用于识别挖掘机斗杆液压缸工况的控制方法及其控制装置制造方法及图纸

本发明专利技术提供一种用于识别挖掘机斗杆液压缸工况的控制方法及其控制装置，该方法的具体步骤为：S1、通过压力传感器分别采集电比例变量泵出口、斗杆液压缸和回油箱的压力，通过位移传感器采集液压缸的位移；S2、将S1中位移传感器采集到的液压缸实际位移信号跟期望位移信号进行比对，并判断斗杆液压缸的工况类别；S3、根据S2得出的斗杆液压缸的工况发出相应的控制信号。该装置，包括电比例变量泵、三相异步电动机、安全阀、压力传感器、背压阀、三位三通电磁换向阀、位移传感器、斗杆液压缸和控制器。本发明专利技术在不同工况间切换的过程中，提高了工况识别结果准确率，避免了液压缸在不同工况间频繁切换现象，改善了压力波动情况，液压缸运行更平稳。更平稳。更平稳。

【技术实现步骤摘要】
用于识别挖掘机斗杆液压缸工况的控制方法及其控制装置


[0001]本专利技术属于液压系统工况智能识别及控制
，特别涉及一种用于识别挖掘机斗杆液压缸工况的智能控制方法，尤其涉及一种适用于不同复杂工况状态间，进行平稳切换的控制装置。

技术介绍

[0002]目前对于阀口独立型挖掘机斗杆液压系统的控制，主要根据采集到的压力、速度、位移信号，通过控制器利用设定的阈值区分斗杆液压缸的不同工况，进而控制器输出对应工况的控制信号，使斗杆按照预定规划的轨迹运动。采用设定阈值识别液压缸工况方法具有的优点：能快速识别出液压缸所处的工况状态；控制算法简单，便于挖掘机操作人员、维修人员理解应用；根据不同物理量对液压缸工况进行判定时，便于调整阈值数值大小，对控制器算法进行相应修改，从而满足根据采集的不同种类信号分别进行工况判定。
[0003]但是，根据压力、速度等信号对斗杆状态进行判定，当采集的信号在阈值附近波动时，控制器对于工况识别不准确，会导致系统在不同状态间频繁切换、阀芯抖动、液压缸运行不平稳。因此，需要研发一种可以准确识别不同液压缸工况的控制器，特别适合根据采集的挖掘机斗杆液压系统波动信号，精确识别液压缸所处的工况，连续稳定输出相应工况的泵、阀控制信号，使液压缸平稳运行，具有算法结构简单、判定工况用时短、针对不同型号挖掘机参数修改方便、通用性强等特点。

技术实现思路

[0004]针对现有技术存在的问题，本专利技术提供一种用于识别挖掘机斗杆液压缸工况的控制方法及其控制装置，主要利用神经网络算法对斗杆液压缸的工况进行识别，不仅降低了挖掘机斗杆液压缸在不同状态间切换时产生的压力和速度波动，实现斗杆液压缸连续平稳运行；而且提高了斗杆液压缸的工况识别准确率，解决了采集信号在阈值附近波动时，导致的不同工况频繁切换的问题。
[0005]本专利技术一方面，提供了一种用于识别挖掘机斗杆液压缸工况的控制方法，具体实施步骤如下：
[0006]S1、通过压力传感器分别采集电比例变量泵出口、斗杆液压缸有杆腔、斗杆液压缸无杆腔和回油箱的压力，通过位移传感器采集斗杆液压缸的位移；
[0007]S2、搭建神经网络识别模块，将步骤S1中位移传感器采集到的斗杆液压缸实际位移信号跟期望位移的差值作为神经网络识别模块的输入，并识别判断斗杆液压缸的工况类别：
[0008]S21、搭建判断斗杆液压缸工况的神经网络结构：
[0009]S211、对步骤S1中采集的斗杆液压缸实际位移信号跟期望位移的差值进行数据处理，并按7:3比例划分训练集跟测试集；
[0010]S212、设置神经网络结构的超参数：根据斗杆液压缸的实际位移信号跟期望位移
信号的差值，将输入层的神经元个数设为1；根据识别斗杆液压缸的三种工况，将输出层的神经元个数设为3；根据确定神经元个数公式分别得到两个层隐含层的个数为10和12；
[0011]S22、利用状态正向更新和误差反向传播的BP算法对步骤S21搭建的判断斗杆液压缸工况的神经网络结构进行训练：
[0012]S221、设定各层之间传递函数及训练函数，利用步骤S211中得到的训练数据集对神经网络结构进行训练，假设输入位移差为x，则第k层得到输入及本身输出如下：
[0013][0014]h
k
＝g
k
(net
k
)
[0015]式中，net为第k层输入，ω为第k
‑
1层到第k层的权值矩阵，b为第k
‑
1层到第k层的偏置矩阵，g为第k层传递函数，h为第k层输出，T为转置符号；
[0016]S222、定义训练数据集中期望斗杆液压缸输出工况类别跟实际斗杆液压缸输出工况类别的损失函数E，具体表达式如下：
[0017][0018]式中，y为真实工况类别，y1为神经网络识别的实际工况输出，∧2为平方符号；
[0019]S223、将步骤S222建立的损失函数对识别斗杆液压缸的输出层、各层的权值和偏置求偏导，并通过误差反向传播对其进行更新，假设第n迭代时第m层的权值跟偏置分别为和则其具体公式如下：
[0020][0021][0022]式中，η为学习率，E为损失函数，为求偏导符号；
[0023]S23、利用步骤S211中得到的测试集对步骤S22训练的判断斗杆液压缸工况的神经网络进行测试，将效果好的BP神经网络模型进行保存，并转换成simulink模块识别的形式；
[0024]S3、搭建信号判定生成模块，根据步骤S2得出的斗杆液压缸的工况发出相应的控制信号：
[0025]S31、若斗杆液压缸为伸出工况，采用位移和速度的复合控制方法，生成电比例变量泵、斗杆液压缸有杆腔端的第一个三位三通电磁换向阀和斗杆液压缸无杆腔端的第二个三位三通电磁换向阀的控制信号；
[0026]S32、若斗杆液压缸为缩回工况，采用位移和速度复合控制方法，生成电比例变量泵、斗杆液压缸有杆腔端的第一个三位三通电磁换向阀和斗杆液压缸无杆腔端的第二个三位三通电磁换向阀的控制信号；
[0027]S33、若斗杆液压缸为定位工况，根据非对称阀控制非对称缸的原理和液压缸位移闭环反馈控制原理，生成电比例变量泵、斗杆液压缸有杆腔端的第一个三位三通电磁换向阀和斗杆液压缸无杆腔端的第二个三位三通电磁换向阀的控制信号。
[0028]可优选的是，在步骤S212中，所述确定神经元个数公式的具体表达式为：
[0029][0030]式中，S为隐含层的神经元个数，P为输入层的神经元个数，O为输出层的神经元个数，a为常数值1～10。
[0031]可优选的是，在步骤S22中，输入层到第一隐含层、第一隐含层到第二隐含层和第二隐含层到输出层的传递函数分别为双向正切S型传递函数tansig、线性传递函数purelin和柔性最大值传递函数softmax；所述训练函数为学习率可变函数traingdx。
[0032]可优选的是，在步骤S3中，所述工况类别，其包括伸出工况、缩回工况和定位工况。
[0033]本专利技术的另外一方面，提供一种用于识别挖掘机斗杆液压缸工况的控制装置，所述装置，其包括电比例变量泵、三相异步电动机、安全阀、压力传感器、背压阀、三位三通电磁换向阀、位移传感器、斗杆液压缸和神经网络工况识别控制器，所述电比例变量泵的输入端和所述三相异步电动机连接，所述电比例变量泵的输出端和第一个三位三通电磁换向阀的第一输入端连接，所述安全阀和所述第二个三位三通电磁换向阀的第一输入端连接，所述背压阀和所述第二个三位三通电磁换向阀的第二输入端依次与所述第一个三位三通电磁换向阀的第二输入端连接，所述第一个三位三通电磁换向阀的输出端和所述斗杆液压缸有杆腔的第一端连接，所述位移传感器和所述斗杆液压缸有杆腔的第二端连接，所述第二个三位三通电磁换向阀的输出端和所述斗杆液压缸的无杆腔连接，所述电比例变量泵、所述背压阀和所述三位三通电磁换向阀分别通过第一压力传感器、第二压力传感器、第三压力传感器和第四压力传感器与神经网络工况本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于识别挖掘机斗杆液压缸工况的控制方法，其特征在于，其包括以下步骤：S1、通过压力传感器分别采集电比例变量泵出口、斗杆液压缸有杆腔、斗杆液压缸无杆腔和回油箱的压力，通过位移传感器采集斗杆液压缸的位移，通过速度传感器采集斗杆液压缸的速度；S2、搭建神经网络识别模块，将步骤S1中位移传感器采集到的斗杆液压缸实际位移信号跟期望位移的差值作为神经网络识别模块的输入，并识别判断斗杆液压缸的工况类别：S21、搭建判断斗杆液压缸工况的神经网络结构：S211、对步骤S1中采集的斗杆液压缸实际位移信号跟期望位移的差值进行数据处理，并按7:3比例划分训练集跟测试集；S212、设置神经网络结构的超参数：根据斗杆液压缸的实际位移信号跟期望位移信号的差值，将输入层的神经元个数设为1；根据识别斗杆液压缸的三种工况，将输出层的神经元个数设为3；根据确定神经元个数公式分别得到两个层隐含层的个数为10和12；S22、利用状态正向更新和误差反向传播的BP算法对步骤S21搭建的判断斗杆液压缸工况的神经网络结构进行训练：S221、设定各层之间传递函数及训练函数，利用步骤S211中得到的训练数据集对神经网络结构进行训练，假设输入位移差为x，则第k层得到输入及本身输出如下：h
k
＝g
k
(net
k
)式中，net为第k层输入，ω为第k
‑
1层到第k层的权值矩阵，b为第k
‑
1层到第k层的偏置矩阵，g为第k层传递函数，h为第k层输出，T为转置符号；S222、定义训练数据集中期望斗杆液压缸输出工况类别跟实际斗杆液压缸输出工况类别的损失函数E，具体表达式如下：式中，y为真实工况类别，y1为神经网络识别的实际工况输出，∧2为平方符号；S223、将步骤S222建立的损失函数对识别斗杆液压缸的输出层、各层的权值和偏置求偏导，并通过误差反向传播对其进行更新，假设第n迭代时第m层的权值跟偏置分别为和则其具体公式如下：则其具体公式如下：式中，η为学习率，E为损失函数，为求偏导符号；S23、利用步骤S211中得到的测试集对步骤S22训练的判断斗杆液压缸工况的神经网络进行测试，将效果好的BP神经网络模型进行保存，并转换成simulink模块识别的形式；S3、搭建信号判定生成模块，根据步骤S2得出的斗杆液压缸的工况发出相应的控制信号：
S31、若斗杆液压缸为伸出工况，采用位移和速度的复合控制方法，生成电比例变量泵、斗杆液压缸有杆腔端的第一个三位三通电磁换向阀和斗杆液压缸无杆腔端的...

【专利技术属性】
技术研发人员：李永泉，胡双，陈宁超，陈伯文，王力航，张立杰，袁晓明，
申请(专利权)人：燕山大学，
类型：发明
国别省市：