基于模糊邏輯PID的反應堆壓蓋主螺栓植入機器人非線性運動控制算法

陳侃，奉明忠，張君凱，王澤平，張智，帥雨忠

?

基于模糊邏輯PID的反應堆壓蓋主螺栓植入機器人非線性運動控制算法

陳侃*，奉明忠，張君凱，王澤平，張智，帥雨忠

（四川日機密封件股份有限公司，四川 成都 610045）

研制了主螺栓植入機器人（MSIR）及模擬試驗裝置。提出了采用扭矩、稱重兩種傳感器信號分階段介入，模糊邏輯控制器可切換的PID算法。建立了輸入輸出誤差和誤差變化率與參數K、K、K的模糊邏輯規則。通過對PID參數在線自整定來提高MSIR螺栓植入過程中對多種變化工況的自適應能力，提高螺栓植入質量。將不同幅值和變化規律的階躍仿真信號作為輸入，仿真對比了PID和本文提出的FLA-PID算法的效果。完成了反應堆壓蓋主螺栓自動植入的實驗，實時在線記錄了信號數據，對比了PID算法和FLA-PID算法作用于MSIR系統的不同效果。結果表明具有FLA-PID算法的MSIR抗擊異常情況的能力及調整時間都較經典PID算法有所提高。

反應堆壓蓋；主螺栓植入機器人；PID；伺服控制；模糊邏輯

某型反應堆壓力容器（Reactor Pressure Vessel，RPV）主法蘭通過40顆M155×1400的主螺栓聯接，每顆螺栓自重約260 kg，屬重型螺栓[1]。為了保證主螺栓植入到法蘭底座的質量，使各個螺栓的植入初始狀態相同，減小螺栓螺紋與法蘭螺紋孔螺牙之間的摩擦力，需要采用機器人手臂在克服螺栓自重的情況下將螺栓安定、平穩、無阻力地植入到螺栓孔中[2]。MSIR（Main Studs Implantation Robert，主螺栓植入機器人）可降低螺栓卡滯的可能性，減小螺紋與螺牙相互作用，減小植入過程中因摩擦磕碰而產生細小碎屑的可能性，提高主螺栓植入的效率和質量，以機器替代人工操作，降低操作人員操作期間受到的輻射劑量。

作者[11-13]在以前的智能模式識別系統研究工作基礎上，提出采用扭矩、稱重兩種傳感器信號分階段介入，并基于模糊邏輯來優化PID算法，通過PID參數在線自整定來提高螺栓植入過程中對多種變化工況的自適應能力，提高螺栓植入質量，降低系統沖擊。

1 MSIR結構及功能框架

MSIR屬于重要核電檢維修專用裝備，主要應用于反應堆壓力容器開、閉蓋過程。MSIR主要結構如圖1所示。

圖1 MSIR結構圖

1.1 機械結構

主框架結構、舉升系統（左右對稱兩組獨立控制）、旋進系統（左右對稱兩組獨立控制）。其中舉升機構由伺服、齒輪副、絲杠副、L形稱重傳感器平臺組成。旋進系統由旋進伺服、扭矩轉速傳感器、齒輪副、軸承箱、輸出軸1/2/3、集電環、鎖緊解鎖執行電動推桿、三球爪、稱重傳感器、激光位移傳感器、磁柵位移傳感器組成。

1.2 運動控制系統

NI-PCI7340運動控制卡聯接四臺科爾摩根伺服電機。一臺工控機裝有ADC帶2路模擬輸出、16位數字輸出。CB-Y1扭矩傳感器、MG-05磁柵位移傳感器、P+F接近開關信號均通過ADC卡采集并顯示。模擬輸出至繼電器控制LIM-Tech-03電推桿運動換向。

1.3 MSIR運動控制流程

MSIR控制程序由上層邏輯和模糊邏輯PID控制程序兩層組成，上層邏輯由系統所處運動階段決定是扭矩信號還是稱重信號參與模糊邏輯PID控制程序，兩種信號參與模糊邏輯PID控制的方式相同，此處以扭矩信號為例進行說明。

如圖2所示，扭矩傳感器（扭矩Sig）或稱重傳感器（稱重Sig）參與模糊邏輯PID控制器，并影響空載豎直運動、接觸螺栓、旋入首扣、耦合旋入螺栓等運動環節（圖2中虛線）。

圖2 運動控制程序流程

2 模糊邏輯PID算法的應用

2.1 經典PID控制算法

MSIR采用的控制算法以經典比例積分微分（Proportion Integration Differentiation，PID）控制算法為基礎。

經典PID算法形成的是線性控制器，根據目標值()與觀測值()構成控制偏差()為[9]：

PID的輸入輸出控制函數以偏差()對采樣間隔時間求積分、微分、乘積運算得到[9]：

由于MSIR各個運動階段狀態與控制參數不同，一些運動控制階段的控制參數決策具有重疊交叉邏輯，即該系統具有非線性性和不確定性。經典PID算法不能完全勝任MSIR運動全過程的任務。為了達到豎直運動伺服與旋進伺服耦合同步，系統需要綜合多個傳感器的信息，應用模糊邏輯算法，對各運動步驟進行成員函數運算，得出不同運動階段的、、三參數取值并在線調整PID控制器。通過多次調試，并觀測扭矩、稱重等傳感器的信號，可制定模糊變量論域。

2.2 模糊邏輯算法

本項目采用模糊邏輯算法（Fuzzy Logic Algorithm，FLA）[14-16]對經典PID算法進行優化。模糊邏輯控制算法是一種非線性控制算法，屬于人工智能控制的范疇，通常有三種FLA優化PID的形式[17]：

（1）把FLA輸出作為參考幅度信號通過加減運算作用于PID控制器的指定值（輸入）。

（2）FLA與PID控制器并行工作，兩個控制器的輸出相加。正常工況下FLA輸出信號為0，只有在異常工況下FLA控制器參與控制。

（3）FLA串行作用于PID控制器的三個參數，該方式尤其適用于結構隨時間改變特征的控制流程。

本項目中螺栓接觸、螺紋旋擰首扣、低速旋進、高速旋進等過程具有典型的結構隨時間改變的特征。因此，在本項目中采用第三種方式優化經典PID控制算法。

2.3 FLA-PID控制算法

圖3為項目采用的FLA-PID（Fuzzy Logic Algorithm PID）控制器的示意圖。它由模糊化語言表、規則集和去模糊化模塊構成。在實時控制過程中通過不停地解析過程反應并計算最佳、、增益參數來形成柔性PID控制器。

圖2 FLA-PID流程

完成該FLA-PID控制器需要以下步驟：

（1）模糊系統輸入參數及語言變量。扭矩信號和稱重信號的PID控制過程偏差和偏差變化率作為模糊系統的輸入參數，即e、ec、e、ec，其中下標表示扭矩信號、表示稱重信號。稱重信號算法模式與扭矩信號類似，本文不重復描述，僅在作系統輸入量的時候描述。

通過Kollmorgen WorkBench軟件自動調節功能，可根據負載的質量及加速要求獲得PID控制器在旋擰首扣階段的初始參數：K＝50、K＝0、K＝300，反饋信號采樣間隔時間為250 μs。經多次調試整理出稱重和扭矩信號各階段監測變化值的平均值如表1所示。

表1 螺栓植入全程扭矩信號與稱重信號變化

運動階段Δ稱重/kgΔ扭矩/N·m 空載運行0.10.5 接觸首扣20.5 旋擰首扣512 耦合旋進2010

（3）創建隸屬函數（Member Functions，MbF）。所有輸入輸出參數對應的隸屬函數均采用最常用的Λ型函數，圖3為參數dK的隸屬函數圖作為一個示例，其他參數與其類似。其他的參數隸屬函數定義如表2、表3所示。

圖3 dKd隸屬函數

表2 輸入參數隸屬函數

MbF函數控制范圍點 eec -多-12; -12; -8-2.4; -2.4; -1.6 -中-12; -8; -4-2.4; -1.6; -0.8 -少-8; -4; 0-1.6; -0.8; 0 零-4; 0; 4-0.8; 0; 0.8 +少0; 4; 80; 0.8; 1.6 +中4; 8; 120.8; 1.6; 2.4 +多6; 12; 121.6; 2.4; 2.4

表3 輸出參數隸屬函數

MbF函數控制范圍點 dKpdKidKd -多-10; -10; -6.66-0.06; -0.06; -0.04-60; -60; -40 -中-10; -6.66; -3.33-0.06; -0.04; -0.02-60; -40; -20 -少-6.66; -3.33; 0-0.04; -0.02; 0-40; -20; 0 零-3.33; 0; 3.33-0.02; 0; 0.02-20; 0; 20 +少0; 3.33; 6.660; 0.02; 0.020; 20; 40 +中3.33; 6.66; 100.02; 0.04; 0.0620; 40; 60 +多6.66; 10; 100.04; 0.06; 0.0640; 60; 60

（4）創建模糊邏輯規則表。根據系統控制要求和多次調試情況所獲得的經驗，制定輸入與輸出參數間邏輯規則表[18]，如表4～表6。

表4 輸出參數dK

ec/e負多負中負少零正少正中正多 負多+多+多+中+中+少零零 負中+多+多+中+少+少零-少 負少+中+中+中+少+少-少-少 零+中+中+少零零-中-中 正少+少+少零-少-少-中-中 正中零零-少-中-中-中-多 正多零零-中-中-中-多-多

表5 輸出參數dK

ec/e負多負中負少零正少正中正多 負多+多+多+多+多+少-中-多 負中+多+多+中+中-少-少-多 負少+中+少零零-少-多-多 零-多-多零零零-多-中 正少-中-少零+少+少+中+多 正中零零+少+少+中+多+多 正多零零+少+中+中+多+多

表6 輸出參數dK

ec/e負多負中負少零正少正中正多 負多+少-少-多-多-多-中+少 負中+多+多+中-中零-少零 負少零-少-中-中-少-少零 零零-少-少-少-少-多零 正少+多+多+中-少+少+中零 正中+中+少零-中+中+多+多 正多-少-中-多+少+中+多+多

（5）去模糊化。通常有面積中心法、加權中心法、最大值中心法、最大值平均法。其中能較好地保持輸入輸出連續的是前三種。作PID閉環控制時，這三種算法都適用，本文采用了面積中心法。

3 實驗系統及結果

實驗系統及結構如圖5所示。

圖4 MSIR及試驗臺

所有自動程序運行于MSIR控制系統，基于FLA-PID的控制程序運行正常，兩個機械手臂同時平穩順滑地完成了主螺栓的植入。其中FLA-PID輸入輸出控制曲面如圖6所示。

圖6 FLA-PID輸入輸出控制曲面

建立以上模糊邏輯輸入輸出映射關系后，在Matlab環境中對其進行仿真分析。

由于扭矩傳感器和稱重傳感器的模擬量輸出值范圍均為±10 V，故采用-10～+10 V范圍內不同幅值階躍信號，對經典PID和FLA-PID算法完成精確調整至誤差水平≤1E-6進行程序計時，結果如表7所示。

表7 PID FLA-PID耗時對比

可以發現，FLA-PID算法的精確調整耗時較經典PID算法少，最多省時36.4%、最少省時16.2%。FLA-PID算法在扭矩信號具有相同的沖擊變化時，能更快達到控制目標量。

對比FLA-PID和經典PID算法的超調量，以考察新算法調整過程中最大偏離，如圖7、圖8所示。

圖7 5～0 V階躍變化不同算法響應

圖8 10～0 V階躍變化不同算法響應

可以發現FLA-PID算法的超調量在10～0 V、5～0 V等情況下明顯較經典PID算法小，在±5 V等信號的超調量對比中卻沒有明顯的優勢。具體對比如表8所示。

綜合以上實驗情況，本文所提出的FLA-PID控制算法較經典PID算法在精確調整速度上具有明顯改進，超調量在一些工況下也明顯低于PID算法。整個螺栓植入流程中扭矩信號的設定值、測量值、輸出值的對比，如圖9所示。

表8 PID和FLA-PID超調量對比

圖9 螺栓植入全程扭矩不同算法對比

4 結論

（1）本項目研制了一臺反應堆壓蓋主螺栓植入機器人及實驗臺。具有兩個可獨立或聯合工作的機器人手臂，能自動完成機器人手臂自適應對中、尋找螺紋首扣、旋擰螺紋首扣、螺紋螺牙耦合旋進植入等功能。能提供螺栓植入最大扭矩300 N·m、植入深度控制精度0.01 mm，全程智能化控制扭矩，螺紋螺牙接觸力。

（2）項目提出了FLA-PID算法，所編制的上層運動邏輯分階運動段決定扭矩或稱重模糊邏輯介入PID參數在線整定。選取了PID控制的誤差和誤差變化率作為輸入參數，K、K、K作為輸出參數。并建立了7級語言變量和三角形隸屬函數。根據多次調試的經驗制定了模糊邏輯規則表。

（3）MSIR所具有的FLA-PID算法高精度（誤差≤1E-6）控制速度較經典PID算法提高了16.2%～36.4%，依不同控制階段的輸入信號變化情況而各有不同。

（4）從整個植入運動過程可觀察到MSIR所具有的FLA-PID算法的超調量也較經典PID算法低。在10～0 V，即旋進伺服從螺栓卡死到停止旋進伺服的運動階段，超調量最多降低了42%。運動各階段沒有發現FLA-PID超調量大于經典PID算法的情況。

根據反應堆壓蓋主螺栓植入運動邏輯和多次實驗調試的經驗而制定的模糊邏輯規則很好地適應了運動階段變化之間的沖擊，并加速了PID算法的調整時間，提高了控制精度。具有FLA-PID算法的MSIR提高了螺栓植入的質量，降低了運動階段切換調整的沖擊。

[1]M A Rinckel. Reactor pressure vessel integrity program[J]. Nuclear Engineering and Design，1998，181（1-3）：17-39.

[2]Y Bangash. Reactor pressure vessel design and practice[[J]. Progress in Nuclear Energy，1982（10）：69-124.

[3]Astrom K J，T Hagglund C C，Hang, W K Ho. Automatic tuning and adaptation for PID controllers: a survey[J]. Control Engineering Practice，1993，1（4）：699-714.

[4]John Yen，Reza Langari, Lofti A. Zadeh. Industrial Applications of Fuzzy Logic and Intelligent Systems[M]. Piscataway，NJ：IEEE Press，1995，PP.5-8.

[5]S Dettori，V lannino，V Colla，A signorini. An adaptive Fuzzy logic-based approach to PID control of steam turbines in solar applications[J]. Applied Energy，2018（227）：655-664.

[6]Rahul Patel，Vijay Kumar. Arificial Neuro Fuzzy Logic PID controller based on BE-PSO Algorithm[J]. Procedia Computer Science，2015（54）：463-471.

[7]Y I. Kudinov，V. A. Kolesnikov，F. F. Pashchenko，A. F. Pashchenko，L. Papic. Optimization of fuzzy PID controller’s parameters[J]. Procedia Computer Science，2017（103）：618-622.

[8]Feng Liu，Hua Wang. Fuzzy PID controller for optoelectronic stabilization platform with two-axis and two-frame[J]. International journal for light and electron Optics，2017（140）：158-164.

[9]Dusan Fister，Iztok Fister，Iztok Fister，Riko Safaric. Parameter tuning of PID controller with reactive nature-inspired algorithms[J]. Robotics and Autonomous System，2016（84）：64-75.

[10]Meric Cetin，Serdar Iplikci. A novel auto-tuning PID control mechanism for nonlinear systems[J]. ISA Transactions，2015（58）：292-308.

[11]Kan Chen，Pan Fu，Weiqing Cao，Weilin Li. The application of multiple model fusion based on correctable weight in tool wear pattern recognizing[J]. Third International Workshop on Advanced Computational Intelligence，2010（8）：454-458.

[12]Kan Chen，Pan Fu. The Feature Selection in Rolling Bearing Fault Diagnosing Based on Parts-Principle Component Analysis[J]. 5th International conference on Natural Computation，2009（2）：613-616.

[13]Kan Chen，Pan Fu. The PPCA - a new method to select features in process of rolling bearing fault diagnosing[J]. International Conference on Mechatronics and Automation，2009（8）：4419-4426.

[14]Lotfi A Zadeh. Making computers think like people[J]. Fuzzy set theory，1984，21（8）：26-32.

[15]Lotfi A Zadeh. Interpolative reasoning in fuzzy logic and neural network theory[J]. IEEE International Conference on Fuzzy Systems，1992：1.

[16]Lotfi A Zadeh. Soft computing, fuzzy logic and recognition technology[J]. Fuzzy System Proceedings，1998（2）：1678-1679.

[17]András Bárdossy. The Use of Fuzzy Rules for the Description of Elements of the Hydrological cycle [J]. Ecological Modelling，1996，85（1）：59-65.

[18]Lotfi A Zadeh. Fuzzy logic and calculus of fuzzy if-then rules[J]. Proceedings The Twenty-Second International Symposium on Multiple-Valued Logic，1992：480.

Non-linear Motion Control Algorithm of RPV Main Studs Implantation Robot Based on Fuzzy Logic PID

CHEN Kan，FENG Mingzhong，ZHANG Junkai，WANG Zeping，ZHANG Zhi，SHUAI Yuzhong

( Sichuan Sunny Seal Co., Ltd., Chengdu 610045, China )

A MSIR (Main Stud Implanting Robot) and a simulation experimental facility had been built. A novel fuzzy-PID algorithm with two phases had been proposed. Signals acquired by torque and gravity sensor took effect in different motion stages. The fuzzy-logical rules between input (e, ec) and output (K,K,K) parameters had been obtained. A group of step-signals with different amplitude had been taken into controller to simulate the response of classic PID controller and FLA-PID controller. A full motion experiment by MSIR had been finished. Monitoring data of system had been recorded. The results show that the FLA-PID can move more smoothly and promptly, and not sensitive to system impact.

reactor pressure vessel；main stud implanting robot；PID；servo control；fuzzy logic

TL351+.6

A

10.3969/j.issn.1006-0316.2018.09.008

1006－0316 (2018) 09－0048－07

2018－07－02

全國博士后科研工作站自籌項目（K17-06）

*通信作者：陳侃（1983－），男，四川廣安人，工學博士，高級工程師，主要研究方向為機械制造及自動化、流體機械、旋轉機械故障智能診斷、測控系統、薄膜流體潤滑。