一种自动精准获取挖掘机PID控制器三个控制参数的方法技术

本发明专利技术公开了一种自动精准获取挖掘机PID控制器三个控制参数的方法，属于挖掘机控制领域，包括：基于期望运动轨迹和实际运动轨迹计算轨迹跟踪误差；根据实际工作状态建立挖掘机电液比例系统高精度联合仿真平台；引入遗传算法中的选择和交叉思想对标准粒子群优化算法进行改进，准确、高效地获取控制器三个参数；改进粒子群优化控制器参数的步骤为：首先对粒子群初始化，计算粒子适应度，更新个体最优值和全局最优值，执行遗传操作，更新粒子状态，最后检验迭代是否结束。本发明专利技术一种自动精准获取挖掘机PID控制器三个控制参数的方法能够快速、平滑地跟踪参考轨迹，抗干扰能力强，能够自动精准获取挖掘机控制器三个控制参数。精准获取挖掘机控制器三个控制参数。精准获取挖掘机控制器三个控制参数。

【技术实现步骤摘要】
一种自动精准获取挖掘机PID控制器三个控制参数的方法


[0001]本专利技术涉及挖掘机电液伺服系统控制领域，具体涉及一种自动精准获取挖掘机PID控制器三个控制参数的方法。

技术介绍

[0002]挖掘机的控制系统存在参数摄动和外部干扰等问题，主要表现为摩擦、负载等因素造成的参数不确定性和建模误差、外部干扰等因素造成的非参数不确定性，严重制约轨迹跟踪精度和整机性能。挖掘机控制大多还是采用传统的比例积分微分(Proportional Integral Derivative，PID)控制器，比例、积分和微分三个控制参数一经设定就固定，无法满足挖掘机控制系统的高精度要求，而且参数设置繁杂，调试过程耗时耗力。

技术实现思路

[0003]针对现有技术的不足，本专利技术提出了一种自动精准获取挖掘机PID控制器三个控制参数的方法,本专利技术提出将遗传算法中的选择、杂交算子与粒子群优化算法相结合，并引入到PID控制中，来实现对铲斗运动轨迹的精确控制。
[0004]本专利技术的目的可以通过以下技术方案实现：
[0005]第一方面，本申请提出一种自动精准获取挖掘机PID控制器三个控制参数的方法，包括：
[0006]基于挖掘机电液伺服系统的实际运动轨迹与期望运动轨迹计算轨迹跟踪误差；根据实际工作情况构建基于挖掘机液压部分的铲斗联系统仿真模型；
[0007]通过遗传算法中的选择和交叉方法优化的粒子群优化算法构建PID控制器模型；
[0008]基于铲斗联系统仿真模型和PID控制器模型建立联合仿真模型；通过联合仿真模型设定期望运动轨迹和轨迹跟踪误差来获取挖掘机控制器的控制参数。
[0009]在一些实施例中，所述基于挖掘机电液伺服系统的实际运动轨迹与期望运动轨迹计算轨迹跟踪误差包括以下步骤：
[0010]设定期望运动轨迹，根据五次多项式，以阶跃信号为例，对期望运动轨迹进行插值和分段，即y＝1m，期望运动轨迹r为：
[0011][0012]其中，x0是期望运动轨迹起点x0＝(0，1)，x1是期望运动轨迹终点x1＝(10，1)，t
b
是从x0运动到x1所经历的时间，t
b
＝10s，t是时间；
[0013]实际采集挖掘机电液伺服系统的实际运动轨迹y；设计跟踪控制方法进行轨迹控制，当系统具有未建模动力学和参数不确定性时，轨迹跟踪误差e满足以下公式：
[0014][0015]在一些实施例中，所述根据实际工作情况构建基于挖掘机液压部分的铲斗联系统仿真模型包括以下步骤：
[0016]建立液压泵模型，根据泵实际工作状态设置液压泵工作在额定转速为n；
[0017]建立多路阀模型，实际测绘阀口节流槽结构和尺寸，推导过流面积计算公式，得出阀芯位移与过流面积对应数据，求出铲斗联阀芯阀口的过流面积随阀芯开口度的变化曲线；
[0018]建立液压缸和工作装置模型，搭建的各液压元件和工作装置模型，将其按照系统结构和工作原理装配在一起；
[0019]联合液压泵模型、多路阀模型、液压缸和工作装置模型构建基于挖掘机液压部分的铲斗联系统仿真模型。
[0020]在一些实施例中，所述通过遗传算法中的选择和交叉方法优化的粒子群优化算法构建PID控制器模型，包括以下步骤：
[0021]将遗传算法中的选择和交叉思想引入到标准的PSO算法中，在d维度内，后代粒子的位置由父代粒子的位置的算术加权和计算，表示为：
[0022]child1(x
d
)＝r
c
*parent1(x
d
)+(1
‑
r
c
)*parent2(x
d
)
[0023]child2(x
d
)＝r
c
*parent2(x
d
)+(1
‑
r
c
)*parent1(x
d
)
[0024]其中，r
c
是均匀分布的随机数，即为交叉概率，在[0,1]范围内取值；child1(x
d
)、child2(x
d
)是d维度内后代粒子的位置；parent1(x
d
)、parent2(x
d
)是相应的父代粒子的位置；
[0025]后代粒子的速度矢量分别由下式获得：
[0026][0027][0028]其中，child1(v)、child2(v)是后代粒子的速度矢量；parent1(v)、parent2(v)是父代粒子的速度矢量；
[0029]采用非线性递减惯性权重策略，其值的调整方式由下式表示：
[0030][0031]其中，ω
max
、ω
min
是惯性权重上限值和下限值；t
max
是最大迭代次数；k是非线性控制因子；
[0032]采用误差绝对值时间积分ITAE性能指标做为参数整定的目标函数，表达为：
[0033][0034]其中，T
i
是积分时间；
[0035]目标函数通过改进的PSO算法逐步向最优PID参数进化，PID控制量u(t)计算公式如下：
[0036][0037]其中，t为时间，e(t)为输入r(t)与输出y(t)的偏差，e(t)＝y(t)
‑
r(t)；自动精准
获取挖掘机PID控制器三个控制参数：K
P
为比例增益，K
I
为积分增益，K
D
为微分增益。
[0038]在一些实施例中，所述通过遗传算法中的选择和交叉方法优化的粒子群优化算法构建PID控制器模型，还包括对粒子群进行初始化，归纳PID控制参数整定，具体包括以下步骤：
[0039]搜索空间上限L
d
和下限U
d
，粒子速度范围[v
maxd
,v
mind
]，学习因子c1和c2，算法迭代次数；
[0040]计算各粒子的适应度f，计算公式为f＝1/J
ITAE
；
[0041]更新个体最优值和全局最优值；针对每个粒子，若当前位置的适应度好于该粒子的个体极值，则更新粒子的个体极值；同样地，若当前位置的适应度好于全局极值，则更新粒子群的全局极值，否则保持当前个体极值和全局极值不变；
[0042]执行遗传操作，根据计算所得每个粒子的适应度，对粒子群执行选择和交叉操作；
[0043]更新粒子状态，更新惯性权重系数，更新粒子的速度和位置；
[0044][0045][0046]其中，位置L
d
与U
d
分别为搜索空间的上限和下限；速度v
maxd
与v
mind
分别为粒子最小和最大搜索速度；个体历史最佳位置全局粒子群最佳位置下标i＝1,2本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种自动精准获取挖掘机PID控制器三个控制参数的方法，其特征在于，包括：基于挖掘机电液伺服系统的实际运动轨迹与期望运动轨迹计算轨迹跟踪误差；根据实际工作情况构建基于挖掘机液压部分的铲斗联系统仿真模型；通过遗传算法中的选择和交叉方法优化的粒子群优化算法构建PID控制器模型；基于铲斗联系统仿真模型和PID控制器模型建立联合仿真模型；通过联合仿真模型设定期望运动轨迹和轨迹跟踪误差来获取挖掘机控制器的控制参数。2.根据权利要求1所述的自动精准获取挖掘机PID控制器三个控制参数的方法，其特征在于，所述基于挖掘机电液伺服系统的实际运动轨迹与期望运动轨迹计算轨迹跟踪误差包括以下步骤：设定期望运动轨迹，根据五次多项式，以阶跃信号为例，对期望运动轨迹进行插值和分段，即y＝1m，期望运动轨迹r为：其中，x0是期望运动轨迹起点x0＝(0，1)，x1是期望运动轨迹终点x1＝(10，1)，t
b
是从x0运动到x1所经历的时间，t
b
＝10s，t是时间；实际采集挖掘机电液伺服系统的实际运动轨迹y；设计跟踪控制方法进行轨迹控制，当系统具有未建模动力学和参数不确定性时，轨迹跟踪误差e满足以下公式：3.根据权利要求1所述的自动精准获取挖掘机PID控制器三个控制参数的方法，其特征在于，所述根据实际工作情况构建基于挖掘机液压部分的铲斗联系统仿真模型包括以下步骤：建立液压泵模型，根据泵实际工作状态设置液压泵工作在额定转速为n；建立多路阀模型，实际测绘阀口节流槽结构和尺寸，推导过流面积计算公式，得出阀芯位移与过流面积对应数据，求出铲斗联阀芯阀口的过流面积随阀芯开口度的变化曲线；建立液压缸和工作装置模型，搭建的各液压元件和工作装置模型，将其按照系统结构和工作原理装配在一起；联合液压泵模型、多路阀模型、液压缸和工作装置模型构建基于挖掘机液压部分的铲斗联系统仿真模型。4.根据权利要求1所述的自动精准获取挖掘机PID控制器三个控制参数的方法，其特征在于，所述通过遗传算法中的选择和交叉方法优化的粒子群优化算法构建PID控制器模型，包括以下步骤：将遗传算法中的选择和交叉思想引入到标准的PSO算法中，在d维度内，后代粒子的位置由父代粒子的位置的算术加权和计算，表示为：child1(x
d
)＝r
c
*parent1(x
d
)+(1
‑
r
c
)*parent2(x
d
)child2(x
d
)＝r
c
*parent2(x
d
)+(1
‑
r
c
)*parent1(x
d
)其中，r
c
是均匀分布的随机数，即为交叉概率，在[0,1]范围内取值；child1(x
d
)、child2(x
d

【专利技术属性】
技术研发人员：冯浩，姜金叶，
申请(专利权)人：南京信息工程大学，
类型：发明
国别省市：