基于PSO-GA算法PID的工程机械臂智能控制分析.pdf

建筑机械28交流园地EXCHANGE FORUM工程机械的作业要求不仅要完成指定的工作流程，还要保证强度和可靠性符合要求。但由机械臂特点所决定，在运动的过程中需要所有构件配合作业，而且每个构件的受力也不同，所以用传统的方法无法准确分析机械臂的动态性。大量学者对工程机械臂进行了研究1，其中有运动学分析和动力学分析，还包括对控制系统的优化设计比如rbf算法PID控制、粒子群算法PID控制，BP神经网络PID控制等等1-3。但为了提高PID控制的精度和鲁棒性，文章提出了PSO-GA混合算法优化整定PID控制，希望分析结果为将来研究工程机械臂提供参考。1 PID控制对工程机械臂的重要性对于非线性的工程机械臂系统来说，其特点还包括不稳定性、多变量性，这就导致准确计算出1个稳定的系统，就必须采取非常可靠的控制策略4。这对其作业状态精确的基于PSO-GA算法PID的工程机械臂智能控制分析邱 建（中国建筑第二工程局有限公司，安徽 合肥 230601）摘要为了进一步研究工程机械臂的智能控制，文章首先对PID控制工程机械臂的重要性进行了简要概述，并深入分析了PSO-GA混合算法的基本原理。利用MATLAB软件编写了PSO-GA算法PID的工程机械臂智能控制分析模型，并与单独PID控制进行对比。PSO-GA混合算法优化PID控制超调量为8.367%，调节时间为0.37s，都远小于PID单独控制的超调量，进一步说明PSO-GA混合算法优化PID控制的精确度更高、鲁棒性更好。文章所作研究分析结果为工程机械臂智能控制研究提供了重要参考。关键词PSO-GA算法；PID控制；工程机械臂中图分类号TH164文献标识码B文章编号1001-554X（2023）09-0028-03DOI:10.14189/ki.cm1981.2023.09.032收稿日期 2023-02-26通讯地址 邱建，河北省保定市徐水区巨力新城研究有着重要价值，同时也为提高其工作效率提供了参考。通过提升对机械臂的控制力，进而实现更好的控制效果。动臂、斗杆和铲斗这3部分是液压挖掘机机械臂系统不可缺少的构件，只有这些机构相互配合才能够完成挖掘作业。对挖掘轨迹跟踪控制是控制挖掘机能够准确对目标地点进行挖掘，需要不断提高挖掘机的精准度。PID控制系统具有精确性、可靠性等优势5。再加上该系统能适用绝大多数的控制对象，只要根据相关的操作要求去设定适合的参数，就能达到控制的目的。液压装置为机械臂提供其需要的动力，并且其工作过程非常复杂，再加上其它非线性的影响因素，PID对其系统进行控制无疑是最佳的选择。2023/09 总第571期 CONSTRUCTION MACHINERY292 液压工程机械臂控制系统建模2.1 液压工程机械臂动力学方程的建立在现场作业的过程中，挖掘机机械臂的工作过程是动臂、斗杆和铲斗这3个部分的相互配合，也就是说对动臂、斗杆和铲斗分别给出相关的命令信号，通过给定转角去控制相关的驱动液压阀的流量，再跟踪各自的目标转角，最终实现对机械臂的控制。要想实现对机械臂的全面控制就需要建立液压挖掘机机械臂系统的运动轨迹方程，确定铲斗末端位置与角度的关系，只有确定关系后才能进行对目标轨迹的跟踪。通过计算相关液压缸的受力情况得出相应数据，更好地实现机械臂控制系统的动态性能的分析。根据相关理论可得机械臂轨迹方程，液压工程机械臂的运动简图如图1所示，其公式如下Ti Dij()4ji+Hijk()4j 4k+Gi()nnnj=1j=1k=1式中 Ti为操作臂上的驱动力；Dij()为杆件转动惯量；Hijk()为关节间的离心力和哥氏力向量；Gi()为重力向量；4j和4k、4ij分别为各杆件和关节间的角速度。取铲斗坐标为（x3，y3），与O3重合，其坐标为（x1，y1），由此得铲斗尖运动方程x1 x2+l1cos1+l2cos(1+2)+l3cos(1+2+3)l1sin1+l2sin(1+2)+l3sin(1+2+3)2.2 液压工程机械臂控制系统建模液压工程机械臂控制系统包括动臂、铲斗等控制回路。这些回路由电磁流量阀、液压缸、传感器、转换器、控制器等元器件组成。由于机械臂的运动最终还是为了铲斗服务，所以可以把机械臂的研究转化为对铲斗回路的研究。本文只研究铲斗回路包含锁死环节、饱和环节、延迟环节，并且可以看成非线性的二阶系统。铲斗的控制系统传递函数表达式如下G(s)20e0.02s1.5s2+4.5s+13 PSO-GA混合算法PID控制器3.1 PSO-GA混合算法基本原理算法如果想要有更高的可靠性与效率就必须选择最优的参数6。如对粒子群算法起决定作用的参数有惯性权重，c1、c2为速度调节。惯性权重的数值直接影响着粒子的运动速度。数值大小也影响着局部搜索性能，甚至是全局搜索的平衡。本文选取的为线性变化，公式如下imin(max-min)tmax-titmaxc1、c2决定着个体是否向着最优解偏移，同时包括局部和全局搜索，公式如下图1 液压机械臂的运动简图yy1A2A1液压缸1液压缸3液压缸2F2B22x2l2l3O33xB3y3O2A3F3B1F1x11O1Ol1图2 粒子群混合算法优化PID控制流程图开始输出PID控制器R(t)KpKiKde(t)u(t)y(t)计算PID输出计算适应度值交叉、变异算子选择算子是是否满足迭代条件否PID控制器执行结构控制机械臂初始化种群更新权重PSOGA更新速度、位置粒子排序输入、c1、c2建筑机械30（下转第 37 页）交流园地EXCHANGE FORUM表1 控制性能数据的比较控制模型KpKiKd超调量/%调整时间/sPID4.2350.46811.6415.740.83PSO-GA PID5.1230.1547.6428.3670.37cid(t+1)vid(t)c1r1(pid(t)-xid(t)c2 r2(pgd(t)-xid(t)选择、交叉和变异是遗传算法的必有流程。变异流程可以使算法有更强的局部搜索能力。假如M是种群数，并且fi是个体i的适应度，最后被选取的概率公式为Pifi/fkMk=1交叉操作就对较优位置以概率Pc进行确定，公式如下p1(t+1)pc p1(t)+(1-pc)p2(t)p2(t+1)pc p2(t)+(1-pc)p1(t)3.2 粒子群遗传混合算法基本流程粒子群遗传混合算法优化PID控制的流程图如图2所示。将利用粒子群算法计算适应度值效率高的特点去对遗传算子进行选择、交叉、变异操作，得到种群适应度最优值，直到搜索到全局最优解，也就是得到了最大时间的隐藏值，最后达到了对PID控制器相关参数的调节目的。粒子群遗传混合算法对PID参数优化流程图如下：（1）对粒子群算法控制器初始参数的设置，通过适应度函数去评价计算粒子，使其更加符合实际需要，以此利用适用度值对引入的遗传算子进行计算；（2）通过比较分析输出值与实际值的误差e(t)；（3）通过计算得到了其相关的输入与输出数据，并且Kp、Ki、Kd 控制参数与PID控制器的相关输出保持对应。4 系统仿真和结果分析本文分别采用遗传算法、粒子群算法和粒子群遗传混合算法对Kp、Ki、Kd 3个PID参数进行优化，权重取=0.5，粒子数取100，迭代次数最大设置成500，最大速度2.6，选择概率为0.6，交叉概率为0.5，变异概率为0.09。如果用单位阶跃信号对机械臂进行加载，粒子群遗传混合算法对PID参数控制对比输出结果如图3所示。由图可以看出，采用粒子群遗传混合算法对PID参数优化控制时，系统相对稳定，并且响应时间大大缩短。采用PSO-GA混合控制算法和单独的PID控制的输出轨迹跟踪曲线与理想值进行对比，如图4所示。由图可以看出，单独的PID控制的输出轨迹跟踪曲线波动相对较大，并且存在一定的偏差，PSO-GA混合控制算法的跟踪曲线图几乎与理想输出值重合，波动方向一致，这也说明其跟踪速度比较快而且收敛性好。PID单独控制与PSO-GA混合算法优化PID控制的仿真数据如表1所示。从表中数据可以看出，PSO-GA混合算法优化PID控制的调节时间比PID单独控制更短，PSO-GA混合算法优化PID控制超调量为8.367%，远小于PID单独控制的超调量，进一步说明PSO-GA混合算法优化PID控制的精确度更高、鲁棒性更好。5 结束语文章提出1种PSO-GA混合算法优化PID的工程机械臂智图3 PSO-GA算法PID参数控制阶跃响应曲线1.50.51.0PSD-GA优化PID控单独PID控制002413t/s5输出图4 铲斗角速度跟踪曲线PSD-GA优化PID期望值PID控制1.5-1.501020515-0.50.50-1.01.0t/s铲斗角速度跟踪/rad2023/09 总第571期 CONSTRUCTION MACHINERY37 中外公路,2022,42(02):204-210.3 刘成禹,张翔,程凯,等.地下工程涌水涌砂诱发的沉降试 验研究J.岩土力学,2019,40(03):843-851.4 杨磊,朱富丽,张浩.地铁隧道侧穿桥梁桩基工程注浆加 固控制及监测管理研究J.城市轨道交通研究,2022,25(10):165-170.5 吴凤明,罗来兵,赵文胜.地铁暗挖车站主体结构深孔注浆 施工工艺及效果分析J.都市快轨交通,2019,32(04):99-104.6 杨春利.TGRM前进式注浆工艺在城市富水砂层隧道施工中 的应用J.建筑技术,2021,52(07):877-881.7 张付军,胡俊,段宇,等.某富水断层隧道涌水治理方案 优化分析及工程应用J.现代隧道技术,2022,59(02):122-131.8 张立伟.特大断面公路隧道力学响应数值仿真J.计算机 仿真,2021,38(02):101-105.9 贾元霞.超前深孔劈裂注浆技术在高含水率黄土高铁隧道 中的应用研究J.铁道标准设计,2022,66(04):138-143.10 汤劲松,李梓亮,赵书银,等.盾构隧道下穿砌体结构的洞 内深孔注浆加固参数分析J.应用基础与工程科学学报,2022,30(02):421-433.11 沈立伟.大直径热力隧道下穿工程中超前注浆的效果研究 J.结构工程师,2022,38(04):163-168.12 吴凤明,罗来兵,赵文胜.地铁暗挖车站主体结构深孔注 浆施工工艺及效果分析J.都市快轨交通,2019,32(04):99-104.13 熊小华,刘安,黄琦.纯黏土地层锚杆加固隧道掌子面稳 定性分析J.铁道科学与工程学报,2022,19(02):453-460.14 沈立伟.大直径热力隧道下穿工程中超前注浆的效果研究 J.结构工程师,2022,38(04):163-168.15 张志强.北京地区非降水条件下全断面深孔注浆施工技术 J.建筑技术,2019,50(11):1291-1295.（上接第 30 页）2 夏长高,杨鹏程,韩江义,等.基于遗传算法优化的除草机 械臂模糊PID控制研究J.农机化研究,2022,44(12):15-21.3 孙晨曦.基于STM32的六自由度机械臂控制与PID仿真J.中国科技信息,2021(24):74-76.4 施云.基于神经网络PID的机械臂末端力/位置混合控制系统 J.电子测试,2020(24):86-88.5 董森,荣丽红,仝志民,等.基于模糊PID的机械臂控制系统 设计J.黑龙江八一农垦大学学报,2018,30(05):98-102.6 任永泰,邓朝,王紫阳.基于PSO-GA算法的交叉口仿真优化 研究J.计算机仿真,2022,39(12):204-208.能控制分析方法。该方法利用PSO-GA混合算法，对遗传算子的适应度进行寻优，得到了最优的3个PID控制的输入参数。结果表明：与单独PID控制进行对比，粒子群遗传混合算法对PID参数优化控制时，系统更加稳定，并且响应时间大大缩短。另外，PSO-GA混合算法优化PID控制超调量与调节时间，远小于PID单独控制的数值，进一步说明该方法具有较高的准确率、实用性、工程应用价值较强。参考文献1 陈丽秋,曾喆昭.基于自耦PID的三连杆机械臂轨迹跟踪控 制J.空间控制技术与应用,2022,48(04):70-77.