CN108118743B - 液压挖掘机自适应神经网络力矩控制装置和方法 - Google Patents
液压挖掘机自适应神经网络力矩控制装置和方法 Download PDFInfo
- Publication number
- CN108118743B CN108118743B CN201810039705.2A CN201810039705A CN108118743B CN 108118743 B CN108118743 B CN 108118743B CN 201810039705 A CN201810039705 A CN 201810039705A CN 108118743 B CN108118743 B CN 108118743B
- Authority
- CN
- China
- Prior art keywords
- neural network
- valve
- hydraulic motor
- hydraulic
- pressure
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- E—FIXED CONSTRUCTIONS
- E02—HYDRAULIC ENGINEERING; FOUNDATIONS; SOIL SHIFTING
- E02F—DREDGING; SOIL-SHIFTING
- E02F9/00—Component parts of dredgers or soil-shifting machines, not restricted to one of the kinds covered by groups E02F3/00 - E02F7/00
- E02F9/20—Drives; Control devices
- E02F9/22—Hydraulic or pneumatic drives
- E02F9/2203—Arrangements for controlling the attitude of actuators, e.g. speed, floating function
Landscapes
- Engineering & Computer Science (AREA)
- Mining & Mineral Resources (AREA)
- Civil Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Structural Engineering (AREA)
- Operation Control Of Excavators (AREA)
Abstract
本发明提供一种液压挖掘机自适应神经网络力矩控制装置,包括液压泵、比例溢流阀、油箱、比例节流阀、单向阀、六通开中心比例换向阀、比例溢流阀一、比例溢流阀二、单向阀一、单向阀二和液压马达;控制装置被用于控制液压马达;本发明还提供一种液压挖掘机自适应神经网络力矩控制方法,模拟量输出单元将六通开中心比例换向阀控制信号u发送到六通开中心比例换向阀,从而控制液压马达左右两腔的液压马达左腔压力P1和液压马达右腔压力P2,控制液压马达的输出力矩,本发明能在对液压挖掘机进行力矩控制时,避免出现流量控制增益恒为零的情况,从而使得整个***可控。
Description
技术领域
本发明涉及液压挖掘机力矩控制技术领域,具体为一种液压挖掘机自适应神经网络力矩控制装置和方法。
背景技术
作为一种重要的工程机械,液压挖掘机在工程建设、采矿业、林业中广泛应用。为了提高液压挖掘机的作业效率和作业精度,国内外学者对液压挖掘机的自动化作业进行了广泛研究。自动作业的挖掘机能够在无人干预的情况下完成各种典型作业任务,比如:卡车装卸、深沟挖掘、土地平整、侧壁切削以及侧壁挤压。其中,为了实现侧壁切削和侧壁挤压的自动化作业,需要对液压挖掘机的回转力矩进行控制。然而,对液压挖掘机进行力矩控制时,存在如下两个主要问题:
(1)对于传统液压挖掘机回转液压***,其主控制阀为六通开中心比例换向阀。所述比例换向阀的控制电压同时调节液压泵的出口压力和流入液压马达的流量。这种耦合控制的方式会出现一个问题:当所述控制电压不为零且液压泵的出口压力比液压马达左右两腔的压力低时,液压泵无法给液压马达供油。对于上述传统液压挖掘机回转液压***,液压马达左右两腔的压力动态方程可表示为:
其中:q1和q2为流入液压马达左右两腔的流量,g1和g2为六通开中心比例换向阀的流量控制增益,uc为六通开中心比例换向阀的的控制电压,kq1和kq2为正系数(由实验决定),ps为液压泵的出口压力,p1和p2为液压马达左右两腔的压力,pt为油箱的油液压力。由公式(1)可知,当uc>0&(ps<p1)或者uc<0&(ps<p2)时,***的流量控制增益g1或者g2始终为零。所以利用传统液压挖掘机回转液压***难以实现对液压马达力矩的有效控制。
(2)目前国内外学术界针对液压***力以及力矩的主流控制方法,比如:自适应控制、鲁棒控制、无源控制,需要提前知道***数学模型的的参数。但是对于液压挖掘机来说,获取***数学模型的参数非常困难,主要原因为:1)由于非线性流量增益、滞环、死区、饱和以及动态流量耦合等复杂非线性特性的影响,很难获取准确的液压元件及液压***的特性参数;2)工作温度的改变以及液压元件的老化都会造成***参数的变化。
因此,需要对现有技术进行改进。
发明内容
本发明要解决的技术问题是提供一种高效的液压挖掘机自适应神经网络力矩控制装置和方法。
为解决上述技术问题,本发明提供一种液压挖掘机自适应神经网络力矩控制装置,被用于控制液压马达、,其特征在于:包括液压泵、比例溢流阀、油箱、比例节流阀、单向阀、六通开中心比例换向阀、比例溢流阀一、比例溢流阀二、单向阀一、单向阀二和液压马达;
所述六通开中心比例换向阀设置有阀前进油口a、阀前进油口b、中路进油口、A出口、B出口和中路出油口;
所述液压泵的入口与油箱连通,液压泵的出口分为三路,一路经过比例溢流阀后与油箱连通;一路经过单向阀后与六通开中心比例换向阀的阀前进油口a连通;一路经过比例节流阀后与六通开中心比例换向阀的中路进油口连通;
所述六通开中心比例换向阀的中路出油口分别与阀前进油口b和油箱连通;
所述六通开中心比例换向阀的A出口分别与液压马达的左腔入油口、比例溢流阀一的入口和单向阀一的弹簧腔油口连通,比例溢流阀一的出口和单向阀一的非弹簧腔油口分别与油箱连通;
所述六通开中心比例换向阀的B出口分别与液压马达的右腔入油口、比例溢流阀二的入口和单向阀二的弹簧腔油口连通,比例溢流阀二的出口和单向阀二的非弹簧腔油口分别与油箱连通。
作为对本发明液压挖掘机自适应神经网络力矩控制装置的改进:力矩控制装置还包括低通滤波器、模拟量采集单元、力矩计算器、参考力矩信号生成器、比较器、回声状态神经网络、综合干扰上界更新器、神经网络参数更新器、控制信号生成器和模拟量输出单元;
所述液压泵和比例溢流阀之间的管道上设置有泵压力传感器;
所述六通开中心比例换向阀的A出口与液压马达的左腔入油口之间的管道上设置有液压马达压力传感器一;
所述六通开中心比例换向阀的B出口与液压马达的右腔入油口之间的管道上设置有液压马达压力传感器二;
泵压力传感器、液压马达压力传感器一和液压马达压力传感器二分别与低通滤波器连接,滤波后,低通滤波器发送相应信号给模拟量采集单元;模拟量采集单元采集得到液压泵出口压力信号Ps、液压马达左腔压力P1和液压马达右腔压力P2;
模拟量采集单元发送液压泵出口压力信号Ps到控制信号生成器,模拟量采集单元将液压马达左腔压力P1和液压马达右腔压力P2均分别发送到力矩计算器和回声状态神经网络;
力矩计算器根据液压马达左腔压力P1和液压马达右腔压力P2,运算得到输出力矩信号τ,并将输出力矩信号τ发送给比较器;
参考力矩信号生成器产生参考力矩信号τd和参考力矩信号对时间的微分信号并将参考力矩信号τd发送给比较器,将参考力矩信号对时间的微分信号/>发送给回声状态神经网络;
比较器根据输出力矩信号τ和参考力矩信号τd,得到力矩跟踪误差信号e,并将力矩跟踪误差信号e发送给回声状态神经网络、综合干扰上界更新器和神经网络参数更新器;
综合干扰上界更新器根据力矩跟踪误差信号e,生成综合干扰上界的估计值并将综合干扰上界的估计值/>发送给控制信号生成器;
回声状态神经网络根据液压马达左腔压力P1液压马达右腔压力P2、参考力矩信号对时间的微分信号和神经网络输出权重的估计值/>运算得到神经网络内部状态变量Φ,并将神经网络内部状态变量Φ发送到神经网络参数更新器和控制信号生成器;
神经网络参数更新器根据神经网络内部状态变量Φ和力矩跟踪误差信号e,运算得到神经网络输出权重的估计值并将神经网络输出权重的估计值/>发送到回声状态神经网络和控制信号生成器;
控制信号生成器根据液压泵出口压力信号Ps和预先设置在控制信号生成器中的设定溢流压力Pset,运算得到比例节流阀控制信号uPs;控制信号生成器根据神经网络输出权重的估计值神经网络内部状态变量Φ、综合干扰上界的估计值/>和力矩跟踪误差信号e,运算得到六通开中心比例换向阀控制信号u,并将比例节流阀控制信号uPs和六通开中心比例换向阀控制信号u发送到模拟量输出单元;
模拟量输出单元分别与比例节流阀和六通开中心比例换向阀连接;模拟量输出单元将比例节流阀控制信号uPs发送到比例节流阀,控制比例节流阀的开口大小,从而控制液压泵出口压力Ps;
模拟量输出单元将六通开中心比例换向阀控制信号u发送到六通开中心比例换向阀,从而控制液压马达左右两腔的液压马达左腔压力P1和液压马达右腔压力P2,控制液压马达的输出力矩。
本发明还提供一种液压挖掘机自适应神经网络力矩控制方法:六通开中心比例换向阀控制信号u控制流入液压马达左右两腔的流量Q1和Q2,流入液压马达左右两腔的流量Q1和Q2控制和/>控制液压马达左腔压力P1和液压马达右腔压力P2,从而控制液压马达的输出力矩。
作为对本发明液压挖掘机自适应神经网络力矩控制方法的改进,控制液压马达的输出力矩的具体过程为:
流入液压马达左右两腔的流量Q1和Q2可表示为:
其中:G1和G2为六通开中心比例换向阀7的阀前进油口a至A出口以及阀前进油口b至B出口的流量控制增益,u为六通开中心比例换向阀控制信号,Kq1和Kq2为流量增益,Ps为液压泵的出口压力,Pt为油箱中油液的压力;
液压马达左右两腔的压力动态方程表示为:
和/>分别代表液压马达左腔压力P1和液压马达右腔压力P2对时间的微分信号,βe为油液弹性体积模量,V0为液压马达左右两腔的体积,Ctm为内泄漏系数,Cem1和Cem2为液压马达左右两腔的外泄漏系数;
和/>通过积分运算得到液压马达左腔压力P1和液压马达右腔压力P2;从而控制液压马达的输出力矩。
作为对本发明液压挖掘机自适应神经网络力矩控制方法的进一步改进:
在综合干扰上界更新器中,综合干扰上界的估计值按下式在线实时更新:
其中Γγ,ω,γmax为正实数,为综合干扰上界的估计值/>对时间的微分信号;
通过积分运算得到综合干扰上界的估计值/>
作为对本发明液压挖掘机自适应神经网络力矩控制方法的进一步改进:
在回声状态神经网络中,神经网络内部状态变量Φ按下式在线实时更新:
其中c,l为正实数,Win,Wintl,Wback分别为输入权重、内部权重及输出权重;为神经网络内部状态变量Φ对时间的微分信号;
通过积分运算得到神经网络内部状态变量Φ。
作为对本发明液压挖掘机自适应神经网络力矩控制方法的进一步改进:
在神经网络参数更新器中,神经网络输出权重的估计值按下式在线实时更新:
N为正整数,ΓC是一个N×N正定矩阵,且
其中Wimax和Wimin为正实数,i=1,...,N。
通过积分运算得到神经网络输出权重的估计值/>
作为对本发明液压挖掘机自适应神经网络力矩控制方法的进一步改进:
控制信号生成器根据神经网络输出权重的估计值神经网络内部状态变量Φ、综合干扰上界的估计值/>和力矩跟踪误差信号e,生成由自适应控制信号ua、比例反馈控制信号us1以及鲁棒反馈信号us2组成的六通开中心比例换向阀控制信号u;
自适应控制信号ua、比例反馈控制信号us1以及鲁棒反馈信号us2可按下式计算得到:
us1=k1e
k1和ω为正实数;
六通开中心比例换向阀控制信号u可按下式得到:
u=-ua-us1-us2。
本发明液压挖掘机自适应神经网络力矩控制装置和方法的技术优势为:
本发明能在对液压挖掘机进行力矩控制时,避免出现流量控制增益恒为零的情况,从而使得整个***可控;本发明还提出了一种液压挖掘机自适应神经网络力矩控制方法,所述方法利用神经网络的自适应性以及全局逼近能力来拟合力矩控制***中未知的***函数且通过在线更新神经网络的权重提高拟合效果;另外,所述方法对未知综合干扰上界进行在线估计且通过鲁棒控制的方式降低未知综合干扰对***性能的影响。本发明简单易行,不需要知道***准确参数,因此也就无需进行繁琐的离线参数辨识,***具有很强的参数自适应性以及鲁棒性,力矩控制精度高,该方法同样适用于除液压挖掘机外其他主控阀为六通开中心式比例换向阀的液压力以及力矩控制装备。
附图说明
下面结合附图对本发明的具体实施方式作进一步详细说明。
图1为液压挖掘机自适应神经网络力矩控制装置的结构示意图;
图2为力矩控制实验结果。
具体实施方式
下面结合具体实施例对本发明进行进一步描述,但本发明的保护范围并不仅限于此。
实施例1、液压挖掘机自适应神经网络力矩控制装置,被用于控制液压马达12,如图1-2所示,包括液压泵1、比例溢流阀2、油箱3、比例节流阀4、泵压力传感器5、单向阀6、六通开中心比例换向阀7、比例溢流阀一8、比例溢流阀二9、单向阀一10、单向阀二11、液压马达12、液压马达压力传感器一13和液压马达压力传感器二14。
六通开中心比例换向阀7设置有阀前进油口a、阀前进油口b、中路进油口、A出口、B出口和中路出油口。
液压挖掘机回转液压***的连接关系如下所述:
液压泵1的入口与油箱3连通,液压泵1的出口分为三路,一路经过比例溢流阀2后重新与油箱3连通,液压泵1和比例溢流阀2之间的管道上设置有泵压力传感器5;一路经过单向阀6后与六通开中心比例换向阀7的阀前进油口a连通(单向阀6的非弹簧腔油口和弹簧腔油口分别和液压泵1的出口以及六通开中心比例换向阀7的阀前进油口a相连);一路经过比例节流阀4后与六通开中心比例换向阀7的中路进油口连通(比例节流阀4的入口和出口分别和液压泵1的出口以及六通开中心比例换向阀7的中路进油口相连);六通开中心比例换向阀7的中路出油口分别与六通开中心比例换向阀7的阀前进油口b和油箱3连通。
六通开中心比例换向阀7的A出口分别与液压马达12的左腔入油口、比例溢流阀一8的入口和单向阀一10的弹簧腔油口连通,比例溢流阀一8的出口和单向阀一10的非弹簧腔油口分别与油箱3连通;在六通开中心比例换向阀7的A出口与液压马达12的左腔入油口之间的管道上设置有液压马达压力传感器一13;
六通开中心比例换向阀7的B出口分别与液压马达12的右腔入油口、比例溢流阀二9的入口和单向阀二11的弹簧腔油口连通,比例溢流阀二9的出口和单向阀二11的非弹簧腔油口分别与油箱3连通;在六通开中心比例换向阀7的B出口与液压马达12的右腔入油口之间的管道上设置有液压马达压力传感器二14;
液压泵1通过六通开中心比例换向阀7给液压马达12提供油液。
泵压力传感器5采集液压泵1出口压力,液压马达压力传感器一13和液压马达压力传感器二14采集液压马达12左右两腔的压力。
力矩控制装置以及液压挖掘机自适应神经网络力矩控制方法为:
力矩控制装置包括低通滤波器15、模拟量采集单元16、力矩计算器17、参考力矩信号生成器18、比较器19、回声状态神经网络20、综合干扰上界更新器21、神经网络参数更新器22、控制信号生成器23和模拟量输出单元24;
泵压力传感器5、液压马达压力传感器一13和液压马达压力传感器二14分别与低通滤波器15连接,滤波后,发送信号给模拟量采集单元16,模拟量采集单元16采集得到液压泵出口压力信号Ps、液压马达左腔压力P1和液压马达右腔压力P2;
模拟量采集单元16发送液压泵出口压力信号Ps到控制信号生成器23,模拟量采集单元16将液压马达左腔压力P1和液压马达右腔压力P2都分别发送到力矩计算器17和回声状态神经网络20,
力矩计算器17根据液压马达左腔压力P1和液压马达右腔压力P2,运算得到输出力矩信号τ,并将输出力矩信号τ发送给比较器19;
输出力矩信号τ可按下式计算得到:
其中,Dm为液压马达12的排量。本实例中,Dm=45.4cm3/r。
参考力矩信号生成器18产生参考力矩信号τd和参考力矩信号对时间的微分信号并将参考力矩信号τd发送给比较器19,将参考力矩信号对时间的微分信号/>发送给回声状态神经网络20;本实例中τd和/>可以采用下式计算:
比较器19比较输出力矩信号τ和参考力矩信号τd,得到力矩跟踪误差信号e(e=τ-τd),并将力矩跟踪误差信号e发送给控制信号生成器23、综合干扰上界更新器21和神经网络参数更新器22;
综合干扰上界更新器21根据力矩跟踪误差信号e,生成综合干扰上界的估计值并将综合干扰上界的估计值/>发送给控制信号生成器23;
其中按下式在线实时更新
其中为/>对时间的微分信号,Γγ、ω、γmax为正实数。
本实例中,Γγ=0.001,ω=0.01,γmax=2。
回声状态神经网络20根据液压马达左腔压力P1、液压马达右腔压力P2、参考力矩信号对时间的微分信号和神经网络输出权重的估计值/>运算得到神经网络内部状态变量Φ,并将神经网络内部状态变量Φ发送到神经网络参数更新器22和控制信号生成器23;
其中Φ按下式在线实时更新:
其中为Φ对时间的微分信号,c、l为正实数,Win、Wintl、Wback分别为输入权重、内部权重及输出权重。
本实例中,c=1,l=0.5,Win为矩阵元素在-1和1之间的400×3随机矩阵,Wintl为400×400的稀疏矩阵,Wback为矩阵元素在-1和1之间的400×1随机矩阵。
神经网络参数更新器22根据神经网络内部状态变量Φ和力矩跟踪误差信号e,运算得到神经网络输出权重的估计值并将神经网络输出权重的估计值/>发送到回声状态神经网络20和控制信号生成器23;
其中(N为正整数)按下式在线实时更新:
其中为/>对时间的微分信号,ΓC是一个N×N正定矩阵,
且
其中Wimax和Wimin为正实数。
本实例中,N=400,ΓC=0.0005I(I为400×400的单位矩阵),Wimax=1,Wimin=-1,i=1,...,N。
控制信号生成器23根据液压泵出口压力信号Ps和比例溢流阀2的设定溢流压力Pset(在控制信号生成器23中预先设置比例溢流阀2的设定溢流压力Pset),运算得到比例节流阀控制信号uPs:将比例节流阀控制信号uPs从零开始缓慢增加,比例节流阀4的开口会缓慢减小,液压泵中路回油阻力增加,从而提高液压泵出口压力Ps,继续增大比例节流阀控制信号uPs使得液压泵出口压力信号Ps和比例溢流阀2的设定溢流压力Pset相同。本实例中,调节比例节流阀控制信号uPs为3.4V,可使Ps达到Pset,为26.2MPa。
控制信号生成器23根据神经网络输出权重的估计值神经网络内部状态变量Φ、综合干扰上界的估计值/>和力矩跟踪误差信号e,生成由自适应控制信号比例反馈控制信号us1(us1=k1e)以及鲁棒反馈信号组成的六通开中心比例换向阀控制信号u(u=-ua-us1-us2),并将比例节流阀控制信号uPs和六通开中心比例换向阀控制信号u发送到模拟量输出单元24;其中,k1为正实数,本实例中,k1=0.13。
模拟量输出单元24分别与比例节流阀4和六通开中心比例换向阀7连接。模拟量输出单元24将比例节流阀控制信号uPs发送到比例节流阀4,控制比例节流阀4的开口大小,比例节流阀4的开口变化会改变液压泵中路回油阻力,从而控制液压泵出口压力Ps。
模拟量输出单元24将六通开中心比例换向阀控制信号u发送到六通开中心比例换向阀7,从而控制液压马达12左右两腔的液压马达左腔压力P1和液压马达右腔压力P2,控制液压马达12的输出力矩。控制方式见公式(7)和(8);六通开中心比例换向阀控制信号u控制流入液压马达左右两腔的流量Q1和Q2,Q1和Q2控制和/>从而得到P1和P2。
流入液压马达12左右两腔的流量Q1和Q2可表示为:
其中:G1和G2为六通开中心比例换向阀7的阀前进油口a至A出口以及阀前进油口b至B出口的流量控制增益,u为六通开中心比例换向阀控制信号,Kq1和Kq2为正系数(由实验决定),本实施例中Kq1=2和Kq2=2,Ps为液压泵的出口压力,Pt为油箱3中油液的压力。
在对液压马达12进行力矩控制时,液压马达12的角速度为零。则液压马达12左右两腔的压力动态方程可表示为:
和/>分别代表P1和P2对时间的微分信号。得到/>和/>即可通过积分运算得到P1和P2。此外,在公式(4)-(6)中,都是求出/>和/>再积分得到/>和Φ。
其中,βe为油液弹性体积模量,V0为液压马达12左右两腔(相对应的一个腔)的体积,Ctm为内泄漏系数,Cem1和Cem2为液压马达12左右两腔的外泄漏系数。
对比公式(1)和(7)可知,由于采用了本发明中所提出的液压挖掘机回转液压***、力矩控制装置以及液压泵出口压力控制方法,***的流量控制增益G1和G2始终大于零(只有当P1=Ps或者P2=Ps时,流量控制增益G1和G2才等于零),这使得对液压马达12的力矩控制成为可能。
为了验证本发明中所述装置及方法的有效性,我们进行了实验,实验结果见图2。由图2(d)可知,液压泵出口压力Ps始终比液压马达左腔压力P1和液压马达右腔压力P2高(Ps>P1且Ps>P2),从而使得***的流量控制增益G1和G2始终大于零。由图2(a)、(b)可知,液压马达12的输出力矩信号τ能很好的追踪参考力矩信号τd,且力矩跟踪误差信号e在±4Nm以内。
最后,还需要注意的是,以上列举的仅是本发明的若干个具体实施例。显然,本发明不限于以上实施例,还可以有许多变形。本领域的普通技术人员能从本发明公开的内容直接导出或联想到的所有变形,均应认为是本发明的保护范围。
Claims (7)
1.液压挖掘机自适应神经网络力矩控制装置,被用于控制液压马达(12),其特征在于:包括液压泵(1)、比例溢流阀(2)、油箱(3)、比例节流阀(4)、单向阀(6)、六通开中心比例换向阀(7)、比例溢流阀一(8)、比例溢流阀二(9)、单向阀一(10)、单向阀二(11)和液压马达(12);
所述六通开中心比例换向阀(7)设置有阀前进油口a、阀前进油口b、中路进油口、A出口、B出口和中路出油口;
所述液压泵(1)的入口与油箱(3)连通,液压泵(1)的出口分为三路,一路经过比例溢流阀(2)后与油箱(3)连通;一路经过单向阀(6)后与六通开中心比例换向阀(7)的阀前进油口a连通;一路经过比例节流阀(4)后与六通开中心比例换向阀(7)的中路进油口连通;
所述六通开中心比例换向阀(7)的中路出油口分别与阀前进油口b和油箱(3)连通;
所述六通开中心比例换向阀(7)的A出口分别与液压马达(12)的左腔入油口、比例溢流阀一(8)的入口和单向阀一(10)的弹簧腔油口连通,比例溢流阀一(8)的出口和单向阀一(10)的非弹簧腔油口分别与油箱(3)连通;
所述六通开中心比例换向阀(7)的B出口分别与液压马达(12)的右腔入油口、比例溢流阀二(9)的入口和单向阀二(11)的弹簧腔油口连通,比例溢流阀二(9)的出口和单向阀二(11)的非弹簧腔油口分别与油箱(3)连通;
力矩控制装置还包括低通滤波器(15)、模拟量采集单元(16)、力矩计算器(17)、参考力矩信号生成器(18)、比较器(19)、回声状态神经网络(20)、综合干扰上界更新器(21)、神经网络参数更新器(22)、控制信号生成器(23)和模拟量输出单元(24);
所述液压泵(1)和比例溢流阀(2)之间的管道上设置有泵压力传感器(5);
所述六通开中心比例换向阀(7)的A出口与液压马达(12)的左腔入油口之间的管道上设置有液压马达压力传感器一(13);
所述六通开中心比例换向阀(7)的B出口与液压马达(12)的右腔入油口之间的管道上设置有液压马达压力传感器二(14);
泵压力传感器(5)、液压马达压力传感器一(13)和液压马达压力传感器二(14)分别与低通滤波器(15)连接,滤波后,低通滤波器(15)发送相应信号给模拟量采集单元(16);模拟量采集单元(16)采集得到液压泵出口压力信号Ps、液压马达左腔压力P1和液压马达右腔压力P2;
模拟量采集单元(16)发送液压泵出口压力信号Ps到控制信号生成器(23),模拟量采集单元(16)将液压马达左腔压力P1和液压马达右腔压力P2均分别发送到力矩计算器(17)和回声状态神经网络(20);
力矩计算器(17)根据液压马达左腔压力P1和液压马达右腔压力P2,运算得到输出力矩信号τ,并将输出力矩信号τ发送给比较器(19);
参考力矩信号生成器(18)产生参考力矩信号τd和参考力矩信号对时间的微分信号并将参考力矩信号τd发送给比较器(19),将参考力矩信号对时间的微分信号/>发送给回声状态神经网络(20);
比较器(19)根据输出力矩信号τ和参考力矩信号τd,得到力矩跟踪误差信号e,并将力矩跟踪误差信号e发送给回声状态神经网络(20)、综合干扰上界更新器(21)和神经网络参数更新器(22);
综合干扰上界更新器(21)根据力矩跟踪误差信号e,生成综合干扰上界的估计值并将综合干扰上界的估计值/>发送给控制信号生成器(23);
回声状态神经网络(20)根据液压马达左腔压力P1、液压马达右腔压力P2、参考力矩信号对时间的微分信号和神经网络输出权重的估计值/>运算得到神经网络内部状态变量Φ,并将神经网络内部状态变量Φ发送到神经网络参数更新器(22)和控制信号生成器(23);
神经网络参数更新器(22)根据神经网络内部状态变量Φ和力矩跟踪误差信号e,运算得到神经网络输出权重的估计值并将神经网络输出权重的估计值/>发送到回声状态神经网络(20)和控制信号生成器(23);
控制信号生成器(23)根据液压泵出口压力信号Ps和预先设置在控制信号生成器(23)中的设定溢流压力Pset,运算得到比例节流阀控制信号uPs;控制信号生成器(23)根据神经网络输出权重的估计值神经网络内部状态变量Φ、综合干扰上界的估计值/>和力矩跟踪误差信号e,运算得到六通开中心比例换向阀控制信号u,并将比例节流阀控制信号uPs和六通开中心比例换向阀控制信号u发送到模拟量输出单元(24);
模拟量输出单元(24)分别与比例节流阀(4)和六通开中心比例换向阀(7)连接;模拟量输出单元(24)将比例节流阀控制信号uPs发送到比例节流阀(4),控制比例节流阀(4)的开口大小,从而控制液压泵出口压力Ps;
模拟量输出单元(24)将六通开中心比例换向阀控制信号u发送到六通开中心比例换向阀(7),从而控制液压马达(12)左右两腔的液压马达左腔压力P1和液压马达右腔压力P2,控制液压马达(12)的输出力矩。
2.利用如权利要求1所述力矩控制装置的液压挖掘机自适应神经网络力矩控制方法,其特征在于:六通开中心比例换向阀控制信号u控制流入液压马达左右两腔的流量Q1和Q2,流入液压马达左右两腔的流量Q1和Q2控制和/>控制液压马达左腔压力P1和液压马达右腔压力P2,从而控制液压马达(12)的输出力矩,/>和/>分别代表液压马达左腔压力P1和液压马达右腔压力P2对时间的微分信号。
3.根据权利要求2所述的液压挖掘机自适应神经网络力矩控制方法,其特征在于,控制液压马达(12)的输出力矩的具体过程为:
流入液压马达左右两腔的流量Q1和Q2可表示为:
其中:G1和G2为六通开中心比例换向阀(7)的阀前进油口a至A出口以及阀前进油口b至B出口的流量控制增益,u为六通开中心比例换向阀控制信号,Kq1和Kq2为正系数,Ps为液压泵的出口压力,Pt为油箱(3)中油液的压力;
液压马达(12)左右两腔的压力动态方程表示为:
βe为油液弹性体积模量,V0为液压马达(12)左右两腔的体积,Ctm为内泄漏系数,Cem1和Cem2为液压马达(12)左右两腔的外泄漏系数;
和/>通过积分运算得到液压马达左腔压力P1和液压马达右腔压力P2;从而控制液压马达(12)的输出力矩。
4.根据权利要求3所述的液压挖掘机自适应神经网络力矩控制方法,其特征在于:
在综合干扰上界更新器(21)中,综合干扰上界的估计值按下式在线实时更新:
其中Γγ,ω,γmax为正实数,为综合干扰上界的估计值/>对时间的微分信号;
通过积分运算得到综合干扰上界的估计值/>
5.根据权利要求4所述的液压挖掘机自适应神经网络力矩控制方法,其特征在于:
在回声状态神经网络(20)中,神经网络内部状态变量Φ按下式在线实时更新:
其中c,l为正实数,Win,Wintl,Wback分别为输入权重、内部权重及输出权重;为神经网络内部状态变量Φ对时间的微分信号;
通过积分运算得到神经网络内部状态变量Φ。
6.根据权利要求5所述的液压挖掘机自适应神经网络力矩控制方法,其特征在于:
在神经网络参数更新器(22)中,神经网络输出权重的估计值按下式在线实时更新:
N为正整数,ΓC是一个N×N正定矩阵,且
其中Wimax和Wimin为正实数,i=1,...,N;
通过积分运算得到神经网络输出权重的估计值/>
7.根据权利要求6所述的液压挖掘机自适应神经网络力矩控制方法,其特征在于:
控制信号生成器(23)根据神经网络输出权重的估计值神经网络内部状态变量Φ、综合干扰上界的估计值/>和力矩跟踪误差信号e,生成由自适应控制信号ua、比例反馈控制信号us1以及鲁棒反馈信号us2组成的六通开中心比例换向阀控制信号u;
自适应控制信号ua、比例反馈控制信号us1以及鲁棒反馈信号us2可按下式计算得到:
us1=k1e
k1和ω为正实数;
六通开中心比例换向阀控制信号u可按下式得到:
u=-ua-us1-us2。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810039705.2A CN108118743B (zh) | 2018-01-16 | 2018-01-16 | 液压挖掘机自适应神经网络力矩控制装置和方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810039705.2A CN108118743B (zh) | 2018-01-16 | 2018-01-16 | 液压挖掘机自适应神经网络力矩控制装置和方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108118743A CN108118743A (zh) | 2018-06-05 |
CN108118743B true CN108118743B (zh) | 2023-07-18 |
Family
ID=62232819
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810039705.2A Active CN108118743B (zh) | 2018-01-16 | 2018-01-16 | 液压挖掘机自适应神经网络力矩控制装置和方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108118743B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2004053337A1 (ja) * | 2002-12-10 | 2004-06-24 | Shin Caterpillar Mitsubishi Ltd. | 作業機械の自動昇圧装置 |
CN102493517A (zh) * | 2011-12-07 | 2012-06-13 | 哈尔滨工业大学 | 液压混合动力挖掘机回转***及该回转***的驱动和制动方法 |
CN102912823A (zh) * | 2012-11-09 | 2013-02-06 | 浙江大学 | 一种挖掘机回转节能*** |
WO2014063490A1 (zh) * | 2012-10-26 | 2014-05-01 | 中联重科股份有限公司 | 控制臂架回转的液压***及其控制方法和混凝土泵送设备 |
JP2015178863A (ja) * | 2014-03-19 | 2015-10-08 | カヤバ工業株式会社 | ハイブリッド建設機械の制御システム |
CN208137007U (zh) * | 2018-01-16 | 2018-11-23 | 浙江大学 | 液压挖掘机自适应神经网络力矩控制装置 |
-
2018
- 2018-01-16 CN CN201810039705.2A patent/CN108118743B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2004053337A1 (ja) * | 2002-12-10 | 2004-06-24 | Shin Caterpillar Mitsubishi Ltd. | 作業機械の自動昇圧装置 |
CN102493517A (zh) * | 2011-12-07 | 2012-06-13 | 哈尔滨工业大学 | 液压混合动力挖掘机回转***及该回转***的驱动和制动方法 |
WO2014063490A1 (zh) * | 2012-10-26 | 2014-05-01 | 中联重科股份有限公司 | 控制臂架回转的液压***及其控制方法和混凝土泵送设备 |
CN102912823A (zh) * | 2012-11-09 | 2013-02-06 | 浙江大学 | 一种挖掘机回转节能*** |
JP2015178863A (ja) * | 2014-03-19 | 2015-10-08 | カヤバ工業株式会社 | ハイブリッド建設機械の制御システム |
CN208137007U (zh) * | 2018-01-16 | 2018-11-23 | 浙江大学 | 液压挖掘机自适应神经网络力矩控制装置 |
Also Published As
Publication number | Publication date |
---|---|
CN108118743A (zh) | 2018-06-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20160341193A1 (en) | System for Estimating a Displacement of a Pump | |
CN110409546B (zh) | 一种挖掘机的电控***及正流量***挖掘机 | |
US8296024B2 (en) | Calibrating transmission motor torque | |
EP2109718B1 (en) | System and method for controlling actuator position | |
Borghi et al. | Energy savings in the hydraulic circuit of agricultural tractors | |
Focchi et al. | Water/air performance analysis of a fluidic muscle | |
US9920780B2 (en) | Slewing drive apparatus for construction machine | |
US9328821B2 (en) | Hydrostatic drive system | |
EP3431783A1 (en) | Load-dependent hydraulic fluid flow control system | |
US9404516B1 (en) | System for estimating a sensor output | |
CN105697463A (zh) | 一种液压位置伺服***输出反馈自适应控制方法 | |
Aschemann et al. | Decentralised flatness-based control of a hydrostatic drive train subject to actuator uncertainty and disturbances | |
CN108118743B (zh) | 液压挖掘机自适应神经网络力矩控制装置和方法 | |
CN112196856B (zh) | 一种电传动设备的液压***及其控制方法 | |
Wu | Modeling and experimental evaluation of a load-sensing and pressure compensated hydraulic system | |
US9534616B2 (en) | System for estimating a sensor output | |
Sun et al. | Robust inverse dynamics control for a hydrostatic transmission with actuator uncertainties | |
CN116551695A (zh) | 一种液压摆动关节位置伺服***及其ndob-smc控制方法 | |
WO2016027463A1 (ja) | 液圧ポンプの駆動システム | |
Campanini et al. | Optimized control for an independent metering valve with integrated diagnostic features | |
CN208137007U (zh) | 液压挖掘机自适应神经网络力矩控制装置 | |
JP2009282819A (ja) | 流量制御方法 | |
JP2010026576A5 (zh) | ||
Kassen et al. | Combine harvester header height control via robust feedback linearization | |
Jayaraman et al. | Parameter estimation of an electronic load sensing pump using the Recursive Least Squares algorithm |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |