电动静液作动器智能设计

虞少鹏，王海波，2，王鑫，何欢，李战斌

（1.西南交通大学机械工程学院，四川成都 610031；2.轨道交通运维技术与装备四川省重点实验室，四川成都 610031）

0 前言

电动静液作动器（Electro-Hydrostatic Actuator，EHA）将电机、泵和执行器集成于一体，具有集成度高、功重比大、可靠性高、效率高、安装维护性好等优点［1-2］。航空EHA 需求规范标准（ISO 22072）指出EHA 可以单独组装成一个标准的集成电液模块［3］。EHA 也逐渐成为各类大型装备的通用基础元部件。但EHA 取代大型装备常面临不同的安装空间、工作环境、边界条件等问题，在设计过程中需要根据装备的具体结构进行定制设计［4］。传统设计方法主要是根据参数要求，对各零件进行选型与设计，且大部分零件都属于非标件。对EHA 进行定制设计，设计人员需要重新计算不同功率下的参数并重新建模。这种设计方法设计效率和质量低，研发周期长。

针对这些问题，EHA 的设计需要广泛先进的设计技术。目前国内外，主要集中在设计优化技术和建模仿真设计［2］；设计优化技术多专注于作动器的模型仿真优化技术。如文献［5］通过对综合指标的建立，以效率和液压元件排量为目标函数；文献［6］提出同时把控制精度、能耗、质量、成本作为目标函数。建模仿真技术可实现自动化建模，能大幅度减少设计周期、提高设计效率。文献［7］通过参数化建模直接得到产品的三维信息，实现自动快速建模；文献［8］提出基于知识工程的自动化自顶向下三维建模方法，提高三维设计建模效率。本文作者将EHA 取代大型装备具体工程问题的各种边界条件、约束和目标转化为空间体积和力学性能优化问题，并提出串联型、并联型和直角型3 种布局型式结构。

本文作者基于建模仿真技术和优化设计技术，引入智能设计思想支持EHA 设计过程，利用参数化技术、SW 二次开发技术以及智能布局等关键技术实现主参数设计功能、优化设计功能、数据库系统功能和三维建模功能；基于EHA 结构特点提出EHA 智能设计知识库的设计方法，针对3 种布局型式结构进行智能化设计，取得较好的效果。

1 EHA 系统设计及参数确定

1.1 EHA 系统

文中EHA 采用的是定排量变转速的工作方式，采用单出杆液压缸。系统原理如图1 所示。该液压系统采用蓄能器加流量匹配阀，有效解决了非对称单出杆油缸流量不匹配问题［9］，该系统也可以直接移植到以对称缸和液压马达为执行元件的EHA。

图1 EHA 液压原理Fig.1 EHA hydraulic principle

1.2 EHA 设计参数确定

EHA 结构组成有电机、液压泵、液压缸、蓄能器、液压集成块等［10］，连接阀的形状决定布局型式，电机和泵一般属于外购件，设计人员主要是解决选型问题。根据设计要求，需要确定的主参数包括：系统压力、外负载力、速率比、液压缸行程、蓄能器充气压力、蓄能器最小工作压力、蓄能器最大工作压力、蓄能器缸体内径、阀块类型、电机功率、液压泵压力、液压泵排量12 个参数。

2 EHA 智能设计

2.1 二次开发原理

SolidWorks 软件是一款基于特征的实体建模软件［10］，它使用直观式设计技术、Windows OLE 技术、Parasolid 内核。SolidWorks 通过OLE／COM 技术为用户提供了强大的二次开发API 接口，并采用面向对象的方法，所有函数都是有关对象的方法和属性，这些函数提供程序直接访问SolidWorks 功能的能力［11-12］，如图2 所示。

图2 SolidWorks API 运作图Fig.2 SolidWorks API operation diagram

2.2 EHA 智能设计总体流程

结合EHA 的设计过程和SolidWorks 二次开发原理，首先实现开发环境的搭建，采用的是SolidWorks二次开发异步模式。设计人员在交互界面输入12 个主要参数得到次要参数，每次参数确定后，结果都会归档到数据库；通过输入安装空间尺寸大小，采用NSGA-Ⅱ遗传算法获取系统建模各零件结构尺寸值，将数据传输到智能设计系统后台程序中；优化设计以MATLAB 设计软件为平台，采用DLL 封装函数的方法将MATLAB 与智能设计系统进行交互，实现智能布局，如果优化结果不符合要求，则出现提示信息；设计人员选择需要生成的零件、组件和装配体；设计人员可以直接管理数据库，对数据库存档文件进行管理，修改完成后重新驱动模型。具体流程如图3 所示。

图3 EHA 智能化设计流程Fig.3 EHA intelligent design process

3 EHA 智能化设计实现

3.1 知识库

本文作者提出一套便于计算机系统识别的知识库，既符合传统设计流程和规则，又可以完成EHA建模工作。知识库设计包括规则系统设计、知识系统设计和模型系统设计。知识库结构如图4 所示。

图4 知识库结构Fig.4 Knowledge base structure

规则系统运用可以分成3 类：参数设计规则、零件建模设计规则和零件装配建模规则。参数设计规则包括外部参数和内部参数，外部参数为用户提出的技术要求参数，内部参数为根据机械设计手册查阅得到的参数。由于VS 控件类型是string 类型，而进行数值计算时需要double、single 或int 的数值类型，因此还需要进行类型转换。

零件建模则采用由点到线再到面的设计规则，草图的每个点的坐标设置为单独变量，将点的x、y、z数值赋值到变量中，并设置一个可修改余量值，其中z坐标为0；其中特征API 函数的获取一般通过宏录制得到，通过宏录制得到的选择函数是SelectByRay（），该选择函数只能模拟鼠标的选择状态，在不同规格零件的绘制时，该函数不能精确选到内部的面。通过SolidWorks API 中选择管理器命令，通过经过该面的点，得到待选面的线，通过选择这条线得到面的逻辑，准确实现面的选中。具体代码如下：

把总装配体总共分为6 个小装配体，对第一个导入的零件添加固定约束，采用3 个基准面之间相互配合，面与面之间的配合使用SelectByID2 方法，距离配合使用AddMate5 方法。

知识系统的设计包括公式类知识设计和推理类知识设计。公式类知识采用M（value）＝function N（value）的方法进行设计，其基本形式为M→N 或if M then N，即通过M 数值，利用公式计算，得到需要的N 参数值；推理类的知识采用if function else function 的方法设计，若为真则成立，否则重新判断。

模型库主要有两类：选型类模型库和设计类模型库。电机与液压泵模型直接存储在零件库中，在使用时直接调用出来。选型类模型库包括电机、液压泵、主阀块以及各种控制阀和辅助元件，建模完成后保存为STP 格式。

3.2 NSGA-Ⅱ优化设计

本文作者以体积和刚度为优化目标，对电动静液作动器进行多目标优化设计。EHA 刚度与系统控制性能直接相关，系统刚度较低不仅会影响控制精度，还会造成EHA 发生振荡，导致控制产生偏差［13］。EHA 的刚度可以用式（1）来计算：

其中：Ey表示液压油的弹性模量；A表示作用面积；s表示液压缸的行程。

由于EHA 智能设计主要是根据液压缸缸径和杆径这两个参数进行其余零件的设计，因此液压缸缸径及杆径的大小决定了电动静液作动器整体系统的尺寸。所以在进行EHA 设计时，保证刚度的基础上，使得活塞杆长度最小，从而达到EHA 整体结构最优。活塞杆长度可以用式（2）来计算：

其中：L为液压缸活塞杆最大允许行程；d为活塞杆直径；nk为安全系数；p为工作压力。

为保证EHA 整体布局占用空间最小，会使得系统刚度降低，但若保证了系统刚度最优，同时导致所设计的EHA 体积变大，因此为了满足两者同时达到最优，采用了NSGA-Ⅱ遗传算法，实现两个目标同时达到优化。优化流程如图5 所示。

图5 NSGA-Ⅱ优化Fig.5 NSGA-II optimization

3.3 交互界面实现

系统页面主要分成主参数设计、智能布局、元器件建模、路径保存和数据库管理5 个模块。输入主要参数，得到次要参数，计算完成后参数文件归档到数据库中。运行界面如图6（a）所示。用户通过智能布局页面，输入安装空间的长度、宽度、高度，程序自动确定布局形式，运行界面如图6（b）所示。参数输入完成后，用户可以选择生成相应的零件、组件和总装配体，运行界面如图6（c）所示。

图6 系统主页面Fig.6 System mainpage：（a）main parameter settings page；（b）smart layout page；（c）component modeling page

3.4 数据库实现

EHA 参数化设计中一方面需要对外购件进行选型匹配，另一方面需要对液压缸、蓄能器、阀块等非标件进行设计。文中EHA 设计涉及多种规格下3 种布局组合设计，参数输出量大。因此，将EHA 需要选型的结构数据和非标件参数数据写入SQL Server 2018 数据库中，使用SQL Server 2018 对数据进行删除、修改、添加等操作［14］。数据库管理页面如图7所示。

图7 数据库管理页面Fig.7 Database management page

3.5 设计实例

如表1 所示，为EHA 的主要设计参数。主参数设置界面中，依次输入表1 中数值，可直接依次生成3 种布局型式EHA，设计结果如图8 所示。安装空间以300 mm×500 mm×400 mm 输入，其余11 个参数按表1 数值一次性输入，种群数量设置为30，迭代次数设为100 代，得到Pareto 解集。如图9 所示，寻优得到的Pareto 解集稳定且分布均匀。

表1 主要设计参数Tab.1 Main design parameters

图8 EHA 参数化系统生成效果Fig.8 EHA parameterized system generation model：（a）parallel EHA；（b）series EHA；（c）right angled EHA

图9 优化结果Fig.9 Optimal results

提取优化解集中各数据如图10 所示，第一列为安全系数、第二列为杆径值、第三列为刚度值、第四列为活塞杆长度。利用差值计算并对比获取杆径和安全系数最优解取第一组或第四组解，杆径取50 mm，安全系数为3.5。最终的设计结果如图8（a）所示，经企业检验，该设计结果合理可直接用于设计生产。

图10 优化数值Fig.10 Optimized numerical values

4 结论

（1）提出EHA 智能设计方法，以Visual Studio 2019 为编程工具，SQL Server 2018 为数据库支撑，SolidWorks 2020 为开发平台，实现主参数设计功能、数据库系统功能和三维建模功能，提高设计人员效率，缩短研发周期。

（2）提出EHA 智能设计知识库的设计方法，包括规则系统、设计知识系统和模型库系统，同时利用SQL Server 数据库管理系统将电动静液作动器各零部件参数存储在数据库中，实现数据库系统与智能设计系统的交互。

（3）采用NSGA-Ⅱ优化设计方法，以体积和刚度为优化目标，得到EHA 布局，以及优化后系统建模各零件结构尺寸值，并利用DLL 方法将MATLAB专业软件与智能设计软件进行耦合设计，实现智能设计系统对MATLAB 中优化算法函数的调用。