CN114412883A - 液压***控制方法、装置、***及存储介质 - Google Patents
液压***控制方法、装置、***及存储介质 Download PDFInfo
- Publication number
- CN114412883A CN114412883A CN202210044484.4A CN202210044484A CN114412883A CN 114412883 A CN114412883 A CN 114412883A CN 202210044484 A CN202210044484 A CN 202210044484A CN 114412883 A CN114412883 A CN 114412883A
- Authority
- CN
- China
- Prior art keywords
- control
- hydraulic
- hydraulic cylinder
- hydraulic system
- deviation
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 81
- 238000006073 displacement reaction Methods 0.000 claims abstract description 79
- 230000008859 change Effects 0.000 claims abstract description 45
- 238000005457 optimization Methods 0.000 claims abstract description 45
- 238000013178 mathematical model Methods 0.000 claims abstract description 17
- 238000012545 processing Methods 0.000 claims abstract description 12
- 239000002245 particle Substances 0.000 claims description 100
- 238000004422 calculation algorithm Methods 0.000 claims description 33
- 238000012546 transfer Methods 0.000 claims description 29
- 230000003044 adaptive effect Effects 0.000 claims description 27
- 238000004364 calculation method Methods 0.000 claims description 10
- 230000006978 adaptation Effects 0.000 claims description 8
- 238000007781 pre-processing Methods 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 6
- 230000035772 mutation Effects 0.000 claims description 6
- 238000012216 screening Methods 0.000 claims description 5
- 238000009401 outcrossing Methods 0.000 claims description 3
- 230000009897 systematic effect Effects 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 17
- 230000006870 function Effects 0.000 description 40
- 238000011217 control strategy Methods 0.000 description 29
- 238000010586 diagram Methods 0.000 description 21
- 239000002131 composite material Substances 0.000 description 19
- 238000004088 simulation Methods 0.000 description 9
- 238000004458 analytical method Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 8
- 230000004044 response Effects 0.000 description 8
- 238000004891 communication Methods 0.000 description 7
- 230000033001 locomotion Effects 0.000 description 6
- 230000009471 action Effects 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 230000001133 acceleration Effects 0.000 description 2
- 238000013016 damping Methods 0.000 description 2
- 230000002068 genetic effect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000010355 oscillation Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- -1 POS compound Chemical class 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000035939 shock Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
Images
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F15—FLUID-PRESSURE ACTUATORS; HYDRAULICS OR PNEUMATICS IN GENERAL
- F15B—SYSTEMS ACTING BY MEANS OF FLUIDS IN GENERAL; FLUID-PRESSURE ACTUATORS, e.g. SERVOMOTORS; DETAILS OF FLUID-PRESSURE SYSTEMS, NOT OTHERWISE PROVIDED FOR
- F15B21/00—Common features of fluid actuator systems; Fluid-pressure actuator systems or details thereof, not covered by any other group of this subclass
- F15B21/02—Servomotor systems with programme control derived from a store or timing device; Control devices therefor
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F15—FLUID-PRESSURE ACTUATORS; HYDRAULICS OR PNEUMATICS IN GENERAL
- F15B—SYSTEMS ACTING BY MEANS OF FLUIDS IN GENERAL; FLUID-PRESSURE ACTUATORS, e.g. SERVOMOTORS; DETAILS OF FLUID-PRESSURE SYSTEMS, NOT OTHERWISE PROVIDED FOR
- F15B21/00—Common features of fluid actuator systems; Fluid-pressure actuator systems or details thereof, not covered by any other group of this subclass
- F15B21/08—Servomotor systems incorporating electrically operated control means
- F15B21/087—Control strategy, e.g. with block diagram
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B11/00—Automatic controllers
- G05B11/01—Automatic controllers electric
- G05B11/36—Automatic controllers electric with provision for obtaining particular characteristics, e.g. proportional, integral, differential
- G05B11/42—Automatic controllers electric with provision for obtaining particular characteristics, e.g. proportional, integral, differential for obtaining a characteristic which is both proportional and time-dependent, e.g. P. I., P. I. D.
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F15—FLUID-PRESSURE ACTUATORS; HYDRAULICS OR PNEUMATICS IN GENERAL
- F15B—SYSTEMS ACTING BY MEANS OF FLUIDS IN GENERAL; FLUID-PRESSURE ACTUATORS, e.g. SERVOMOTORS; DETAILS OF FLUID-PRESSURE SYSTEMS, NOT OTHERWISE PROVIDED FOR
- F15B2211/00—Circuits for servomotor systems
- F15B2211/60—Circuit components or control therefor
- F15B2211/63—Electronic controllers
- F15B2211/6303—Electronic controllers using input signals
- F15B2211/6336—Electronic controllers using input signals representing a state of the output member, e.g. position, speed or acceleration
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F15—FLUID-PRESSURE ACTUATORS; HYDRAULICS OR PNEUMATICS IN GENERAL
- F15B—SYSTEMS ACTING BY MEANS OF FLUIDS IN GENERAL; FLUID-PRESSURE ACTUATORS, e.g. SERVOMOTORS; DETAILS OF FLUID-PRESSURE SYSTEMS, NOT OTHERWISE PROVIDED FOR
- F15B2211/00—Circuits for servomotor systems
- F15B2211/60—Circuit components or control therefor
- F15B2211/665—Methods of control using electronic components
- F15B2211/6656—Closed loop control, i.e. control using feedback
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F15—FLUID-PRESSURE ACTUATORS; HYDRAULICS OR PNEUMATICS IN GENERAL
- F15B—SYSTEMS ACTING BY MEANS OF FLUIDS IN GENERAL; FLUID-PRESSURE ACTUATORS, e.g. SERVOMOTORS; DETAILS OF FLUID-PRESSURE SYSTEMS, NOT OTHERWISE PROVIDED FOR
- F15B2211/00—Circuits for servomotor systems
- F15B2211/70—Output members, e.g. hydraulic motors or cylinders or control therefor
- F15B2211/75—Control of speed of the output member
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F15—FLUID-PRESSURE ACTUATORS; HYDRAULICS OR PNEUMATICS IN GENERAL
- F15B—SYSTEMS ACTING BY MEANS OF FLUIDS IN GENERAL; FLUID-PRESSURE ACTUATORS, e.g. SERVOMOTORS; DETAILS OF FLUID-PRESSURE SYSTEMS, NOT OTHERWISE PROVIDED FOR
- F15B2211/00—Circuits for servomotor systems
- F15B2211/70—Output members, e.g. hydraulic motors or cylinders or control therefor
- F15B2211/765—Control of position or angle of the output member
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Fluid Mechanics (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Feedback Control In General (AREA)
Abstract
本发明实施例提供一种液压***控制方法、装置、***及存储介质，属于自动控制技术领域，方法应用于非对称缸液压***，非对称缸液压***包括液压缸，该方法包括：获取液压缸位移输入的偏差和偏差变化率，采用基于参数优化方法的模糊PID控制器，对偏差和偏差变化率进行速度和位置的分析处理，得到理论控制，从而基于非对称缸液压***的数学模型，结合液压缸受到的外负载力，得到负载力补偿，进而结合负载力补偿量和理论控制量，得到液压缸控制量，实现速度和位置的同时控制，以及能够消除外负载变化对速度的影响，从而能够改善对称阀控非对称缸的非对称问题，进而提高控制效果。
Description
技术领域
本发明涉及自动控制技术领域，具体而言，涉及液压***控制方法、装置、***及存储介质。
背景技术
电液伺服***(又称为液压***)是指以伺服元件(伺服阀或伺服泵)为控制核心的液压控制***，在这种***中，执行元件能够自动、快速而准确地按照输入信号的变化规律而动作。已有大量的研究控制方案，应用控制理论成果，结合各种控制策略，提高电液伺服***的稳态控制精度，以及改善动态性能。
然而，对称阀控非对称液压缸出现控制上的非对称性问题，尤其是在大负载高精度的控制场景中，当负载大范围变化时，非对称性问题更为突出。目前，针对上述非对称性问题，已有部分解决方案被提出，但是，这些解决方案控制效果较差。
发明内容
有鉴于此，本发明的目的在于提供一种液压***控制方法、装置、***及存储介质，其能够改善目前针对对称阀控非对称液压缸的非对称问题提出的解决方案所存在的控制效果较差的问题。
为了实现上述目的，本发明实施例采用的技术方案如下。
第一方面，本发明实施例提供一种液压***控制方法，采用如下的技术方案。
一种液压控制***控制方法，应用于非对称缸液压***，所述非对称缸液压***包括液压缸，所述方法包括：
获取所述液压缸位移输入的偏差和偏差变化率；
采用基于参数优化方法的模糊PID控制器，对所述偏差和所述偏差变化率进行速度和位置的优化处理，得到理论控制量；
基于所述非对称缸液压***的数学模型，结合所述液压缸受到的外负载力，得到负载力补偿量；
结合所述负载力补偿量和所述理论控制量，得到液压缸控制量。
进一步地，所述采用基于参数优化方法的模糊PID控制器，对所述偏差和所述偏差变化率进行处理，得到理论控制量的步骤，包括：
对所述偏差和偏差变化率进行模糊推理，得到PID参数增量，所述PID参数增量包括偏差比例增量、积分增量和微分增量；
采用参数优化算法，对所述PID参数增量进行速度和位置的优化，得到PID参数；
将PID控制器的参数更新为所述PID参数，得到理论控制量。
进一步地，所述参数优化方法包括改进粒子群优化算法，所述采用参数优化算法，对所述PID参数增量进行优化，得到PID参数的步骤，包括：
根据所述PID参数增量，初始化粒子群，确定粒子群参数，所述粒子群参数包括粒子群规模、粒子位置区间范围、最大迭代次数和最小适应值；
采用设定的指标算法，计算所有粒子的适应值；
每次迭代时，根据粒子的所述适应值，更新个体极值和群体极值，并对粒子进行筛选；
对筛选后的粒子群进行交叉和变异操作，得到新粒子群；
计算所述新粒子群所有粒子的适应值，判断是否达到终止条件，若是，则结束迭代得到PID参数，否则继续迭代，直至达到终止条件；
其中，所述终止条件包括当前迭代次数超过所述最大迭代次数，或群体最优粒子适应值小于所述最小适应值。
进一步地，所述指标算法包括ITAE指标，所述ITAE指标为：
其中，J表示适应值，e(t)表示***误差。
进一步地，所述获取液压缸位移输入的偏差和偏差变化率的步骤，包括：
获取液压缸的设定位移值和实际位移值；
计算所述设定位移值和所述实际位移值的差值，得到液压缸位移输入的偏差；
对所述偏差进行微分，得到液压缸位移输入的偏差变化率。
进一步地，所述数学模型包括传递函数：
所述基于所述非对称缸液压***的数学模型，结合所述液压缸受到的外负载力，得到负载力补偿量的步骤，包括：
基于所述传递函数，结合外负载力进行推理拟合，得到所述外负载力与负载力补偿量的关系函数，以计算出所述负载力补偿量；
所述关系函数包括：
UF＝AFL-B
其中，UF表示负载力补偿量，FL表示外负载力，A和B为调节参数。
进一步地，所述结合所述负载力补偿量和所述理论控制量，得到液压缸控制量的步骤，包括：
将所述负载力补偿量和所述理论控制器求和，得到液压缸控制量。
第二方面，本发明实施例提供一种液压***控制装置，采用如下的技术方案。
一种液压***控制装置，应用于非对称缸液压***，所述非对称缸液压***包括液压缸，所述控制装置包括预处理模块、优化控制模块、补偿模块和计算模块；
所述预处理模块，用于获取所述液压缸位移输入的偏差和偏差变化率；
所述优化控制模块，用于采用基于参数优化方法的模糊PID控制器，对所述偏差和所述偏差变化率进行速度和位置的分析处理，得到理论控制量；
所述补偿模块，用于基于所述非对称缸液压***的数学模型，结合所述液压缸受到的外负载力，得到负载力补偿量；
所述计算模块，用于结合所述负载力补偿量和所述理论控制量，得到液压缸控制量。
第三方面，本发明提供一种液压控制***，采用如下的技术方案。
一种液压控制***，包括控制器和非对称缸液压子***；
所述控制器，用于采用如第一方面所述的方法，得到并输出液压缸控制量至所述非对称缸液压子***；
所述非对称缸液压子***，用于基于所述液压缸控制量执行预设工作。
第四方面，本发明提供一种存储介质，采用如下的技术方案。
一种存储介质，所述计算机程序被处理器执行时实现如第一方面所述的液压***控制方法。
相对于现有技术而言，本发明实施例提供的液压***控制方法、装置、***及存储介质具有以下有益效果：
采用基于参数优化方法的模糊PID控制器，对进行液压缸位移输入的偏差和偏差变化率进行速度和位置的分析处理，使得到的理论控制量能够实现速度和位置的同时控制，并基于液压***的数学模型和外负载力，得到负载力补偿量，进而将负载力补偿量和理论控制量结合，得到液压缸控制量，消除外负载变化对速度的影响，从而能够改善对称阀控非对称缸的非对称问题，进而提高控制效果；同时，在不同负载、不同速度下，都能获得最优动态性能和最小稳态误差，进而极大地提升非对称液压***的响应速度。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，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他相关的附图。
图1为示出了本发明实施例提供的非对称缸液压***的结构示意图。
图2示出了本发明实施例提供的液压***控制方法的部分步骤的流程示意图。
图3示出了图2中步骤S101的部分子步骤的流程示意图。
图4示出了图2中步骤S103的部分子步骤的流程示意图。
图5示出了本发明实施例提供的液压***控制方法的一种控制框图。
图6示出了图4中步骤S103-2的部分子步骤的流程示意图。
图7示出了本发明实施例提供的液压***控制方法的另一部分步骤的流程示意图。
图8示出了图2中步骤S105的部分子步骤的流程示意图。
图9示出了本发明实施例提供的液压***控制方法的控制策略框图。
图10示出了本发明实施例提供的液压控制***的方框示意图。
图11示出了本发明实施例提供的电子设备的方框示意图。
图12示出了本发明实施例提供的液压***控制装置的方框示意图。
图13-图15示出了本发明实施例提供的控制策略的仿真响应曲线图。
图标：100-非对称缸液压***；110-液压缸；120-伺服阀；130-位移/速度传感器；140-压力传感器；150-伺服放大器；160-液压***控制装置；170-液压控制***；180-控制器；190-非对称缸液压子***；200-电子设备；210-存储器；220-处理器；230-通信模块；240-预处理模块；250-优化控制模块；260-补偿模块；270-计算模块。
具体实施方式
下面将结合本发明实施例中附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
需要说明的是，术语“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
电液伺服***，也称液压***，是指以伺服元件(例如，伺服阀或伺服泵)为控制核心的液压控制***，在这种***中，执行元件能够自动、快速而准确地按照输入信号的变化规律而动作。已有大量的研究控制方案，应用控制理论成果，结合各种控制策略，提高电液伺服***的稳态控制精度，以及改善动态性能。
下文中，用液压***来统称电压伺服***。
液压缸一般分为对称缸和非对称缸，非对称缸指的是单出杆缸，因其具有工作空间小、结构简单和成本低廉等优点，而被广泛应用。但是，在对称阀(例如伺服阀和伺服泵)控制非对称液压缸的液压***中，存在着位置控制精度不高及执行器运动过程无法控制、速度冲击及液压缸的非对称性等带来的控制非对称问题(简称非对称问题)。尤其是在大负载高精度的控制场景中，当负载大范围变化时，非对称性问题更为突出。
目前，针对上述非对称性问题，已有部分解决方案被提出，但是，这些解决方案控制效果较差。
基于上述考虑，本发明实施例提供一种液压***控制策略，其能够改善上述因非对称性问题而导致的控制效果差的问题。以下，将从液压***控制方法和液压控制***170等角度，对本发明实施例提供的液压***控制策略进行介绍。
请参照图1，为本发明实施例提供的非对称缸液压***100的结构示意图，本发明实施例提供的液压***控制方法应用于该***中。该***包括液压缸110(包括主动液压缸110和加载液压缸110)、伺服阀120、压力传感器140、位移/速度传感器130、伺服放大器150和液压***控制装置160等。
液压控制装置，用于采集本发明实施例提供的液压***控制方法，计算并输出液压缸110控制量至伺服放大器150，伺服放大器150放大液压缸110控制量后传送至伺服阀120。
伺服阀120，用于根据液压缸110控制量控制液压缸110工作。
压力传感器140，用于采集液压***受到的负载力。
位移/速度传感器130，用于采集液压缸110位移和速度。
其中，液压***控制器180可以包括但不限于是：个人计算机、服务器等电子设备200。
请参照图2，为本发明实施例提供的液压***控制方法的流程示意图。本发明实施例以该方法应用于上述非对称液压***，且执行主体为液压控制装置来举例说明。
S101，获取液压缸位移输入的偏差和偏差变化率。
其中，液压缸110位移输入的偏差指的是设定位移值与实际位移值之间的偏差。且，液压缸110包括上述非对称液压***中的主动液压缸110和加载液压缸110。
S103，采用基于参数优化方法的模糊PID控制器，对偏差和偏差变化率进行速度和位置的分析处理，得到理论控制量。
S105，基于非对称缸液压***的数学模型，结合液压缸受到的外负载力，得到负载力补偿量。
其中，外负载力由上述非对称液压***中的压力传感器140采集之后，发送至液压控制装置。液压控制装置结合预存的非对称液压***的数学模型，以及外负载力，得到负载力补偿量。
S107，结合负载力补偿量和理论控制量，得到液压缸110控制量。
上述液压***控制方法中，采用基于参数优化方法的模糊PID控制器，对进行液压缸110位移输入的偏差和偏差变化率进行速度和位置的分析处理，使得到的理论控制量能够实现速度和位置的同时控制，并基于液压***的数学模型和外负载力，得到负载力补偿量，进而将负载力补偿量和理论控制量结合，得到液压缸110控制量，消除外负载变化对速度的影响，从而能够改善对称阀控非对称缸的非对称问题，进而提高控制效果。同时，在不同负载、不同速度下，都能获得最优动态性能和最小稳态误差，进而极大地提升非对称液压***的响应速度。
本发明实施例提供的液压***控制方法采用模糊PID控制器，能够改善时变的、非线性的、多干扰的复杂***(液压***)，常规的PID控制不能实时在线调整参数，而导致控制效果达不到理想状态的问题。
在一种实施方式中，针对S101，参照图3，为S101的部分子步骤的流程示意图，包括如下步骤。
S101-1，获取液压缸的设定位移值和实际位移值。
S101-2，计算设定位移值和实际位移值的差值，得到液压缸位移输入的偏差。
S101-3，对偏差进行微分，得到液压缸位移输入的偏差变化率。
其中，偏差可用e来表示，偏差变化率可用ec来表示。
得到偏差和偏差变化率之后，基于此，针对S103，提供一种实施方式。参照图4，为S103的部分子步骤的流程示意图，包括如下步骤。
S103-1，对偏差和偏差变化率进行模糊推理，得到PID参数增量。
其中，PID参数增量包括偏差比例增量、积分增量和微分增量，偏差比例增量用Δkp表示，积分增量用Δki，微分增量用Δkd表示。
S103-2，采用参数优化算法，对PID参数增量进行速度和位置的优化，得到PID参数。
其中，参数优化算法可以是任一种可进行速度和位置的优化的方法。
PID参数包括偏差比例kp，积分ki和微分kd。
S103-3，将PID控制器的参数更新为PID参数，得到理论控制量。
通过对偏差和偏差变化率采用模糊推理，得到PID参数增量，实现PID参数的在线自整定，并采用参数优化算法，对PID参数增量进行速度和位置的优化后，得到IPD参数，使液压***的动态性能尽可能达到最优，同时，能够使控制效果具有更好的鲁棒性和控制精度。
在上述S101-1至S101-3，以及S103-1至S103-3的基础上，参照图5，为本发明实施方式提供的液压***控制方法所对应的控制框图。根据该控制框图，在一种实施方式中，本发明实施例提供的液压***控制方法所对应的控制策略为：液压缸110位移设定位移值和实际位移值做差，得到位移输入的偏差，并对做差结果进行微分得到位移输入的偏差变化率，对偏差和偏差变化率进行模糊推理得到PID参数增量，对PID参数增量进行优化得到PID参数，PID控制器基于优化的PID参数对被控对象进行控制，被控对象即为液压缸110。
需要说明的是，PID控制器为二维输入和三维输出。因此，液压缸110位移输入的偏差和偏差变化率，以及液压缸110控制量的模糊语言遍历集合划分为{NB，NM，NS，ZO，PS，PM，PB}，分别表示负大、负中、负小、零、正小、正中和正大。***输入输出量离散论域取{NB＝-3，NM＝-2，NS＝-1，ZO＝0，PS＝1，PM＝2，PB＝3}，经多次现场调研和实际操作经验确定输出输入隶属度函数。该隶属度函数的特点为论域两端稀疏、中间稠密、符合了高精度控制的特点，即大误差时快速调节，小误差时精细调节。
根据工作人员工作经验和技能的分析，建立偏差比例增量Δkp、积分增量Δki和微分增量Δkd的模糊控制规则表(见表1、表2和表3)。其中，表1为偏差比例增量Δkp的模糊控制规则表，表2为积分增量Δki的模糊规则表，表3为微分增量Δkd的模糊控制规则表。
表1
表2
表3
应当理解的是，参数优化方法可以灵活选择，例如，可以为设定的参数优化规则，基于深度学习的参数优化方法，贝叶斯优化等。在一种实施方式中，参数优化方法可以为改进粒子群优化算法，以下内容中简称改进粒子群算法。
传统的粒子群算法是通过跟踪极值来更新粒子的位置，具有操作简单、收敛快以及鲁棒性好等优点。但在不断迭代的过程中粒子趋于相似，容易陷入局部最优。为了改善传统粒子群容易陷入局部最优的缺点，改进粒子群将遗传算法的交叉和变异操作引入粒子群算法。
粒子群算法(Particle swarm optimization，PSO)是一种基于对鸟类捕食行为的研究而提出的一种群体优化算法。传统粒子群算法，首先会在可行解空间中随机生成一个粒子群，每个粒子都代表一个可行解。粒子特征用位置、速度及适应值来表示。在算法运行过程中，每个粒子不断向最优位置移动，即适应值最优位置。
粒子自身的位置和速度通过个体极值和群体极值来更新，如：
其中，k表示迭代次数，ω为惯性权重，c1、c2为加速因子，r1、r2为[0,1]之间的随机数。
表示粒子第k次迭代时第d维的速度，且处于设置的粒子速度区间[Vmin,Vmax]内。
表示粒子第k次迭代时第d维的位置，且处于设置的粒子速度区间[Ld，Ud]内。
表示粒子本身找到的最优解的位置，
表示整个粒子群目前找到的最优解的位置。
在改进粒子群算法中，首先计算所有粒子的适应值，并将所有粒子按照适应值的优劣进行排序。排序完成后，舍弃适应值小于粒子适应值平均值的粒子。然后进行交叉操作，剩余适应值较好的粒子随机和个体极值或群体极值进行交叉来得到新粒子，直至粒子群规模恢复至原来的数量。为所有粒子的各维位置均分配一个[0,1]之间的随机数，并在粒子第d维位置Xid对应的随机数小于该粒子对应的变异概率值时，对Xid进行变异操作。
交叉后得到的新粒子的位置可以通过如下公式得到：
其中，
表示第K次迭代时交叉后产生的新粒子第d维的位置，r3是[0,1]之间的随机数。
变异后的粒子位置Xid可通过以下公式得到：
其中，r4为[0,1]之间的随机数。
基于上述粒子群算法和改进粒子群算法，针对S103-2，参照图6，为上述步骤S103-2的部分子步骤的流程示意图，包括如下步骤。
S201，根据PID参数增量，初始化粒子群，确定粒子群参数。
其中，粒子群参数包括但不限于：粒子群规模、粒子位置、粒子速度区间、粒子位置区间范围、最大迭代次数和最小适应值。
S202，采用设定的指标算法，计算所有粒子的适应值。
S203，每次迭代时，根据粒子的适应值，更新个体极值和群体极值，并对粒子进行筛选。
初始时，可以粒子的初始适应值作为个体极值，以所有粒子中适应值最优的值作为群体极值。
筛选可以为舍弃适应值小于粒子适应值平均值的粒子，也可以为设定适应值小于预设适应值的粒子。
S204，对筛选后的粒子群进行交叉和变异操作，得到新粒子群。
可以为：先对筛选后的粒子群进行交叉操作，当粒子群恢复筛选前的规模时，对符合变异操作的粒子进行变异操作，来得到新粒子群。
S205，计算新粒子群所有粒子的适应值，判断是否达到终止条件。若达到终止条件，则执行S206，否则返回S203。
其中，终止条件包括当前迭代次数超过最大迭代次数，或群体最优粒子适应值小于最小适应值。
S206，结束迭代得到PID参数。
结束迭代，获取优化后的PID参数增量，并将优化后的PID参数分别与设定控制参数结合，得到PID参数。
通过上述步骤S201至S206，对PID参数增量进行优化，以得到最优的PID参数增量，进而得到最优的PID参数(即PID控制参数)，从而有助于提高液压***的控制效果。
用来计算适应度的指标算法可以灵活选择，例如，指标算法可以为设定的算法，也可以为常见的指标计算方法。在一种实施方式中，指标算法包括ITAE指标。
其中，ITAE指标公式为：
其中，J表示适应值，e(t)表示***误差。
针对S105，该步骤使用到的非对称液压***的数学模型，参照图7，为获取非对称压抑***的数学模型的部分步骤的流程示意图，可以通过以下步骤获取。
S301，确定伺服阀位移对输入电流的传递函数。
在非对称缸液压***100中，伺服阀120(电液伺服阀120)的流量通过可以用如下线性化方程近似表示。
线性化方程包括：QL＝Kqxv-KcPL(1)。
其中，QL表示液压缸110的负载流量，Kq表示伺服阀120的流程增益，且该流量增益随着阀芯在阀体中位置改变而改变，xv表示阀芯位移，Kc表示伺服阀120的流量压力系数，PL表示液压缸110的负载压力。
在大多数伺服***中，伺服阀120的动态响应往往高于动力元件的动态响应，为了简化***的动态特性分析和设计，因此，伺服阀120位移对输入电流的传递函数可近似用比例环节表示。
如，
其中，I表示输入伺服阀120的电流，Xv表示伺服阀120位移，Kv为比例系数。
S302，确定伺服放大器和位移传感器的传递函数。
伺服放大器150为高输出阻抗的电压电流转换器，频带比液压固有频率更高，故而可将其的传递函数简化为比例环节。即
其中，Ka表示比例系数，U表示放大器的输入电压。
同理，在电液伺服***中，位移传感器的传递函数也可以认为是一个比例环节。该传递函数可以为：Uf＝KfXp(4)。其中，Uf表示位移传感器的输出电压，Xp表示输入位移信号，Kf表示比例系数。
S303，确定液压缸的负载流量方程。
在非对称缸液压***100中，伺服阀120与液压缸110的连接管道对称，管道中的压力损失和管道动态可以忽略。而液压缸110每个工作腔内各处压力相等，油温和体积弹性模量为常数，液压缸110内外泄漏均为层流流动。
因此，液压缸110的负载流量方程为：
其中，qL表示负载流量，Ctp表示等效泄漏系数，Xp表示活塞位移，Vt表示液压缸110等效容积，PL表示负载压力，βe表示体积弹性模量。
S304，确定液压缸与负载力平衡方程。
在非对称缸液压***100中，主要以惯性负载为主，黏性和弹性负载可以忽略。
根据牛顿第二定律，可得液压缸110输出力与负载力平衡方程为：
其中，mt表示活塞及负载折算到活塞上的总质量，FL表示作用于液压缸110活塞上的外负载力，A1表示无杆腔活塞面积，P1为无杆腔压力，A2表示有杆腔活塞面积，P2表示有杆腔压力。
S305，进行公式变化，得到阀芯位移的传递函数。
将上述公式(1)、(5)和(6)取拉式变换后得到如下公式(7)-(9)。
QL＝KqXv-KcPL (7)。
A1PL＝mts2Xp+FL (9)。
其中，s表示拉式算子。
消去中间变量QL和PL后，整理得到活塞(即阀芯)的输出位移的传递函数为：
其中，
Kce＝Kc+Ctp。
在对称阀控非对称缸液压***100(非对称液压***)是强非线性***，主要表现在阀的压力-流量非线性特性、活塞运动运气的液压缸110两腔体积的变化、油的压缩性、液压缸110的非线性摩擦力、阀的饱和特性、阀和缸的泄露流量随供油压力的变化等方面。采用工作点线性化的非线性***分析的方法，对非对称缸液压***100进行分析后，非对称缸液压***100可以看做是由一个积分环节和一个二阶振荡环节构成的三阶***。
由于理论计算复杂，工作量大，且线性模型推导过程中做了一些假设和简化处理，影响结果的准确性。而采用***辨识法需要较强的理论基础和大量的实验数据，也具有复杂的处理过程，因此也较为复杂。
基于上述原因，本发明实施例采用AMESim线性化工具分析得到非对称缸液压***100的仿真传递函数，并将该传递函数与上述理论得到的传递函数即公式(12)进行对比。
在AMESim线性化工具中建立由液压缸110、伺服阀120/比例阀、油源、位移传感器、控制器180等组成的非对称缸液压***100，采用简单的比例控制器180构成闭环控制***，使该***进入稳态，该***的AMESim模型如图所示。
在AMESim中对AMESim模型进行***变量设置，并设置AMESim模型中液压***的各元件及油源的参数。
可以将位移设定值设置为0.2m，AMESim模型进行稳态后机芯线性化分析，特征值分析结果见表4。
表4
由表4可知，80Hz频率和0.8阻尼比是伺服阀120特性，其余两个复根和一个实根为伺服阀120阀芯位移到液压缸110活塞速度的动态环节特征值，伺服阀120阀芯位移到液压缸110活塞速度为二阶振荡环节，固有频率和阻尼分别为78.36Hz和0.0047。
在Matlab中，采用“ameloadj.m”工具，可读出线性化分析得到的状态空间模型的四个矩阵，其命令格式为：>>[A,B,C,D]＝ameloadj，进一步通过命令>>[z,p,k]＝ss2zp(A,B,C,D,)，将状态空间模型转化为零极点形式的传递函数，得到伺服阀120控制输入到液压缸110活塞速度的动态特性有1个零点和5个极点，零点为-0.5506，极点与表1所示完全相同。有一个实极点与零点相同，相互抵消，这是由于液压缸110两腔压力是关联的，不是独立状态。
基于上述内容，结合公式(12)，非对称缸液压***100中，由伺服阀120阀芯位移到液压缸110活塞位移的传递函数可表示为：
其中，kh表示速度增益。
由上述线性化分析方法可以计算出，ξh＝0.0047，ωh＝492.3545，kh＝6.875。
进而，可进一步得出，伺服阀120阀芯位移到液压缸110活塞位移的传递函数为：
而由线性分析结果得到ωh＝492.3545rad/s＝78.359Hz。
理论计算值为
理论计算值与线性化分析结果几乎一致，因此，可知本发明实施例提供的非对称缸液压***100模型较为准确。
在上述内容的基础，步骤S105中的数学模型包括伺服阀120阀芯位移到液压缸110活塞位移的传递函数。在一种实施方式中，参照图8，为S105的部分子步骤的流程示意图，包括如下步骤。
S105-1，基于传递函数，结合外负载力进行推理拟合，得到外负载力与负载力补偿量的关系函数，以计算出负载力补偿量。
关系函数包括：UF＝AFL-B。
其中，UF表示负载力补偿量，FL表示外负载力，A和B为调节参数。
基于传递函数，结合外负载力进行推理拟合的方式可以灵活选择，例如可以模型和实验测试结合进行推理。在一种实施方式中，先建立电液位置伺服***(即非对称缸液压***100)的传递函数模型，参照图，为该传递函数模型的方框示意图。该传递函数模型包括***输入R(S)，***输出C(S)，传递函数G1(S)、G2(S)、G3(S)和G4(S)，前馈补偿量
***输入与***输出间的比例系数Kf，外负载力(也称负载力)FL，以及负载力补偿量UF。
在该传递函数模型的基础上，当电液位移伺服***满足
时，即可实现电液位移伺服***对外负载力的完全不变性，即外负载力的大小不影响对电液位移伺服***的控制。
基于上述传递函数模型以及其完全不变性理论，在不同负载力作用下进行实验测试，根据实验数据进行曲线拟合，推导出外负载力与负载力补偿量的关系函数：UF＝AFL-B。
其中，当A＝0.0004062，B＝0.0000531时，该关系函数能够达到较优的拟合效果。
本发明实施例提供的液压***控制方法，针对非对称缸液压***100(即电液伺服控制***)中，存在的位置控制精度不高、执行器运动过程速度无法控制、速度冲击及液压缸110的非对称性带来的控制非对称问题，提出基于改进粒子群算法的模糊PID控制器，对液压缸110位移输入的偏差和偏差变化率进行模型推理得到PID参数增量，并采用改进粒子群算法对PID参数增量进行优化，从而得到更优的PID参数，将PID控制器的PID参数更新为优化后的PID参数后，得到理论控制量，进而将理论控制量与负载力补偿量结合，得到最终的液压缸110控制量，以实现速度和位置的同时控制，在不同负载、不同速度和不同输入跟随信号下，无需调节任何参数，都尽可能地获取最优动态性能与最小稳态误差，提高了控制效果。
将理论控制量与负载力补偿量结合得到液压缸110控制量，能够尽可能地消除外负载变化对速度的影响，从而有效地改善非对称缸液压***100的非对称问题。
基于上述内容，在一种实施方式中，本发明提出的液压***控制方法的控制策略框图如图9所示。
基于上述本发明实施例提供的液压***控制方法，本发明实施例还提供一种液压控制***170，参照图10，该液压控制***170包括控制器180和非对称缸液压子***190。
控制器180，用于采用本发明实施例提供的液压***控制方法，得到并输出液压缸110控制量至非对称缸液压子***190。
非对称缸液压子***190，用于基于液压缸110控制量执行预设工作。
其中，非对称缸液压子***190可以为上述图1中的非对称缸液压***100。
上述液压控制***170，能够实现速度和位置的同时控制，在不同负载、不同速度和不同输入跟随信号下，无需调节任何参数，都尽可能地获取最优动态性能与最小稳态误差，提高控制效果。并且，将理论控制量与负载力补偿量结合得到液压缸110控制量，能够尽可能地消除外负载变化对速度的影响，从而有效地改善非对称缸液压***100的非对称问题。
为了执行上述实施例及各个可能的方式中的相应步骤，下面给出一种液压***控制装置160的实现方式，可选地，该液压***控制装置160可以采用如图所示的电子设备200的器件结构。请参照图11，是电子设备200的方框示意图。电子设备200包括存储器210、处理器220及通信模块230。存储器210、处理器220以及通信模块230各元件相互之间直接或间接地电性连接，以实现数据的传输或交互。例如，这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。
其中，存储器210用于存储程序或者数据。存储器210可以是，但不限于，随机存取存储器(Random Access Memory，RAM)，只读存储器(Read Only Memory，ROM)，可编程只读存储器(Programmable Read-Only Memory，PROM)，可擦除只读存储器(ErasableProgrammable Read-Only Memory，EPROM)，电可擦除只读存储器(Electric ErasableProgrammable Read-Only Memory，EEPROM)等。
处理器220用于读/写存储器210中存储的数据、计算机程序或机器可执行指令，并执行相应地功能。处理器220执行存储器210中的计算机程序或机器可执行指令时，实现本发明实施例提供的液压***控制方法。
通信模块230用于通过网络建立电子设备200与其它通信终端之间的通信连接，并用于通过网络收发数据。
应当理解的是，图所示的结构仅为电子设备200的结构示意图，电子设备200还可包括比图中所示更多或者更少的组件，或者具有与图所示不同的配置。图中所示的各组件可以采用硬件、软件或其组合实现。
进一步地，请参阅图12，图12为本发明实施例提供的一种液压***控制装置160的功能模块图。需要说明的是，本实施例所提供的液压***控制装置160，其基本原理及产生的技术效果和上述实施例相同，为简要描述，本实施例部分未提及之处，可参考上述的实施例中相应内容。该液压***控制装置160应用于上述内容中的非对称缸液压***100，非对称缸液压***100包括液压缸110，该液压***控制装置160包括预处理模块240、优化控制模块250、补偿模块260和计算模块270。
预处理模块240，用于获取液压缸110位移输入的偏差和偏差变化率。
优化控制模块250，用于采用基于参数优化方法的模糊PID控制器180，对偏差和偏差变化率进行速度和位置的分析处理，得到理论控制量。
所述补偿模块260，用于基于所述非对称缸液压***100的数学模型，结合所述液压缸110受到的外负载力，得到负载力补偿量；
计算模块270，用于结合负载力补偿量和理论控制量，得到液压缸110控制量。
可选地，上述模块可以软件或固件(Firmware)的形式存储于图所示的存储器210中或固化于该电子设备200的操作***(Operating System，OS)中，并可由图中的处理器220执行。同时，执行上述模块所需的数据、程序的代码等可以存储在存储器210中。
为验证本发明实施例提出的液压***控制策略的有效性，利用Matlab的Simulink工具箱搭建了控制算法的基本原理框图，并进行了Matlab与AMESim的联合仿真，仿真的参数选取如表5所示。
表5
使用仿真平台对本文提出的改进粒子群复合控制策略与普通粒子群复合控制、Fuzzy PID控制进行比较。粒子群算法首先在Matlab中调用Simulink模型，将粒子位置三个维度的参数分别赋值给Δkp、Δki和Δkd，然后运行模型。反过来，Simulink模型将运行得到的性能指标ITAE赋值给粒子群算法中的参数，作为粒子的适应值。改进粒子群算法中的参数值在表6中给出。
表6
| 参数 | 数值 |
| 加速因子 | 2 |
| 惯性权重 | 0.6 |
| 粒子群规模 | 50 |
| 维数 | 3 |
| 最大迭代次数 | 20 |
| 最小适应值 | 0.1 |
| 变异概率 | 0.023 |
图13为采用本发明实施例提供的液压***控制方法(下文称改进POS复合控制策略)进行控制的仿真结果，给定期望位移为斜坡信号，活塞杆按照斜坡上升规律伸出，到达0.2m处，停止3秒，按照斜坡规律回缩。从图13的仿真结果可以看出：采用本文提出的改进PSO复合控制策略，活塞伸出和回缩速度均接近期望速度0.1m/s,调节时间为0.3秒。位移响应曲线基本与期望位移曲线重合，正反向运动时动态误差大约为0.01m，稳态误差为零，正反向运动对称性较好。
在不改变控制器180参数的前提下，图14为普通PSO复合控制策略的仿真结果图，可以看出：实际运行速度与期望速度偏差较大，实际位移曲线也滞后期望位移较多,正反向运动出现了明显不对称情况。为了比较，图15给出位置给定为阶跃信号，采用模糊PID(Fuzzy PID)控制时的仿真结果。仅采用Fuzzy PID控制，位置给定信号为阶跃信号时，存在速度瞬时冲击，正反两个方向运行速度不同，且无法控制其大小，并且引起液压***较大的压力变化。仿真结果表明：与普通PSO复合控制、Fuzzy PID控制相比，采用本文提出的控制策略，液压缸110位置控制和速度控制都可以获得很好的控制效果，体现了该控制策略在非对称液压缸110***中的补偿效果。
Fuzzy PID控制Δkp、Δki和Δkd分别为14.35、10.51及0.83。采用普通PSO复合控制，Δkp、Δki和Δkd分别为16.21、1.35及0.96。采用改进PSO复合控制，Δkp、Δki和Δkd分别为18.94、2.67及0.16。在控制器180参数不变的情况下，三种控制策略均可以没有超调，达到无稳态误差。但改进PSO复合控制策略在保证***没有超调的情况下拥有最快的响应速度，在最短时间内达到了位置响应稳态，调整时间仅为0.3秒,而普通PSO复合控制调整时间为0.53秒。仿真结果验证了改进PSO复合控制策略的优越性。
进一步地，将本发明实施例提出的液压***控制方法(即改进POS复合控制策略)在阀控非对称液压缸110***平台上进行了试验验证。试验***主要由主动液压缸110、加载液压缸110、伺服阀120、液压泵、压力传感器140、位移/速度传感器130、数据采集和计算机控制***等组成，上位机采用Labview编程软件。
试验结果显示，不改变控制器180参数的情况下，***空载无论正向还是反向运行，采用改进POS复合控制，速度和位置控制都可以获得较好的控制。
在输入为斜坡信号情况下，期望速度为0.1(m/s)，采用普通POS复合控制策略时，速度稳态误差在0.003(m/s)左右，***调节时间为1.2秒，位移动态误差为0.03m，位移稳态误差为0.01mm。采用改进POS复合控制策略时，速度稳态误差在0.001(m/s)左右，***调节时间为0.5秒，位移动态误差为0.01m，位移稳态误差为零。
当期望速度变为0.08(m/s)时，从实验结果可以得出：实际运行速度在稳态时几乎与期望速度重合，并且***调节时间仅为0.5秒，位移响应曲线与期望位移曲线基本重合，稳态偏差为零。
从上面的实验结果可以看出本发明实施例提出的改进POS复合控制策略具有优良的动静态特性。
将本发明实施例提出的液压***控制策略(即改进POS复合控制策略)与普通POS复合控制策略进行对比，可以得出：相同频率下改进POS复合控制策略跟随性更好，误差更小；改进POS复合控制策略具有更好的控制性能。
本发明实施例提出的液压***控制方法，即改进POS复合控制策略对负载大范围变化的非对称液压伺服***进行了建模与分析并得出具体传递函数，将遗传算法中交叉和变异操作引入粒子群算法，并且，针对阀控非对称液压缸110带来的非对称性问题提出的改进POS复合控制策略，不仅能够适应大范围变化的负载，同时能够补偿非对称液压缸110控制非对称性问题。
才外，本发明实施例提出的液压***控制方法，实现速度和位置的同时控制，在不同负载下，不同输入跟随信号，不需要调节任何参数，无论正向还是反向运行，都能获得最优动态性能与最小稳态误差，实际运行速度基本为期望速度，位置控制精度较高，极大地提升了控制效果。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本发明的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的***来实现，或者可以用专用硬件与计算机指令的组合来实现。
另外，在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种液压***控制方法，其特征在于，应用于非对称缸液压***，所述非对称缸液压***包括液压缸，所述方法包括：
获取所述液压缸位移输入的偏差和偏差变化率；
采用基于参数优化方法的模糊PID控制器，对所述偏差和所述偏差变化率进行速度和位置的分析处理，得到理论控制量；
基于所述非对称缸液压***的数学模型，结合所述液压缸受到的外负载力，得到负载力补偿量；
结合所述负载力补偿量和所述理论控制量，得到液压缸控制量。
2.根据权利要求1所述的液压***控制方法，其特征在于，所述采用基于参数优化方法的模糊PID控制器，对所述偏差和所述偏差变化率进行速度和位置的处理，得到理论控制量的步骤，包括：
对所述偏差和偏差变化率进行模糊推理，得到PID参数增量，所述PID参数增量包括偏差比例增量、积分增量和微分增量；
采用参数优化算法，对所述PID参数增量进行速度和位置的优化，得到PID参数；
将PID控制器的参数更新为所述PID参数，得到理论控制量。
3.根据权利要求2所述的液压***控制方法，其特征在于，所述参数优化方法包括改进粒子群优化算法，所述采用参数优化算法，对所述PID参数增量进行优化，得到PID参数的步骤，包括：
根据所述PID参数增量，初始化粒子群，确定粒子群参数，所述粒子群参数包括粒子群规模、粒子位置区间范围、最大迭代次数和最小适应值；
采用设定的指标算法，计算所有粒子的适应值；
每次迭代时，根据粒子的所述适应值，更新个体极值和群体极值，并对粒子进行筛选；
对筛选后的粒子群进行交叉和变异操作，得到新粒子群；
计算所述新粒子群所有粒子的适应值，判断是否达到终止条件，若是，则结束迭代得到PID参数，否则继续迭代，直至达到终止条件；
其中，所述终止条件包括当前迭代次数超过所述最大迭代次数，或群体最优粒子适应值小于所述最小适应值。
4.根据权利要求3所述的液压***控制方法，其特征在于，所述指标算法包括ITAE指标，所述ITAE指标公式为：
其中，J表示适应值，e(t)表示***误差。
5.根据权利要求1至4中任一项所述的液压***控制方法，其特征在于，所述获取液压缸位移输入的偏差和偏差变化率的步骤，包括：
获取液压缸的设定位移值和实际位移值；
计算所述设定位移值和所述实际位移值的差值，得到液压缸位移输入的偏差；
对所述偏差进行微分，得到液压缸位移输入的偏差变化率。
6.根据权利要求1至4中任一项所述的液压***控制方法，其特征在于，所述数学模型包括传递函数：
所述基于所述非对称缸液压***的数学模型，结合所述液压缸受到的外负载力，得到负载力补偿量的步骤，包括：
基于所述传递函数，结合外负载力进行推理拟合，得到所述外负载力与负载力补偿量的关系函数，以计算出所述负载力补偿量；
所述关系函数包括：
UF＝AFL-B
其中，UF表示负载力补偿量，FL表示外负载力，A和B为调节参数。
7.根据权利要求1至4中任一项所述的液压***控制方法，其特征在于，所述结合所述负载力补偿量和所述理论控制量，得到液压缸控制量的步骤，包括：
将所述负载力补偿量和所述理论控制器求和，得到液压缸控制量。
8.一种液压***控制装置，其特征在于，应用于非对称缸液压***，所述非对称缸液压***包括液压缸，所述控制装置包括预处理模块、优化控制模块、补偿模块和计算模块；
所述预处理模块，用于获取所述液压缸位移输入的偏差和偏差变化率；
所述优化控制模块，用于采用基于参数优化方法的模糊PID控制器，对所述偏差和所述偏差变化率进行速度和位置的分析处理，得到理论控制量；
所述补偿模块，用于基于所述非对称缸液压***的数学模型，结合所述液压缸受到的外负载力，得到负载力补偿量；
所述计算模块，用于结合所述负载力补偿量和所述理论控制量，得到液压缸控制量。
9.一种液压控制***，其特征在于，包括控制器和非对称缸液压子***；
所述控制器，用于采用如权利要求1至7中任一项所述的方法，得到并输出液压缸控制量至所述非对称缸液压子***；
所述非对称缸液压子***，用于基于所述液压缸控制量执行预设工作。
10.一种存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-7中任一项所述的液压***控制方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210044484.4A CN114412883A (zh) | 2022-01-14 | 2022-01-14 | 液压***控制方法、装置、***及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210044484.4A CN114412883A (zh) | 2022-01-14 | 2022-01-14 | 液压***控制方法、装置、***及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114412883A true CN114412883A (zh) | 2022-04-29 |
Family
ID=81272740
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210044484.4A Pending CN114412883A (zh) | 2022-01-14 | 2022-01-14 | 液压***控制方法、装置、***及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114412883A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117193044A (zh) * | 2023-09-28 | 2023-12-08 | 广东海洋大学 | 一种电液伺服***模糊自抗扰控制联合仿真方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107807530A (zh) * | 2017-11-30 | 2018-03-16 | 黄力 | 一种基于智能模糊神经网络算法的压力机pid控制*** |
| CN110030233A (zh) * | 2019-04-09 | 2019-07-19 | 燕山大学 | 用于液压驱动单元位置控制***的复合控制方法及*** |
| CN112505532A (zh) * | 2020-12-14 | 2021-03-16 | 电子科技大学 | 基于改进粒子群算法的模拟电路单故障诊断方法 |
| CN112555202A (zh) * | 2020-11-27 | 2021-03-26 | 河北工业大学 | 一种基于参数自适应的液压***控制方法 |
| CN112879359A (zh) * | 2021-01-25 | 2021-06-01 | 武汉工程大学 | 煤层气水平井钻井液压推进***位移跟踪控制***与方法 |
-
2022
- 2022-01-14 CN CN202210044484.4A patent/CN114412883A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107807530A (zh) * | 2017-11-30 | 2018-03-16 | 黄力 | 一种基于智能模糊神经网络算法的压力机pid控制*** |
| CN110030233A (zh) * | 2019-04-09 | 2019-07-19 | 燕山大学 | 用于液压驱动单元位置控制***的复合控制方法及*** |
| CN112555202A (zh) * | 2020-11-27 | 2021-03-26 | 河北工业大学 | 一种基于参数自适应的液压***控制方法 |
| CN112505532A (zh) * | 2020-12-14 | 2021-03-16 | 电子科技大学 | 基于改进粒子群算法的模拟电路单故障诊断方法 |
| CN112879359A (zh) * | 2021-01-25 | 2021-06-01 | 武汉工程大学 | 煤层气水平井钻井液压推进***位移跟踪控制***与方法 |
Non-Patent Citations (2)
| Title |
|---|
| 宋建梅: "自动控制原理", 31 October 2020, 北京理工大学出版社, pages: 263 - 267 * |
| 靳志宏等: "现代优化技术", 31 December 2017, 大连海事大学出版社, pages: 144 - 150 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117193044A (zh) * | 2023-09-28 | 2023-12-08 | 广东海洋大学 | 一种电液伺服***模糊自抗扰控制联合仿真方法 |
| CN117193044B (zh) * | 2023-09-28 | 2024-04-30 | 广东海洋大学 | 一种电液伺服***模糊自抗扰控制联合仿真方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Feng et al. | Trajectory control of electro-hydraulic position servo system using improved PSO-PID controller | |
| CN108873702B (zh) | 一种电液位置伺服控制***的线性自抗扰控制方法及装置 | |
| Feng et al. | A new adaptive sliding mode controller based on the RBF neural network for an electro-hydraulic servo system | |
| Feng et al. | Robotic excavator trajectory control using an improved GA based PID controller | |
| Feng et al. | Identification and compensation of non-linear friction for a electro-hydraulic system | |
| CN104317198B (zh) | 具有时变输出约束的电液伺服***非线性鲁棒位置控制方法 | |
| CN108958023B (zh) | 一种电液位置伺服控制***、计算机终端、存储介质 | |
| Zhou et al. | Adaptive robust control design for underwater multi-dof hydraulic manipulator | |
| CN106402089B (zh) | 一种基于耦合干扰观测器的级联电液伺服***控制方法及*** | |
| CN104698844A (zh) | 液压位置伺服***的不确定性补偿的滑模控制方法 | |
| CN106483844A (zh) | 基于非线性鲁棒的电液伺服***自适应位置控制器的实现方法 | |
| CN110703608A (zh) | 一种液压伺服执行机构智能运动控制方法 | |
| Cheng et al. | Dynamic impact of hydraulic systems using pressure feedback for active damping | |
| CN114412883A (zh) | 液压***控制方法、装置、***及存储介质 | |
| CN105469142A (zh) | 一种基于样本增量驱动的神经网络增量型前馈算法 | |
| CN116661294B (zh) | 基于强化学习的阀控液压缸分数阶控制方法及控制*** | |
| Feng et al. | Adaptive sliding mode controller based on fuzzy rules for a typical excavator electro-hydraulic position control system | |
| Niu et al. | Neural network-based finite-time command-filtered adaptive backstepping control of electro-hydraulic servo system with a three-stage valve | |
| Fadel et al. | Motion control of an aircraft electro-hydraulic servo actuator | |
| Ba et al. | Fuzzy terminal sliding mode control with compound reaching law and time delay estimation for HDU of legged robot | |
| CN115236974B (zh) | 一种复合抗扰控制器及其控制参数优化方法 | |
| CN115524973A (zh) | 一种集成类势函数的电液伺服***模糊滑模控制方法 | |
| Cheng et al. | Anti-windup scheme of the electronic load sensing pump via switched flow/power control | |
| Liang et al. | State-observer-based asymptotic tracking control for electro-hydraulic actuator systems with uncertainties and unmeasurable velocity | |
| Chen | A backstepping sliding mode control algorithm of electro-hydraulic position servo system of valve-controlled symmetric cylinder based on extended state observer |
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 |