一種多臺小車協同聯動的控制方法

余 翔，張 艷

（1.金華華東環保設備有限公司，浙江 金華 321025；2.湖北大學 計算機與信息工程學院，湖北 武漢 430062）

0 引 言

船體分段對中合攏是總裝造船模式過程中的重要環節，除去傳統的龍門吊裝設備，現由整體式設備和分體式設備控制完成該過程。整體式設備由三維小車、小車軌道和電控柜等組成，其中三維小車的數目依據分段長度而定，在進行大型分段操作時，使用的三維小車多達幾十甚至上百臺。在船體分段姿態調整過程中，為避免分段受力變形等情況出現，多臺三維小車需保持運動的同步性。

對于多臺三維小車的聯動控制，控制系統首先需完成小車編號的錄入，傳統的人工錄入方式過程繁瑣易出錯，錄入后操作人員難以檢查。針對以上問題，本文設計了自動尋車方法，以提高控制系統錄入效率，降低出錯率。

針對多臺小車同步運動的控制問題，常用的自動控制技術有閉環PID控制、自適應模糊PID控制、神經網絡控制等。傳統PID控制應用最為廣泛，針對PID的參數整定問題，很多學者提出了與智能算法相結合的改進方法。文獻[4]將遺傳算法與神經網絡用于PID參數整定，實現了PID參數的在線整定，但遺傳算法與神經網絡的體量過大，極大增加了控制算法的復雜性；文獻[5]對傳統PID控制器、模糊自整定PID控制器和BP神經網絡PID控制器在變速、變負載情況下的控制效果進行了比較，得出了模糊自適應PID控制器在系統響應速度上更具優勢的結論；文獻[6]引入模糊函數的二階導數、模糊超調量和模糊峰值時間的概念，同時使用粒子群算法對粒狀模糊PID控制器進行系數整定；文獻[7]使用粒子群算法優化模糊PID，應用于列車制動控制，提高了停車精度，但粒子群算法同樣容易陷入局部最優。

針對以上不足，本文利用模糊PID控制參數自適應的優點，結合天牛須算法體量輕、尋優快的特點，使用天牛須算法對模糊控制器的量化因子和比例因子進行尋優，以得到最優的控制參數，從而縮短控制響應時間，提高同步運動控制的控制精度。

1 自動尋車

每臺船臺小車單獨制作，車身標有編號，編號與從站PLC控制程序對應，在實際使用時，小車從倉庫取出的順序與編號并不對應，即小車在軌道上的排列順序與小車編號并不對應。在上位機下發指令前，需使軌道上小車的排列順序與編號對應，從而使上位機在計算軌道上相應位置小車的運動量后能下發給正確編號的小車，由小車的從站PLC控制自身各元器件完成啟泵升缸等動作。

人工記錄小車編號順序后填入上位機系統的方式容易出錯，而且由于在大型總裝造船中存在幾十甚至上百臺三維小車，操作員檢查編號時極不方便。針對編隊過程，本文提出了一種自動找車編隊的方法。

如圖1所示，小車與小車之間通過工業以太網連接，每臺小車有2個網絡插槽，通過繼電器控制插槽是否可用。位于主列1的小車與主站PLC和主列2小車連接，與主站PLC連接的網絡插槽處于可用狀態，主站PLC識別從站PLC及其編號，即完成主列1小車與其編號的對應。主列1小車完成編號對應后，打開與主列2相連的網絡插槽，主列2小車得以聯網，主站PLC識別第二臺小車，完成主列2小車與其編號的對應，依次相連，直到所有小車編隊完成。

圖1 網絡拓撲圖

2 小車同步的模糊PID控制算法

由于各臺小車均為單獨制造后放入倉庫，在小車制造過程中，元件的制造精度、液壓系統的性能可能出現不一致的情況。所以在小車進行聯動調整時，控制系統僅僅給每臺小車發送運動距離和運動時間指令無法保證小車同步運動。在小車運動過程中，控制系統需實時監控小車的運動距離和運動速度，并根據速度偏差實時調整其速度，以保證小車運動的同步性。

傳統PID控制參數無確定的設定參照，通常由經驗豐富者進行參數整定，適用于線性時不變系統。在實際控制中，控制對象有所變化，而傳統PID難以改變控制參數，從而出現控制精度無法把控的問題。為了解決傳統PID控制的控制參數難以整定而導致控制效果不好的問題，本文結合模糊PID參數自適應整定的優點，使用天牛須算法優化模糊控制器參數，提高控制精度。

2.1 模糊PID控制

模糊PID控制相比傳統PID控制，可以對PID參數進行實時整定，克服在小車不同運動狀態下PID參數需要重新整定的缺點。模糊PID控制結構如圖2所示。模糊控制器以偏差量和偏差變化量作為輸入，通過模糊算法，輸出PID控制器的參數值，即模糊PID控制是根據偏差量和偏差變化量的變化對PID控制器的參數進行自適應整定，以保證PID對被控對象的控制達到要求。

圖2 模糊PID控制原理

模糊PID可以實現PID控制系統的參數自適應整定，以滿足小車不同運動狀態下的控制要求，而在模糊控制系統中，對控制系統性能影響較大的量化因子和比例因子需要人工確定，一般采用實驗試湊法，即依靠經驗確定參數。為減少量化因子和比例因子設置不當而造成的影響，本文結合天牛須算法確定上述參數，以滿足系統性能指標。

2.2 天牛須算法

天牛須算法是近年提出的一種新的高效尋優算法，也稱為BAS算法。BAS算法根據天牛覓食的原理尋優，當天牛尋找食物時，食物的氣味強弱會影響天牛的移動路線。在不知道食物所處位置的情況下，天牛通過2只觸須感受食物味道的強弱，如果左邊觸須感受到的食物氣味強度比右邊大，則天牛飛向左邊，落地朝向隨機，然后再通過觸須感受食物氣味的強弱，一步步靠近食物所在位置。根據仿生原理，可以得出BAS算法的建模過程。天牛的左右須坐標可表示為：

天牛根據適應度函數f(x)確定飛行方向，天牛移動后質心坐標為：

式中：步長step=d×c，c為常數時，天牛為定步長；sign( )為符號函數；f(x)為適應度函數。程序結束后的質心坐標即為所求的最優解坐標。

2.3 天牛須優化模糊PID控制

本文使用的模糊PID控制的輸入為偏差e及偏差變化量ec，輸出為PID控制的參數增量Δk、Δk、Δk，不采用直接輸出參數而是輸出參數增量以簡化輸出變化范圍。PID參數計算公式如下：

式中：k、k、k為最終輸入PID控制器的參數；k、k、k為初始值；Δk、Δk、Δk為參數增量。

偏差和偏差變化量的實際值范圍為基本論域，輸入模糊控制器前需通過量化因子將其轉換為模糊論域，輸出需要通過比例因子將其從模糊論域轉換到基本論域。本文設計使用的輸入值和輸出值的模糊論域為：

將模糊論域劃分為模糊子集，根據不同控制要求確定不同的子集個數，本文使用的模糊子集為：

本文使用三角形隸屬函數，計算較簡單，使系統在高誤差范圍內靈敏度較低，當誤差較小時靈敏度較高。模糊規則數量與輸入量的模糊子集個數相關，本文包含偏差和偏差變化量2個輸入，各設置7個模糊子集，創建的模糊規則表見表1所列。

表1 模糊規則表

經過模糊推理后，得到的結果為模糊集，并不能直接輸出為精確值，所以需要將模糊集進行解模糊。常用的解模糊法包含最大隸屬度法、重心法等。本文采用重心法進行解模糊，即取隸屬度函數曲線坐標與橫坐標圍成面積的重心為輸出的精確值。

算法流程如下：

（2）將初始化信息中質心的坐標分解為對應的5個參數值，傳遞給SimuLink中的仿真系統，運行系統計算得到左右兩須的適應度值，判斷下一步天牛的飛行方向；

（3）根據適應度值更新天牛的位置信息，再次將位置信息分解為5個參數賦值給SimuLink仿真系統，系統運行后再次計算適應度函數值，如果適應度函數值達到預先設定的閾值或者達到了設定的迭代次數，則執行下一步；否則，執行步驟（2）。

（4）得到模糊PID控制系統的最佳量化因子和比例因子，結束仿真計算。

根據以上步驟描述，可得到系統流程如圖3所示。

圖3 系統流程

3 仿真實驗及結果分析

為進行對比實驗，SimuLink系統框圖中加入了PID控制，將結果與改進后的模糊PID控制進行對比。SimuLink主程序框圖如圖4所示，模糊PID子程序框圖如圖5所示。

圖4 SimuLink主程序框圖

圖5 模糊PID子程序框圖

運行BAS程序與SimuLink仿真流程后，得到的波形結果如圖6所示，系統性能指標見表2所列。

表2 系統性能指標

圖6 仿真波形

從圖6和表2可以看出，傳統PID控制需要約8 s才能達到設定值，誤差性能指標ITAE值為2.764；優化后的模糊PID控制最大超調量僅為1.2%，并在3 s左右迅速穩定在設定值，誤差性能指標ITAE值為0.1756。相比PID控制，模糊PID控制消除了曲線抖動，響應更快，綜合性能更好。

實驗結果表明，天牛須優化后的模糊PID控制在控制精度和響應速度上均優于傳統PID控制。將該控制方法用于多臺小車的運動過程控制，能使小車在聯動調整時達到預期的同步效果，從而順利完成船體分段姿態的調整。

4 結 語

針對船體分段對調整過程中多臺三維小車的同步控制問題，本文從船臺小車編隊方式和同步運動控制2方面進行了解決方案優化。通過船臺小車自動編隊方法解決了人工錄入方式易出錯、難檢查等問題；針對傳統PID控制參數難整定、適應性差等缺點，本文提出了天牛須優化的模糊PID控制方法。仿真實驗分析結果表明，優化后的模糊PID控制優于PID控制，提高了控制效果。同時，該算法也存在不足，天牛須優化為離線尋優，如何實時優化模糊控制器參數是今后的研究方向。