(xié)調(diào)器轉(zhuǎn)至正確位置[1]。

圖1 彈藥協(xié)調(diào)器結(jié)構(gòu)及工作原理Fig.1 Structure and working principle of shell transfer arm

彈藥協(xié)調(diào)器的工作原理如圖1(b)所示，它是一個單自由度系統(tǒng)，通過進行受力分析，可得到其動力學(xué)方程為

(1)

式中：θ為協(xié)調(diào)器的轉(zhuǎn)角；i1為系統(tǒng)總的傳動比；i2為齒輪3到蝸輪的傳動比；i3為蝸桿到蝸輪的傳動比；η1為齒輪1、2之間的傳動效率；η2為齒輪3、4之間的傳動效率；η3為蝸輪蝸桿的傳動效率；I01為電機和齒輪1的等效轉(zhuǎn)動慣量；I23為齒輪2、3的等效轉(zhuǎn)動慣量；I45為齒輪4和蝸桿的等效轉(zhuǎn)動慣量；I6為蝸輪、支臂和彈丸的等效轉(zhuǎn)動慣量；Td為電機的驅(qū)動力矩；TR為小平衡機對支臂的支反力矩；TG為支臂的重力矩。

TG取決于支臂的轉(zhuǎn)角，

TG=Lmgcos(θ+α)，

(2)

式中：L為支臂質(zhì)心到協(xié)調(diào)器旋轉(zhuǎn)中心的距離；m為支臂和彈丸的質(zhì)量；α為支臂處于水平位置時，支臂質(zhì)心到旋轉(zhuǎn)中心連線與水平線之間的夾角。

TR取決于油缸的壓力和支臂的轉(zhuǎn)角，其中油缸壓力為

p=p0S[V0/(V0-ΔV)]n，

(3)

式中：p0、S為蓄能器的初壓和油缸活塞面積；V0為氣體初始容積；ΔV為氣體變化的體積；n為氣體的多變指數(shù)。

則平衡機對協(xié)調(diào)器的作用力矩為

TR=lp0S[V0/(V0-ΔLS)]n，

(4)

式中：l為協(xié)調(diào)器旋轉(zhuǎn)中心至小平衡機的距離；ΔL為活塞運動的距離。

1.2 電機及控制系統(tǒng)建模

彈藥協(xié)調(diào)器由兩個并聯(lián)的串勵電機驅(qū)動，相關(guān)的動態(tài)方程[8]為

(5)

式中：U為電機電壓；E為反電動勢；R為電機電阻；I為電樞電流；L為電感；Φ為主磁通量；K為勵磁系數(shù)；Ce、CT分別為反電動勢系數(shù)和電磁轉(zhuǎn)矩系數(shù)；ω為電機轉(zhuǎn)速；T為電機輸出轉(zhuǎn)矩。

彈藥協(xié)調(diào)器的控制系統(tǒng)只對達到穩(wěn)態(tài)值所需的時間和定位精度有要求，而對系統(tǒng)的暫態(tài)特性沒有要求，因此在實際設(shè)計系統(tǒng)時需兼顧的各種參數(shù)較少，其運動過程可簡化為如圖2所示的示意圖。圖2中，A1A2為協(xié)調(diào)器的運動范圍，協(xié)調(diào)器按要求從A3點運動到A4點，則整個運動過程可分為兩段：在A3A5段，只需控制電機的運動方向，給電機加額定電壓，使電機全速運動帶動協(xié)調(diào)器快速向A4點運動；當(dāng)協(xié)調(diào)器運動到A5點，系統(tǒng)變成一個完全的閉環(huán)位置系統(tǒng)，把協(xié)調(diào)器準確定位在A4點,其速度曲線如圖3所示。

圖2 協(xié)調(diào)器運動及定位過程示意圖Fig.2 Schematic diagram of motion and location procedure of shell transfer arm

圖3 協(xié)調(diào)器動作過程的速度曲線Fig.3 Angular velocity curve of shell transfer arm

電機的速度是通過驅(qū)動電路改變電機電樞上的電壓平均值來控制的，電壓為準脈沖形式，在功能上類似于脈寬調(diào)制。為了實現(xiàn)電機的正轉(zhuǎn)與反轉(zhuǎn)，電機含有兩個方向相反的勵磁繞組。為了簡化驅(qū)動電路，功率元件采用絕緣柵雙極型晶體管(IGBT)。控制信號由比例- 微分閉環(huán)控制產(chǎn)生，當(dāng)控制信號為正時，與正向勵磁繞組連接的IGBT導(dǎo)通；當(dāng)控制信號為負時，與反向勵磁繞組連接的IGBT導(dǎo)通。同時，在觸發(fā)電路中設(shè)置了門限電路，使得IGBT的導(dǎo)通具有遲滯性，以防止兩個勵磁繞組同時接通。

根據(jù)上述分析，在Simulink中建立的協(xié)調(diào)器的動力學(xué)模型與控制模型如圖4所示。

圖4 彈藥協(xié)調(diào)器的動力學(xué)模型與控制模型Fig.4 Dynamic and control models of shell transfer arm

1.3 彈藥協(xié)調(diào)器參數(shù)分類

由1.2節(jié)建模過程可知，彈藥協(xié)調(diào)器模型包含的參數(shù)眾多。在一次動作過程中，其中某些參數(shù)是可通過計算或測量的方式獲得的，如等效轉(zhuǎn)動慣量I01、I23、I45、I6；某些參數(shù)是不確定的，無法得知其確定的值，也無法確定其準確的分布規(guī)律，只能確定其變化的區(qū)間。對于彈藥協(xié)調(diào)器而言，兩個區(qū)間不確定的參數(shù)分別為：

1)蝸輪蝸桿的傳動效率η3. 蝸輪蝸桿的傳動效率η3=ηnηsηz，其中ηs為考慮攪油損耗時的效率，取值范圍0.94～0.99，ηz為軸承效率，滾動軸承取值范圍0.98～0.99；ηn為嚙合效率，蝸桿為驅(qū)動元件時，ηn=tanγ/tan (γ+ρv)，其中γ為導(dǎo)程角，ρv為當(dāng)量摩擦角。ρv與齒面的相對滑動速度有關(guān)，而蝸輪蝸桿的相對滑動速度是隨協(xié)調(diào)器的轉(zhuǎn)速變化的。

2)蝸輪蝸桿的傳動比i3. 由于傳動系統(tǒng)間隙及機械構(gòu)件受載變形等因素的影響，齒輪及蝸輪蝸桿傳動存在空回現(xiàn)象。由1.1節(jié)的建模過程可知，系統(tǒng)總的傳動比i1，齒輪3到蝸輪的傳動比i2都與蝸輪蝸桿的傳動比i3有關(guān)，因此本文在處理傳動空回問題時，將空回對整個傳動系統(tǒng)的影響等效在蝸輪蝸桿的傳動比i3上。空回非線性遲滯模型為[9]

(6)

式中：B為空回量；θm為驅(qū)動端轉(zhuǎn)角；θn為從動端轉(zhuǎn)角；t-、t+分別表示控制過程發(fā)生的前后時刻。由(6)式可知，傳動比與空回量B相關(guān)，而通常情況下空回量B是不確定的。

還有一類參數(shù)是未知的，且難以通過測量的方式獲得，但這些參數(shù)在一次動作過程中可近似地看做確定的，可通過辨識的方法獲得的。協(xié)調(diào)器模型中，3個待辨識參數(shù)為：

1)蓄能器的初始壓力p0. 小平衡機是通過氣囊式蓄能器提供動力的，蓄能器壓力的變化直接影響到油缸壓力的變化，從而導(dǎo)致協(xié)調(diào)器運行的不穩(wěn)定。

2)測速電機的靈敏度k. 測速電機的靈敏度直接影響協(xié)調(diào)器的定位精度，但火炮射擊時的振動、溫度的變化、電磁干擾等都將導(dǎo)致靈敏度的異常。

3)氣體的多變指數(shù)n. 蓄能器在充壓過程中，氣體的多變指數(shù)是個不確定的數(shù)值，在其他參數(shù)都相同的情況下，多變指數(shù)不同，會使蓄能器的儲油量發(fā)生明顯的變化。

2 協(xié)調(diào)器參數(shù)辨識問題描述及其求解方法

本文的彈藥協(xié)調(diào)器參數(shù)辨識問題可作為一個優(yōu)化問題來求解，即：在η3和i3在區(qū)間范圍內(nèi)變化的情況下，尋找出最優(yōu)的p0、k和n，使得模型的輸出與真實系統(tǒng)的輸出最接近。其數(shù)學(xué)模型為

(7)

式中：X為設(shè)計向量，X=(p0,k,n)；D為不確定向量，D=(η3,i3)；f為目標函數(shù)，是通過辨識獲得的協(xié)調(diào)器角速度曲線與測試所得角速度曲線的相似度；上標I、L和R分別表示區(qū)間、區(qū)間下界和區(qū)間上界。

對于任一確定的設(shè)計向量X，由于D的取值范圍為一區(qū)間量，因此目標函數(shù)f(X,D)可能取值也構(gòu)成一個區(qū)間。而在傳統(tǒng)的確定性優(yōu)化方法中，決策的判斷都是基于目標函數(shù)和約束在各個設(shè)計向量處的具體數(shù)值，因此，上述問題無法通過傳統(tǒng)的確定性優(yōu)化方法進行求解。為此，本文利用區(qū)間序關(guān)系將不確定目標函數(shù)轉(zhuǎn)換成確定性問題進行求解。

2.1 基于區(qū)間序關(guān)系的不確定目標函數(shù)轉(zhuǎn)換

根據(jù)區(qū)間數(shù)理論[2]，區(qū)間數(shù)被定義為一對有序的實數(shù)：

AI=[AL,AR]={x|AL≤x≤AR,x∈R}，

(8)

式中：AI、AL、AR分別表示區(qū)間、區(qū)間下界和區(qū)間上界。區(qū)間數(shù)也可以通過中點Ac和半徑Aw來定義為

AI=〈Ac,Aw〉={Ac-Aw≤x≤Ac+Aw,x∈R},

(9)

式中：Ac=(AL+AR)/2,Aw=(AR-AL)/2.

AI≤LcBI,AL≤BL且Ac≤Bc.

(10)

基于(10)式表述的區(qū)間序關(guān)系≤Lc，可以通過目標函數(shù)區(qū)間的中點和下界來判斷不同設(shè)計向量之間的優(yōu)劣：若設(shè)計向量X2優(yōu)于X1，則X2處的目標函數(shù)區(qū)間優(yōu)于X1處的目標函數(shù)區(qū)間，即fL(X2)≥fL(X1)且fc(X2)≥fc(X1)。因此，希望找到一個最優(yōu)的設(shè)計向量，使得不確定目標函數(shù)的區(qū)間具有最大的中點值和下界，則(7)式中的不確定目標函數(shù)可轉(zhuǎn)換為如下的確定性多目標優(yōu)化問題：

(11)

式中：對于任一X，需基于不確定目標函數(shù)的區(qū)間計算其下邊界與中點值。此處可通過兩次優(yōu)化過程求解不確定目標函數(shù)的區(qū)間[10]：

(12)

根據(jù)上述轉(zhuǎn)換關(guān)系，(7)式表示的不確定優(yōu)化問題可轉(zhuǎn)換為如下的確定性優(yōu)化問題：

(13)

為了方便后續(xù)算法對其進行求解，此處采用線性加權(quán)法將(13)式轉(zhuǎn)換為一單目標優(yōu)化問題[11]：

(14)

式中：fd為多目標評價函數(shù)；β的取值范圍為[0,1]，為多目標權(quán)重，本文中β=0.5；ξ為保證fL(X)+ξ和fc(X)+ξ非負的參數(shù)，由于相似度本身為非負數(shù)，因此此處ξ=0；φ和ψ為多目標函數(shù)的正則化因子，可通過如下優(yōu)化過程獲得

(15)

2.2 時間序列曲線相似度計算

(7)式中，目標函數(shù)為通過辨識獲得的協(xié)調(diào)器角速度曲線與測試所得角速度曲線的相似度S，相似度S的范圍為[0 1]。S=0表示兩個系統(tǒng)一切特性都不同；S=1表示兩個系統(tǒng)一切特性均相同；0

對于兩個時間序列數(shù)值曲線Y=[y1,y2,…,yn]和Y′=[y′1,y′2,…,y′n]，其相似度S由數(shù)值相似度Sns與形狀相似度Sss組成。根據(jù)多屬性多指標綜合理論[13]，組合相似度用乘法關(guān)系求取比用加法關(guān)系求取更合理，則相似度S可表示為

基于區(qū)塊鏈的新型IoT技術(shù)還處在“萌芽”階段，對學(xué)術(shù)界與工業(yè)界來說既是機遇又是挑戰(zhàn)。區(qū)塊鏈與IoT兩種技術(shù)的融合勢必會推動IoT安全的迅猛發(fā)展，并由此帶來技術(shù)的巨大升級。研究適合IoT特征的區(qū)塊鏈安全防護技術(shù)是未來的一種趨勢，但也存在各種挑戰(zhàn)而任重道遠。

(16)

數(shù)值相似度Sns利用相對誤差的加權(quán)平均值來表示：

(17)

式中：si為各點的相似度，

(18)

δi為任意點的權(quán)重，用該點幅值占所有采樣點幅值和的比值表示為

(19)

(20)

(21)

式中：L(·)表示時間序列的長度；m為相似子序列的個數(shù)。

計算出Sns和Sss之后，即可根據(jù)(16)式計算得到兩時間序列曲線的組合相似度S.

2.3 差分進化算法

差分進化算法(DE)是一種模擬自然界生物種群以“優(yōu)勝劣汰，適者生存”的隨機啟發(fā)式搜索算法，是一種新興的進化計算技術(shù)。DE具有待定參數(shù)少，不易陷入局部最優(yōu)解，以及收斂速度快等特點。DE是基于實數(shù)編碼的進化算法，由變異、交叉和選擇3個基本操作構(gòu)成，其主要步驟[15]如下：

1)生成初始種群。在N維空間里根據(jù)(22)式隨機產(chǎn)生滿足約束條件的M個個體：

(22)

2)變異操作。對于每個目標向量xij，DE根據(jù)(23)式進行變異：

hij(t+1)=xp1j(t)+F(xp2j(t)-xp3j(t)),

(23)

式中：xp1、xp2和xp3為從群體中隨機選取的個體，i≠p1≠p2≠p3；F為變異因子，一般可選F為0.3～0.6.

3)交叉操作。為增加群體的多樣性，需進行交叉操作，具體操作如下：

(24)

式中：CR?[0,1]，為交叉概率。

4)選擇操作。為了確定xi(t)是否為下一代的成員，對于最大化問題，DE對實驗向量vi(t+1)與目標向量xi(t)的適應(yīng)度函數(shù)進行比較，并根據(jù)(25)式進行選擇：

(25)

式中：f為相應(yīng)的適應(yīng)度函數(shù)，本文中f為時間序列曲線的相似度S.

3 系統(tǒng)測試與參數(shù)辨識

3.1 彈藥協(xié)調(diào)器角速度測試

在進行辨識之前，需對協(xié)調(diào)器的角速度進行測試，本文利用CS-ARS-02單軸陀螺儀對其進行測試。CS-ARS-02的量程為±200°/s，輸出電壓為[0 5] V，分辨率≤0.15 °/s，采樣頻率1 000 Hz. 多次測量的結(jié)果如圖5(b)所示，從圖5(b)中可以看出，測試的結(jié)果保持了很好的一致性，證明測試結(jié)果是可靠的。此處需要說明的是，在協(xié)調(diào)器定位階段，即700 ms之后，協(xié)調(diào)器的角速度曲線存在明顯的振蕩，這是由于彈丸在托彈盤中的振動導(dǎo)致的，而仿真模型中彈丸是不存在振動的，因此，在計算曲線相似度時，只取前700 ms的數(shù)據(jù)，而忽略了700 ms之后的數(shù)據(jù)。

圖5 測試過程與結(jié)果Fig.5 Test procedure and results

3.2 彈藥協(xié)調(diào)器的參數(shù)辨識

本文利用DE算法實現(xiàn)彈藥協(xié)調(diào)器的參數(shù)辨識，辨識過程如下：

1)設(shè)置DE算法的參數(shù)，在合理范圍內(nèi)初始化種群，利用拉丁超立方采樣法，在i3和η3的區(qū)間內(nèi)進行采樣，產(chǎn)生不確定參數(shù)i3和η3；

2)調(diào)用Simulink程序，對于種群中每個個體，結(jié)合i3和η3的采樣結(jié)果進行仿真，獲得協(xié)調(diào)器的角速度曲線族；

3)計算仿真所得角速度曲線與目標角速度曲線的相似度，得到相似度的區(qū)間范圍，根據(jù)(14)式計算得到fd，即DE算法的適應(yīng)度函數(shù)；

4)根據(jù)(22)式～(25)式對種群個體進行交叉、變異和選擇操作；

5)重復(fù)步驟2～步驟4，直到達到最大迭代步數(shù)或預(yù)設(shè)的精度要求，輸出最終的最優(yōu)解，即為辨識結(jié)果。

DE參數(shù)設(shè)置如下：種群個數(shù)30，變異因子F=0.7，交叉因子CR=0.6，最大迭代次數(shù)G=50. 待辨識參數(shù)搜索范圍為：蓄能器初壓p0[2.8 MPa,3.5 MPa]，測速電機靈敏度k[0.6,1.1]，氣體多變指數(shù)n[1.2,2.0]。不確定參數(shù)η3和i3的范圍分別為[0.47,0.6]和[59,61]，拉丁超立方采樣個數(shù)50.

由于待辨識的參數(shù)是不可測或難以測量的，本文利用仿真實驗來確定此方法的辨識精度，利用測試數(shù)據(jù)對彈藥協(xié)調(diào)器的參數(shù)進行辨識，以驗證此方法的可行性。

表1給出了相應(yīng)的辨識結(jié)果。其中，3組仿真數(shù)據(jù)中，DE算法對3個待辨識參數(shù)辨識結(jié)果的平均相對誤差分別為0.810 8%、1.487 0%及0.891 8%，可見辨結(jié)果的精度較高，滿足實際需求；對于圖5(b)中的4組測試數(shù)據(jù)，3個待辨識參數(shù)辨識結(jié)果的均值分別為3.025 2 MPa、0.997 2及1.498 7，均方差分別為0.010 0 MPa、0.006 9及0.010 2. 其均方差較小，表明辨識結(jié)果保持了較好的一致性，且3個待辨識的參數(shù)皆與理論值相符。圖6是將測試數(shù)據(jù)的辨識結(jié)果平均值代入Simulink模型中計算得出的支臂角速度與測試數(shù)據(jù)的對比，從圖6中可以看出，兩者的相似度較高，表明辨識結(jié)果是合理的。

表1 辨識結(jié)果Tab.1 Identified results

圖6 測試結(jié)果與辨識結(jié)果對比Fig.6 Comparison of test data and identified data

4 結(jié)論

彈藥協(xié)調(diào)器是一個復(fù)雜的機電液一體化系統(tǒng)，某些參數(shù)往往不能明確地給出其具體數(shù)值或分布規(guī)律，而只能給出其區(qū)間范圍。針對利用區(qū)間數(shù)來描述參數(shù)不確定的情況，本文研究了基于DE算法和時序曲線相似度分析的參數(shù)辨識方法，獲得了以下結(jié)論：

1)建立了彈藥傳輸機械的動力學(xué)模型和控制模型，并在Simulink中進行求解。

2)利用區(qū)間序關(guān)系轉(zhuǎn)換模型，將具有參數(shù)區(qū)間不確定的辨識問題轉(zhuǎn)化成確定性優(yōu)化問題進行求解。將時序曲線的相似度作為優(yōu)化目標，利用DE算法實現(xiàn)了存在區(qū)間不確定參數(shù)的彈藥協(xié)調(diào)器參數(shù)辨識。

3)由于待辨識的參數(shù)是不可測或難以測量的，本文利用仿真實驗確定了此方法的辨識精度滿足要求。同時，利用測試數(shù)據(jù)對彈藥協(xié)調(diào)器的參數(shù)進行辨識，驗證了此方法是可行性。

References)

[1] 侯保林, 樵軍謀, 劉琮敏. 火炮自動裝填[M]. 北京: 兵器工業(yè)出版社, 2010. HOU Bao-lin, QIAO Jun-mou, LIU Cong-min. Ammunition automatic loading system of howitzer[M]. Beijing: Publishing House of Ordnance Industry, 2010. (in Chinese)

[2] Alefeld G, Herzberger J. Introduction to interval computations[M]. N Y: Academic Press, INC, 1983.

[3] Ljung L. System Identification[M]. Boston: Spring, 1998.

[4] 姜潮. 基于區(qū)間的不確定性優(yōu)化理論與算法[D]. 長沙：湖南大學(xué), 2008. JIANG Chao. Uncertainty optimization theory and algorithm based on interval number[D]. Changsha: Hunan University, 2008. (in Chinese)

[5] 程志強, 戴連奎, 孫優(yōu)賢. 區(qū)間參數(shù)不確定系統(tǒng)優(yōu)化的可行性分析[J]. 自動化學(xué)報, 2004, 30(3): 455-459. CHENG Zhi-qiang, DAI Lian-kui, SUN You-xian. Feasibility analysis for optimization of uncertain systems with interval parameters[J]. Acta Aytomatica Sinica, 2004, 30(3): 455-459. (in Chinese)

[6] 蔣崢, 戴連奎, 吳鐵軍. 區(qū)間非線性規(guī)劃問題的確定化描述及其遞階求解[J]. 系統(tǒng)工程理論與實踐, 2005, 25(1): 110-116. JIANG Zhen, DAI Lian-kui, WU Tie-jun. Deterministic interpretation of interval nonlinear programming and its hierarchical optimization solution[J]. Systems Engineering-Theory & Practice, 2005, 25(1): 110-116. (in Chinese)

[7] Jiang C, Han X, Guan F J, et al. An uncertain structural optimization method based on nonlinear interval number programming and interval analysis method[J]. Engineering Structures, 2007, 29(11): 3168-3177.

[8] 李紅偉. 串勵電機特性模擬與分析[J]. 微電機, 2010, 43(8): 95-97. LI Hong-wei. Characteristic simulation and analysis of series motor[J]. Micromotors, 2010, 43(8): 95-97. (in Chinese)

[9] Su C Y, Stepanenko Y, Svoboda J, et al. Robust adaptive control of a class of nonlinear systems with unknown backlash-like hysteresis[J]. IEEE Transactions on Automatic Control, 2000, 45(12): 2427-2432.

[10] 馬龍華. 不確定系統(tǒng)的魯棒優(yōu)化方法及應(yīng)用研究[D].杭州: 浙江大學(xué), 2002. MA Long-hua. Research on method and application of robust optimization for uncertainty system[D]. Hangzhou: Zhejiang University, 2002. (in Chinese)

[11] 孫曉輝, 丁曉紅. 結(jié)構(gòu)多目標拓撲優(yōu)化設(shè)計[J]. 機械設(shè)計與研究, 2012, 28(4): 1-4,9. SUN Xiao-hui, DING Xiao-hong. Research on multi-objective topology optimization design methods for structure[J]. Machine Design and Research, 2012, 28(4): 1-4, 9. (in Chinese)

[12] 何江. 基于混合動態(tài)仿真的發(fā)電機模型有效性評估及參數(shù)校正研究[D]. 重慶: 重慶大學(xué), 2011. HE Jiang. Research on validity evaluation and parameter calibration of generator model based on hybrid dynamic simulation[D]. Chongqing: Chongqing University, 2011. (in Chinese)

[13] Xu Z H. Uncertain multi-attribute decision making: methods and applications[M]. Heidelberg : Springer, 2015.

[14] 楊玉良, 秦俊奇, 狄長春, 等. 火炮動力后坐實驗臺建模及射擊模擬準確度評估[J]. 振動與沖擊, 2014, 33(10): 127-130. YANG Yu-liang, QIN Jun-qi, DI Chang-chun, et al. Modeling and firing simulation accuracy assessment of a gun-power-recoil test table[J]. Journal of Vibration and Shock, 2014, 33(10): 127-130. (in Chinese)

[15] Price K, Storn R M, Lampinen J A. Differential evolution: a practical approach to global optimization[M]. Heidelberg: Springer, 2006.

Identification of Interval Uncertainty Parameters of a Howitzer Shell Transfer Arm

ZHAO Qiang-qiang, HOU Bao-lin

(School of Mechanical Engineering, Nanjing University of Science and Technology, Nanjing 210094, Jiangsu, China)

Shell transfer arm is a complicated mechatronic and hydraulic integrated system of howitzer with multi-parameters. During the modeling process, some parameters are hard or unable to be measured but have significant effect on the performance of shell transfer arm, which can only be achieved by identification. For identifying the parameters of shell transfer arm, the dynamic and control models are built in Simulink, and the uncertainty parameters are described by interval number. The identification problem of interval uncertainty parameters is transformed into a certainty optimization problem via order relation of interval number transformation model. The similarity of angular velocity of shell transfer arm is set as the optimization objective function, and three parameters are identified by differential evolution (DE) method. The proposed method is verified by simulated and test data. The identification results of simulated data show that the identification accuracy satisfies the requirement, and the identification results of test data show that the proposed method is feasible and effective.

ordnance science and technology; howitzer; shell transfer arm; parameter identification; interval optimization; similarity analysis; differential evolution method

2016-06-28

國家“973”計劃項目(6132490102); 國家自然科學(xué)基金項目(51175266)

趙搶搶(1987—), 男, 博士研究生。 E-mail: zqqlzl@139.com

侯保林(1965—), 男, 教授, 博士生導(dǎo)師。 E-mail: houbl@njust.edu.cn

TJ303+.3

A

1000-1093(2017)01-0035-08

10.3969/j.issn.1000-1093.2017.01.005