基于粒子群算法的挖掘机PD控制器设计.pdf

:./.基于粒子群算法的挖掘机 控制器设计周有明刘凯磊强红宾康绍鹏(.江苏理工学院 机械工程学院江苏 常州 .国机重工集团常林有限公司江苏 常州.江苏大学 流体机械工程技术研究中心江苏 镇江)摘 要:针对挖掘机精确轨迹控制问题构建了挖掘机动力学模型搭建了 仿真环境下挖掘机动力学模块、控制系统模块和可自动调用的 参数输入模块通过 最优搜寻得到 权重参数然后在 程序中定义挖掘机动力学模型最后在动态控制下进行一个闭环快速自适应整定联合仿真 仿真结果表明采用基于粒子群算法的挖掘机 控制器与传统的试凑法都能达到期望的轨迹控制且都能较好地贴近理论值但基于粒子群算法的挖掘机 控制器能够快速自适应整定 在挖掘轨迹起始过程中相较于试凑法中 和 组合为 粒子群算法的 控制器要收敛近 降低了系统的稳态误差大大提高了液压挖掘机的稳定性和精确性关键词:挖掘机动力学 控制器粒子群算法中图分类号:.文献标识码:文章编号:()(.):.:引 言挖掘机在工业与民用建筑、交通运输、水力工程等领域都有广泛的应用 然而随着人类社会建设的进步工业自动化程度随之提高传统控制算法已很难满足挖掘机的控制精度要求 因此挖掘机的精确轨迹控制问题成为现阶段工程机械控制领域的一个研究热点实现挖掘机精确轨迹控制的核心关键是设计一个控制性能优异的控制器通过输入目标信息驱使液压缸输出相对精确的控制力矩从而驱动挖掘机各关节的运动以达到所期望的位置与位姿 目前国内外众多的科研人员对此有了一定的研究 等通过对雅克比矩阵进行自适应整定后估测未知运动学参数 并采用了 层神经网络对动力学和未建模项动态进行补偿 胡海兵等针对外部扰动以及内部不确定性(建模误差、耦合影响等)对挖掘机器人机械研究与应用 年第 期(第 卷总第 期)设计与开发收稿日期:基金项目:国家自然科学基金资助项目:基于机液压差补偿的负载口独立控制系统主被动柔顺控制(编号:)江苏省高等学校自然科学基金项目:液压并联车载主动减振平台复合柔顺控制策略研究(编号:)常州市科技支撑计划项目:基于机电液耦合系统的大型高速运载装备行驶非线性动力学行为研究及应用(社会发展)(编号:)常州市领军型创新人才引进培育项目资助:复杂工况下多轴线运载装备智能连杆转向系统研究及应用(编号:)江苏省研究生科研与实践创新计划项目:液压挖掘机自动挖掘轨迹规划与多执行器协同运动控制(编号:)作者简介:周有明()男江西上饶人硕士研究生研究方向:机械与液压系统设计通信作者:刘凯磊()男甘肃嘉峪关人副教授博士研究方向:电液控制技术轨迹运行精度影响的问题引入鲁棒项抑制关节神经控制器并使用滤错训练算法估算神经网络未知权重系数利用 函数证明稳定性且获得良好的成效 然而这些算法需要大量的样本数据进行网络的训练实现过程较为复杂控制精确度会出现稍许的滞后现象 粒子群算法是模拟鸟类觅食的一种算法每只鸟都可看作一个粒子鸟群在寻找食物的过程中需不断地改变自己的速度和位置直到找到食物 该算法具有结构简单、容易实现且算法的收敛速度快、精确度高的特点因此笔者引入粒子群算法通过构建挖掘机动力学模型搭建 仿真环境下挖掘机动力学模块、控制系统模块和 参数输入模块通过 程序最优搜寻得到 权重参数并在 程序中定义挖掘机动力学模型利用 自身快速自适应整定参数优选及其收敛速度优势达到缩减周期实现高精度控制的目的 挖掘机动力学模型液压挖掘机动力学模型应用拉格朗日法求解获得基于关节空间的动力学数学方程针对液压挖掘机的非线性系统忽略关节摩擦和末端负载整理成如下的动力学模型:()()()()式中:、分别为关节角度、角速度、角加速度矢量()为对称正定惯性矩阵()为哥氏力和离心力矩阵()为重力矢量 为控制力矩矢量实现挖掘精确轨迹控制需要找到一个容许控制使得实际的关节角度与给定的关节角度误差最小 动态 控制器设计为补偿挖掘轨迹过程中因建模误差、耦合影响和外部扰动等造成的精度误差需进行动态 控制计算 根据第一章的动力学方程在给定基本参数时可以计算出()、()和()的估计值()、()和()且通过 作为新的输入量来考虑非线性反馈控制律如图 所示图 反馈控制律框图 定义该系统轨迹误差为:()将式()代入式()得:()()()()简化可以得到:()式中:为给定角位移 与实际角位移 的误差值为给定角速度与实际角速度的误差值 为给定角加速度 式()可以适当地设定权重 和 使轨迹误差有可能收敛到 搭建挖掘机 控制系统联合仿真模型如图 所示在 里建立 反馈控制律模型通过接口设置与 模型进行联合仿真图 与 联合仿真模型图 将基本参数以模块参数的形式从 工作区里封装读取设置交互时间为.仿真时间为 根据上述可知通过适当地设定权重 和 就有可能使轨迹误差更小、更精确 优化挖掘机轨迹 控制系统模型需要将待优化参数进行编码形成一个决策向量 文中引入粒子群算法仿真运行后挖掘机动力学模块和 参数调用模块的关系如图 所示图 模块连接关系 挖掘机动力学模型的定义在 程序中实现当联合仿真开始时 程序将被调用运行 根设计与开发 年第 期(第 卷总第 期)机械研究与应用据目标适应度函数优选出最优 参数实现挖掘机的快速自适应 控制 基于 的 参数快速自适应整定将 引入到搜寻最优挖掘机 参数中其流程图如图 所示图 整定 参数流程 ()种群初始化在种群初始化中定义 种群大小 粒子的最大速度 .和最小速度 .最大迭代次数 惯性权值.学习因子 和.的取值范围为和 的取值范围为()计算目标适应度为了获取较好的动态收敛趋势对于目标适应度的选取采用绝对误差收敛为 的准则作为该研究算法的目标函数 仿真结果及分析本文采用试凑法和 两种方法对挖掘机 控制进行研究通过仿真结果分析比较两种方法对控制系统动态性能的影响从而搜寻出最优权重参数.迭代结果与分析设置种群的初始参数当 程序被调用时运行结果如图 所示根据图 所示结果可得迭代过程中需不断更新最优权重的取值其最终最优权重 的取值为 的取值为.将最优权重参数以模块参数的形式从 工作区里进行封装并将其读取到 内已搭建好的挖掘机 控制系统模型进行仿真图 迭代结果分析图.仿真数据分析对比为证明权重参数优化的有效性需进行动态 控制下的联合仿真通过试凑法和 两种方法对比分析仿真结果如图、所示图 液压挖掘机液压缸输出位移对比图机械研究与应用 年第 期(第 卷总第 期)设计与开发 图 中:为大臂液压缸输出位移为斗杆液压缸输出位移为铲斗液压缸输出位移由图 可知文中首先采用试凑法采集了 组数据分别进行仿真其次基于粒子群算法对 控制器权重参数优化后进行仿真其中试凑法中 和 组合为 与 优化后较为贴近更接近期望轨迹因还需进一步对比分析图 液压挖掘机液压缸运动收敛趋势对比图 图 中:为大臂液压缸运动收敛趋势为斗杆液压缸运动收敛趋势为铲斗液压缸运动收敛趋势由图 知在整个挖掘机轨迹规划仿真过程中运动收敛趋势都将趋于 但 优化后的 控制器在起始过程中相较于试凑法中 和 组合为 要收敛近 大大提高了液压挖掘机的稳定性和精确性 结 语文中构建了挖掘机动力学模型搭建了 仿真环境下挖掘机动力学模块、控制系统模块和自动调用的 参数输入模块其中 权重参数经 最优搜寻得到挖掘机动力学模型在 程序中定义并在动态控制下进行一个闭环快速自适应整定联合仿真 仿真结果表明采用基于粒子群算法的挖掘机 控制器与传统的试凑法都能达到期望轨迹控制且都能较好地贴近理论值但基于粒子群算法的挖掘机 控制器能够快速自适应整定 在挖掘轨迹起始过程中相较于试凑法中 和 组合为 基于 的 控制器收敛近 降低了系统的稳态误差大大提高了液压挖掘机稳定性和精确性 因此基于粒子群算法的挖掘机 控制系统将达到更加精确和高效的控制效果参考文献:龙峰冯志君.基于 的液压挖掘机负载模拟系统研究.机械研究与应用():.():.胡海兵杨建德张结文等.基于分散化神经鲁棒控制的轨迹跟踪算法研究.现代电子技术():.李欣然樊永生.改进量子行为粒子群算法智能组卷策略研究.计算机科学():.赵亚琪王景成张浪文等.基于粒子群算法的 液压系 参数优化.控制工程():.设计与开发 年第 期(第 卷总第 期)机械研究与应用