液压系统的控制策略.docx

液压系统的控制策略简介
液压系统的控制策略简介
液压伺服控制系统作为一门新兴起的学科，不仅是液压技术的一个重要分支，也是控制领域研究的主要对象之一。目前已经大体上解决了液压伺服控制机构本身的理论，近些年来的研究倾向是利用计算机对复杂系统（如多变数液压系统），对复杂因素（非线性及时变等）进行仿真分析的研究，其中大量的研究是围绕动态特性进行的。随着系统应用的目的多样化，控制对象也愈来愈复杂，大惯量、变参数、非线性及外干扰是经常遇到的。要使这些系统具有满意的性能，必须研究系统的性能补偿问题与近代控制策略。本文结合课堂所学，简单介绍一下现代液压伺服系统的常用控制理论。
电液伺服系统融合了微电子、信息技术、液压伺服技术的优点。在重载高响应工业系统中应用广泛。一个典型的电液伺服系统组成如图1所示：

图1.典型的电液伺服系统
电液伺服系统对控制策略的要求为：快速无超调；具有较强的鲁棒性、智能性；算法简单、实时高效；控制器与动力机构向匹配。基于上述需求，目前电液伺服系统的控制策略主要有以下几个方面。
1.PID控制
传统的PID控制是工业控制中使用最广泛的一种控制方法，具有简单、稳定性好、可靠性高等优点。数字PID控制位置液压伺服机构的组成如图2所示：

图2.PID位置控制
其中Kp为比例增益系数，Ki为积分增益系数，Kd为微分增益系数，PID传递函数课表示为H(S)=Kp+Ki/S+Kd*S。PID控制的主要形式为滞后-超前网络，PID控制（P-现实因素影响，I-过去因素影响，D-未来因素影响），采用线性组合确定控制量，难于协调快速性和稳定性之间矛盾；由于调节参数固定，所以鲁棒性不好。数字PID位置控制的模型如图3所示：

图3.数字PID控制原理
一般来说，在应用PID技术控制伺服系统时，参数的选取有些独到之处。在一定范围内调节Kd和Kp两个参数即可使位置液压伺服机构达到最优控制特性的状态，积分增益系数Ki对液压伺服机构的影响不大，可以不予考虑。由于PID控制固有的缺点，有时候不能达到理想的控制效果，可以将模糊控制与PID控制结合形成模糊PID控制，智能控制与PID控制结合形成智能PID控制，基于神经网络的PID控制等，这种复合PID控制能很好的达到控制要求。
2.自适应控制
自适应控制(AC-Adaptive Cotrol)是上世纪50年代初由美国麻省理工学院的Whitaker教授提出的，主要是基于飞行控制的需要。自适应控制系统提出以后，引起了广泛的重视和关注，在上世纪70年代得到较大发展，80年代初开始应用于电液伺服控制领域。
如果在设计控制系统时，不完全知道系统的参数或结构时，要求一边估计未知参数，一边修正控制作用，这就是自适应控制问题(AC问题)。AC问题可分为两大类，一类是以自校正控制（STC）为代表，另一类以模型参考自适应控制（MRAC）为代表。STC依据某一性能指标的最优化决定自适应率，如最小方差、系统极点配置等；MRAC从保证系统稳定的角度设计自适应率。不过其本质相同，自适应控制有三个功能：
1）对象信息的在线积累，即辨识。不断测取系统的信号和参数，并加以处理了解系统状态。
2）综合有效控制量的可调控制器。根据辨识的系统状态和事先给定的准则进行判断，不断修正调节器。
3）对性能指标进行闭环控制，系统不断趋向最优或要求的状态。
两类不同的自适应控制原理图如图4所示：

图4(a).MRAC自适应控制原理

图4(b).STC自适应控制原理
从图4可以看出，模型参考自适应系统由参考模型、被控对象、常规反馈控制、自适应控制律组成，其中θmt为系统希望的动态响应，θt为被控对象的输出，e(t)为误差。自校正控制由被控对象、辨识器、控制器组成。且STC由于在线辨识系统参数需要实时计算，时间长，一般用于具有慢时变的对象调节。而对于具有参数时变、突加外负载干扰的电液伺服系统往往不能满足要求。
3.鲁棒控制
实际问题中，系统的模型可能包含不确定因素，这时希望控制系统仍有良好性能，这就是鲁棒控制问题。近年来出现了H设计方法，要求频率响应函数的H模的上确界极小。鲁棒控制的研究最早出现于1927年，Black针对具有摄动的精确系统的大增益反馈设计思想。60年初，Perkins和Cruiz将单输入单输出系统的灵敏度分析方法推广值多输入多输出系统，引入了灵敏度比较矩阵进行系统性能分析。70年出现了多变量频率域鲁棒性分析方法，80年代，加拿大学者Zames提出H∝控制理论，就是现在常用的鲁棒控制。
4.模糊控制
模糊控制是把控制对象作为“黑箱”，先把人对“黑箱”的操作经验用语言表达成“模糊规则”，让机器根据这些规则模仿人进行操作来实现自动控制，因此模糊控制是智能控制中的一种。模拟集合和模糊控制的概念是在1965年由美国L.A.Zadeh教授提出。
Zadeh教授提出模糊集(Fuzzy Sets)的概念，他把模糊集合的特征函数称为“隶属函数”，它的取值是在[0,1]闭区间内。这样某个元素x隶属于某一模糊集合A的程度可用它的隶属函数μA(x)来表示。μAx的大小反映了x对于A的从属程度。μA(x)为0或1时，A便为普通集合。可见模糊集合是普通集合的推广，普通集合是模糊集合的特例。常用的隶属函数如图5所示：

图5(a).三角型隶属函数 图5(b).高斯隶属函数
上图(a)中，三角型的公式为：μx=1b-aμ-a,a≤μ0。模糊控制系统如图6所示：

图6.一般的模糊控制原理图
这样通过不断测量得到的系统输出的精确量转化为模糊量，经过模糊推理及运算，再把推理得到的模糊量转化为精确量，完成控制。不过这种控制控制精度较差，设计结果的好坏依赖于设计者的经验，易出现极限环振荡。
其他的智能控制还有专家控制、神经网络控制。神经网络控制学习速度慢，计算操作也较复杂，将其与模糊控制结合起来可以取长补短，即现在常用的模糊神经网络控制。
5．总结
除了上述几种控制外，随着微处理器的广泛应用，非连续控制系统显示出越来越强大的生命力。通过简单的开关控制元件组成简单的机械执行部分，利用计算机的“思维”能力，可以使要求的系统的输出量满足线性指标。
常用的非连续控制有Bang-Bang控制、液压变结构控制、上面介绍的模糊控制、脉冲宽度调节控制(PWM)等。上述控制各有突出特点且各有不足之处，所以未来的非连续控制的发展将是结合各个不同控制策略的优点组合成复合控制，这样才能适应液压系统的发展趋势。
5/5