An intelligent control method for electro-hydraulic servo system of steering gear is presented. It includes controller setting particle parameters in particle swarm optimization through radial basis function neural network; controller updating particle parameters according to particle swarm optimization algorithm; calculating particle fitness, searching individual and collective extremum, and finally updating the speed and position of each particle; controller receiving system error information from force sensor and displacement sensor, input to radial basis function neural network At the same time, particle swarm optimization (PSO) inputs the optimal solution of the iterated particle parameters into the hidden layer neurons of the RBF neural network. The RBF neural network learns the above system error information and continuously adjusts the weights of the RBF neural network. The effect of the invention is that the real-time setting of the PID controller by the radial basis function neural network fusing the particle swarm optimization algorithm enhances the response speed, stability, anti-interference ability and redundant force suppression effect of the electro-hydraulic servo system of the rudder, thereby realizing faster and more accurate loading of the electro-hydraulic servo system of the rudder.
【技术实现步骤摘要】
舵机电液伺服系统智能控制方法
本专利技术属于控制系统仿真
,具体是涉及一种舵机电液伺服系统智能控制方法。
技术介绍
舵机电液伺服系统是在实验室条件下对航空器舵机所受力载荷情况进行地面仿真的实验设备,其可以研究力载荷对舵机性能的影响,进而完成对舵机控制指标的检查和测试。因此目前该设备已被应用于航空器的设计与改型环节中,可为航空器制造提供良好的可控性和安全性。图1为目前一种已有舵机电液伺服系统结构示意图。如图1所示,其包括控制器1、电液伺服阀2、阀控液压缸3、弹簧缓冲装置4、力传感器6和位移传感器7;其中:控制器1与电液伺服阀2、力传感器6和位移传感器7相连接;电液伺服阀2依次通过阀控液压缸3和弹簧缓冲装置4与舵机5相连接;舵机5同时与力传感器6、位移传感器7相连接。该系统的工作原理是力传感器6和位移传感器7实时采集舵机5的系统误差信息,然后传送给控制器1,控制器1根据传来的系统误差信息与输出信息得出系统的加载力指令信号并将该指令信号传送给电液伺服阀2。电液伺服阀2将电信号转换为力学信号从而驱动阀控液压缸3运动进而产生加载力。加载力经过弹簧缓冲装置4后加载到舵机5上,舵机5根据加载力进行运动。在工作过程中,由于各组件的物理特性与舵机5的自身运动,系统会产生干扰自身工作的多余力。多余力会影响系统的控制性能及加载精度,而且会降低系统抗干扰的技术指标。用于抑制多余力的传统PID控制器响应速度慢,稳定性能差,会导致系统的控制特性达不到要求。
技术实现思路
为了解决上述问题,本专利技术的目的在于提供一种能够抑制舵机电液伺服系统的多余力,通过粒子群算法和径向基神经网络实 ...
【技术保护点】
1.一种舵机电液伺服系统智能控制方法,所述的舵机电液伺服系统包括控制器(1)、电液伺服阀(2)、阀控液压缸(3)、弹簧缓冲装置(4)、力传感器(6)和位移传感器(7);其中:控制器(1)与电液伺服阀(2)、力传感器(6)和位移传感器(7)相连接;电液伺服阀(2)依次通过阀控液压缸(3)和弹簧缓冲装置(4)与舵机(5)相连接;舵机(5)同时与力传感器(6)、位移传感器(7)相连接;其特征在于:所述的舵机电液伺服系统智能控制方法包括按顺序进行的下列步骤:1)由PID控制器、径向基神经网络和粒子群构成控制器(1);控制器(1)通过径向基神经网络设定粒子群算法中粒子的参数;2)控制器(1)按照粒子群算法对上述设定的粒子的参数进行更新;首先计算粒子的适应度,再寻找个体与集体极值,最后更新每个粒子的速度与位置;3)控制器(1)接收力传感器(6)和位移传感器(7)传来的系统误差信息,然后输入到径向基神经网络中;同时粒子群将迭代后的粒子参数最优解输入到径向基神经网络的隐藏层神经元中;径向基神经网络对上述系统误差信息进行学习,并不断调整径向基神经网络中的权值。
【技术特征摘要】
1.一种舵机电液伺服系统智能控制方法,所述的舵机电液伺服系统包括控制器(1)、电液伺服阀(2)、阀控液压缸(3)、弹簧缓冲装置(4)、力传感器(6)和位移传感器(7);其中:控制器(1)与电液伺服阀(2)、力传感器(6)和位移传感器(7)相连接;电液伺服阀(2)依次通过阀控液压缸(3)和弹簧缓冲装置(4)与舵机(5)相连接;舵机(5)同时与力传感器(6)、位移传感器(7)相连接;其特征在于:所述的舵机电液伺服系统智能控制方法包括按顺序进行的下列步骤:1)由PID控制器、径向基神经网络和粒子群构成控制器(1);控制器(1)通过径向基神经网络设定粒子群算法中粒子的参数;2)控制器(1)按照粒子群算法对上述设定的粒子的参数进行更新;首先计算粒子的适应度,再寻找个体与集体极值,最后更新每个粒子的速度与位置;3)控制器(1)接收力传感器(6)和位移传感器(7)传来的系统误差信息,然后输入到径向基神经网络中;同时粒子群将迭代后的粒子参数最优解输入到径向基神经网络的隐藏层神经元中;径向基神经网络对上述系统误差信息进行学习,并不断调整径向基神经网络中的权值。2.根据权利要求1所述的舵机电液伺服系统智能控制方法,其特征在于:在步骤1)中,所述的控制器(1)通过径向基神经网络设定粒子群算法中粒子的参数的方法是:控制器(1)首先根据径向基神经网络的隐藏层神经元数量来确定粒子群算法中粒子的个数,并按照隐藏层神经元中心向量和高斯函数半径确定各个粒子在空间中的位置与速度;径向基神经网络的隐藏层神经元采用高斯函数作为中心函数,即:其中,x是传入隐藏层神经元的数据,b是隐藏层神经元中高斯函数半径,c是隐藏层神经元中心向量;对于任意神经元hi,该节点的高斯函数为:其中,xk是径向基神经网络的输入数据,b是隐藏层神经元中高斯函数半径,ci是隐藏层神经元中心向量;径向基神经网络的隐藏层神经元数量为n,那么确定粒子群算法中粒子的个数为n;同时依据径向基神经网络的隐藏层神经元中心向量的维度与高斯函数半径,确定粒子群搜索空间;假设隐藏层神经元中心向量的维度为N-1维且半径为1维,则第I个粒子在空间的位置与速度为:xi=(xi1,xi2,...,xiN)(3)vi=(vi1,vi2,...,viN)(4)空间中每个粒子都具有一个被优化的目标函数决定的适应值、最优位置和当前位置。3.根据权利要求1所述的舵机电液伺服系统智能控制方法,其特征在于:在步骤2)中,所述的控制器(...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。