CN105880449B - 模锻压机运行状态的在线预测方法及*** - Google Patents

Abstract

本发明提供一种模锻压机运行状态的在线预测方法及***，包括：S1、采集活动横梁的位移、速度、加速度、驱动缸油压、回程缸油压和比例流量阀电压数据；S2、根据以上数据，建立液压***方程；S3、由加速度、驱动缸以及回程缸压力传感器得到的数据，计算出摩擦力F_f；S4、在模锻压机负载运行状态下，由活动横梁的加速度、驱动缸压力传感器及回程缸压力传感器得到相应数据，计算出负载力F_l；S5、根据加速运动的规律建立模锻压机的运动方程；S6、控制器的控制算法方程；S7、联立各式求出运行速度；S8、根据v推导出活动横梁稳定运行、震荡、爬行的判定条件。本发明提供的模锻压机运行状态的在线预测方法及***适应范围广、预测和评估准确、安全隐患小。

Description

模锻压机运行状态的在线预测方法及***

技术领域

本发明涉及锻造设备领域，具体涉及一种模锻压机运行状态的在线预测方法及***。

背景技术

现代高性能涡轮盘、飞机起落架等大型复杂整体构件的服役工况趋于极端化，材料的合金化程度不断升高，并需整体锻造，致使模锻压机必须提供万吨级的驱动力以及极大惯量的运动部件，如8万吨的模锻压机驱动力最大可达8万吨以上且运动部件质量超过2800吨，因此稍有速度震荡，就将对导向立柱产生很大的横向附加力矩，导致模锻压机受损，甚至出现严重的安全问题。

另一方面，等温模锻技术已成为难加工构件成形制造的关键技术与必然趋势。然而，等温锻造位移区间小，速度低，材料成型工艺需要极稳定的成形精度。其次，材料组织的不均匀产生的锻压变形抗力的突变，以及柱塞缸低速摩擦力等，极易造成锻造过程的速度震荡及爬行现象(在滑动摩擦副中从动件在匀速驱动和一定摩擦条件下产生的周期性时停时走或时慢时快的运动现象)。该现象对产品的品质，甚至压机的使用寿命都有严重的影响。因此，对模锻压机运行状态进行评估与预测是获得高性能锻件的基础，也是大型模锻装备安全性的关键。

经检索，《机械工程学报》2015年9月、第51卷第18期公开了名称为“大型模锻装备锻造过程建模与运行分析”的技术方案，该方案通过建立复杂锻造过程的非线性模型，提出基于非线性震动分析理论的模锻压机速度求解方法，求出了模锻压机速度的近似解。但该方案有如下问题：

1、只对模锻压机进行离线建模，且其负载力模型对应的锻件形状仅为长坯状，对其他形状锻件的适应性差，适应范围窄。

2、只给出了阀的流量方程，流量连续性方程中的电压u为常数，无法求解出速度的精确解析解，进而导致对模锻压机运行状态的预测与评估精确度不高。

此外，中南大学学报(自然科学版)2014年10月、第45卷第10期公开了名称为“大型模锻压机极低速稳定运行规律”的技术方案，该方案在计算过程中，只应用了压机运行方程并通过将油压p简化为线性变化关系，进而计算出压机运行速度解。在计算过程中未引入运行方程、液压***以及控制器算法，其计算结果的精确性也较差。

故本领域需要一种可以解决以上问题的模锻压机运行状态的在线预测方法和/或***。

发明内容

为克服现有技术中模锻设备的不足，本发明提供一种适应范围广、预测和评估准确、安全隐患小的模锻压机运行状态的在线预测方法及***。具体方案如下：

一种模锻压机运行状态的在线预测方法，包括如下步骤：

S1、数据组的获得；具体包括：锻压过程中活动横梁的位移、活动横梁的速度、活动横梁的加速度数据、驱动缸油压、回程缸油压和比例流量阀电压；

S2、根据S1中读出的比例流量阀电压、活动横梁速度、驱动缸油压和回程缸油压数据，采用神经网络模型，建立精确的包含管路、比例流量阀的液压***方程式中K为比例流量阀的比例系数；

S3、建立控制器的控制算法方程式中u₀为初始电压，k_p、k_i、k_d为控制算法参数；

S4、在模锻压机空载运行状态下，由S1中得到的数据，根据加速运动的规律建立方程计算出摩擦力F_f；式中M为锻压机运动部件的质量，为活动横梁运动的加速度，F_r为回程缸的背压力，A为驱动缸的柱塞面积，p为驱动缸内的油压；

将S4中的摩擦力F_f在工作点v处进行泰勒展开为F_f＝F_f0+f₁v+f₂v²+f₃v³；式中F_f0、f₁、f₂和f₃通过离线数据辨识得出；

S5、在模锻压机负载运行状态下，由S1和S4得到的相应数据，根据加速运动的规律建立方程计算出负载力F_l；

因负载力F_l为时间t和速度v的函数，且模锻压机运行速度低，锻压位移小，故可将S5中的负载力F_l在工作点v处进行泰勒展开为F_l＝F_l0+k₁x+k₂v+k₃v²+k₄v³；式中F_l0、k₁、k₂、k₃和k₄通过在线辨识得出；

S6、根据加速运动的规律建立模锻压机的运动方程

S7、根据摩擦力F_f、负载力F_l，模锻压机的运动方程、液压***方程及控制器的控制算法方程，联立求出该时刻模锻压机锻造过程中运行速度与时间的规律式，即v(t)＝A₀+acosφ+B₀asinφ+C₀a²sin(2φ)+D₀a³sin(3φ)；式中A₀为活动横梁运动时的振幅，a为振幅参数，φ、B₀、C₀和D₀均为具有各自表达式的计算参数；并根据上述运动规律，推导出锻压过程的运行结果；

S8、根据v(t)推导出模锻压机锻造时活动横梁稳定运行、震荡、爬行的判定条件。

根据本发明的一个优选实施例，S1中活动横梁的位移、活动横梁的速度、活动横梁的加速度数据通过位移传感器、速度传感器、加速度传感器采集获得；驱动缸油压、回程缸油压数据通过压力传感器采集获得；比例流量阀电压数据通过电压表测得。

根据本发明的一个优选实施例，S8具体包括如下步骤：

S81、将a的阈值设定为1％|A₀|，若该时刻a的收敛值为0或小于阈值，则下一时刻活动横梁的运行速度v(t)收敛于A₀，***将平稳运行；

S82、若该时刻a的收敛值大于1％|A₀|，根据速度震荡率δ，当δ＜1时，下一时刻***运行状态出现震荡；

S83、根据S82，当δ＞1时，下一时刻***运行状态出现爬行现象。

根据本发明的一个优选实施例，根据S3，通过限定值M_p＜M_pr，t_p＜t_pr，Q_max＜Q_r，求出模锻压机控制器算法的参数稳定域Ω，并通过该稳定域设计控制器；式中M_p为速度超调量、M_pr为速度超调量的额定值；t_p为超调时间，t_pr为超调时间的额定值；Q_max为比例流量阀的最大流量，Q_r为比例流量阀最大流量的额定值。

根据本发明的一个优选实施例，还包括仿真实验步骤S9，具体为：

计算机建模，输入相关参数，根据S8的判定条件对模锻压机运行状态的预测是否准确进行验证。

一种模锻压机运行状态的在线预测***，包括油路、控制信号线路和传感器信号线路；

所述油路包括一端连接液压泵、另一端的第一支连接驱动缸和回程缸，另一端的第二支连接压力表的比例流量阀，且第二支接有压力传感器；

所述传感器信号线路包括工控机、PLC、压力传感器、位移传感器、速度传感器和加速度传感器，所述工控机、PLC和压力传感器依次连接，同时所述PLC还连接用于测量活动横梁位移、速度和加速度的位移传感器、速度传感器和加速度传感器；

所述控制信号线路包括依次连接的工控机、PLC、压力表和比例流量阀。

本发明提供的技术方案具有如下有益效果：

1、本技术方案提供的模锻压机运行状态的在线预测方法及***，可对任意形状的锻件进行锻造，如长坯形、椭球形、球形、长方体形等，形状不受限制，不同形状均可得到准确的模型，适应范围宽。本方案推导出的结果可直接应用于控制器程序中，使用安全方便，便于实施推广，不仅可以应用于各种类型的模锻压机运动状态的预估，也可以应用于各种动力机械设备的运动状态的预估。

2、本技术方案可对任意形状的锻件进行摩擦力的离线建模和负载力的在线建模，使计算更加准确。

3、由以上两点可知，本技术方案的在线预测方法和***可对大型模锻压机进行准确评估和预测，即可准确预知模锻压机下一刻的运动状态，因而大大提高了安全性，安全隐患较小。

除了上面所描述的目的、特征和优点之外，本发明还有其它的目的、特征和优点。下面将参照附图，对本发明作进一步详细的说明。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图，其中：

图1为本发明提供的模锻压机运行状态的在线预测方法的步骤图；

图2为本发明提供的模锻压机运行状态的在线预测***的示意图；

图3为图2中模锻压机运行状态的在线预测***中的控制器的参数稳定域Ω；

图4为图2中模锻压机运行状态的在线预测***中的控制器的速度响应图；

图5为图2中模锻压机运行状态的在线预测***中的驱动缸油压随时间变化的曲线图；

图6为图2中模锻压机运行状态的在线预测***中的回程缸油压随时间变化的曲线图；

图7为图2中模锻压机运行状态的在线预测***的锻压机运动速度随时间变化的曲线图；

图8为图2中模锻压机运行状态的在线预测***的锻压机运动加速度随时间变化的曲线图；

图9为图2中模锻压机运行状态的在线预测***的电压随时间变化的曲线图；

图中：1、工控机，2、PLC，3、压力传感器，4、压力表，5、比例流量阀，6、位移传感器，7、速度传感器，8、加速度传感器，9、驱动缸，10、回程缸，11、活动横梁，12、液压泵。(图1中实线为油路、长虚线为控制信号线路、短虚线为传感器信号线路；图4中上方为理论速度输出曲线，下方为实际速度输出曲线；图7中两段水平直线为理论参考值，上下波动曲线为实际控制输出值)

具体实施方式

下面结合本发明的附图，对本发明实施例中的技术方案进行清楚、完整的描述，显然，所描述的实施例仅是本发明的一部分实施例，而不是全部的实施例。

请参阅图1～图2，一种模锻压机运行状态的在线预测方法，包括如下步骤：

S1、数据组的获得；具体包括：锻压过程中活动横梁的位移、活动横梁的速度、活动横梁的加速度数据、驱动缸油压、回程缸油压和比例流量阀电压；所述驱动缸和回程缸均为柱塞缸；

S2、根据S1中读出的比例流量阀电压、活动横梁速度、驱动缸油压和回程缸油压数据，采用神经网络模型，建立精确的包含管路、比例流量阀的液压***方程式中K为比例流量阀的比例系数；

S3、建立控制器的控制算法方程式中u₀为初始电压，k_p、k_i、k_d为控制算法参数；

S4、在模锻压机空载运行状态下，由活动横梁的加速度、驱动缸以及回程缸压力传感器得到的数据，根据加速运动的规律建立方程计算出摩擦力F_f；式中M为锻压机运动部件的质量，为活动横梁运动的加速度，F_r为回程缸的背压力，A为驱动缸的柱塞面积，p为驱动缸内的油压；因摩擦力F_f为时间t和速度v的函数，且模锻压机运行速度低，锻压位移小，故可将S4中的摩擦力F_f在工作点v处进行泰勒展开为F_f＝F_f0+f₁v+f₂v²+f₃v³；式中F_f0、f₁、f₂和f₃通过离线数据辨识得出；

S5、在模锻压机负载运行状态下，由S1和S4得到的活动横梁的加速度、驱动缸压力传感器及回程缸压力传感器得到相应数据，根据加速运动的规律建立方程计算出负载力F_l；因负载力F_l为时间t和速度v的函数，且模锻压机运行速度低，锻压位移小，故可将S5中的负载力F_l在工作点v处进行泰勒展开为F_l＝F_l0+k₁x+k₂v+k₃v²+k₄v³；式中F_l0、k₁、k₂、k₃和k₄通过在线辨识得出；

S6、根据加速运动的规律建立模锻压机的运动方程

S7、根据摩擦力F_f、负载力F_l，模锻压机的运动方程、液压***方程及控制器的控制算法方程，联立求出该时刻模锻压机锻造过程中运行速度与时间的规律式，即v(t)＝A₀+acosφ+B₀asinφ+C₀a²sin(2φ)+D₀a³sin(3φ)；式中A₀为活动横梁运动时的振幅，a为振幅参数，φ、B₀、C₀和D₀均为具有各自表达式的计算参数；并根据上述运动规律，推导出锻压过程的运行结果；

S8、根据v(t)推导出模锻压机锻造时活动横梁稳定运行、震荡、爬行的判定条件。

进一步地，S1中活动横梁的位移、活动横梁的速度、活动横梁的加速度数据通过位移传感器、速度传感器、加速度传感器采集获得；驱动缸油压、回程缸油压数据通过压力传感器采集获得；比例流量阀电压数据通过电压表测得。

进一步地，S8具体包括如下步骤：

S81、将a的阈值设定为1％|A₀|，若该时刻a的收敛值为0(此时H<0)或小于阈值，则下一时刻活动横梁的运行速度v(t)收敛于A₀，***将平稳运行；此处的阈值根据实际需要设定；

S82、若该时刻a的收敛值大于1％|A₀|，根据速度震荡率δ，当δ＜1时，下一时刻***运行状态出现震荡；震荡率

S83、根据S82，当δ＞1时，下一时刻***运行状态出现爬行现象。

请参阅图2，模锻压机的传感器可测量的数据：比例流量阀电压u，活动横梁位移x，活动横梁速度v，活动横梁加速度驱动缸液压力Ap，回程缸液压力F_r。已知参数：锻压机运动部件质量M，柱塞缸面积A。

首先，通过传感器采集比例流量阀电压、活动横梁位移及驱动缸液压力数据，因神经网络模型具有如下优点：

(1)、神经网络可以充分逼近任意复杂的非线性关系；

(2)、具有很强的鲁棒性及容错性；

(3)、可进行并行分布处理，运算速度快；

(4)、进行分布存储，能学习和自适应不确定的***；

故采用神经网络模型构建包含比例流量阀、管路的液压***模型，即其中模型γ为神经网络数据模型。

其次，在压机空载运行下，由加速度传感器、驱动缸以及回程缸压力传感器得到的数据组，并根据方程得出***摩擦力数据。根据现有相关的研究，在运动位移不大的条件下，***摩擦力可采用泰勒公式展开为F_f＝F_f0+f₁v+f₂v²+f₃v³，通过采集到的速度与摩擦力数据辨识该模型中的未知参数(F_f0，f₁，f₂，f₃)。

S5中：F_l＝F_l0+k₁x+k₂v+k₃v²+k₄v³，式中x为位移，v为速度。该模型参数在初始时刻为：β₀＝[F_l0 k₁ k₂ k₃ k₄]^T。

该模型输入记为：输出为F_li。对于N组样本，有Y＝[y₁,...,y_N]^T，F_l＝[F_l1,...,F_lN]^T。可得到初始时刻模型参数为：β₀＝M₀Y^TF，式中M₀＝(Y^TY)^-1。进一步推导出有N+1个样本输入时，式中，以此类推，将参数β在线辨识，负载力模型实时更新，从而就可以建立完整精确的负载力模型。

如图2所示，根据本发明提供一种锻压机运动状态的在线预估方法。在前述中，锻压过程摩擦力模型、负载力模型以及液压***模型确定后，再加上控制器控制算法方程，可联立为：

上式中为对电压与速度和位移的通用表达式，在本技术方案中的具体表达式为

式中k_p，k_i，k_d为控制算法参数。根据非线性振动理论，可引入正小参数ε，得到标准的二自由度非线性振动方程：

求解出锻压机锻造过程中运行速度与时间的规律式：

v(t)＝A₀+acosφ+B₀asinφ+C₀a²sin(2φ)+D₀a³sin(3φ)

式中各参数的表达式如下：

震荡率：

超调时间：

速度超调量：

比例流量阀的最大流量值：

其中H、Z为锻压机***参数，C₁为积分常数。

锻压机运行在线预测及评估方法：

(1)、压机运动方程的在线实时建模，根据上述方法，推导出这一时刻的计算振幅参数a，若该时刻的计算参数a的收敛值为0(即H<0)或小于阈值，这里的阈值设定为1％|A₀|，则下一时刻***运行速度收敛于A₀，***能平稳运行。

(2)、若该时刻计算参数a的收敛值大于1％|A₀|，根据计算参数速度震荡率δ，当δ＜1时，下一时刻***运行状态出现震荡；

(3)、当δ＞1时，下一时刻***运行状态出现爬行现象。优选地，根据S3，通过限定值M_p＜M_pr，t_p＜t_pr，Q_max＜Q_r，求出模锻压机控制器算法的参数稳定域Ω，并通过该稳定域设计控制器；式中M_p为速度超调量、M_pr为速度超调量的额定值；t_p为超调时间，t_pr为超调时间的额定值；Q_max为比例流量阀的最大流量，Q_r为比例流量阀最大流量的额定值。

优选地，还包括仿真实验步骤S9，具体为：

计算机建模，输入相关参数，根据S8的判定条件对模锻压机运行状态的预测是否准确进行验证。具体如下：

请参阅图3和图4，仿真计算求出模锻压机低速运行时控制器PID参数的稳定域Ω，并且满足不同工况，材料特性及其形状的精确性控制，选择几组不同的材料参数及初始值。查阅4000吨模锻压机的相关参数，并根据材料锻造性能以及模锻压机正常工作参数，设定锻造参数：允许的最大超调时间，即额定超调时间tpr＝0.3s；允许的最大速度超调量，即额定速度超调量Mpr＝1×10^-6m/s；比例流量阀允许的最大超调流量，即额定超调流量Qr＝5×10^-3m³/s。

根据上述分析，在计算得出的控制域Ω内选择PID参数值：k_p＝4、k_i＝60、k_d＝4.5×10^-5；选择两个控制速度：0.8×10^-4m/s、0.5×10^-4m/s。当压机参数满足条件a的收敛值为0(即H<0)，且控制参数在该稳定域Ω内，压机将达到稳定运行状态。根据前述H的表达式，通过理论计算得出H＝-25.652。

请继续参阅图4，在上述参数条件下，设计PID控制器，得到速度响应曲线。从该响应曲线可以看出，该控制器的输出速度v(t)在一段时间后保持稳定。因此，该理论预测方法与仿真结果基本一致。

请继续参阅图5-图9，各图为锻件A1-7085的实验数据。

请参阅图2，一种模锻压机运行状态的在线预测***，包括油路、控制信号线路和传感器信号线路。

所述油路包括一端连接液压泵、另一端的第一支连接驱动缸和回程缸，另一端的第二支连接压力表的比例流量阀，且第二支接有压力传感器。

所述传感器信号线路包括工控机、PLC、压力传感器、位移传感器、速度传感器和加速度传感器，所述工控机、PLC和压力传感器依次连接，同时所述PLC还连接用于测量活动横梁位移、速度和加速度的位移传感器、速度传感器和加速度传感器。

所述控制信号线路包括依次连接的工控机、PLC、压力表和比例流量阀。

以上所述仅为本发明的实施例，并非因此限制本发明的专利保护范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，直接或间接运用在其它相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (6)

1.一种模锻压机运行状态的在线预测方法，其特征在于，包括如下步骤：

S1、数据组的获得；具体包括：锻压过程中活动横梁的位移、活动横梁的速度、活动横梁的加速度数据、驱动缸油压、回程缸油压和比例流量阀电压；

S2、根据S1中读出的比例流量阀电压、活动横梁速度、驱动缸油压和回程缸油压数据，采用神经网络模型，建立精确的包含管路、比例流量阀的液压***方程式中K为比例流量阀的比例系数；

S3、建立控制器的控制算法方程式中u₀为初始电压，k_p、k_i、k_d为控制算法参数；

S4、在模锻压机空载运行状态下，由S1中得到的数据，根据加速运动的规律建立方程计算出摩擦力F_f；式中M为锻压机运动部件的质量，为活动横梁运动的加速度，F_r为回程缸的背压力，A为驱动缸的柱塞面积，p为驱动缸内的油压；

因摩擦力F_f为时间t和速度v的函数，且模锻压机运行速度低，锻压位移小，故可将S4中的摩擦力F_f在工作点v处进行泰勒展开为F_f＝F_f0+f₁v+f₂v²+f₃v³；式中F_f0、f₁、f₂和f₃通过离线数据辨识得出；

S5、在模锻压机负载运行状态下，由S1和S4得到的相应数据，根据加速运动的规律建立方程计算出负载力F_l；

将S5中的负载力F_l在工作点v处进行泰勒展开为F_l＝F_l0+k₁x+k₂v+k₃v²+k₄v³；式中F_l0、k₁、k₂、k₃和k₄通过在线辨识得出；

S6、根据加速运动的规律建立模锻压机的运动方程

S7、根据摩擦力F_f、负载力F_l，模锻压机的运动方程、液压***方程及控制器的控制算法方程，联立求出该时刻模锻压机锻造过程中运行速度与时间的规律式，即v(t)＝A₀+acosφ+B₀asinφ+C₀a²sin(2φ)+D₀a³sin(3φ)；式中A₀为活动横梁运动时的振幅，a为振幅参数，φ、B₀、C₀和D₀均为具有各自表达式的计算参数；并根据上述运动规律，推导出锻压过程的运行结果；

S8、根据v(t)推导出模锻压机锻造时活动横梁稳定运行、震荡、爬行的判定条件。

2.根据权利要求1所述的模锻压机运行状态的在线预测方法，其特征在于，S1中活动横梁的位移、活动横梁的速度、活动横梁的加速度数据通过位移传感器、速度传感器、加速度传感器采集获得；驱动缸油压、回程缸油压数据通过压力传感器采集获得；比例流量阀电压数据通过电压表测得。

3.根据权利要求1所述的模锻压机运行状态的在线预测方法，其特征在于，S8具体包括如下步骤：

S81、将a的阈值设定为1％|A₀|，若该时刻a的收敛值为0或小于阈值，则下一时刻活动横梁的运行速度v(t)收敛于A₀，***将平稳运行；

S82、若该时刻a的收敛值大于1％|A₀|，根据速度震荡率δ，当δ＜1时，下一时刻***运行状态出现震荡；

S83、根据S82，当δ＞1时，下一时刻***运行状态出现爬行现象。

4.根据权利要求3所述的模锻压机运行状态的在线预测方法，其特征在于，根据S3，通过限定值M_p＜M_pr，t_p＜t_pr，Q_max＜Q_r，求出模锻压机控制器算法的参数稳定域Ω，并通过该稳定域设计控制器；式中M_p为速度超调量、M_pr为速度超调量的额定值；t_p为超调时间，t_pr为超调时间的额定值；Q_max为比例流量阀的最大流量，Q_r为比例流量阀最大流量的额定值。

5.根据权利要求4所述的模锻压机运行状态的在线预测方法，其特征在于，还包括仿真实验步骤S9，具体为：

计算机建模，输入相关参数，根据S8的判定条件对模锻压机运行状态的预测是否准确进行验证。

6.一种如权利要求1-5任意一项所述模锻压机运行状态的在线预测方法所采用的在线预测***，其特征在于，包括油路、控制信号线路和传感器信号线路；

所述油路包括一端连接液压泵、另一端的第一支连接驱动缸和回程缸，另一端的第二支连接压力表的比例流量阀，且第二支接有压力传感器；

所述传感器信号线路包括工控机、PLC、压力传感器、位移传感器、速度传感器和加速度传感器，所述工控机、PLC和压力传感器依次连接，同时所述PLC还连接用于测量活动横梁位移、速度和加速度的位移传感器、速度传感器和加速度传感器；

所述控制信号线路包括依次连接的工控机、PLC、压力表和比例流量阀。