基于模糊神經(jīng)網(wǎng)絡的儲運發(fā)箱吊裝PID控制

曾令夢，高 強，侯遠龍，蔣夢琴，黃 京

（南京理工大學機械工程學院，南京 210094）

0 引言

當前，火箭炮普遍情況下使用箱式發(fā)射，能有效提高發(fā)射的火力密度。而儲運發(fā)箱的吊裝作業(yè)主要通過人力完成，存在效率較低、人員的工作環(huán)境差的現(xiàn)象［1］。采用儲運發(fā)箱的自動吊裝技術，可減少移動儲運發(fā)箱的時間，提高定位的精度。同時，儲運發(fā)箱的自動吊裝技術可以減短發(fā)射的預備周期，提高火箭炮的應急能力。但該自動吊裝系統(tǒng)具有非線性，且吊裝過程中容易受到擾動，傳統(tǒng)PID難以達到要求［2-3］。

模糊控制是以模糊邏輯推理為基礎的控制方法［4］，具有較強的魯棒性，但模糊規(guī)則的調(diào)節(jié)主要依靠經(jīng)驗，不夠準確。神經(jīng)網(wǎng)絡具有較強的自學習功能，能夠逼近任何一個復雜的非線性系統(tǒng)，還能學習和適應不確定系統(tǒng)的動態(tài)特性［5］。將這兩者結合用于吊裝系統(tǒng)定位的PID控制，可以發(fā)揮兩種控制的優(yōu)點，是解決該非線性系統(tǒng)的一種有效方法。

本文結合模糊控制和神經(jīng)網(wǎng)絡來實現(xiàn)自動吊裝系統(tǒng)的PID控制，使系統(tǒng)在保持經(jīng)典PID控制器優(yōu)勢的同時，也能繼承模糊神經(jīng)網(wǎng)絡的自學習和自適應能力。采用模糊神經(jīng)網(wǎng)絡整定的PID控制器，可以改善系統(tǒng)的可靠性，提高吊裝精度，縮短吊裝時間。

1 儲運發(fā)箱自動吊裝系統(tǒng)

1.1 自動吊裝的原理

1）選擇正北為參考基準線。慣導安裝在發(fā)射架上，可獲取發(fā)射架的北向角以及發(fā)射架對大地的縱、橫傾值。

2）裝填車和發(fā)射車上安裝激光測距儀，測量出發(fā)射車上的兩個已知基準點到裝填車上的兩個已知基準點的距離值，由距離值計算出裝填車與發(fā)射車的相對夾角θ，如圖1所示。

圖1 裝填車與發(fā)射車的相對夾角

3）根據(jù)裝填車與發(fā)射車的相對夾角，再結合發(fā)射架的北向角，計算出將儲運發(fā)箱調(diào)轉(zhuǎn)到發(fā)射架上方時，裝填車吊臂相對于裝填車的高低角和方向角。

4）利用控制算法將吊臂調(diào)轉(zhuǎn)至目標位置，以完成自動吊裝。

1.2 電液伺服系統(tǒng)的組成

該吊裝系統(tǒng)的結構主要由方位角伺服系統(tǒng)和高低角伺服系統(tǒng)組成，即回轉(zhuǎn)機構和變幅機構。回轉(zhuǎn)機構通過液壓馬達來控制吊臂方位角的變化。變幅機構控制吊臂高低角的變化，由吊臂架腹部的液壓缸實現(xiàn)，用于改變吊臂架俯仰，實現(xiàn)高低角的控制［6］。電子伺服系統(tǒng)原理圖如圖2所示。

圖2 電液伺服系統(tǒng)原理圖

1.3 傳遞函數(shù)的推導

由于方位角和高低角伺服系統(tǒng)的控制原理相同，此處以高低角作為例子進行建模和仿真。

1.3.1 伺服放大器

由于其固有頻率高，可將放大器看作比例環(huán)節(jié)。

式中，I（s）為輸出電流，U（s）為誤差電壓，Ka為放大器的增益。

1.3.2 電液伺服閥

電液伺服閥作為關鍵部件，通過將電流控制信號轉(zhuǎn)換為伺服閥閥芯的運動，產(chǎn)生節(jié)流口，從而輸出流量與液壓力，控制液壓執(zhí)行元件的速度、方向以及帶負載的動力［7］，從而達到連接液壓元件和電氣元件的作用。電液伺服閥的優(yōu)劣指標將直接影響系統(tǒng)的響應速率和控制精度，從而影響可靠性。

電液伺服閥的傳遞函數(shù)如下：

由于在很多的電液系統(tǒng)中，液壓缸的動態(tài)響應比伺服閥更低。為了讓系統(tǒng)分析起來更簡便，則簡化了電液伺服閥的二階傳遞函數(shù)：

式中，ωsv為伺服閥的固有頻率，ξsv為阻尼比。

1.3.3 閥控液壓缸

在不忽略各種影響因素的前提下，傳遞函數(shù)為：

K為液壓缸的增益：

式中，Ap為液壓缸的橫截面積。

1.3.4 位移傳感器

位移傳感器的響應速度比電液伺服閥高很多，所以位移傳感器可以當作比例環(huán)節(jié)。

式中，Y為傳感器測量的實際位移，Xp為液壓缸的位移。

1.3.5 高低角伺服系統(tǒng)傳遞函數(shù)

控制系統(tǒng)方塊圖如圖3所示。

圖3 吊裝高低角控制的系統(tǒng)框圖

則系統(tǒng)的開環(huán)傳遞函數(shù)為：

2 基于模糊神經(jīng)網(wǎng)絡的PID控制器

2.1 模糊神經(jīng)網(wǎng)絡PID控制器結構

由模糊神經(jīng)網(wǎng)絡參數(shù)調(diào)整器和PID控制器組成。該控制器是把誤差、誤差變化率和誤差累積量作為輸入，通過參數(shù)的自學習能力來調(diào)整模糊規(guī)則，以得到能夠達到期望控制效果的PID控制器參數(shù)［8］。該控制方法精度高，不會出現(xiàn)超調(diào)量大、易振蕩的現(xiàn)象。控制器的結構框圖如圖4所示：

圖4 控制器結構圖

該控制系統(tǒng)主要由兩部分組成：

1）PID控制器：該控制器直接控制被控對象。

2）模糊神經(jīng)網(wǎng)絡參數(shù)調(diào)整器：利用神經(jīng)網(wǎng)絡的自學習調(diào)節(jié)網(wǎng)絡權系數(shù)，從而使得輸出將會適用于某特定的控制函數(shù)中的PID控制器參數(shù)Kp、Ki、Kd。

本文采用傳統(tǒng)增量式PID控制，PID算法如下：

式中：u（k）為控制器的輸出，r（k）為理想輸出，y（k）為實際輸出，e（k）為兩者的偏差信號。

2.2 模糊神經(jīng)網(wǎng)絡結構

本文設計的神經(jīng)網(wǎng)絡有4層，包括輸入層、模糊層、模糊推理層和輸出層，其結構如圖5所示：

圖5 模糊神經(jīng)網(wǎng)絡結構

1）第1層為輸入層，該層中每個神經(jīng)元代表一個輸入量，并將輸入值傳遞到下一層。神經(jīng)網(wǎng)絡將系統(tǒng)誤差e、誤差變化率ec和誤差累積量作為輸入量。激活函數(shù)為：

該層的輸入為：。

2）第2層為模糊層。該層有7個神經(jīng)元，分別將3個輸入劃分到7個模糊集，進行模糊化。這7個節(jié)點分別表示模糊集中的 {NL，NM，NS，Z，PS，PM，PL}［9］；分別表示負大、負中、負小、零、正小、正中、正大。根據(jù)系統(tǒng)的特點，使用高斯函數(shù)作為激活函數(shù)，以此來計算模糊集中各輸入變量的隸屬度。該層的激活函數(shù)如下：

其中，i=1，2，3；j=1，2，3，4，5，6，7。mij是高斯函數(shù)中的第i個輸入量的第j個模糊集隸屬度函數(shù)的均差，σij為標準差。

3）第3層為模糊推理層。該層有7個神經(jīng)元，各節(jié)點對應一個模糊規(guī)則，作用是通過把模糊化以后的輸入量再進行兩兩相乘，可得到本層的輸出值。因此，該層的激活函數(shù)輸出為：

其中，。

4）第4層為輸出層。該層的輸出為PID控制器的3個參數(shù)Kp、Ki、Kd，與上一層連接有一個連接權矩陣ω。本層的輸出為：

2.3 學習算法

由于電液伺服系統(tǒng)具有很強的非線性，需要即時對網(wǎng)絡權系數(shù)進行整定，也就是調(diào)整模糊規(guī)則。取性能指標函數(shù)為：

其中，r（k）為理想輸出，y（k）為實際輸出。

按照梯度下降法調(diào)節(jié)神經(jīng)網(wǎng)絡權值，即按照E對權系數(shù)的負梯度方向搜索調(diào)整。同時，附加一個使搜索快速收斂的全局極小慣性項。△ωij（k）的學習算法為：

式中，η為學習速率，α為慣性系數(shù)。

由于未知，所以用近似的符號函數(shù)sign（），產(chǎn)生的誤差可通過調(diào)節(jié)學習速率來補償。

3 實驗仿真

3.1 建立仿真模型

該電液伺服系統(tǒng)的位置環(huán)通過本文設計的伺服控制器完成。在simulink中搭建仿真模型如圖6，其中，控制器和被控對象的部分寫進s函數(shù)，用于描述復雜的動態(tài)系統(tǒng)［10］。

圖6 simulink仿真模型

3.2 結果分析

為了比較3種控制器的性能：PID控制器、RBF神經(jīng)網(wǎng)絡控制器和模糊RBF神經(jīng)網(wǎng)絡的PID控制器，在Simulink進行了仿真實驗，用plot函數(shù)繪出階躍響應信號仿真曲線，進行對比。PID控制器參數(shù)為 Kp=4，Ki=2，Kd=1.6。

在階躍輸入下，該系統(tǒng)采用模糊神經(jīng)網(wǎng)絡PID控制器的位置響應與其他兩種控制器的對比曲線如圖7所示。仿真結果表明，該系統(tǒng)在模糊神經(jīng)網(wǎng)絡PID控制器的作用下，超調(diào)量和調(diào)整時間明顯得到了改善。

另外，在t=6 s時給系統(tǒng)一個擾動，在各控制器的作用下，階躍響應曲線如圖8所示。對比發(fā)現(xiàn)，當采用模糊RBF神經(jīng)網(wǎng)絡PID控制器時，受到負載干擾的影響較小，具有更好的性能。

4 結論

針對儲運發(fā)箱自動吊裝系統(tǒng)中存在的非線性，為克服PID控制器難以實現(xiàn)理想控制的缺點，設計了一種基于神經(jīng)網(wǎng)絡的模糊PID控制器。將模糊控制、神經(jīng)網(wǎng)絡與PID控制相結合，利用神經(jīng)網(wǎng)絡的自學習能力，實時調(diào)整網(wǎng)絡的權值，即調(diào)整模糊規(guī)則，從而得到一組適用于自動吊裝系統(tǒng)的Kp、Ki、Kd參數(shù)。該控制器能有效改善傳統(tǒng)PID控制中參數(shù)的自適應能力差和魯棒性差的缺陷，實現(xiàn)儲運發(fā)箱自動吊裝控制的自適應能力。仿真結果表明，采用RBF神經(jīng)網(wǎng)絡對模糊控制的規(guī)則進行優(yōu)化，整定PID控制參數(shù)，可以提高該伺服系統(tǒng)的控制精度和抗干擾能力，體現(xiàn)出傳統(tǒng)單一的方法不具備的優(yōu)勢。

圖7 目標輸出角度為45°時的階躍響應曲線

圖8 發(fā)生擾動時的階躍響應曲線

［1］何曉暉，王強，曾繁琦，等.基于無人化技術的軍用工程機械吊裝作業(yè)研究［J］.裝備制造技術，2016，44（1）：195-198.

［2］朱玉川，李志剛，馬大為，等.某箱式多管火箭炮自動裝填裝置設計［J］.彈箭與制導學報，2006，26（1）：97-99.

［3］魯霄光，李軍，張震，等.某儲運發(fā)射箱滿載吊裝響應分析［J］.火炮發(fā)射與控制學報，2014，36（1）：53-57.

［4］CHEN S Y，Hung Y H，Gong S S.Speed control of vane-type air motor servo system using proportional-integral-derivative-based fuzzy neural network［J］.International Journal of Fuzzy Systems，2016，18（6）：1065-1079.

［5］王天輝，李陽，王峰.基于模糊神經(jīng)網(wǎng)絡的伺服系統(tǒng)PID控制［J］.火力與指揮控制，2014，39（4）：153-156.

［6］胡永攀，陳循，陶利民，等.主動式波浪補償起重機液壓伺服系統(tǒng)數(shù)學建模與優(yōu)化［J］.機床與液壓，2010，38（9）：80-84.

［7］李拓彬.電液伺服系統(tǒng)神經(jīng)網(wǎng)絡控制策略研究與應用［D］.長沙：中南大學，2013.

［8］張金龍，徐慧，劉京南，等.基于模糊神經(jīng)網(wǎng)絡的精密角度定位 PID 控制［J］.儀器儀表學報，2012，33（3）：549-554.

［9］ WU Y M，CUI G Z，ZHANG X C.Fuzzy RBF neural PID control to simulation turntable servo system ［J］.Communications in Computer and Information Science，2014，472（2014）：478-482.

［10］劉金琨.先進PID控制MATLAB仿真［M］.北京：電子工業(yè)出版社，2016.