CN104035334A - 基于广义阻滞力的液压动态调平方法 - Google Patents

Abstract

本发明基于广义阻滞力的液压动态调平方法，属于液压同步控制技术领域；所要解决的技术问题为提供一种为解决同步性和实时性差等问题的液压动态调平方法；采用的技术方案为：采用实时性和同步性更强的面调平方法，对行进中的多点液压支撑平台进行受力分析，引入广义阻滞力，建立力学模型，建立液压动态调平***的状态方程和观测方程，引入加入广义阻滞力的扩展状态变量，采用强跟踪滤波器对时变模型参数和状态变量同时进行估计，根据下一平面的输入和输出测量值在线修正模型参数，通过基于广义阻滞力的自适应控制器对行进过程的突变状态进行跟踪控制，快速调平；本发明可应用于液压同步控制***中，实现对液压***多执行机构的精确控制。

Description

基于广义阻滞力的液压动态调平方法

技术领域

本发明基于广义阻滞力的液压动态调平方法，特别涉及机动雷达特种车辆和液压悬挂重载运输车的动态调平方法，属于液压同步控制技术领域，多个液压缸采用电液比例阀进行控制，通过基于广义阻滞力建模的方法对移动的液压平台实施自动调平。

背景技术

液压调平技术广泛地应用在现代国防与民用技术中，例如机动雷达、火炮发射平台、大型钻机、静力压桩机、重型起吊车、重型运输车辆等设备在工作之前必须对其承载平台进行调平，使承载平台快速、稳定、精确地调整到水平位置。这些都属于液压平台的静态调平技术，之前有大量的文献和专利对其进行了相关的研究。

而动态调平技术对调节的实时性和快速性提出了更高的要求，例如机动雷达特种车辆行进过程中对空中目标的追踪和拦截时需要保持平台的水平，或者重载运输车通过弯道、坡道时需要保持车架水平和重心稳定。因此液压动态调平技术需要采用实时响应性更强，控制性能更好的控制算法来保证多液压缸的水平一致性即液压平台的水平性。

液压调平技术无论静态还是动态调平都属于液压同步控制研究领域，多液压缸的同步运动特性是十分复杂的，不同工况下负载的扰动、执行器的摩擦阻力、***的泄漏、控制元件间的性能差异、空气的混入量以及***各组成部分的制造和安装误差等机械、电气和液压等的因素都会影响到液压缸的行程；同时各液压缸同时运动时还存在着平面内的刚性牵连耦合，各液压回路之间存在着流量耦合。从目前的研究来看，液压同步控制研究大都集中两个或多个液压缸的类同性上，油路、元器件、执行机构以及控制参数的相似来保证液压的同步性，基本上忽略了各液压缸的差异性，并且没有考虑同步运动时平面内的刚性牵连耦合，其数学模型和控制模型的描述都存在明显的缺陷。由于基于机理模型的缺点有很多调平算法研究采用基于数据分析，比如模糊控制、神经网络控制等等，这些算法需要大量的数据样本，同时其实时性存在很大问题。综上所述，液压缸的运动特性的差异性、调平过程中负载变化、油温的变化、平面内的刚性牵连耦合等对液压缸行程都有着不同的影响，而且这些影响很难定量的去计算，因此在液压动态调平中怎么样消除这些影响从而达到较高调平精度的问题就很关键了，本发明就是要解决这个问题。

发明内容

本发明克服现有技术存在的不足，所要解决的技术问题为提供一种为解决传统调平技术中存在的同步性和实时性差等问题，在液压动态调平***中引入广义阻滞力，实现液压支腿的多回路实时自适应控制的液压动态调平方法。

为了解决上述技术问题，本发明采用的技术方案为：基于广义阻滞力的液压动态调平方法，采用广义阻滞力来代替动态调平过程中负载变化、油温变化、各液压缸平面内的刚性牵连耦合等时变且很难精确测的物理量，并且分析这些物理量与广义阻滞力对动态调平***控制模型输入与输出的影响，建立基于广义阻滞力的液压动态调平***的状态方程和输入输出方程；采用强跟踪滤波器的自适应控制算法对时变的非线性控制***的动态参数，即广义阻滞力进行估计，得到液压动态调平***的精确控制模型，根据***的输入量，消除估计残差，控制输出量，完成调平。

基于广义阻滞力的液压动态调平方法，包括以下步骤：

a、引入广义阻滞力，分析广义阻滞力对液压缸行程的影响，建立包含有n个液压缸的广义阻滞力θ₁、θ₂…θ_n的液压动态调平***的状态方程和输入输出方程，确定***的采样周期T和调节时间t，根据***的采样周期T对其离散化，得到离散化后的以n个液压缸流量即比例阀阀位u₁、u₂…u_n为输入量，n个液压缸位移ΔZ₁、ΔZ₂…ΔZ_n为输出量的***方程，即液压动态调平***控制模型；

b、液压平台由n个液压支腿支撑，静态时产生倾斜角，将双轴倾角传感器检测到的平台角度值α、β及平台的精度指标α₀、β₀通过A/D转换传入微控计算机；

c、编写基于强跟踪滤波器的自适应控制算法，将此算法打包，编程，植入控制器中，作为一个通用子程序进行调用，用来根据输入输出数据对参数广义阻滞力θ₁、θ₂…θ_n和液压支腿的纵向行程ΔZ₁、ΔZ₂…ΔZ_n进行估计和预测；

d、将初始测试到的α、β值与精度指标α₀、β₀求差后进行m等分，分m个调节区间对平面进行调节，m为大于等于2的自然数；

e、求得第一次调节的目标平面值α₁，β₁，并计算出第一个调节区间，即α，β平面和α₁，β₁平面间n个液压支腿的纵向行程ΔZ₁₁、ΔZ₁₂… ΔZ_1n；

f、将步骤e中的ΔZ₁₁、ΔZ₁₂…ΔZ_1n值作为设定值，输入控制器中，通过步骤c中的算法输出控制量，通过比例阀的阀位u₁₁、u₁₂…u_1n调节输出，n个液压支腿同时动作参与平台调节，完成一个周期调节；

g、将调节动作结束后实际测量的平面角度值α₁′β₁′记录下来，与步骤e中设定的目标平面值α₁，β₁进行比较得到估计残差，利用步骤c中的算法对此残差进行处理，得到n个液压缸广义阻滞力θ₁、θ₂…θ_n的一组初步估计值；

h、重复m-1次步骤e、f、g，每次重复时均带入上一次得到的广义阻滞力θ₁、θ₂…θ_n的初步估计值，最后得到的即为n个液压缸广义阻滞力θ₁、θ₂…θ_n的估计值，得到广义阻滞力θ₁、θ₂…θ_n的估计值后，步骤a中的液压动态调平***控制模型和步骤c中的算法就确定了；

i、液压平台在行进中产生倾斜角，将双轴倾角传感器检测到的平台角度值α′、β′通过A/D转换传入微控计算机，微控计算机通过检测得的角度值判断出最高点；将当前平面与最高点所在水平面之间的纵向位移计算出来；

j、将步骤i中的值作为设定值，输入控制器中，通过步骤a中的***模型和步骤c中的自适应算法程序，计算出输出控制量，即比例阀的阀位u₁、u₂…u_n，实时控制多个液压支腿动作，调整平台水平度。

完成步骤j后，再重复一次步骤i和j，完成液压平台的动态调平。

本发明与现有技术相比具有以下有益效果。

本发明可应用于只有双轴倾角传感器，不需要位移，油压，流量等传感器的行进中的多点支撑液压平台调平，解决液压动态调平中强耦合、变负载、突变等问题，实现实时多点调节，快速响应。改变以往调平***中需要多传感器测量、单点单向调节、离线计算参数、发生突变时响应性较差等问题。

本发明的基于广义阻滞力的液压动态调平方法可应用于液压同步控制***中，实现对液压***多执行机构的精确控制，是液压同步控制理论的发展和深入，具有更普遍的应用前景。

附图说明

下面结合附图对本发明做进一步详细的说明。

图1为本发明的控制结构图。

具体实施方式

本实施例描述一辆机动雷达测试车在行进中其液压平台的动态调平实现过程。该机动雷达测试车采用4点支撑，平台重50吨。

调平过程如下所示：

1、对该机动雷达测试车在行进中的液压***进行受力分析，分析广义阻滞力对液压缸行程的影响，建立基于4个液压支腿的广义阻滞力的液压调平***的状态方程和输入输出方程，并将其离散化，得到相应的矩阵输入到微控计算机中，即得到液压动态调平***控制模型。

得到状态空间表达式，取状态量x₁，x₂，x₃，分别为：

$\left\{\begin{array}{c}{x}_1\left(t\right)=x_p\left(t\right)\\ x_2\left(t\right)=\stackrel{\·}{x_p}\\ x_3\left(t\right)=p_L\left(t\right)\end{array}\right.,$ x_p为活塞位移，为活塞速度，p_L为等效活塞压力，

由3个基本方程：流量线性化方程、流量连续方程、力平衡方程组成方程组：

其中：x_v-主控信号；

K_q-流量增益； K_c-流量压力系数；

P_L-负载压力； A_p-活塞有效面积；

x_p-活塞位移； -活塞运动所需之流量；

V_t-液压缸等效总容积； C_t-总泄露系数；

M_t-活塞及由负载折算至活塞上的总质量；

B_p-活塞及负载等运动件的粘性摩擦系数；

k-负载运动时的弹性负载刚度；

F_L-作用在活塞上的其他负载力；

令阀位x_v(t)＝u(t)为控制量，r(t)＝F_L(t)负载重力为扰动量，

可得状态空间表达式：

令x＝[x₁，x₂，x₃]^T，则有：x_v(t)＝u(t)，r(t)＝F_L(t)

可知：

$C={[0,-\frac{F_L}{M_t},0]}^T={\left[\begin{array}{ccc}0& c& 0\end{array}\right]}^T$

将(1)进行离散化，可得出离散状态空间表达式：

$\left\{\begin{array}{cc}\frac{x_1(\mathrm{\κ}+1)-x_1\left(\mathrm{\κ}\right)}{T}=x_2\left(\mathrm{\κ}\right)& (2-1)\\ \frac{x_2(\mathrm{\κ}+1)-x_2\left(\mathrm{\κ}\right)}{T}=a_{22}{x}_2\left(\mathrm{\κ}\right)+a_{23}{x}_3\left(\mathrm{\κ}\right)+\mathrm{cr}\left(\mathrm{\κ}\right)& (2-2)\\ \frac{x_3(\mathrm{\κ}+1)-x_3\left(\mathrm{\κ}\right)}{T}=a_{32}{x}_2\left(\mathrm{\κ}\right)+a_{33}{x}_3\left(\mathrm{\κ}\right)+\mathrm{bu}\left(\mathrm{\κ}\right)& (2-3)\end{array}\right.$

由(2-1)，(2-2)，(2-3)可解出x₁(κ)关于u(κ)，r(κ)的表达式，即离散差分方程，设采样周期为T，z为差分算子，

由(2-1)得(z-1)x₁(κ)＝Tx₂(κ) (3-1)

由(2-2)得(z-1-Ta₂₂)x₂(κ)＝Ta₂₃x₃(κ)+Tcr(κ) (3-2)

由(2-3)得(z-1-Ta₃₃)x₃(κ)＝Ta₃₂x₂(κ)Tbu(κ) (3-3)

联立(3-1)，(3-2)，(3-3)式可以解出：

(z-1)[(z-1-Ta₂₂)(z-1-Ta₃₃)-T²a₂₃a₃₂]x₁(κ)＝Ta₂₃bu(κ)+T²C(z-1-Ta₃₃)r(κ) (4)

输出y(κ)＝x₁(κ)

解(4)整理可得：

(z³+a₁z²+a₂z+a₃)y(κ)＝bu(κ)+(C₀+C₁z)r(κ) (5)

其中a₁＝-Ta₂₂-Ta₃₃-3

a₂＝Ta₂₂+Ta₃₃+(Ta₂₂+1)(Ta₃₃+1)-T²a₂₃a₃₂+2 (6)

a₃＝T²a₂₃a₃₂-(Ta₂₂+1)(Ta₃₃+1)

将(5)式利用差分算子写开得：

y(κ+3)+a₁y(κ+2)+a₂y(κ+1)a₃y(κ)＝b₀u(κ)+c₀r(κ)+c₁r(κ+1)

上式可改写为如下形式：

y(κ+1)＝-a₁y(κ)-a₂y(κ-1)-a₃y(κ-2)+b₀u(κ-2)+c₀r(κ-2)+c₁r(κ-1)

令θ＝[-a₁，-a₂，-a₃，b₀，c_Lc₀]^T，

则 (7)

2、编写基于强跟踪滤波器的自适应控制算法，将此算法整理、编程、打包，输入微控计算机中，作为子程序进行调用，用来根据输入输出数据对参数广义阻滞力θ和液压支腿的纵向行程ΔZ进行估计和预测。

考虑一类如下形式的离散时间非线性***：

$\left\{\begin{array}{c}x(k+1)=f_d(k,u\left(k\right),x\left(k\right))+\mathrm{\Γ}\left(k\right)v\left(k\right)\\ y(k+1)=h_d(k+1,x(k+1))+e(k+1)\end{array}\right.---\left(8\right)$

其中状态x∈Rⁿ，输入u∈R^p，输出y∈R^m，非线性函数f_d：R^p×Rⁿ→Rⁿ和h_d：Rⁿ→R^m对X有连续的偏导数；过程噪声v(k)∈R^q是零均值，方差为Q(k)的高斯白噪声，测量噪声e(k)∈R^m也是零均值，方差为R(k)的高斯白噪声，Γ(k)是已知的适当维数的矩阵，v(k)和e(k)是统计独立的。

强跟踪滤波器自适应控制算法设计如下：

$\begin{array}{c}\hat{x}(k+1|k+1)=\hat{x}(k+1|k)+K(k+1)\mathrm{\γ}(k+1)\\ \hat{x}(k+1|k)=f_d(k,u\left(k\right),\hat{x}\left(k\right|k))\end{array}$

$\begin{array}{c}P(k+1|k)=\mathrm{LMD}(k+1)F(k,u\left(k\right),\hat{x}\left(k\right|k))P\left(k\right|k)\\ F^T(k,u\left(k\right),\hat{x}\left(k\right|k))+\mathrm{\Γ}\left(k\right)Q\left(k\right){\mathrm{\Γ}}^T\left(k\right)\end{array}$

$P(k+1|k+1)=[I-K(k+1)H(k+1,\hat{x}(k+1|k))]P(k+1|k)$

$\mathrm{\γ}(k+1)=y(k+1)-h_d(k+1,\hat{x}(k+1|k))$

$F(k,u\left(k\right),\hat{x}\left(k\right|k))=\frac{\∂f_d(k,u\left(k\right),x\left(k\right))}{\∂x}{|}_{x=\hat{x}\left(k\right|k)}$

$H(k+1,\hat{x}(k+1|k))=\frac{\∂h_d(k+1,x(k+1))}{\∂x}{|}_{x=\hat{x}(k+1|k)}$

3、将自动调平***展开，液压支腿着地，进入工作状态。雷达测试车静态时产生倾斜角，双轴倾角传感器检测到角度值α、β，通过A/D转换，传入到微控计算机。

4微控计算机通过检测得的角度值判断出最高点；根据调平时间和采样周期，将此前平面与最高点所在水平面之间划为10个等分平面；求第一次调节的目标平面值：

α₁＝0.9(α-1)，β_i＝0.9(β-1)，由(α，β)平面和(α₁，β₁)平面可以得到各液压支腿的设定调节量ΔZ₁…ΔZ₄；由于α，β较小，可以近似认为cosα＝1，cosβ＝1，可求得：

ΔZ₁＝0ΔZ₂＝asinα-asinα₁ΔZ₃＝asinα+bsinβ-asinα₁-bsinβ₁ΔZ₄＝bsinβ-bsinβ₁。

5、将步骤4中的值作为设定值，输入控制器中，通过步骤2的算法输出控制量，通过比例阀的阀位u₁₁、u₁₂…u_1n调节输出，控制4个液压支腿动作，调整液压平台水平度。双轴倾角传感器检测到下一采样时刻的角度α₁′β₁′，通过A/D转换，传入到微控计算机，在控制器中与设定平面(α₁，β₁)进行比较，产生了估计残差，利用步骤2的算法对此残差进行处理，得到4个液压支腿的广义阻滞力的一组初步估计值。具体过程见附图1。

6、重复9次步骤4、5，每次重复均带入上一次得到的广义阻滞力的初步估计值，最后得到的即为4个液压支腿广义阻滞力的估计值。

7、雷达测试车行进时产生倾斜角，双轴倾角传感器检测到角度值α′、β′，通过A/D转换，传入到微控计算机；微控计算机通过检测得的角度值判断出最高点，将当前平面与最高点所在水平面之间的纵向位移计算出来。

8、将步骤7中的值作为设定值，输入控制器中，通过步骤1中的***模型和步骤2中的算法输出控制量，控制4个液压支腿动作，调整平台水平度。

9、重复步骤7、8，完成液压平台的动态调平。

Claims (3)

1.基于广义阻滞力的液压动态调平方法，其特征在于：采用广义阻滞力来代替动态调平过程中负载变化、油温变化、各液压缸平面内的刚性牵连耦合等时变且很难精确测的物理量，并且分析这些物理量与广义阻滞力对动态调平***控制模型输入与输出的影响，建立基于广义阻滞力的液压动态调平***的状态方程和输入输出方程；采用强跟踪滤波器的自适应控制算法对时变的非线性控制***的动态参数，即广义阻滞力进行估计，得到液压动态调平***的精确控制模型，根据***的输入量，消除估计残差，控制输出量，完成调平。

2.根据权利要求1所述的基于广义阻滞力的液压动态调平方法，其特征在于包括以下步骤：

a、引入广义阻滞力，分析广义阻滞力对液压缸行程的影响，建立包含有n个液压缸的广义阻滞力θ₁、θ₂…θ_n的液压动态调平***的状态方程和输入输出方程，确定***的采样周期T和调节时间t，根据***的采样周期T对其离散化，得到离散化后的以n个液压缸流量即比例阀阀位u₁、u₂…u_n为输入量，n个液压缸位移ΔZ₁、ΔZ₂…ΔZ_n为输出量的***方程，即液压动态调平***控制模型；

b、液压平台由n个液压支腿支撑，静态时产生倾斜角，将双轴倾角传感器检测到的平台角度值α、β及平台的精度指标α₀、β₀通过A/D转换传入微控计算机；

c、编写基于强跟踪滤波器的自适应控制算法，将此算法打包，编程，植入控制器中，作为一个通用子程序进行调用，用来根据输入输出数据对参数广义阻滞力θ₁、θ₂…θ_n和液压支腿的纵向行程ΔZ₁、ΔZ₂…ΔZ_n进行估计和预测；

d、将初始测试到的α、β值与精度指标α₀、β₀求差后进行m等分，分m个调节区间对平面进行调节，m为大于等于2的自然数；

e、求得第一次调节的目标平面值α₁，β₁，并计算出第一个调节区间，即α，β平面和α₁，β₁平面间n个液压支腿的纵向行程ΔZ₁₁、ΔZ₁₂…ΔZ_1n；

f、将步骤e中的ΔZ₁₁、ΔZ₁₂…ΔZ_1n值作为设定值，输入控制器中，通过步骤c中的算法输出控制量，通过比例阀的阀位u₁₁、u₁₂…u_1n调节输出，n个液压支腿同时动作参与平台调节，完成一个周期调节；

g、将调节动作结束后实际测量的平面角度值α₁′β₁′记录下来，与步骤e中设定的目标平面值α₁，β₁进行比较得到估计残差，利用步骤c中的算法对此残差进行处理，得到n个液压缸广义阻滞力θ₁、θ₂…θ_n的一组初步估计值；

h、重复m-1次步骤e、f、g，每次重复时均带入上一次得到的广义阻滞力θ₁、θ₂…θ_n的初步估计值，最后得到的即为n个液压缸广义阻滞力θ₁、θ₂…θ_n的估计值，得到广义阻滞力θ₁、θ₂…θ_n的估计值后，步骤a中的液压动态调平***控制模型和步骤c中的算法就确定了；

i、液压平台在行进中产生倾斜角，将双轴倾角传感器检测到的平台角度值α′、β′通过A/D转换传入微控计算机，微控计算机通过检测得的角度值判断出最高点；将当前平面与最高点所在水平面之间的纵向位移计算出来；

j、将步骤i中的值作为设定值，输入控制器中，通过步骤a中的***模型和步骤c中的自适应算法程序，计算出输出控制量，即比例阀的阀位u₁、u₂…u_n，实时控制多个液压支腿动作，调整平台水平度。

3.根据权利要求2所述的基于广义阻滞力的液压动态调平方法，其特征在于：完成步骤j后，再重复一次步骤i和j，完成液压平台的动态调平。