静液压工作设备及其控制方法技术

公开了一种用于移动工作机器的静液压工作设备，具有静液压致动器和操作装置，经由所述操作装置能够检测对所述致动器的运动要求，所述运动要求是所述致动器的存储在控制装置中的运动学模型的输入变量，其中所述致动器能够根据所述控制装置的输出变量加以操控，其中设置检测装置，经由所述检测装置能够检测所述致动器的可分配给或已分配给所述运动要求或输出变量的运动学状态。还公开了一种用于控制所述工作设备的方法。所述工作设备的方法。

【技术实现步骤摘要】
【国外来华专利技术】静液压工作设备及其控制方法


[0001]本专利技术涉及一种根据权利要求1的前序部分的静液压工作设备，以及根据权利要求8的用于控制所述静液压工作设备的方法。

技术介绍

[0002]通用类型的工作设备具有大量的旋转和/或平移自由度。在此，所述工作设备由一系列静液压致动器组成。
[0003]重要的是，所述工作设备的控制对操作员来说是安全和舒适的。从而所述工作设备必须在其运动范围内与工作机器及其环境无碰撞地工作。此外，布置在所述工作设备尖端处的工具应该在所有三个坐标上都可以目标正确且舒适地加以控制。即使对于没有经验的操作员（例如移动工作机器的驾驶员），也应该能够以高的动态性和定位精度进行控制。
[0004]为了满足这些要求，迄今为止已知的解决方案使用由基于模型的预控制、用于检测所述工作设备的运动的测量技术装置以及调节构成的链条。在此，重要的是解决由此带来的逆运动学问题。对此，所有已知的方法都基于对致动器的液压机械系统的准确了解，从而可以借助于模型反演在预控制路径中已经映射出所需的精度，并且结合下游的调节可以达到所需的定位质量而同时实现足够高的动态性。
[0005]然而，系统行为的精确了解在实践中很难实现，因此即使了解内置组件，在调试时也需要高的应用耗费。只有通过大量的时间耗费和对系统的精确理解才能满足高动态性和高定位精度的要求。事实证明，该过程对于具有未知液压组件的系统的调试和运行而言当然特别复杂。
[0006]此外，液压组件在所述工作设备的使用寿命期间的老化效应可能导致行为的恶化。真实系统与预控制中映射的系统模型之间的偏差可能导致定位精度的恶化。也可能激励起所述工作设备的振荡，因为额定行为和实际行为之间出现的偏差必须由调节器在闭路中进行补偿。
[0007]典型地，通过将操纵杆信号解释为对各个耗电器（例如，动臂、斗杆、铲斗）的期望速度来控制具有复杂工作运动学的移动工作机器。然而，这种经过验证的控制概念被证明是困难的，特别是对于没有经验的驾驶员或对工作设备定位精度有很高要求的任务而言。辅助功能提供帮助，所述辅助功能使得HMI信号能够被解释为工作设备尖端在xyz坐标系中的期望速度，即所谓的TCP或坐标控制。这种辅助功能使用致动器的运动学模型来计算驾驶员期望的运动要求所需的关节速度。这种辅助功能的前提条件通常是关节角度和一般而言运动学配置的检测，特别是经由角度传感器、气缸行程传感器或惯性传感器系统来检测。为了实现辅助功能所要求的关节速度，对每个参与的致动器都需要对应的速度。已知的解决方案使用从操纵杆偏转到泵和阀的操控的操控路径的反模型结合调节，以尽可能精确地实现所要求的运动。所述调节是补偿预控制模型中的误差以及干扰变量所需要的，所述误差例如由于参数偏差引起，所述干扰变量例如是挖掘设备上具有对应阻力的重材料的干扰变量。特别地，高动态运动（例如，平面中或路堤上的快速平整）以高质量的预控制为前提，因
为所述调节的动态性是有限的。在已知的解决方案中，尽可能精确的预控制的使用基于操控链的建模和系统参数的对应了解，所述系统参数例如是阀门块动力学和泵动力学、线路损耗和柴油发动机行为。如前所述，即使使用已知的液压组件，这也会导致调试期间的显著耗费。在使用未知组件的情况下，迄今为止尚未实现预控制路径中的高精度。这显著恶化了可以利用辅助功能实现的定位精度，或者使这种功能完全无法使用。

技术实现思路

[0008]相比之下，本专利技术所基于的任务在于实现一种过程可靠的可控静液压工作设备以及一种用于过程可靠地控制所述工作设备的方法。
[0009]第一个任务通过具有权利要求1的特征的静液压工作设备解决，第二个任务通过具有权利要求8的特征的方法解决。
[0010]分别在从属权利要求中描述了本专利技术的有利的扩展。
[0011]一种用于移动工作机器，特别是用于挖掘机、履带式挖掘机、移动式挖掘机、小型挖掘机、反铲装载机或混凝土泵或林业机器的静液压工作设备，具有静液压致动器，特别是运动学耦合的静液压致动器。所述致动器可以是旋转的或平移的，例如旋转电机或提升气缸。工具或工具容纳装置优选地设置在所述工作设备的端部区段处。所述工作设备具有操作装置，经由所述操作装置可以检测对所述致动器的运动要求。所述操作装置优选地与所述工作设备的控制装置信号连接。所述运动要求是所述致动器的至少运动学模型的输入变量，所述模型存储在所述工作设备的控制装置中。所述致动器可以由所述控制装置至少根据所述控制装置的输出变量，特别是所述模型的输出变量操控，特别是借助于压力介质源和阀门装置。此外，设置检测装置，经由所述检测装置可以检测所述致动器的可分配给或已分配给所述运动要求或输出变量的运动学状态。根据本专利技术，所述工作设备，特别是其控制装置，具有适配或学习装置，所述适配或学习装置被设计成经由其可以至少根据所述运动要求和/或所述输出变量以及检测到的、可分配的或已分配的状态来适配所述模型或其反演，即反演模型。由此，根据本专利技术，所述控制装置能够学习。换言之，借助于所述适配装置实现了适配或学习算法。
[0012]这导致所述工作设备的开发和调试耗费减少，因为可以独立地适配用于控制工作设备（适配装置）的模型。于是，为了能够满足高动态性和高定位精度的要求而精确了解工作设备和致动器的液压机械行为不再是前提条件。在完成了学习或适配操作之后，可以省去或最大程度地省去调节装置并且可以完全地或几乎完全地通过控制来满足基于（经过适配的）模型的质量的要求。特别地，为了应用控制装置不再需要先验地已知诸如泵或阀门的液压组件，更准确地说是这些液压组件的行为。即使没有对所述工作设备及其致动器、泵、阀门的精确了解，也可以进行调试，从而减少时间耗费，但仍满足要求。如果在使用寿命内出现老化效应，例如通过致动器的磨损或通过其他过程，则可以借助于所述适配或学习装置通过根据本专利技术地适配所述模型来补偿现实与模型之间的偏差。
[0013]所述适配装置，特别是所述适配装置中存储的用于执行的学习或适配算法可以具有不同的实施方式。在第一变型中，该模型具有所述工作设备的至少一个状态空间模型，特别是分别具有静态模型和动态模型，与适配于一个或多个状态空间模型作用的递归最小二乘算法（RLS算法）相组合。在第二变型中，所述模型具有带有固定支撑点的所述工作设备的
特性曲线和/或特性曲线族，所述固定支撑点的值可以通过RLS算法学习和/或适配。在第三变型中，所述学习或适配算法由至少一个神经网络和深度学习方法形成。在此可以借助于反向传播来学习和适配权重。为此，可以优选地将所述检测装置的检测数据存储在所述控制装置中。所述学习或适配算法的第四种变型被构造为强化学习（RL）。由此可以在不使用所述模型的情况下在很大范围内学习迁移行为。
[0014]所述适配装置可以被设计成使得所述适配可以周期性地或分批地（特别是在工作任务结束之后）或连续地执行。
[0015]优选地，将所述学习或适配算法存储在所述适配装置中以供执行。
[0016]在一种扩展中，所述控制装置是通用的。优选地，所述控制装置的结构是通用的本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种用于移动工作机器的静液压工作设备，具有静液压致动器（6）和操作装置（10），经由所述操作装置（10）能够检测对所述致动器（6）的运动要求（y
des
），所述运动要求是所述致动器（6）的存储在控制装置（8）中的运动学模型（16、28、30）的输入变量，其中所述致动器（6）能够根据所述控制装置（8）的输出变量加以操控，并且所述静液压工作设备具有检测装置（12），经由所述检测装置（12）能够检测所述致动器（6）的可分配给或已分配给所述运动要求或输出变量的运动学状态（y
act
），其特征在于适配装置（18、32），所述适配装置被设计成经由其能够至少根据所述运动要求（y
des
）以及检测到的已分配的状态（y
act
）来适配所述模型（16、28、30）或所述模型的反演。2.根据权利要求1所述的工作设备，其中，所述适配装置（18、32）被设计成经由其能够适配所述模型（28、30）的参数（A、B、C）。3.根据权利要求1或2所述的工作设备，其中，所述适配装置（18、32）被设计成经由其能够递归地估计所述模型（28、30）的参数（A、B、C）。4.根据前述权利要求中任一项所述的工作设备，其中，所述适配装置（18、32）为了所述适配而具有依据由所述模型预测的状态（y
pred
）...

【专利技术属性】
技术研发人员：F，
申请(专利权)人：罗伯特，
类型：发明
国别省市：