基于神经网络PID控制的自动装配平台电液位置伺服系统

赵志鑫，苏东海

（沈阳工业大学 机械工程学院，沈阳 110870）

0 引言

风电机组传动链自动装配平台是一种安装在整机分厂总装车间用于风力发电机组传动链的轴孔自动装配生产设备。现代工艺中的风机传动链的自动装配过程普遍采用人工装配或半自动半人工的操作模式[1]，这种操作模式需要多人协同工作，不仅操作效率低，而且在任务中存在主轴轴端擦伤锁紧盘而影响风机传动组使用寿命的可能[2]。因此随着风电机组的功率增大，主轴部件和齿轮箱装配精度和工作质量也随之有了更高的要求。

1 电液位置伺服系统的数学模型

本文采用阀控式电液位置伺服系统，确定自动装配设备的建模方案如图1所示。

图1 自动装配设备的建模方案

对于光电放大器、伺服放大器和位移传感器的传递函数Gf(s)均可看做比例环节，伺服阀的传递函数取决于动力元件的液压固有频率。伺服阀的传递函数可表示为

式中：Ksv为伺服阀流量增益；ξsv为伺服阀阻尼比；Q0为伺服阀空载流量；ωsv为伺服阀固有频率。

液压缸是非线性系统，液压缸所受的负载主要是惯性负载，其传递函数可以表示为

式中：Ap为有效面积；βe为弹性体积模数；ξk为阻尼比；ωk为固有频率。

干扰输入的外负载力传递函数可表示为

在Matlab Simulink中建立伺服系统的闭环传递函数模型[3]。

2 自动装配设备的PID优化

对于参数的调试，本文采用临界比例度法则的第二种方法。首先得到闭环系统的特征方程，将s=jω代入后，同时使各项的系数用an代替，可以得到下式：

根据劳斯稳定判据可以得到振荡周期，并根据临界比例度法的整定经验公式可以计算出Kp、Ki和Kd参数。仿真后得到PID控制系统的阶跃响应曲线如图2所示。

图2 PID控制系统的阶跃响应曲线

从仿真结果可知，经PID优化后的系统上升工作时间减少，但存在过阻尼的情况，依然可以进行调节优化。

3 自动装配设备的神经网络PID控制

PID控制器不能匹配时变系统，无法完整贴合伺服系统的非线性函数[4]。神经网络能够避免上述缺点，并自适应实时进行整定。

3.1 单神经网络PID

传统PID的表达式改写为单神经元的形式后，可写为

Δe(k)和e(k)是控制器整定算法中的重要参数，应用有监督的Hebb学习规则并对其进行权值系数修正：

在Matlab Simulink上搭建单神经元PID控制系统。神经网络PID控制仿真模型如图3所示，单神经元PID控制器模块如图4所示。

图3 神经网络PID控制仿真模型

图4 单神经元PID控制器模块

3.2 基于BP神经网络的PID控制

多层神经网络算法在隐藏层权值的获取上不能直接得到，因此其搭建基本框架由误差的逆向传递和信号的正向传导组成，其控制表达式可优化为

BP神经网络策略的PID控制算法的神经层结构如图5所示。

图5 BP神经网络PID控制器模块

将两种神经网络策略整定出的阶跃曲线与传统PID进行对比，如图6所示。

图6 3种策略控制下的阶跃曲线

从仿真曲线可以得到，神经网络控制算法在响应速度上均优于传统PID并且二者均无超调量，均在1.5 s左右达到稳态，神经网络控制对系统优化效果显著。

4 结语

本文研究了一种用于风机传动链的自动装配设备的基于神经网络PID控制的位置伺服控制方法。利用PID控制对其进行了预调后发现系统在上升的时候存在过阻尼的情况，采用神经网络的两种结构策略分别对控制系统利用Matlab Simulink进行仿真分析，神经网络性能良好，能够满足系统需求。