泵控伺服系統關鍵技術研究綜述

秦琪晶，葛文慶，魯應濤，李波，譚草

(山東理工大學交通與車輛工程學院，山東淄博 255049)

0 前言

第一次石油危機后，各國開始重視高效利用能源，美國桑斯川特率先開發出20系列閉式集成泵控伺服系統應用于大型壓路機械[1]。目前，泵控伺服系統由于高效環保、功率體積大以及承載能力強等優點，廣泛應用在國防、工業領域中，如飛機的舵機系統[2]，導彈的控制系統[3]，船艦、潛艇的舵機系統[4]，高精度車床[5]和工程機械[6]等傳統控制系統；同時在汽車[7]、液壓電梯[8]和仿生機器人[9]等新興拓展領域的應用也越來越廣泛。

電液伺服系統按控制方式不同分為閥控和泵控。閥控系統因響應速度快以及控制精度高而應用廣泛，但它有對油液等介質要求高、效率低以及能耗大等不足。與閥控伺服系統相比，泵控伺服系統沒有高壓節流損失、發熱量較少、工作效率高，其結構緊湊且易實現系統集成方便實現分布式智能控制[10-11]。

由于高磁能稀土永磁材料、制造技術發展成熟，高性能驅動電機、高速柱塞泵、智能材料以及主動配流閥等技術不斷被應用在泵控伺服系統組成中，對整個作動系統的快速性和穩定性能有較大的提升，同時在作動系統結構緊湊性以及響應頻率方面改善明顯[12-14]。

泵控伺服系統屬于電液伺服系統，具有模型參數不確定性、非線性特性以及外部擾動等問題，也有動態響應較慢、同步精度不高的劣勢。近年來，隨著針對解決泵控伺服系統典型問題與提高其動靜態響應的相關技術方法發展成熟，對泵控伺服系統相關建模方法與控制方法的研究與探索對于實現我國國防及現代工業的節能減排和高質量發展都有非常重大的意義。

本文作者首先在分析系統組成及工作原理的基礎上，按流量、轉速的控制量和驅動單元的不同分5類，對其發展現狀及研究成果分別進行了論述；然后從3個角度對精確建模方法進行概述；最后從經典控制、現代控制以及智能學習控制角度總結了相關學者在處理不同問題時采用的技術方法及創新性，比較了各自的優點與不足并提出一些見解，為進一步研究泵控伺服系統控制技術提供參考。

1 泵控伺服系統組成和工作原理

泵控伺服系統由計算機控制部分、電機伺服部分、液壓動力執行部分和傳感器信號傳輸等部分構成，如圖1所示。其中計算機控制部分完成執行機構動態信號采集，處理分析后發送指令信號；電機伺服部分與液壓泵固連，通過控制伺服電機轉速、轉角與轉矩改變液壓泵的流量、壓力、轉向進而控制活塞運動的位移、速度和方向[15]。

圖1 電液伺服泵控伺服系統組成

泵控伺服系統常采用旋轉電機與齒輪泵或柱塞泵組合使用，通過改變液壓泵的輸出流量控制液壓缸的速度和位置。根據流量計算公式將泵控伺服系統控制方式分為變排量定轉速控制、定排量變轉速控制和變排量變轉速控制3種。近年來，一類將線性作動器作為驅動單元的電磁直驅式和基于智能材料驅動的泵控伺服系統成為研究的熱點。

1.1 定排量變轉速控制

定排量變轉速控制系統如圖2所示，主要由數字信號處理器、功率驅動單元、變轉速電機、定排量泵和執行器等組成，它兼顧伺服電動機控制靈活和效率高等特點，是目前研究應用的主流。德國雅歌輝托斯的GP系列以及日本川崎重工開發的K8V系列代表了當前工業泵控領域的最高水平[16-18]。康榮杰等[19]提出通過功率調節器優化變轉速泵控伺服系統所需提供功率來改善系統性能。太原理工大學權龍教授的研究團隊設計出新型分布式變轉速泵控差動缸電液控制系統，并研究智能算法在泵控伺服系統中的應用，其中設計的模糊PID控制器和積分分離式PID控制器成功應用于注塑成型機中[20-23]。浙江大學的楊華勇教授團隊與上海三菱公司合作研發了HIVF標準變頻液壓電梯并已成功走向市場[24]。此外哈爾濱工業大學劉慶和教授帶領的團隊、西安交通大學趙升噸教授帶領的團隊和廣東工業大學學者等都對其展開廣泛的研究[25-30]。

圖2 定排量變轉速泵控伺服系統原理

1.2 變排量定轉速控制

圖3顯示的泵控伺服系統由可變排量泵和固定轉速電機組成，伺服電機通過改變軸向柱塞泵的斜盤角度即可改變泵的排量。目前日本油研開發的A145系列，美國薩澳-丹佛斯公司開發H1、T90系列以及德國漢堡大學的KAHMFELD等應用于壓路機、水泥泵車等工程機械中[31-33]，燕山大學的孔祥東教授團隊以RKP變量泵為核心設計了0.6 MN泵控油壓機系統，將前饋補償控制算法等控制方法應用在泵控伺服系統中進行大量研究[34-36]。

圖3 變排量定轉速泵控伺服系統原理

1.3 變排量變轉速控制

變排量變轉速系統由一個變量泵和兩個伺服電機組成，一個伺服電機通過改變斜盤的角度來調節泵的排量，泵的轉速由另一臺伺服電機調節[37]。北京航空航天大學的焦宗夏等設計了一種電動伺服變量泵系統并對其建模和控制策略進行研究[38-40]；GE等[41]研究系統脈動特性、噪聲和動態特性等。大部分研究還處于理論分析和原型試驗階段，應用到工業還有很長的路要走。

1.4 電磁直驅式控制

電磁直驅式控制系統如圖4所示，利用直線電機驅動直線泵輸出穩定流量驅動液壓執行器移動[42]。與傳統采用旋轉電機泵控伺服系統相比，它無需運動轉換機構，系統結構更簡單且具有更好的動態響應。目前北京航空航天大學、美國宇航局和亞洲大學等對此有深入研究,焦宗夏等主要對泵用直線振蕩電機進行設計、性能分析以及直線泵建模與實驗分析[42-43]。雖然電磁直驅式泵控伺服系統尚未得到應用，但仿生機器人、電動汽車等領域將為其提供巨大的發展空間。

圖4 直驅式泵控伺服系統

1.5 基于智能材料驅動控制

許多研究人員認識到壓電材料、磁致伸縮材料等具有較高的能量密度且能在高頻下工作和流體集成的潛力，構建由智能材料驅動的混合式液壓執行機構，輸入電壓使智能材料產生應變驅動線性微型泵加壓將動力傳輸到液壓缸[44]。近年來，研究人員將壓電堆的高能量密度與流體傳輸的多功能性相結合，設計了基于壓電堆的電靜液壓致動器并建立了其動態特性的數學模型進行研究[45]。WANG等[46]提出一種新型的雙磁致伸縮材料電液動執行器，并通過仿真和實驗驗證了其可行性。智能材料驅動的泵控伺服雖然具有高功率，但其成本較高，現階段很難在工業上得到廣泛應用。

1.6 泵控伺服系統配置的控制對比分析

泵控伺服系統的構成按流量、轉速控制量和驅動控制單元的不同主要分為5類，表1顯示了5類泵控伺服系統的代表樣機與優缺點。目前，定排量變轉速控制系統在工業應用廣泛，隨著需求的變化，精度更高、響應更快以及集成度更高的新型泵控伺服系統將被提出、研究和應用，如基于直線電機的泵控伺服系統無需運動轉換機構，同時避免了斜盤式柱塞泵的復雜內部條件等缺陷，效率和動態響應性能更好。因此，基于直驅式的泵控伺服系統在機器人以及電動汽車等領域分布式智能泵控應用將顯示出巨大的潛力，也正成為新式泵控伺服系統的發展方向。

表1 泵控伺服系統配置控制方式比較

2 泵控伺服系統建模方法

由于泵控伺服系統存在未知的黏性阻尼、非線性特性以及油液體積彈性模量參數變化等，導致實際被控系統的動態以及穩態性能降低。因此，獲得更精確的系統數學模型是控制器設計的重要基礎，也是當前研究的主要熱點。

2.1 模型參數的確定

機制分析法是電液伺服系統常用的建模方法，魏樹國等[47]采用功率鍵合圖建立了直驅式泵控液壓機的數學模型，獲得較為理想的動態響應。但泵控伺服系統中各組件內部的復雜結構引起非線性和時變特性，同時查閱技術手冊獲得的經驗值與實際有一定差距，其傳遞函數并不能準確描述，因此通過實驗測試法對系統響應進行測試并通過擬合逼近來模擬系統特性。近年來，一些學者將機制分析與實驗測試法結合，用最小二乘法以及最大似然法等逼近建模，如徐坤等人[48]運用理論建模與系統辨識建模相結合的方式對控制模型參數進行了辨識并通過實驗驗證了其可行性。目前智能控制用于泵控伺服系統精確建模成為趨勢，如模糊算法、遺傳算法、神經網絡和微粒群優化算法等，劉少崗結合遞推最小二乘法構建T-S模糊辨識算法逼近泵控伺服系統，獲得較高的辨識精度[49-51]。張春龍、張浩強等[52-53]利用遺傳算法對泵控伺服系統參數優化辨識，辨識結果在時域和頻域逼近實際系統，提高了系統的動態性能。

2.2 不確定負載擾動補償

泵控伺服系統常受到外部干擾力與流量脈動等內外不確定性擾動，當擾動超過一定界限，系統穩定性會降低[54]。除了用映射函數處理外部擾動之外，GUAN等[55-56]在滑模變結構控制器中引入擴張狀態觀測器，解決了非匹配性干擾的不靈敏性，同時消除了抖動。陳革新則設計了實時補償定量泵轉速的位置前饋補償控制器，實現高精度位置輸出[37]。針對流量壓力脈動的影響，張世博[57]采用高頻脈動信號注入來主動補償固有壓力脈動，同時將非線性負載等效為線性負載，有效減小壓力紋波。陳麗緩等[58]提出基于動態面控制的速度控制對系統的泄漏以及壓力波動進行補償，實現泵控缸輸出速度的精準控制。

2.3 模型解耦及約束控制

為實現非對稱液壓缸的無桿腔變化偏差所引起的有桿腔變化的解耦，姚靜等人[59]提出位置前饋補償解耦方法，將無桿腔位置偏差所引起的流量變化補償到有桿腔壓力控制系統，并在600 kN泵控油壓機上獲得實驗驗證。在研究泵控伺服系統中遇到物理約束問題時，王玄等人[60]通過模型預測控制將位置約束、速度約束和泵單向運行約束3個條件下的控制問題轉化為標準約束下的二次規劃問題，并驗證了其可行性和優越性。

2.4 建模方法對比分析

在建立精確模型過程中，目前將兩種方法的優勢結合進行建模或與智能控制方法結合，設計出更高效和更精確的建模方法來適應高性能、高精度要求的泵控伺服系統[48-60]。目前主要精確建模方法與特點總結如表2所示。

表2 主要精確建模方法

3 泵控伺服系統控制技術

為提高泵控伺服系統的控制精度、響應速度和魯棒性，近年來出現將不同算法的優勢互補，獲得了更好的控制效果。目前泵控伺服系統中所采用的控制方法如圖5所示，主要分為3類：經典線性控制、非線性現代控制、智能學習控制。

圖5 泵控伺服系統控制系統發展示意

3.1 經典線性控制

因控制律簡單且不依賴數學具體模型，PID控制廣泛應用在工業要求不高的場合，劉志剛等[63-65]將液壓缸位移分為3段進行分段PID控制，提高了系統的位置控制精度和響應速度，但控制器對響應速度作用較強會引起系統的超調。在對頻帶和跟蹤精度要求很高時，PID控制不滿足系統高性能要求且并不能實現最優控制，學者將PID與其他方法結合，如張雨新、孫達明設計的模糊PID控制器在顯著減少響應時間同時提高其抗干擾性能，王俊鋒、游有鵬則設計了單一神經元自適應PID控制器，也獲得良好控制效果[66-69]。

3.2 非線性現代控制

20世紀50年代以后，自適應控制以及魯棒控制等解決了非線性時變以及外部不確定干擾等問題，學者將基于被控對象數學模型的非線性現代控制應用到泵控伺服系統中，獲得不錯成果。

3.2.1 自適應控制

自適應控制通過對控制器參數的調整適應被控系統或環境變化，以模型參考自適應和自校正控制較為成熟，于今等人設計的模型參考自適應控制實現了幾乎無偏差無滯后的位置跟蹤從而解決模型時變以及系統遲滯等問題[62,70-71]。但當高頻噪聲或強干擾時的控制效果不盡如人意，學者提出了自適應控制器與自適應濾波器、觀測器以及魯棒控制或滑模控制等結合，提升系統動態響應性能以及魯棒性解決單一自適應控制的不足[72-73]。

3.2.2 魯棒控制

1978年，多倫多大學的DAVISON首先提出魯棒控制，后續發展了如H∞魯棒控制、結構奇異值理論等多種控制方法。H∞控制在泵控伺服系統中的應用較為成熟，基本思想是將被控系統看成已知精確系統和不確定性判別模式構成的系統并用H∞范數優化調節保證系統的魯棒性[74]。王天玉[75]設計的擴展H∞控制器克服了等效負載變化導致系統穩定性變差并使系統跟蹤性能得到提高。譚兆鈞等[76]將精確反饋線性化與H∞混合靈敏度控制結合設計了魯棒控制器，結果表明滿足正常工況下對油液的需求且具有良好節能效果。

由于魯棒控制器需設置未知變量的邊界保證在最優狀態工作，為克服易因邊界設置造成系統穩態精度較差的不足，學者將魯棒控制與其他控制優勢互補，形成了自適應魯棒控制和滑模變結構魯棒控制等有效控制理論。YIN等[73,77-78]提出自適應魯棒控制，使控制器具有魯棒性以及參數自適應能力，實驗跟隨誤差在合理范圍，控制器系統框圖如圖6所示，包含自適應控制、魯棒控制和線性反饋控制三個部分。

圖6 自適應魯棒控制系統框圖

3.2.3 滑模變結構控制

滑模變結構控制因具有強魯棒性能及抗擾性等優點被廣泛研究，徐超等人[4]將快速終端滑模控制用于潛艇的泵控液壓舵機模型，驗證了控制器具有良好的魯棒性和可靠性。然而，因控制器頻繁切換帶來的抖振影響泵控伺服系統的性能甚至使系統失穩。目前常用濾波法、觀測器法以及降低切換增益來削弱或消除抖振，郭新平等[79-81]將滑模控制器與擴張觀測器結合，提高了泵控伺服系統的位置跟蹤性能和對擾動的抑制能力。當前，滑模變結構控制也常和其他控制結合，如自適應滑模變結構控制、魯棒滑模控制、神經網絡滑模控制以及自適應模糊滑模控制等。其中自適應模糊滑模控制原理如圖7所示，它利用模糊控制動態調節增益使系統在復雜環境仍有良好動態響應和穩態控制精度且抑制了系統抖振[82-84]。

圖7 自適應模糊滑模變結構控制示意圖

3.2.4 自抗擾控制

中科院韓京清[85]提出的自抗擾控制器因擴張狀態觀測器估計總擾動并反饋補償的優勢被廣泛研究。高強等人將自抗擾控制應用到泵控缸位置伺服系統中解決擾動補償問題，提高了系統動態響應和魯棒性[86-88]。自抗擾控制器雖具有控制精度高和抗干擾能力強等優點，但對于泵控伺服系統相對高階、遲滯較大時，控制器難免因ESO的帶寬受限以及控制參數較多且依賴經驗知識調節等問題影響控制器性能。沈偉、崔霞[89]則將自抗擾控制引入串級控制體系，提高控制器的相對階數并獲得良好控制效果。鑒于控制器參數較多，一些學者利用模糊控制和神經網絡等進行參數自整定。其中模糊神經網絡自抗擾控制結構原理如圖8所示，采用模糊神經網絡整定非線性反饋控制律參數，提高控制系統動靜態響應性能[90-93]。

圖8 模糊神經網絡自抗擾控制器結構圖

3.3 智能學習控制

智能學習控制通過自校正方式對控制器控制量智能調節，保證泵控伺服系統在復雜工況下的魯棒性、實時性和容錯性。目前，智能學習控制如模糊控制、神經網絡控制和遺傳算法等在泵控伺服系統中應用較為成熟。

3.3.1 模糊控制

模糊控制運用模糊邏輯規律將經驗知識轉換為控制規則進行自適應控制，但模糊控制的穩態誤差較大，常與其他控制結合，如MIAO等[68,94]將PID控制與模糊控制結合，既能滿足泵控伺服系統位置控制需要，又具有響應速度快與超調小的特點。高崗等人[84]設計的比例切換模糊滑模控制器削弱了普通滑模切換時高頻抖振，提高泵控伺服系統位置控制精度和穩定性。雖然模糊控制與其他方法結合提高了控制器性能，但模糊控制規則等還依賴專家大量的經驗知識，難以取得最優效果，因此劉華旺[95]采用ITAE性能指標對模糊控制進行優化，根據系統性能在線實時調整模糊規則，獲得到了理想的控制效果。

3.3.2 神經網絡控制

神經網絡控制一方面解決了泵控伺服系統模型未知和參數時變問題，ZHAO等[61]提出的神經網絡獲得良好結果，高強等人[49]則采用GA-BP神經網絡解決了BP神經網絡易陷入局部最小和收斂速度慢等問題。汪介瑜[96]則設計基于RBF神經網絡逼近的前饋-反饋自適應控制器,實現泵控伺服系統自適應控制，結構原理如圖9所示。

圖9 RBF神經網絡逼近的前饋反饋自適應控制器結構圖

另一方面結合其他控制技術優勢互補使泵控伺服系統響應達到最優，楊浩等人[97-98]提出BP神經網絡PID控制實現PID的相關參數自適應，但BP神經網絡易陷入局部最小；楊統等人[99]則在此基礎上用改進的粒子群算法來優化BP神經網絡的權值和閾值去整定PID參數，改善了該系統對突加負載的識別能力。一些學者還利用神經網絡對控制律進行估計與優化，如黃開啟等[100]利用神經網絡對控制律在線估測使系統抖振削弱，增強系統的魯棒性。

3.3.3 遺傳算法

遺傳算法是一種具有潛在并行性、快速全局搜索能力和良好擴展性的算法，被用于控制器參數優化以及泵控伺服系統參數識別等方面，但其容易過早收斂、對初始種群具有依賴性以及局部搜索能力較差，常與模糊控制、模擬退火算法、非線性控制等結合。如黃鎮海等[101-102]采用自適應遺傳算法對泵控液壓缸控制參數進行優化，結果表明具有較好的魯棒性和同步控制精度。郭慧等人[103]利用區間分解優化的遺傳算法優化串級PID控制器參數，實現快速抑制外部不確定負載對副回路的擾動，提高HY-50型直驅式泵控伺服系統的頻寬并改善了動態性能。針對遺傳算法局部搜索能力較弱以及后期搜索效率較低的問題，賈甜甜[104]將遺傳算法與細菌覓食算法結合對控制器參數進行優化，結果表明優化算法可以快速、準確地在給定范圍搜索到較優的控制器參數。

3.3.4 其他智能算法

粒子群算法因收斂速度快、算法規則簡單和可調參數少等優點被應用到泵控伺服系統，但容易陷入局部最優。張星晴、段富海[105]用改進粒子群算法對不同負載下PID控制器參數優化整定，提高泵控伺服系統的響應性能及抗擾性能。KANG等[106]采用粒子群優化算法對神經網絡進行初始化提高了收斂速度，防止權值陷入局部最優，實現對控制器參數最優調整。韓賀永等[107]提出小波神經網絡PID控制算法，實現對直驅式電液伺服模鍛錘壓力與速度的閉環控制，系統響應性能得到明顯改善。聶松林等[108]提出單神經元PID與前饋控制結合的策略，系統動態性能和魯棒性都得到進一步提升。

3.4 泵控伺服系統控制技術分析

在建立精確泵控模型的基礎上，被控系統的定位精度、動態響應性能、容錯性以及魯棒性的提高一直是控制技術的發展目標。表3總結了泵控伺服系統中近年來主要采用的控制方法和特點，考慮到單一控制方法在抑制不確定干擾、提高動態響應以及在復雜條件下不能完全達到最優控制，目前呈現多種控制方法相互融合優勢互補。而復合控制器參數較多且依靠研究人員經驗選取，控制器性能不易達到最優，可以利用模糊神經網絡、模糊遺傳算法和粒子群優化算法等智能算法優異的自學習、自校正實現控制器參數在線或離線自整定，滿足泵控伺服系統在不同工況條件的要求。當然智能學習算法也存在一些比如需要大量的樣本集進行學習、容易陷入局部收斂、算法復雜度較高等需要完善的地方。

表3 泵控伺服系統控制策略主要方法

4 結論

電液伺服泵控伺服系統是一個非線性、強耦合、不確定性干擾的復雜系統，但以其優異的功率體積大、抗負載剛性大以及高效節能的特點，是未來液壓伺服系統的發展方向。為適應泵控伺服系統高效、高精度以及復雜環境條件下的要求，有以下幾方面熱點亟待研究：

(1)隨著泵控伺服系統由傳統工業國防領域轉向新興工業領域，基于電磁直驅線性泵控或集成度更高的新型泵控伺服系統將受到廣泛關注。

(2)將摩擦、參數攝動和油液溫度影響等非線性因素考慮到建模中，結合智能復合學習算法等更高效和更精確的方法，可以更加精確地反映實際系統的本質規律。

(3)將現代非線性控制方法與智能學習控制等進行優勢互補，設計出性能更優的控制器，以實現系統在不同工況和惡劣條件下最優運行。