舵機(jī)電液加載系統(tǒng)智能控制方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于控制系統(tǒng)仿真技術(shù)領(lǐng)域，具體是涉及一種舵機(jī)電液加載系統(tǒng)智能控制 方法。
【背景技術(shù)】
[0002] 飛行控制系統(tǒng)的地面仿真模擬試驗作為一種科學(xué)的實(shí)驗方法，在飛行裝置的研究 設(shè)計、改進(jìn)改型等方面都得到日益廣泛的應(yīng)用。在實(shí)驗室條件下，通常使用電液加載系統(tǒng)模 擬舵機(jī)在飛行過程中所受到的各種力載荷的變化情況，主要用于研究力載荷對控制系統(tǒng)工 作性能的影響，完成靜態(tài)、動態(tài)技術(shù)指標(biāo)的檢查和測試，從而將經(jīng)典的自破壞性全實(shí)物試驗 轉(zhuǎn)化為實(shí)驗室條件下的預(yù)測性研究，具有良好的可控性、無破壞性、操作簡單方便的優(yōu)點(diǎn)。 圖1為一種目前常用的舵機(jī)電液加載系統(tǒng)結(jié)構(gòu)示意圖。如圖1所示，其包括控制器1、電液 伺服閥2、閥控液壓缸3、彈簧裝置4、力傳感器6、位移傳感器7 ;其中：控制器1與電液伺服 閥2、力傳感器6和位移傳感器7相連接；電液伺服閥2依次通過閥控液壓缸3和彈簧裝置 4與舵機(jī)5相連接；舵機(jī)5同時與力傳感器6、位移傳感器7相連接。其工作原理是：力傳感 器6和位移傳感器7實(shí)時采集舵機(jī)5的誤差信息e和系統(tǒng)輸出信號y，然后傳送給控制器 1，控制器1據(jù)此計算出加載指令信號，并通過調(diào)節(jié)電液伺服閥2腔體壓力的方式驅(qū)動閥控 液壓缸3運(yùn)動，產(chǎn)生加載力，經(jīng)由彈簧裝置4加載到舵機(jī)5上，舵機(jī)5根據(jù)指令信號進(jìn)行相 應(yīng)運(yùn)動。但是，由于這種舵機(jī)電液加載系統(tǒng)是一個典型的被動式力伺服控制系統(tǒng)，其中舵機(jī) 5的主動運(yùn)動會使該系統(tǒng)產(chǎn)生多余力。多余力具有強(qiáng)度大、時時存在、隨舵機(jī)5運(yùn)動狀態(tài)連 續(xù)變化的特性。多余力的存在不僅會嚴(yán)重影響系統(tǒng)的控制性能和加載精度，而且對系統(tǒng)的 抗干擾性、響應(yīng)速度等許多重要技術(shù)指標(biāo)都有不利影響。
[0003] 考慮到采用單神經(jīng)元PID調(diào)整參數(shù)時，由于所需的辨識信息不夠精確，所以導(dǎo)致 其控制精度不能滿足系統(tǒng)要求。

【發(fā)明內(nèi)容】

[0004] 為了解決上述問題，本發(fā)明的目的在于提供一種能夠抑制舵機(jī)電液加載系統(tǒng)的多 余力，提高系統(tǒng)的加載精度、響應(yīng)速度的舵機(jī)電液加載系統(tǒng)智能控制方法。
[0005] 為了達(dá)到上述目的，舵機(jī)電液加載系統(tǒng)智能控制方法中的舵機(jī)電液加載系統(tǒng)包括 控制器、電液伺服閥、閥控液壓缸、彈簧裝置、力傳感器、位移傳感器；其中：控制器與電液 伺服閥、力傳感器和位移傳感器相連接；電液伺服閥依次通過閥控液壓缸和彈簧裝置與舵 機(jī)相連接；舵機(jī)同時與力傳感器、位移傳感器相連接；所述的舵機(jī)電液加載系統(tǒng)智能控制 方法包括按順序進(jìn)行的下列步驟：
[0006] 1)控制器采用蟻群聚類算法得到包括聚類個數(shù)和聚類中心在內(nèi)的聚類信息；
[0007] 2) RBF神經(jīng)網(wǎng)絡(luò)以上述聚類個數(shù)和聚類中心作為其隱含層神經(jīng)元個數(shù)和隱含層神 經(jīng)元中心，將從力傳感器和位移傳感器輸出的誤差信息e和系統(tǒng)輸出信號y作為一個對輸 入（e，y)，采用最近鄰聚類算法對舵機(jī)電液加載系統(tǒng)進(jìn)行在線辨識，得到RBF神經(jīng)網(wǎng)絡(luò)的輸 出；
[0008] 3)單神經(jīng)元PID利用上述RBF神經(jīng)網(wǎng)絡(luò)提供的Jacobian信息，通過梯度下降法對 其控制參數(shù)<、1^、1^進(jìn)行在線自整定，最終輸出加載力指令信號給電液伺服閥，以驅(qū)動閥控 液壓缸運(yùn)動，產(chǎn)生加載力，經(jīng)由彈簧裝置加載到舵機(jī)上，最后舵機(jī)根據(jù)該指令信號進(jìn)行相應(yīng) 運(yùn)動。
[0009] 在步驟1)中，所述的控制器采用蟻群聚類算法得到包括聚類個數(shù)和聚類中心在 內(nèi)的聚類信息的方法是：通過大量現(xiàn)場試驗，獲得舵機(jī)電液加載系統(tǒng)的輸入輸出實(shí)驗樣本 數(shù)據(jù)，設(shè)定每個人工螞蟻，即agent代表一個輸入輸出實(shí)驗樣本數(shù)據(jù)，其根據(jù)舒適度函數(shù) 和激活概率函數(shù)不停地尋找合適位置，從而使得agent動態(tài)自組織地形成聚類，其次根據(jù) agentj^學(xué)習(xí)規(guī)則判斷其屬于"睡眠"狀態(tài)或者"活躍"狀態(tài)；若agent為"活躍"狀態(tài)，即 未找到合適位置，則繼續(xù)尋找；若agent為"睡眠"狀態(tài)，即找到合適的位置，則停止尋找；最 后判斷相異度，若相異度未達(dá)到設(shè)定值則調(diào)整激活閾值，若達(dá)到設(shè)定值則輸出聚類信息，包 括聚類個數(shù)和聚類中心。
[0010] 在步驟2)中，所述的RBF神經(jīng)網(wǎng)絡(luò)以上述聚類個數(shù)和聚類中心作為其隱含層神 經(jīng)元個數(shù)和隱含層神經(jīng)元中心，將從力傳感器和位移傳感器輸出的誤差信息e和系統(tǒng)輸出 信號y作為一個對輸入（e，y)，采用最近鄰聚類算法對舵機(jī)電液加載系統(tǒng)進(jìn)行在線辨識，得 到神經(jīng)網(wǎng)絡(luò)的輸出的方法是：從第一個對輸入（ ei，Yl)開始，已經(jīng)存在k個隱含層神經(jīng)元， 隱含層神經(jīng)元中心為Cl，C 2，…，Ck，且聚類半徑為b ;求出ei到中心向量的距離I e「Cl I (i = 1，2,…，k)。設(shè)I e^Cj I為所有距離中的最小值，即Cj為χ i的最近鄰聚類。若I e「Cj I >b，則 在原RBF神經(jīng)網(wǎng)絡(luò)中增加第（k+1)個隱含層神經(jīng)元，而且該隱含層神經(jīng)元中心ck+1= ei，輸 出之和sk+1= y1;若|e「Cj|〈b，則原RBF神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)不變，其中輸出之和Sj= S 使 用高斯函數(shù)作為RBF神經(jīng)網(wǎng)絡(luò)的隱含層神經(jīng)元的函數(shù)得到第i個隱含層神經(jīng)元的輸出；之 后根據(jù)最小二乘法確定隱含層到輸出層之間的權(quán)值；最后將隱含層神經(jīng)元的輸出以及隱含 層到輸出層之間的權(quán)值相乘并求和而得出RBF神經(jīng)網(wǎng)絡(luò)的輸出。
[0011] 在步驟3)中，所述的單神經(jīng)元PID利用上述RBF神經(jīng)網(wǎng)絡(luò)提供的Jacobian信息， 通過梯度下降法對其控制參數(shù)k p、kp kd?行在線自整定，最終輸出加載力指令信號給電液 伺服閥，以驅(qū)動閥控液壓缸運(yùn)動，產(chǎn)生加載力，經(jīng)由彈簧裝置加載到舵機(jī)上，最后舵機(jī)根據(jù) 該指令信號進(jìn)行相應(yīng)運(yùn)動的方法是：設(shè)定系統(tǒng)的輸入指令為r (k)，實(shí)際輸出為y (k)，單神 經(jīng)元PID的控制參數(shù)為kp、kp kd，設(shè)定單神經(jīng)元PID的輸入X1 (k)、x2 (k)、x3 (k)和加載力輸 出u(k)分別為：
[0012]
[0013] u (k) =U (k-Ι) + Δ u (k)
[0014] 式中，e(k)為系統(tǒng)誤差，且：
[0015] Δ u (k) = kpXj (k) +k；x2 (k) +kdx3 (k)
[0016] 首先對RBF神經(jīng)網(wǎng)絡(luò)的輸出求偏導(dǎo)，得到精確的Jacobian信息，根據(jù)Jacobian 信息采用梯度下降法對控制參數(shù)k p、kp kd?行在線自整定，最終根據(jù)以上加載力輸出的公 式得到舵機(jī)電液加載系統(tǒng)的加載力輸出信號，并通過調(diào)節(jié)電液伺服閥腔體壓力的方式驅(qū)動 閥控液壓缸運(yùn)動，產(chǎn)生加載力，經(jīng)由彈簧裝置加載到舵機(jī)上，舵機(jī)根據(jù)指令信號進(jìn)行相應(yīng)運(yùn) 動。
[0017] 本發(fā)明提供的舵機(jī)電液加載系統(tǒng)智能控制方法采用基于蟻群聚類優(yōu)化的RBF神 經(jīng)網(wǎng)絡(luò)在線辨識的單神經(jīng)元PID反饋的控制策略，運(yùn)用蟻群聚類算法確定RBF神經(jīng)網(wǎng)絡(luò)的 隱含層神經(jīng)元個數(shù)及隱含層神經(jīng)元中心，通過最近鄰聚類算法得到RBF神經(jīng)網(wǎng)絡(luò)的輸出作 為單神經(jīng)元PID需要的辨識信息，使舵機(jī)電液加載系統(tǒng)可以根據(jù)舵機(jī)的運(yùn)動位置和趨勢綜 合控制輸出，從而解決了在線實(shí)時控制的問題，由此提高了系統(tǒng)的加載精度和響應(yīng)速度。
【附圖說明】
[0018] 圖1為一種目前常用的舵機(jī)電液加載系統(tǒng)結(jié)構(gòu)示意圖。
[0019] 圖2為本發(fā)明提供的舵機(jī)電液加載系統(tǒng)智能控制方法中所采用的蟻群聚類算法 流程圖；
[0020] 圖3為采用本發(fā)明提供的舵機(jī)電液加載系統(tǒng)智能控制方法的控制器結(jié)構(gòu)示意圖；
[0021] 圖4為采用本發(fā)明方法的控制器與常規(guī)PID控制器消除多余力的效果對比實(shí)驗曲 線，其中（a)是輸入指令頻率為5HZ時不同控制器抑制多余力矩的對比實(shí)驗結(jié)果曲線；(b) 是輸入指令頻率為15HZ時不同控制器抑制多余力矩的對比實(shí)驗結(jié)果曲線。
【具體實(shí)施方式】
[0022] 下面結(jié)合附圖和具體實(shí)施例對本發(fā)明提供的舵機(jī)電液加載系統(tǒng)智能控制方法進(jìn) 行詳細(xì)說明。
[0023] 本發(fā)明提供的舵機(jī)電液加載系統(tǒng)智能控制方法包括按順序進(jìn)行的下列步驟：
[0024] 1)控制器1采用蟻群聚類算法得到包括聚類個數(shù)和聚類中心在內(nèi)的聚類信息；
[0025] 如圖2所示，通過大量現(xiàn)場試驗，獲得舵機(jī)電液加載系統(tǒng)的輸入輸出實(shí)驗樣本數(shù) 據(jù)，設(shè)定每個人工螞蟻（agent)代表一個實(shí)驗樣本數(shù)據(jù)，其根據(jù)聚類規(guī)則和激活概率函數(shù) 不停地尋找合適位置，從而使得agent動態(tài)自組織地形成聚類。
[0026] 在蟻群聚類中，設(shè)定agent的運(yùn)動空間是二維網(wǎng)格，將第i個agent的狀態(tài)標(biāo)記為 Qi，且：
[0027] q;= (x i; yi; Si) (I ^ i ^ η) (I)
[0028] 式中，xJP y ;為agent ;的坐標(biāo)；s ;為agent ;的當(dāng)前狀態(tài)。
[0029] agentj^舒適度函數(shù) f (agnet J 為：
[0030]
P)
[0031] 式中，（Kagenti, agentj)為數(shù)據(jù)i和數(shù)據(jù)j之間的距離，即相異度；Nfegenti)為 agentj9鄰域；a u用下式表示：
[0032]
Ο)
[0033] agent轉(zhuǎn)為活躍狀態(tài)的激活概率P a (agentj為：
[0034]
[0035] 式中，β為激活閾值。
[0036] 首先將agent投放到二維平面，根據(jù)公式⑵和公式（4)分別得出agent的舒適 度函數(shù)和激活概率，其次根據(jù)agentj^學(xué)習(xí)規(guī)則判斷其狀態(tài)，當(dāng)f (agent ;) >> β時，agent; 為