基于DSP的液壓伺服系統模糊神經網絡PID控制

， ， ， 　(.哈爾濱工業大學 機電工程學院， 黑龍江 哈爾濱　50006；.哈爾濱理工大學 機械與動力工程學院， 黑龍江 哈爾濱　50080)

引言

閥控液壓位置伺服系統是液壓道路模擬試驗臺的核心部件之一，通常要求其功率密度大、精度要求高、動態響應好。由于液壓位置伺服系統存在非線性、參數時變、外負載干擾、低阻尼和交聯耦合等復雜特點，傳統的控制算法很難達到預期的控制要求，而智能控制方法不依賴于系統精確數學模型且具有較強魯棒性等優勢，在非線性控制領域特別是液壓伺服系統中取得了廣泛的應用[1-4]。

以TMS320F28335 DSP為核心設計液壓位置伺服系統控制器硬件。針對液壓位置伺服系統特性，基于模糊神經網絡PID的控制方法設計控制器軟件并利用經驗數據對其進行預訓練。最后利用MATLAB/Simulink快速原型技術實現了控制器算法。

1　液壓伺服系統概述

液壓位置伺服系統主要包括伺服控制器、傳感器以及由液壓缸、伺服閥和液壓站組成的執行機構。如圖1所示，其中執行機構受負載及干擾影響。

伺服控制器將指定的控制參考信號與安置在液壓缸上的位移傳感器的反饋信號進行處理和比對，并根據控制策略計算伺服閥的控制電壓，經放大器放大后，控制伺服閥完成相應動作，從而實現對液壓缸狀態的閉環控制。

圖1　液壓伺服系統基本結構

2　硬件系統設計

液壓伺服控制系統硬件結構如圖2所示。系統包含處理器、信號調理、A/D轉換電路、D/A轉換電路、功率放大電路、手動控制面板及隔離電路、上位計算機及CAN總線通訊隔離電路。為了保證液壓伺服控制系統的實時性及穩定性，本系統采用某公司的TMS320F28335(以下簡稱F28335)數字信號處理器作為系統控制核心。F28335是一款面向實時控制應用的領先 32 位浮點型微控制器，廣泛應用于電機、機床及醫療等領域。

圖2　液壓伺服控制系統硬件結構框圖

F28335采用高性能靜態 CMOS 技術，指令周期僅為6.67 ns(150 MHz)。盡管F28335片內集成16通道12位采樣精度的A/D轉換端口，為了更進一步提高系統控制精度，系統外擴由ADS1256組成的A/D轉換電路。ADS1256具備8通道24位低噪聲帶可編程增益的A/D通道，轉換速率可達30 kSPS。信號調理電路是由OPA2227構成的有源低通濾波器以及電平轉換電路組成。模擬輸出部分由DAC904為核心的D/A轉換電路及有源低通濾波電路組成，其中DAC904為14位高速D/A轉換芯片。

為了提高控制液壓伺服系統與用戶交互的可靠性，控制系統采用手動按鈕和上位計算機軟件兩種交互方式。其中手動按鈕通過光電隔離電路與F28335數字端口連接，上位計算機軟件通過USB-CAN適配器、CAN總線隔離收發器與F28335進行通訊。

3　模糊神經網絡PID控制器的設計

傳統PID控制方法是一種成熟且應用廣泛的工程控制方法。傳統PID控制器結構如圖3所示。

圖3　傳統PID控制器結構

傳統PID控制器比例KP、積分KI和微分KD三個參數是常量。然而道路模擬試驗臺液壓位置伺服系統具有低阻尼、高響應要求，同時負載模型不確定且存在外干擾，因此傳統的PID控制難以達到理想的控制效果。

3.1　模糊神經網絡PID控制器結構

模糊神經網絡PID控制器包括模糊PID和神經網絡兩部分，傳統的PID控制器和模糊神經網絡學習算法，如圖4所示。其中模糊神經網絡學習算法的主體是模糊控制算法，其根據系統運行狀態，以及內建的模糊論域及規則判斷并調整PID控制器中比例KP、積分KI和微分KD三個參數，以適應不同控制狀態的要求。而模糊論域以及加權系數則通過神經網絡的訓練和自學習，達到最優狀態。

圖4　模糊神經網絡PID控制器結構

模糊神經網絡結構如圖5所示，網絡包含5層[6]。

圖5　模糊神經網絡結構

第一層為輸入層，該層每個節點都和輸入向量xi連接，xi代表“誤差”、“誤差變化率”等變量，并將輸入值x=[x1，x2， …，xn]T傳遞到下一層，假定該層節點數N1=n；

第二層為隸屬度函數生成層，該層每個節點都代表一個語言變量值，如NB、PC等，由上一層傳遞的每個xi都可以分割為mi個語言變量值，并計算其在本層語言變量值的隸屬度函數uij(xi)，采用高斯函數表征隸屬度函數，即有:

j=1,2,3,…,mi

(1)

第三層為模糊推理層。該層的每個節點都與一條模糊規則相對應，并能計算出規則的適應度值，即有：

aj=u1ku2k...unkk∈{1,2,…,mn},

(2)

該層節點數N3=N；

第四層為歸一化層。該層實現歸一化計算:

(3)

該層節點數與第三層節點數相同，即N4=N3=N；

第五層為反模糊層，該層將根據歸一化結果反算出期望的輸出值。即有:

(4)

式中，wij為加權系數。該層節點數N5=r。

取性能指標函數為：

(5)

式中,ri和yi分別代表期望輸出和實際輸出。隸屬度函數中心值cij、寬度σij和加權系數wij的學習算法[6]：

i=1,2;j=1,2,…,7

i=1,2;j=1,2,…,7

i=1,2,3;j=1,2,…,49

(6)

式中,η1、η2、η3為學習率。

3.2　隸屬度函數設計

模糊論域分割的數量決定了控制的精度，但往往控制精度與響應速度是相互制約的。論域分割的越精細，控制精度越高，但計算時間也越長，控制器響應速度也隨之降低[5，6]。依據液壓試驗臺初期測試的經驗數據，設定誤差E和誤差變化率EC的論域分別為[-1 1]，變量為[NB,NM,NS,O,PS,PM,PB]，PID三個參數的論域為[0 1]，變量為[ZE,VS,SS,SB,BB,MB,VB]。量化因子表達式如下：

隸屬度函數選用高斯型，表達式如式(1)所示，當隸屬度函數越陡，靈敏度越高，反之隸屬度函數越平緩，則控制魯棒性越強。其中隸屬度函數中心值cij和寬度σij，可根據受控對象的狀態并通過神經網絡的訓練和自學習適時調整。

3.3　模糊規則設計

考慮在PID控制方法中，比例系數KP的作用是減小系統的響應時間，當系統誤差E較大，需要加大KP以提高系統響應速度；當誤差E較小時，需要減小KP以提高控制精度和提高系統穩定性。積分系數KI的作用是消除系統的穩態誤差，微分系數KD的作用是改善系統的動態特性，當系統誤差E較小且誤差變化率EC較大時，為了防止超調過大，在減小KP的同時，需加大KI和KD。模糊規則如表1所示，共有49條規則。

3.4　反模糊設計

反模糊化的主要方法有重心法、最大值法和加權平均法[7]。其中重心法結果精確，但計算復雜，最大值法算法簡單，但結果精度不佳。綜合考慮，選用加權平均法，加權平均法的計算公式如式(4)所示，式中加權系數wij為變量，可根據受控對象的狀態并通過神經網絡的訓練和自學習適時調整。

3.5　神經網絡訓練

利用MATLAB模糊神經網絡工具箱anfisedit，可以方便的對神經網絡進行建模及訓練。以實驗裝置測試的數據作為樣本數據，并導入到工具箱中對模糊神經網絡進行訓練。采用BP學習算法，并設定誤差允許值為0.001，訓練次數1000。經多次訓練后，得到訓練后的隸屬度函數如圖6所示。

表1　模糊規則表

3.6　控制程序的生成

利用MATLAB/Simulink快速原型技術，針對TMS 320F28335數字信號處理器可以方便的生成可編輯的C++代碼[8]。Simulink程序如圖7所示。

在生成的代碼中提取控制部分代碼，利用TI提供的浮點單元函數庫對程序控制部分進行優化。最后根據外圍硬件設計D/A和A/D驅動程序以及外圍控制程序，并在CCS編譯環境下，燒錄至控制器。

4　實驗驗證

以道路模擬試驗臺位置伺服裝置為實際被控對象，實驗過程中，設定液壓缸分別輸出幅值為5 mm、10 mm、20 mm、30 mm和40 mm的矩形波位移信號，并監測其位移輸出。與傳統PID控制算法的控制輸出進行對比，如圖8所示。

圖6　訓練后隸屬度函數

圖7　Simulink控制程序

圖8　傳統PID控制與模糊神經網絡PID控制結果對比

從圖8中可以看出，模糊神經網絡PID控制算法能比較好的克服傳統PID控制在上升階段，大幅值響應速度慢，小幅值超調大的缺點，并能有效地修正單出桿液壓缸正反行程動態特性的差異，同時具有較高的控制精度和較好的穩定性。

5　結論

基于TMS320F28335 DSP芯片設計了道路模擬試驗臺位置伺服系統模糊神經網絡PID控制器。利用MATLAB/Simulink快速原型技術快速生成了可執行的

控制代碼并利用試驗裝置進行了控制效果驗證。實驗結果表明，相比于傳統PID控制方法，模糊神經網絡PID控制方法具有良好的動態品質、高的控制精度和穩定性。

參考文獻：

[1]曹鵬舉,許平勇,李曉峰,等.基于DSP的液壓伺服系統最少拍無紋波控制[J].液壓與氣動,2008,(1):33-35.

[2]賀娟,付敏.基于DSP的液壓伺服系統H∞控制研究[J].測控自動化,2011,27(3):65-67.

[3]余兵,彭佑多,劉繁茂.模糊控制及其在液壓伺服系統中的應用[J].液壓與氣動,2006,(10):56-64.

[4]湯青波,吳銀鳳,梁毓明.液壓系統的模糊滑模控制[J].機床與液壓,2005,(11):134-135.

[5]岑順鋒,吳張永,王京濤,等.基于DSP的高速開關閥控液壓伺服系統的研究[J].機床與液壓,2011,39(1):77-79.

[6]朱正邦.模糊神經網絡PID控制在夾送輥系統切換中的應用研究[D].哈爾濱:哈爾濱工業大學,2012.

[7]苗曉鵬,韓向可.基于模糊PID的氣動比例調壓閥的設計與性能分析[J].液壓與氣動,2012,(11):27-29.

[8]張兵.基于DSP的液壓振動臺功率譜復現研究[D].哈爾濱:哈爾濱工業大學,2013.