CN1895809A - 大型模锻水压机分配器控制*** - Google Patents

Abstract

一种大型模锻水压机分配器的控制***，用绝对式光电编码器作为转角设定和跟踪传感器，转角给定光电编码器将操作手柄给转角的设定值转换成多位二进制数字信号，转角检测光电编码器把分配器的转角转换成多位二进制数字信号，二进制信号被送到PLC开关量输入模块，由可编程序控制器构成的数字控制***输出送给相应的伺服电磁阀，控制液压缸，带动齿条齿轮传动装置，驱动分配器转动；分配器转角跟踪过程分为快速向设定值运动阶段和精确调整阶段。控制***减小了欠压量，提高了模锻水压机模锻件尺寸加工精度，改善了模锻件的内部织构和质量，同时提高了水压机控制***的工作可靠性。

Description

大型模锻水压机分配器控制***

[技术领域]本发明涉及模锻水压机的控制***，特别是模锻水压机分配器的控制***。

[背景技术]大型模锻水压机是机械制造工业中的一种重要机械设备，用于锻造普通合金锻件或带孔的复杂锻件。模锻加工过程由四个可移动部分按顺序协同动作完成，它们是垂直横梁，左、右水平部分和移动工作台，各部分的运动速度和行程都采用“油控水”方式实现控制，油压***带动分配器，分配器控制水阀。分配器轴上安装有一组凸轮，凸轮的形状和安装位置不同，当分配器转动到不同的角度设定值时，凸轮带动相应的顶杆上升或下降，从而打开或关闭相应的水阀，高压水进入不同的工作缸驱动可移动工作部分完成模锻加工动作。目前，大型模锻水压机分配器的控制***采用自整角机作为转角设定和跟踪传感器，由极化继电器和相敏放大器构成模拟控制器。这种控制***主要存在如下问题：位置控制精度低，转角跟踪误差大，达到±9°，欠压量大；位置跟踪过程产生振荡，引起模锻过程压力波动，使锻件内部织构不均匀，影响模锻件质量。欠压量是用来描述模锻加工精度的物理量，它受压力、转角和转角跟踪误差等因素的影响，其中转角误差的影响最大，减小欠压量最有效的措施是提高分配器转角位置的精度；然而分配器凸轮形状曲线复杂，转动惯量较大，机械***折算到分配器轴上的转动惯量是转角的非线性函数，减小角度跟踪误差会使其转动产生振荡，如果分配器转动产生振荡，就会引起模锻压力波动，使锻件内部织构和***的可靠性变差。

[发明内容]本发明的目的是提高大型模锻水压机分配器的转角位置控制精度，减少分配器的欠压量和消除转角振荡。本发明采用绝对式光电编码器和可编程序控制器构成控制***驱动分配器转动。采用分段调整控制策略，减少分配器的跟踪误差，消除分配器转角振荡，提高锻件尺寸的加工精度和内部织构质量。本发明主要包括以下几方面内容：

首先用绝对式光电编码器代替自整角机作为转角设定和跟踪传感器。转角给定光电编码器安装在操作台上，通过弹性连轴节和操作手柄的转动轴相连，转角检测光电编码器安装在分配器轴端，也用弹性连轴节和分配器转动轴连接。操作手柄给出分配器转角的设定值，编码器把操作手柄和分配器的转角转换成多位二进制数字信号，送到PLC开关量输入模块。再用可编程序控制器构成的数字控制***代替由极化继电器和相敏放大器构成控制器的模拟控制***。可编程序控制器的开关量输出模块输出控制信号给相应的伺服电磁阀，控制液压缸，带动齿条齿轮传动装置，驱动分配器转动，分配器轴上的凸轮带动相应的顶杆上升或下降，打开或关闭相应的水阀改变高压水的压力。应用基于分段调整的智能控制技术，将分配器转角跟踪过程分为两个阶段进行调整。第一阶段为分配器转角快速向设定值运动阶段，采用人工神经网络自学习算法，根据高压水的压力、分配器转角跟踪误差和转角跟踪误差变化率的大小计算出合适的断电时间提前量，使电磁阀断电，驱动***由于惯性作用，分配器继续旋转一个角度后停下；第二阶段为分配器转角精确调整阶段，判断转角跟踪误差是否满足设定的范围，若不满足，则根据转角跟踪误差的大小和符号、高压水的压力和要求的控制精度，采用模糊推理规则决定给相应的电磁阀再次通电的时间，让分配器继续转动一个比较小的角度，使其转角跟踪的误差达到要求。

通过上述控制装置和控制算法，分配器的跟踪误差由±9°减少为±3°，减小了欠压量，解决了大型模锻水压机因欠压量大影响模锻件尺寸加工精度的难题，改善了模锻件的内部织构和质量，同时提高了水压机控制***的工作可靠性。

下面结合附图对本发明作进一步的详细说明。

图1分配器控制***硬件结构示意图；

图2为分段调整控制***原理框图；

图3ε_i-NN结构示意图。

[实施方式]分配器控制***硬件结构如图1所示，转角给定光电编码器4安装在操作台1上，通过弹性连轴节3和操作手柄2的转动轴相连，转角检测光电编码器6安装在分配器轴端，也用弹性连轴节3和分配器转动轴7连接。操作手柄2给出分配器转角的设定值，编码器把操作手柄和分配器的转角转换成多位二进制数字信号，通过电缆5送到PLC开关量输入模块。由可编程序控制器计算出控制量信号经可编程序控制器的开关量输出模块输出给相应的伺服电磁阀11，控制液压缸10，带动齿条齿轮传动装置12、9，驱动分配器转动。分配器轴上安装有一组凸轮13，凸轮的形状和安装位置不同，当分配器转动到不同的角度设定值时，凸轮带动相应的顶杆8上升或下降，从而打开或关闭相应的水阀改变高压水的压力。

如图2，水压机分配器转角可分为二个阶段，第一阶段为分配器转角快速向设定值运动阶段，采用人工神经网络自学习ε_i-NN算法根据此时高压水的压力、分配器转角跟踪误差和转角跟踪误差变化率的大小按拟合计算出合适的断电时间提前量ε_i，使电磁阀断电，驱动***由于惯性作用，分配器继续旋转一个角度后停下；第二阶段为分配器转角精确调整阶段，判断转角跟踪误差Δθ_i是否满足-δ_i＜Δθ_i＜δ_i，若不满足，则根据Δθ_i的大小和符号、高压水的压力和要求的控制精度δ_i采用模糊推理规则决定给相应的电磁阀再次通电的时间τ_i，让分配器继续转动一个比较小的角度，从而使其转角跟踪的误差达到±3°以内。例如，操作手柄可在0°～180°范围内移动，分别设置“空程”、“工作”、“回程”和“停止”四个位置，它们分别对应一定的角度值。模锻工作时，扳动操作手柄，给出要求的分配器转动的角度值，假定为“回程”：50°，要求的控制精度δ_i为±3°，则先根据此时高压水的压力、分配器转角跟踪误差和转角跟踪误差变化率的大小按神经网络拟合输出一个电磁阀断电时间提前量让分配器转动到大约40°的位置，由于惯性作用，它会继续转动一个角度，假定停在43°的位置，此时转角跟踪误差Δθ_i为50°-43°＝+7°，而控制精度δ_i为±3°，不满足-δ_i＜Δθ_i＜δ_i。由于Δθ_i的符号为正，根据Δθ_i的大小、高压水的压力和要求的控制精度δ_i采用模糊推理规则算出给相应的伺服阀再次通电的时间τ_i，让分配器继续同向转动5°，加上分配器惯性作用继续转动1°，则分配器在整个过程中一共转过了49°，足50±3°范围的精度要求，且不会出现振荡情况。

ε_i-NN算法和模糊推理控制控制算法的具体实现分列如下：

a.ε_i-NN算法

采用三层BP神经网络实现断电提前量ε_i的拟合。输入层节点3个，分别为转角跟踪误差Δθ_i及其变化率Δθ_i ^&以及压力P_i等，要进行归一化处理；由于训练时间受到生产实际情况的限制，隐含层节点Q取5个；输出层节点1个，为提前量ε_i。由于ε_i不能为负值，所以输出层神经元的活化函数取非负的Sigmoid函数，而隐含层神经元的活化函数可取正负的Sigmoid函数。

第i个BP神经网络NN的输入为：

神经网络隐含层的输入输出为：

$\left.\begin{array}{c}{\mathrm{net}}_n^2\left(k\right)=\underset{m=0}{\overset{3}{\mathrm{\Σ}}}{w}_{\mathrm{mn}}^2{o}_m^1\left(k\right)\\ o_n^2\left(k\right)=f\left[{\mathrm{net}}_n^2\left(k\right)\right](n=\mathrm{0,1},,L4)\\ O_Q^2\left(k\right)=1\end{array}\right\}---\left(2\right)$

式中：w_mn ²为隐含层加权系数；w_3n ²为阈值， $w_{3n}^2=1;$ f(·)为活化函数，f(·)＝tanh(x)为超越正切函数；上角标1、2、3分别表示输入层、隐含层和输出层。

神经网络输出层的输入输出为：

$\left.\begin{array}{c}{\mathrm{net}}_1^3\left(k\right)=\underset{n=0}{\overset{Q}{\mathrm{\Σ}}}{w}_{n1}^3{o}_n^2\left(k\right)\\ o_1^3\left(k\right)=g\left[{\mathrm{net}}_1^3\left(k\right)\right]={\mathrm{\ϵ}}_i\left(k\right)\end{array}\right\}---\left(3\right)$

式中：w_n1 ³为输出层加权系数；w₅₁ ³为阈值， $w_{51}^3=1;$ g(·)为活化函数，g(·)＝[1+tanh(x)]/2。

取性能指标函数为：

J^(k)＝[Δθ_ie(k)]²/2                             (4)

式中：Δθ_ie(k)＝Δθ_i(k)-δ_i，Δθ_ie(k)为开关电磁阀再接通时间τ_i后剩余跟踪误差Δθ_i(k)与δ_i比较的差值。

依最速下降法修正网络的加权系数，即按J对加权系数的负梯度方向搜索调整，并附加一项加速收敛全局极小的惯性项，则有：

${\mathrm{\Δw}}_{\mathrm{mn}}^2(k+1)=-\mathrm{\η}\frac{{\∂J}^{\left(k\right)}}{{\∂w}_{\mathrm{mn}}^2}+{\mathrm{\α\Δw}}_{\mathrm{mn}}^2\left(k\right)---\left(5\right)$

${\mathrm{\Δw}}_{n1}^3(k+1)=-\mathrm{\η}\frac{{\∂J}^{\left(k\right)}}{{\∂w}_{n1}^3}+{\mathrm{\α\Δw}}_{n1}^3\left(k\right)---\left(6\right)$

式中：η为学习速率；α为惯性系数。

自学习ε_i-NN算法网络训练采用离线和在线相结合的方法，在调试期间由现场控制器采集Δθ_i(k)、Δθ_i ^&和P_i，存储在计算机中，进行训练得到合适的提前量ε_i，再进行试运行，通过学习机制做合适的微调。自学习算法由操作监控计算机在模锻过程中的两个进程之间的间隙时间内执行，并对算出的微调量进行判断，优化提前量ε_i。高压水的压力范围在2000～10000吨时，断电时间提前量的范围是给定转角的10％～15％。

b.模糊推理控制算法

***模糊控制器的设计中，充分考虑专家经验；采用量化的方法建立三角形隶属度函数；通过经验归纳法IF...THEN...建立模糊控制规则；采用Mamdani模糊推理算法，进行似然推理；得到再次通电时间的模糊量 τ _i，解模糊后，得到再次通电时间τ_i。

根据本***控制精度的要求，转角跟踪误差Δθ_i和θ_ri的模糊变量Δ θ _i取为{负大，负中，负小，零，正小，正中，正大}，即{NB，NM，NS，ZO，PS，PM，PB}。压力P_i事先设定一标准值，检测值和标准值的偏差除以标准值的比值的模糊变量 P _i取为{负大，负中，负小，零，正小，正中，正大}，即{NB，NM，NS，ZO，PS，PM，PB}。通电时间τ_i的模糊变量 τ _i取为{负大，负中，负小，零，正小，正中，正大}，即{NB，NM，NS，ZO，PS，PM，PB}，ZO对应的再通电时间为0，N表示反转，P表示正转。

根据专家知识和操作人员经验积累，伺服阀再次通电时间τ_i的模糊推理规则如表1所示。

                     表1模糊控制规则表

如果在第二阶段的精确调整出现分配器转动角度不足或者过大，超过了控制精度规定的范围，则说明再次通电时间τ_i的范围设置过大或上述模糊控制规则表不合理，应该重新设置τ_i的范围或建立新的合理的模糊控制规则。高压水的压力范围在2000～10000吨时，采用模糊推理规则给相应的电磁阀再次通电的时间范围为1～1.5秒。

Claims (2)

1.一种大型模锻水压机分配器控制***，包括操作台，操作手柄和分配器，其特征在于：

(1)用绝对式光电编码器作为转角设定和跟踪传感器，安装在操作台上的转角给定光电编码器，通过弹性连轴节和操作手柄的转动轴相连，将操作手柄给转角的设定值转换成多位二进制数字信号，安装在分配器轴端的转角检测光电编码器，用弹性连轴节和分配器转动轴连接，把分配器的转角转换成多位二进制数字信号，二进制信号被送到PLC开关量输入模块，作为可编程序控制器构成的数字控制***的输入信号，可编程序控制器的开关量输出模块输出控制信号给相应的伺服电磁阀，控制液压缸，带动齿条齿轮传动装置，驱动分配器转动，分配器轴上的凸轮带动相应的顶杆上升或下降，打开或关闭相应的水阀改变高压水的压力；

(2)用分段调整的智能控制技术，将分配器转角跟踪过程分为两个阶段进行调整，第一阶段为分配器转角快速向设定值运动阶段，根据高压水的压力、分配器转角跟踪误差和转角跟踪误差变化率的大小，采用人工神经网络自学习算法，计算出断电时间提前量；第二阶段为分配器转角精确调整阶段，当转角跟踪误差大于设定范围时，采用模糊推理规则给相应的电磁阀再次通电的时间，让分配器继续转动一个比较小的角度。

2.根据权利要求1所述的分配器控制***，其特征在于：所述的高压水的压力范围在2000～10000吨时，断电时间提前量的范围是给定转角的10％～15％，采用模糊推理规则给相应的电磁阀再次通电的时间范围为1～1.5秒。

Images