農機作業履帶式行走張緊系統的自適應控制策略

楊張利

(重慶電子工程職業學院, 重慶 401331)

隨著我國經濟的快速發展，農機作業自動化程度已取得了明顯的進步，履帶行走裝置因其接地比壓低、轉彎半徑小、牽引力大與爬坡能力強等優勢在農業機械作業中得到廣泛的應用，特別是在大中型自行式機械中應用比較普遍。履帶行走性能對農機作業效率有舉足輕重的影響。如履帶張緊裝置的預張緊力偏低或者太小，必然導致履帶松馳，履帶失去張緊作用，從而引起履帶上方的跳動與振動，使摩擦力增加，致使機件的磨損增大；如履帶張緊裝置的預張緊力過大，必然導致履帶剛性增加，過大的剛性使張緊裝置失去緩沖功能，增加履帶行走機械的內摩擦力，因為喪失緩沖功能，輕則使履帶行走能耗增大并加速履帶磨損，重則會在行走過程中因受到外界沖擊而導致履帶斷裂，甚至在行走過程中產生履帶脫軌等重大事故。因此，合理的張緊力控制對農機作業有重大作用，被公認為是履帶行走裝置的核心技術[1-4]。以履帶彈簧張緊為例，借助油壓機使彈簧獲得一定的預張緊力，如果履帶在行進中遇到沖擊時，那么彈簧就可以起到緩沖作用，將外界沖擊力的變化直接轉換為彈簧的伸縮運動，從而避免履帶行走機構受到外界沖擊力影響。針對上述存在的問題，以下對履帶式農機作業行走過程中如何保持最佳張緊狀態從控制論角度針對控制策略進行探討。

1 張緊過程的控制論特性

農機作業的工作環境是非常復雜的，野外作業有很多因素是不可控的，在不同行駛狀態和路況下行走具有很大的不確定性，而行走機構的設計是在參數確定的情況下完成的，因此張緊裝置中的控制系統顯得特別重要。只有張緊系統的控制策略與張緊過程的控制論特性匹配才能確保高效率的農機作業，保證行走機構一直保持在最佳張緊力狀態下運行。張緊過程表現出如下控制論特性：農機作業中履帶張緊過程受眾多不確定與難以預測因素的影響，過程參數具有時變性、隨機性和未知性；履帶張緊過程具有時滯與高度非線性特性，其時滯特性因受到不確定性因素影響，且時滯特性本身同樣具有時變性和未知性；履帶張緊過程具有慣性特性，過程復雜，變量眾多，并且變量之間存在著復雜的關聯性；農機野外作業環境存在各種干擾的不確定性、隨機性、多樣性和未知性。野外地質情況相對變化較大，導致履帶張緊力難以達到均勻和穩定，經常引起張緊力波動。上述特性表明，履帶張緊過程中充滿了不確定性和復雜性，因此對張緊過程采用數學方法實施建模控制是難以取得期望控制效果的，有必要探討與其過程控制論特性相匹配的控制策略與控制算法[5-9]。

2 控制策略與控制算法

2.1 控制策略選取

面對張緊過程的不確定性、參數時變性、高度非線性和時滯特性等控制論特性，從自動控制理論角度考慮，可供選擇直接用于控制的策略并不多。如采用傳統與近代控制理論的控制策略，其控制器的分析與設計都是基于精確的數學模型，而張緊過程是難以數學建模的，因此對張緊過程采用數學手段描述的定量范式控制策略幾乎是不可能的，即使忽略一些難于處理的因素，勉強地建立了數學模型，其實施的控制效果也不可能令人滿意。隨著自動控制理論和人工智能的發展，給控制策略選擇提供了全新的控制思路。如神經網絡控制，但因受張緊過程不確定性因素影響，很難從事先試驗中獲得學習試驗樣本。對張緊過程而言，因方法的局限性，該控制策略并非是有效的控制策略。專家控制系統可處理各種精確、定量、模糊與定性的信息，但很難建立完備的知識庫，此外，因張緊過程存在不確定性，在特征信息采集與表達等方面顯得更加難以實現，所以專家系統用于張緊過程控制并不現實。模糊控制基于模糊集合理論可以對張緊過程進行描述并歸納出控制規則，但張緊過程的復雜不確定性特性可能導致其隸屬函數難于確定，可能導致難于歸納出適合于張緊過程控制的控制規則，從而難以實施優化控制。值得關注的是智能控制策略，該策略無須人工干預，在過程動態特性變化范圍內，智能控制器可自主地驅動被控制過程，使其自動地達到期望的控制目標。仿人智能控制HSIC ( human simulated intelligent controller)[10]就是模擬人類控制行為的控制器，誤差及誤差變化率是可借助物理手段檢測的，并且可采用產生式規則描述其控制行為與推理過程，能方便地基于廣義控制模型設計控制器，將控制專家的知識和過程操作者的控制經驗、智慧與技巧融入控制算法以改善控制品質，從而增強控制器的魯棒性能，完美地協調張緊過程中相互矛盾的控制品質要求，因此HSIC控制策略應當是一種較理智的選擇。

2.2 控制模型與控制模式

圖1為基于知識的負反饋廣義控制模型。

圖1 基于知識的廣義控制模型

圖2 張緊控制過程的系統誤差相平面

2.3 控制算法

由上述兩種基本控制模式，基于圖1所示的負反饋廣義控制模型[11-14]，可以構造出基于仿人智能的HSIC基本控制算法:

各符號的物理意義如圖1所示：U為HSIC控制器的輸出；e為過程系統誤差。在基本算法中，em, j表示系統誤差最大值的第j次峰值，Kp為比例系數，k為抑制系數。

3 實驗仿真及其結果分析

3.1 實驗仿真

考察控制策略的自適應性，實質上就是考察該控制策略的魯棒性能。對過程跟蹤控制而言，魯棒性強的控制器有很強的自適應性，其跟蹤性能很少受外部干擾和內部控制參數變化的影響。對張緊過程恒值控制系統而言，外部干擾和內部控制參數變化也同樣幾乎不影響其控制品質。以下借助實驗仿真驗證基于仿人智能控制策略的強魯棒性能。鑒于張緊過程是一個具有慣性的時滯過程，因此可以用1階慣性加時滯環節對其過程動態特性進行描述。考察張緊過程對不同控制策略的過程響應，就可比較不同控制策略的強魯棒性能，為了方便，選擇以PID控制策略(控制算法1)為參照與仿人智能控制策略HSIC(控制算法2)相比較，通過改變過程的結構階次以及施加外部干擾模擬作業現場工況的變化，如果其調節時間短、響應時間快、運行平穩、不存在超調或者超調小和穩態控制精確度高，那么該控制策略因其強魯棒性一定是可取的。

設1階慣性時滯過程模型為W(S)=Ke-τs/(Ts+1)，基于 Matlab環境，借助Simulink搭建仿真模型，在階躍輸入為2的信號作用下，取K=7.8，T=74,τ=20,分別采用PID和HSIC控制同一過程，其過程響應如圖3所示。

圖3 PID和HSIC控制下的過程響應

從過程控制參數變化角度考察控制算法的魯棒性能。如果在原一階慣性時滯過程模型中增加一個慣性環節，即過程模型變為W1(S)=Ke-τs/(Ts+1)(5s+1)時，當原模型參數仍然保持不變，即K=7.8，T=74,τ= 20，顯然其過程模型已經由1階慣性時滯過程變為2階慣性時滯過程，過程階次也已經由原來的1階變為現在的2階過程，當然，過程參數也相應地產生了變化，在保持上述實驗仿真條件不變的情況下，兩種控制算法的過程響應曲線如圖4所示。

圖4 增加慣性環節后的過程響應

從抗外部干擾性能角度考察控制算法的魯棒性能。在保持上述實驗仿真條件不變的情況下，在t=100 s施加一個寬度為10 s、幅度為0.5的定值擾動信號，兩種控制算法在外部干擾下的過程響應如圖5所示。

圖5 外部干擾下的過程響應

3.2 實驗結果分析

從圖3的過程階躍響應曲線可知，PID控制算法1出現振蕩與超調量，HSIC控制算法2的過程平穩，不存在振蕩與超調量，顯然HSIC 控制更適應于張緊過程的控制。對比分析圖4可知，即使原1階慣性時滯過程增加一個慣性環節后，HSIC控制算法仍能對過程實現平穩的控制，既不產生振蕩也不產生超調，其控制過程的響應速度與調節時間也是令人滿意的。對比分析圖5可知：HSIC控制產生的超調量是非常小的，而且沒有產生任何蕩頻；對PID控制而言，不僅僅產生大幅度的超調，而且還產生振蕩，并且其產生的振蕩頻率和幅度均比較大。由上述實驗結果分析可見，與PID控制相比，基于仿人智能的HSIC控制策略魯棒性能強，具有很好的適應過程參數變化與抗外部干擾的性能。

4 結束語

農機作業履帶式行走張緊控制系統因其張緊過程具有不確定性、參數時變性、高度非線性和時滯特性等過程控制論特性，從自動控制理論角度考慮，可供直接選擇應用的張緊控制策略并不多。本文探討的張緊過程自適應控制策略的強魯棒性能表明：基于仿人智能的HSIC控制策略對農機作業履帶式行走張緊控制跟蹤具有自適應性，是一種比較好的可供張緊控制系統設計參考的控制策略。