（电力电子与电力传动专业论文）基于迭代学习的电液位置伺服系统控制的研究.pdf

a b s t r a c t e l e c t r o - h y d r a u l i cp o s i t i o ns e r v os y s t e mi sah i g h - o r d e rs y s t e mw i t h t i m e v a r y i n g ，s e r i o u sn o n - l i n e a ra n du n c e r t a i ns t r u c t u r e t h e s ec h a r a c t e r i s t i c s m a k ei td i f f i c u l tt oa c h i e v eh i g h p r e c i s i o nc o n v e n t i o n a lp i dc o n t r 0 1 a t p r e s e n t ，t h es t u d yo nr e d u c i n gt h eh i g h o r d e rt ol o w o r d e ra n dl i n e a r i z a t i o n s y s t e mi sp r e v a l e n t h o w e v e r , t h ec u r r e n th y d r a u l i cp o s i t i o ns e r v os y s t e mi s g r a d u a l l yd e v e l o p i n gt o w a r dw i d e f r e q u e n c yb a n d ，h i g h - p o w e r , h i g h a c c u r a t e ， a n t i - ja m m i n g a n d f a s t r e s p o n s ec h a r a c t e r s ， a n dt h em e t h o dw i t h l a r g e d i s t o r t i o na n dl o w - - a c c u r a t ee x i s t sm a n ys h o r t a g e si na c t u a le n g i n e e r i n g a p p l i a n c e i n o r d e rt om e e tt h en e e d so ft h e d e v e l o p m e n t o ft h e e l e c t r o - h y d r a u l i cs e r v os y s t e m ，t h ei t e r a t i v e - l e a r n i n gc o n t r o l l e rb a s e do nt h e h i g h o r d e ra n dn o n l i n e a rs y s t e mi ss t u d i e di nt h et e x t i t e r a t i v el e a r n i n gc o n t r o ld o e sn o tn e e da c c u r a t em a t h e m a t i c a lm o d e l a n di t sa l g o r i t h mi ss i m p l e ，a n dm a k e si tt oh a v es o m ea d v a n t a g e si nd e a l i n g w i t hn o n l i n e a rs y s t e m i nt h e o r y , t h ei t e r a t i v e - l e a r n i n gc a nf u l l yt r a c kt h e d e s i g n e dt r a je c t o r yw i t hz e r oe r r o r , a d a p t st oc o n t r o l l e do b je c tw i t hr e p e a t e d m o v e m e n t ，c a nd i r e c t l y b e e ns t u d i e di n t i m e - d o m a i n ，a n dc a nb e e n r e s e a r c h e di no f f - l i n e i na d d i t i o n a l ，i ti sa b l et oc h a n g e st h ei n p u tp a r a m e t e r s o ft h es y s t e mi n s t e a do fa l g o r i t h m i ci t s e l fw h e nt h es y s t e mt a k e sp l a c e m i c e v a r i e t yo ra p p e a r sd i s t u r b a n c e h o wt od e s i g nt h er a t i o n a lc o n t r o l l e r b a s e do ni t e r a t i v el e a r n i n gc o n t r o lt h e o r yf o rt h es y s t e mw i t hh i g h o r d e ra n d n o n l i n e a ri st h ef o c u so ft h ea r t i c l e a f t e ra l a r g e n u m b e ro fd o c u m e n t si s s t u d i e d ，t h e m o d e lo f e l e c t r o - h y d r a u l i cs y s t e m i s b u i l t ，i t s t r a n s f e rf u n c t i o na n d c o n v e r g e n t c o n d i t i o n so fi t e r a t i v el e a r n i n ga r ed e d u c e d ，i t sc h a r a c t e r i s t i c so ft i m e d o m a i n a n df r e q u e n c y d o m a i na r ea n a l y z e d ，a n dt h en o n l i n e a ro ft h es y s t e ma n dt h e t i m e - v a r y i n gc h a r a c t e r i s t i c so fp a r a m e t e r s a r ed i s c u s s e di nt h et e x t i n a d d i t i o n ，h y d r a u l i cs i m u l a t i o ns o f t w a r ea m e s i mi si n t r o d u c e d ，a n di su s e d w i t hm a t l a bi n t e r f a c et ob u i l dt h es e m i - p h y s i c a ls i m u l a t i o nm o d e lo f e l e c t r o h y d r a u l i c s e r v os y s t e m t h es i m u l a t i o nm o d e lo ft h ec o n t r o l l e ri s l i t c o n s t i t u t e da n dr e s e a r c h e di nm a t l a be n v i r o n m e n tw h e ni n p u ts i g n a l sa r e s e p a r a t e l ys t e ps i g n a l ，s i n es i g n a la n di m p u l s es i g n a l t h er e s u l td e m o n s t r a t e s t 1 1 a tt h ec o n t r o l l e rb a s i c a l l yc a nf u l l yt r a c kt h ed e s i r e do r b i tw i t hf a s tr e s p o n s e s p e e d ，a n df u r t h e r , t h ec o n t r o l l e rn e e dt ob er e s t a r t e dt ol e a r nb u tn o tt ob e r e s e tp a r a m e t e r sw h e nt h ed e s i r e do r b i ti sc h a n g e d ，i no t h e rw o r d s ，t h e c o n t r o l l e rd o n tn e e dt ob er e s i g n e do n l yi ft h ec o n t r o l l e do b je c ti s n tc h a n g e d e v e ni ft h ed e s i r e do r b i ti sa l t e r e d k e yw o r d s ：e l e c t r o - h y d r a u l i cp o s i t i o n a ls y s t e m ；i t e r a t i v el e a r n i n gc o n t r o l ； h i g h o r d e rn o n l i n e a r ；a e m s i m i v 声明户明 本人郑重声明：所呈交的学位论文，是本人在指导教师的指导下， 独立进行研究所取得的成果。除文中已经注明引用的内容外，本论文 不包含其他个人或集体已经发表或撰写过的科研成果。对本文的研究 做出重要贡献的个人和集体，均已在文中以明确方式标明。本声明的 法律责任由本人承担。 作者签名：担挚二至l 一日期：2 堑耳二l 关于学位论文使用权的说明 本人完全了解太原科技大学有关保管、使用学位论文的规定，其 中包括：学校有权保管、并向有关部门送交学位论文的原件、复印 件与电子版；学校可以采用影印、缩印或其它复制手段复制并保存 学位论文；学校可允许学位论文被查阅或借阅；学校可以学术交 流为目的，复制赠送和交换学位论文；学校可以公布学位论文的全 部或部分内容( 保密学位论文在解密后遵守此规定) 。 作者签名：扬墨日期 导师签名：日期： 丝军：篁：! ! 第一章绪论 第一章绪论帚一早三百t 匕 1 1 电液伺服控制系统概述 电液伺服系统由于具有控制精度高、响应速度快、输出功率大、信号处理灵活， 容易实现机电液一体化控制等优点，在国民经济中获得了广泛的应用。随着工业经 济的迅速发展，对液压系统品质提出的要求越来越高，相应的控制策略逐渐受到重 视，大量的专家和学者在这方面做了深入的研究。当前的控制主要策略是把高阶非 线性系统降阶并线性化，研究低阶线性化控制器。该方法对于一些频率不太高、参 数变化不快和外部干扰不大的系统是可行的。目前，随着电液位置伺服系统逐步向 快速、大功率、高精度、高响应、宽频带的方向发展，它在实际应用中表现出失真 度大、精度低等很多不足。为了适应发展的需要，本文设计了电液位置伺服控制器。 1 1 1 电液伺服系统控制的发展状况 电液伺服系统在控制领域占有举足轻重的地位。在军工方面，如现代飞机上的 操纵系统，如舵机、助力器、变臂器、人感系统等大都采用了液压伺服控制技术【l 】； 在工业应用方面，如机床方面的仿形机床，船舶上的舵机操纵和消摆系统，冶炼方 面的电炉电极自动升降恒功率系统，试验装的试验台、材料试验机，锻压设备中的 挤压机速度伺服、液压机的位置同步伺服、轧制设备中的液压下，带材连续生产线 的跑偏控制、张力控制等等【2 】。另外，动力设备中的气轮机转速自动调速系统以及车 辆工程、矿山机械、海底作业、建筑、石油、机器人等行业都大量采用了电液伺服 控制技术【3 1 。 由于电液伺服系统中有着广泛的应用，许多专家和学者对电液伺服系统的控制 策略展开了广泛而深入的研究。 液伺服控制经典理论2 0 世纪5 0 年代初由美国麻省理工学院开始研究，经典的 控制理论采用基于工作点附近的增量线性化模型来对系统进行分析和综合，设计过 程主要在频域中进行。近几年来，在电液伺服系统的控制策略取得了一些进展。2 0 0 3 年，煤科院上海分院的管杨新等对电液比例位置同步伺服系统进行了研究，设计模 糊非线性复合控制器应用于同步伺服系统，通过仿真和实验结果显示，改善了常规 模糊控制中较差的稳态性能【4 】。2 0 0 5 年，西安交通大学的史维祥等研究了基于神经 模糊混合控制的电液伺服系统，利用神经网络与模糊控制的优势，构造了一种神经 模糊控制器，具备知识自动获取、并行分布存储及快速模糊推理决策的能力，并且 给出了一种在线学习算法，获得了满意的控制效果 5 】。2 0 0 7 年，燕山大学的王益群 1 基- 工丝岱堂丑睑出这位置甸腿丕筮控剑的婴究 等在热轧立辊电液伺服系统中，基于模糊函数网络提出一种自适应控制方法，在工 程上解决该电液伺服系统的非线性控制问题1 6 1 。2 0 0 8 年，中南大学的张友旺结合动 态递归神经网络辨识及相应的算法研究了电液伺服系统的特性，充分利用动态系统 当前数据和历史数据，获得了比传统静态模糊神经网络更高的辨识精度 7 1 。 这些控制方法能在一定程度上改善系统的性能，但它们依赖具体的数学模型， 且算法复杂，通过计算机实现有很大的难度。 1 1 2 近代电液伺服系统面临的问题 随着科学技术的快速发展和机械工作精度、自动化程度的提高，尤其是单片机、 计算机控制技术快速发展和控制理论不断完善，电液伺服系统逐步向快速、大功率、 高精度，强响应的方向发展，同时提出了许多新问题亟待解决【6 1 【7 】： ( 1 ) 在应用环境恶劣、任务复杂的状况下，液压伺服系统普遍存在较大的参数变 化和外负载干扰，甚至还可能存在多对象间的交叉干扰。 ( 2 ) 液压伺服系统的频宽和跟踪精度都有较高的要求，例如航空航天领域需要频 宽为1 0 0 h z 的电液伺服系统，这个频率己接近甚至超过液压动力机构的自然频率。 ( 3 ) 电液伺服阀节流特性和流量饱和作用引起的非线性对系统有很大的影响。 ( 4 ) 利用传统的离散系统理论的稳定性判据和控制器设计方法使直接式数字非 线性电液元件存在很大的误差。 ( 5 ) 计算机控制与数字离散化带来的控制精度问题。 ( 6 ) 如何通过软件伺服达到简化系统及部件结构。 因此，为满足更高性能的要求，如何设计电液伺服系统成为研究人员需要解决 的核心问题之一。 1 1 3 电液伺服系统对控制策略提出的要求 针对近代液压伺服控制在工程实践中存在的问题，对控制策略提出如下要求【1 6 】： ( 1 ) 尽量满足系统的静、动态精度要求，严格优化设计，使系统做到快速而无超 调地控制被控对象。 ( 2 ) 对时变、外负载干扰及高阶非线性因素引起的不确定性，控制系统应具有较 强的鲁棒性。 ( 3 ) 控制策略应具有较强的自学习和自控制能力。 ( 4 ) 控制律、控制算法应力求简单可行，实时性强。 ( 5 ) 控制器最大控制量应能使动力机构得以充分发挥，从而使电液伺服系统具有 较高的效率。 2 第一章绪论 综上所述，由于电液伺服系统存在强非线性、高阶、大时变参数、外负载干扰 和交叉负载干扰等因素，这些对系统的性能有着至关重要的影响，使得系统的响应 速度和控制精度都存在很大的误差。随着电液伺服系统逐步向快速、大功率、高精 度、强响应、宽频带的方向发展，算法简单、控制精度高和响应速度快的控制策略 还有待于深入研究。 1 2 迭代学习控制概述 迭代学习控制是一类基于品质的智能控制方法，首要任务是实时地提供系统所 需的控制信号给执行器，实现单一目标的追踪。该算法在系统模型不是很精确的情 况下，也能得到很高的跟踪精度，因此能避免繁琐而复杂的建模过程。 1 2 1 迭代学习研究现状和存在的问题 由于物理系统中很多设备和部件具有固有( 自然) 非线性特征，导致整个系统 都呈现出一定程度的非线性。当前，非线性系统的分析和控制器的设计常以理想化 的模型为研究对象，但在工业控制实际系统中，由于工业条件及环境的变化，以及 控制系统中元件老化或损坏，同时被控系统本身的特性也会随着发生变化。另外， 系统存在未建模动态和外界干扰等不确定因素的影响，这些势必影响控制系统的性 能。近年来，国内外很多专家和学者针对非线性控制系统，深入研究了迭代学习算 法【l o 】。 在国外，韩国p a r k 等人对不确定机器人系统，利用它表示成线性参数化形式， 设计了一类自适应学习控制器【1 1 1 。结合模糊控制理论原理，s e o 等将该控制器扩展到 一般的非线性系统，让参数估计和学习控制沿迭代方向进行，提出了一种自学习控 制策略【1 2 】。英国的f r e n c h 和r o g e r s 通过l y a p u n o v 设计方法，针对参数不确定的非 线性系统提出一类自适应迭代学习方法，并利用b a c ks t e p p i n g 技术将其扩展到更为 一般的高阶非线性系统【1 3 】。 在国内，林辉、王林针对一类非线性方程，采用p 型学习律，分析和证明了其 收敛条件【l4 | 。孙明轩，万伯任针对系统存在干扰非线性问题，分析了n 阶p i 型开闭 环迭代学习律【l5 1 。皮道映，孙优贤等针对一类参数未知的非线性系统在有限时域上 的轨迹跟踪问题，提出了一种开闭环p i 型迭代学习控制策略，分析了收敛的充要条 件【1 6 】。谢振东、谢胜利、刘永清讨论了p 型学习控制算法在线性离散系统和非线性 离散系统中的收敛性【1 7 】。谢胜利、田森平等针对一类不确定非线性系统的学习控制 进行了深入的研究，得出跟踪结果既不依赖于系统模型，也不依赖初始状态【1 8 】。 3 基王造岱堂丑的生速位量i 围题丞统控制的班盔 陈洪分别针对线性和非线性系统，利用优化指标来构造迭代学习律的方法 进行了深入的研究【1 9 】。李新忠等根据跟踪误差的二次型性能指标为优化目标， 利用极小化目标函数，导出开、闭环p 型学习律的控制策略，并证明了收敛条 件【2 0 1 。郭毓针对一类在有限时间区间上可重复运行的时变系统，深入研究了模 型自适应迭代学习控制的方法，首次提出了线性时变系统的迭代学习辨识的概 念；针对一类参数时变的一阶和高阶线性系统，提出了参数沿迭代轴更新的模 型自适应迭代学习辨识算法【2 1 1 。孙云平基于l y a p u n o v 稳定性理论( 复合能量函数 方法) 和自适应控制理论，结合非线性系统的b a c k s t e p p i n g 设计方法，设计迭代学习 控制器【z2 1 。 h a u s e rje 、h e i n z i n g e rg 和f e n w i c kd 针对一类非线性时变系统设计了一种单纯 的迭代学习控制器，但由于该控制律仍然是开环结构，没有利用反馈控制的优点， 因此无法获得满意的抗干扰性能【2 3 11 2 4 。许顺孝根据算子理论推导了迭代学习控制收 敛的充分条件和跟踪误差，研究表明，对于任何因果时不变线性系统都存在等效反 馈控制，可获得相同的跟踪速度，并且反馈的参数仅与学习控制器的参数有关而与 系统参数无关【2 5 1 。许顺孝等利用混合灵敏度技术，提出一种鲁棒迭代学习控制器的 设计方法，该控制器在满足一定鲁棒条件时就可以直接获得收敛更新规则，如果学 习滤波函数满足一定条件时，系统误差将显著降低【2 6 。对于不确定或存在干预项的 重复运行的非线性时变系统，虞忠伟提出了含有反馈控制的迭代学习控制器，该控 制器为高阶p d 型，它以前馈的形式作用于对象，在满足收敛条件下，它的跟踪误差 界是系统初始状态误差界和系统输出干扰项的线性函数，改变反馈增益可以调整系 统的最终跟踪误差界【2 7 1 。刘山将开闭环综合的迭代学习控制结构转化为二自由度控 制结构，用常规的二自由度控制设计方法来设计迭代学习控制器，针对含有不确定 性的线性参数，将迭代学习控制的设计问题转化为经典的h o o 优化设计问题，并利 用结构奇异值理论和鲁棒性能的综合方法设计了鲁棒迭代学习控制算法【2 引。 林辉等为了实现迭代学习控制算法在非线性系统中更好地逼近期望轨迹， 利用神经网络拟合出控制器的参数，使系统在较少的迭代次数下就能跟踪期望 轨迹，同时解决了类似复杂系统的参数拟合问题【2 9 1 。针对非线性系统的跟踪控 制问题，姚仲舒提出了一类带有遗传因子的迭代学习控制算法，通过神经网络 学习来估计系统的输入，作为迭代学习控制算法的初始输入，再由迭代学习律 逐步减小输入误差，实现系统的实际输出只需较少的迭代次数就能达到较高的 跟踪精度1 3 刚1 4 第一章绪论 此外，迭代学习控制算法还有许多问题需要进一步研究。例如，如何充分利用 系统先前经验的所有信息，这些信息与收敛条件有怎样的关系；如何将迭代学习控 制算法和其他的智能方法结合起来，使得系统的参数辨识和跟踪控制同时进行等等。 1 2 2 迭代学习的应用现状 经过众多专家和学者的共同努力，迭代学习控制在算法设计、收敛条件、鲁棒 性、初值问题、收敛速度以及应用等方面在一定程度上已取得丰硕的成果，下文重 点介绍迭代学习控制算法的应用现状。 迭代学习控制适合于解决强非线性、强耦合、难建模、运动具有重复性对象的 高精度跟踪控制问题，在工程控制领域有着广泛的应用。机器人轨迹控制是迭代学 习算法应用的典型代表，大量文献公布了这方面的研究成果。针对机器人的控制问 题，邵诚阳等结合神经网络的相关理论提出鲁棒迭代学习控制算法，该算法利用 前馈神经网络作为系统辨识器，在线辨识非线性系统的正向模型，网络输出产生迭 代学习控制算法的前馈作用，并与实时反馈相结合，实现轨迹的连续跟踪控制。刘 晏辰【3 0 】等针对一类含有结构不确定性机器人系统的跟踪控制问题，提出一种基于神 经网络自适应迭代学习控制方案，学习控制用于学习周期性的系统不确定性，鲁棒 输入项用于抑制系统非周期的不确定性，利用r b f 神经网络寻找系统不确定性的未 知上界，该方法在有界输入扰动的情况下仍能获得期望的效果。在包装机的应用中， 迭代学习控制可以使被包装的液体溅出量控制在最小，它将被包装物体的速度作为 控制输入，液体的溅出量作为系统输出，液体的水平升高分向前和向后两个方向测 量，将溅出液体最小量作为目标函数。迭代学习控制可用于电力系统的可控串补控 制，控制目标是当前系统受到扰动，功角摇摆较大时使t c s c 的容抗增大，以提高 系统的稳定极限，并且减少t c s c 的容抗。 随着迭代学习控制理论的发展，针对一类具有重复性、建模比较困难、控制比 较复杂的过程控制，它有较广泛的应用前景。如批量反应堆控制，就是为了使温度 的控制曲线与设定的温度曲线尽可能的接近，最好是完全重合。现代迭代学习控制 已经逐步应用到了成批处理系统如快速热处理、成批反应器和另外一些成批化学处 理过程中，还有一些学者将迭代学习控制应用于电化学系统的研究。 1 2 3 与其它先进控制算法的比较 迭代学习控制是一门年轻的学科，为进一步加深对其原理和特点的理解，现将 它与其它智能控制方法进行比较。 ( 1 ) 与最优控制的比较 5 基王选岱堂丑的生邃焦垂饲腿丕统撞剑的盟究 最优控制问题可以表述为1 3 2 】：在运动方程和允许控制范围的约束条件下， 对以控制函数和运动状态为变量的性能指标函数( 称为泛函) 求取极值( 极大 值或极小值) 。最优控制是针对已知模型来求最优解，一旦系统模型发生改变， 所得最优控制解将不一定仍是最优的，它跟迭代学习相同之处，是两者都是以 误差的收敛度量的，区别在于迭代学习控制不依赖具体的模型，而最优控制依 赖模型，且迭代学习是离线进行的。将最优控制和迭代学习控制结合起来可以 提高迭代学习控制的收敛速度，即引入某个目标函数，采用最优化方法设计最 优迭代学习控制律，这样可以大大缩短跟踪时间。 ( 2 ) 与自适应控制的比较 自适应控制是针对模型未知的系统，融合系统辨识与具体的控制方法为一 体的一种能进行在线辨识的智能控制方法。而迭代学习控制的最大优点在于系 统模型完全未知的情况下，通过反复的迭代学习最终实现对期望轨迹的精确跟 踪，它们均是在控制过程中不断对系统进行学习与辨识，都能适应系统模型的 变化并具有很强的抗干扰能力。当系统存在干扰或模型发生变化时，两者解决 问题的方式是不一样的【32 1 。自适应控制是一种实时在线闭环控制，根据系统的 输出误差适时调整控制参数，直到系统输出误差在允许范围内，整个过程是在 时间域内进行；而迭代学习控制一般是离线进行的，即使系统发生微变或出现 干扰时，它改变系统的参考输入量，而不改变算法本身的参数，但该过程是在 迭代域内完成的。迭代学习控制的特点是在迭代域内实现对系统的学习控制， 而在迭代轴上，系统不仅是离散而且是非时变的，故可以充分利用离散时不变 系统的知识来研究迭代学习控制相关的问题。 ( 3 ) 与反馈控制的比较 在反馈控制系统中，输出信号被检测出，经控制器处理形成反馈信号，与输入 信号作差，从而调节被控系统的输入，直到输出信号趋于稳定。系统输出或状态信 号的反馈与利用，在一定条件下，能一次实现在时间轴上对期望轨迹的渐近跟踪【3 3 】。 由于没有“记忆”功能，系统在下一次对该轨迹进行跟踪时，无法消除控制初期的 大误差，从而不能实现对期望轨迹的完全跟踪。而迭代学习控制是一种事先行为前 馈控制，根据以前的经验信息，在不断学习的过程中逐渐消除误差。该过程具有记 忆和修正机制，最终能实现在有限时间区间上零误差地完全跟踪。 ( 4 ) 与模糊控制的比较 模糊控制不依赖于对象的数学模型，对无法建模或很难建模的复杂对象，也能 6 第一章绪论 利用人的经验知识通过模糊控制器完成控制任务。它具有内在的并行处理机制，表 现出极强的鲁棒性，对被控对象的特性变化不敏感，模糊控制器的设计参数容易选 择调整f 3 4 1 。但它需要在线检测实时数据，且很难实现保证控制精度。而迭代学习控 制有着严格的数学描述，算法非常简单且容易实现，且系统在迭代域内有着与离散 时间系统相类似的一些性质，因此，可以利用系统科学中的理论与方法对其稳定性、 收敛性进行分析和研究。而现有的迭代学习控制只能用于某种特定的轨迹跟踪问题， 一旦轨迹改变，必须重新学习，但它没有联想和推广等知识应用的能力。 ( 5 ) 与鲁棒控制的比较 经典控制理论的频域方法与现代控制理论的状态空间理论相结合即为鲁棒 控制，该方法能让系统在一定变化范围内，保证系统稳定并能维持一定的性能 指标，能有效地解决被控对象模型和外界扰动均不确定的问题，从而实现对期 望轨迹的渐近跟踪【35 1 。鲁棒控制系统设计的目标是在模型不精确和存在其他变 化因素的条件下，使系统仍能保持预期的性能。主要的鲁棒控制理论有： k h a r i t o n o v 区间理论；h o o 控制理论；结构奇异值理论( 理论) 。不仅能够用于 单输入单输出反馈控制系统的分析与设计，还成功地应用到多输入多输出的场 合。迭代学习也具有很强的鲁棒性，可以实现整个期望轨迹的完全跟踪，但它 没有精确的控制器。如果把两者结合起来，则既可以设计精确的控制器，又可 实现对期望轨迹的完全跟踪。 ( 6 ) 与神经网络的比较 神经网络是基于模仿生物大脑的结构和功能而构成的一种信息处理系统， 不同于当前人工智能领域研究中普遍采用的基于逻辑与符号处理的理论和方 法，而是依靠其状态对外部输入信息的动态响应来处理信息的【3 6 1 。由于神经网 络源于对脑神经的模拟，具有很强的适应于复杂环境和多目标控制要求的自学 习能力，并具有以任意精度逼近任意非线性连续函数的特性，把它应用于控制 领域，可以解决存在不确定性和非线性的被控制对象，能够提高控制系统的智 能化水平。它表示出丰富的特性：并行计算、分布存储、可变结构、高度容错、 非线性运算、自我组织、学习或自学习等，这些特性是人们长期追求和期望的 系统特性，它利用很强的逼近非线性函数能力( 即非线性映射能力) ，在智能 控制的参数、结构或环境的自适应、自组织、自学习等控制方面具有独特的能 力。与迭代学习相比，神经网络方法是它对u ( x ) ( x 为系统状态等) 的学习与记 忆。迭代学习控制是对控制输入量材( f ) 在时间轴上的学习与记忆，它没有“联想 7 基王丝垡堂习的电遮位置甸腿丕统控剑的亟宜 与“推广”能力，如果控制对象和跟踪轨迹发生改变都必须重新学习。 综合以上，迭代学习控制的优点是在迭代域内实现对系统的学习与控制， 而在迭代轴上，系统是离散的、非时变的，因而可以充分利用离散时不变系统 的相关理论来研究迭代学习控制原理，这给深入研究迭代学习带来了极大的方 便。 1 3 课题主要研究内容 以上是对本文研究对象( 电液伺服系统) 和针对该被控对象的所采用控制方法 ( 迭代学习控制算法) 作了概述，本节将对本文作整体规划和安排，并介绍各章的 研究内容。 在查阅和分析大量文献的基础上，本文针对电液伺服系统为被控对象，在研究 迭代学习算法原理的基础上设计出了迭代学习控制器，并用m a t l a b 对该控制器进行 了仿真分析。论文总体结构可分为六章： 第1 章绪论。简要介绍了电液伺服系统的发展状况，对近代电液伺服控制系统 所面临的问题和当前电液伺服系统对控制策略提出的要求作了总结。另外，介绍了 迭代学习的研究内容以及它的特点，阐述了迭代学习的发展状况和应用前景，并与 其它的控制算法做了比较和分析。 第2 章电液伺服系统的数学建模。本章根据电液伺服系统的物理构成和工作原 理，运用各种物理定律对系统进行数学建模，推导出系统的传递函数，把它转换成 状态空间模型的形式，为后文收敛条件分析的基础。另外，分析了电液位置伺服系 统的稳定性、时域特性和频域特性，讨论了系统中的非线性问题和参数的时变特性。 第3 章迭代学习控制理论。阐述了迭代学习的原理，对开环、闭环以及开闭环 迭代学习控制理论的概念、原理、数学描述及收敛性进行了讨论和分析，并给出了 收敛条件，着重阐述了高阶非线性迭代学习算法，并给出了仿真实例。 第4 章根据开闭环迭代学习控制的收敛条件，针对五阶电液位置伺服系统，基 于m a t l a b 搭建了仿真模型，在输入为阶跃、正弦和脉冲信号下，分别对系统进行 了仿真分析。结果表明，迭代学习比典型的p i d 有较好的跟踪效果和更快的响应时 间，开闭环结构基本能实现对期望轨迹完全跟踪：另外，当跟踪轨迹发生改变时， 虽然该控制器要重新开始学习，但它的参数不需要重新设置，在迭代一定次数的情 况下，都能达到较好的跟踪效果。即只要控制对象不改变，跟踪轨迹发生改变时， 不需要重新设计控制器。 8 第章绪论 第5 章基于a m e s i m 模型的电液位置伺服系统的仿真研究。先对仿真平台 a m e s i m 软件做了概述，然后介绍了仿真的步骤及实现方法。利用a m e s i m 对m a t l a b 的接口技术，在m a t l a b 环境中把该系统的传递函数封装成s 函数导入到a m e s i m 软件 中，根据电液位置伺服的原理和结构搭建出系统结构图，并设置每个液压元件的参 数，在阶跃信号输入下仿真出液压缸的曲线以及伺服阀端口的压力和流量曲线。 第6 章总结和展望。对本文所做的工作进行了总结，并对课题中存在的问题和 不足，提出了几个研究方向。 本文根据迭代学习基本原理，设计了电液伺服控制器。该课题意义主要表现在 以下几个方面： ( 1 ) 控制精度高 针对高阶非线性电液位置伺服系统，开闭环迭代学习算法基本能完全跟踪期望 轨迹，而且有较快的响应速度；另外，当跟踪轨迹发生改变时，虽然该控制器需要 重新开始学习，但它的参数不需要重新设置。即只要控制对象不改变，跟踪轨迹发 生改变时，不需要重新设计控制器。 ( 2 ) 通用性好 本文所建立的迭代学习控制策略，是针对电液位置伺服系统来研究的，其它具 有重复运动特性的高阶非线性系统同样适用，如飞机与船舶舵机控制系统、雷达与 火炮控制系统、机床工作台的位置控制、轧机板厚控制以及飞机模拟转台、振动实 验台等等。 ( 3 ) 实用性强 本文是根据实际项目建立的数学模型和设计出的控制器，而且通过m a t l a b 仿真 验证了该控制器具有较快的收敛速度和跟踪精度。控制器算法简单，容易实现。既 可以用p l c 进行工程设计，也可以用单片机或d s p 来实现，并且体积小，经济实惠。 9 基于迭代学习的电液位置伺服系统控制的研究 第二章电液位置伺服系统建模及系统分析 本文研究的综合实验台采用电液位置伺服阀控缸系统。系统的动静态特性和品 质要求对控制方案的选择以及控制系统的设计有着十分重要的作用。为实现准确的 模拟，在理解液压特性的基础上，本章以电液位置伺服控制系统为研究对象进行理 论分析，建立数学模型，推导出其传递函数，并进行了系统分析。 2 1 电液位置伺服系统结构 本系统采用响应速度快、控制精度高、结构简单等优点的阀控液压缸模型，该 系统在快速、高精度的中、小功率伺服系统中应用很广。该系统模型主要有控制器、 电液伺服阀、液压缸、功率放大器、位置传感器等。控制系统的基本结构如图2 1 所 示，在下面几节分别介绍各个部分的功能和作用。 图2 1 电液位置伺服系统结构图 f i g2 - 1t h es k e t c ho f e l e c t r o h y d r a u l i cp o s i t i o n a ls e r v os y s t e m 2 1 1 电液伺服阀 电液伺服阀是系统中的控制部分，也是系统中关键的元件，它是用来控制和调 节油液的压力、流量和流动方向，在系统中起到信号转换、功率放大及反馈控制等 作用；它是一种能把微弱的电气信号转变为大功率液压能( 流量、压力) 的伺服阀。 它的实际动态响应既不是典型的惯性环节，也不是典型的振荡环节，其传递函数的 简化要视具体情况而定。液压执行机构的固有频率魄低于5 0 h z 时，伺服阀的动态特 性可用一阶环节表示，即 堡：，_ ( 2 1 ) t 1 + ” 液压执行机构的固有频率魄等于或高于5 0 h z 时，可用二阶环节表示，即 1 0 第二章电液位置伺服系统建横及系统分析 即 删2 譬。壶 二c o 。 ( 2 2 ) 当伺服阀的频率远大于液压自然频率( 5 1 0 倍时) ，伺服阀可近似看成比例环节， d 半= k 。 c ( 2 3 ) 按负载匹配原则确定液压动力元件参数，包括选择系统的供油压力p ，计算液 压执行液压缸的有效面积4 。及伺服阀的规格。 选取4 6 # 抗磨液压油，温度f = 5 0 ；运动粘度y = 1 x1 0 m s ；密度 p = 8 7 5 k g m 3 ；有效体积弹性模量卢。= 7 4 5 m p a ；液体粘度p = 叩= 8 7 5 x1 0 一p a s ； 伺服阀阀芯与阀套之间的间隙选c r = 5 x1 0 “m ；流量系数g = 0 6 2 ；供油压力 p s = 7 m p a ；伺服阀窗口面积梯度：= 万芯= 2 4 8 r a m ；油缸基本无泄露，取e 。= 0 。 伺服阀的零位流量增益： g q o q 括( 以一n ) = 0 6 2 x 2 4 8 x 1 0 - 3x 去7 1 0 6 - 1 3 7 5 舻b( 2 4 ) 零位流量压力系数： k c 。：笙：垒竺桀鲨挲竺一9 6 21 0 - 1 2 m 5 ( n 0 x1 3 y s ) ( 2 - 5 ) = = _ = 一= y o z j l 么。 ， ” 3 2 p 3 2 8 7 5 1 0 伺服阀总的流量系数： 如= k o + c f p = 6 9 6 2 x 1 0 2 m 5 ( n s ) ( 2 - 6 ) 伺服阀的频率响应随油温、供油压力、输入电流幅值和其他一些工作条件而变 化，本文取输入电流为1 0 额定电流时伺服阀的频率响应特性作为研究对象。针对 伺服阀的特性曲线，如果幅值下降到3 d b 时，阀的特性为6 3 舷；若是按照相位滞后 9 0 。时，阀的频率为9 0 h z ，结合起来取厶= 8 0 h z ；= 2 xz 8 0 = 5 0 3 r a d s ；取阻 尼善。= 0 7 ；阀压降只= 7 m p a 时额定流量吼= 1 0 l r a i n ；额定电流l = 2 0 m a 。 伺服阀的流量增益： k ：粤：1 0 l m i n ：8 3 3 1 0 - 3 m 3 ( a 2 s ) ( 2 7 ) ” i 。2 0 m a 。 伺服阀的传递函数： 基丁迭代学习的电液位置伺服系统控制的研究 啪，。譬2 忐2 2 8 禹3 3 x 1 0 - 32 甄8 3 3 x 1 0 - 3 枷2 却( 2 - 8 ) 5 0 3 2 5 0 35 0 3 2 5 0 3 2 1 2 液压缸 液压系统中的执行部分分为液压刚和液压马达，本文用液压缸。它的作用是将 液压泵输入的油液压力能转换为带动工作机构的机械能。它的三个基本方程如下： q l = k s 矿托一k c 置 ( 2 9 ) 式( 2 9 ) 中，q 一伺服阀的负载流量( 聊3 s ) ； b 矿伺服阀的流量增益( m 3 s v ) ： 以一伺服阀的阀芯位移( m ) ； 鲜一伺服阀的流量压力系数( m 5 n s ) ； 只一液压缸的负载压降( p 口) 。 绕= 4 s 耳+ c f p 乞+ 茜s 置 2 。1 0 ) 式( 2 1 0 ) 中，以一液压缸活塞的面积( m 2 ) ； e 一液压缸活塞的位移( 聊) ； c f ，一液压缸的总泄露系数( 肌5 n s ) ； k 液压缸总压缩容积( m 3 ) ； 卢。液压油的等效体积弹性模数( p a ) ； 液压缸和负载的力平衡方程： 4 置= m ，s 2 巧+ 邵s 匕+ k 耳+ e ( 2 1 1 ) 式( 2 1 1 ) 中，m ，一活塞及负载折算到活塞上的总质量( 船) ； k 一负载弹性刚度( n m ) ； b ，一活塞及负载的粘性阻尼系数( n m s ) ： e 活塞上的外负载力( ) ； q = k 扎一e 置= 4 s 乓+ c f p 忍+ 茜哦 1 2 1 2 第二章电液位置伺服系统建模及系统分析 乞2再k,x,-apsyt, k ，+ c ，。+ s ( 2 1 3 ) 玉半a p - - m t s 2 y p + 邵s + k 耳+ 丘 ( 2 1 4 ) k “一矗嗡 。磊丙a 弼p k = x v f - ( k c , 蔷+ v ) f 丽l ( 2 - 1 5 ) 。磋瓦了器石一 心j 式( 2 1 5 ) 中，k 为总流量一压力系数，k c , = 砭+ q ，( 掰5 n s ) 。 耳= 害羞1 翥 坼y 4 卢鸭e a 2 e ：心= 每厚音压哮厣 协 则液压缸活塞位移耳对阀芯位移以的传递函数可简化为： 一舞2 石k ”甄a 1 , 听6 ( 2 1 8 ) 活塞端供油时液压缸有效面积： a p - = - 三( d 2 - 妇- 1 5 2 7 x 1 0 。3 聊2 ( 2 - 1 9 ) 活塞直径：d = 6 3m m ；活塞杆直径：d - - 4 5m m ；活塞行程：h = 4 0 0m m ；液压 缸距伺服阀的管道总长：毛= 0 5 m ；活塞和负载的折算质量m = 3 4 0 0 k g ；管道内径： d 。= d 。一2 6 = 14 r a m ；圆管外径：d l = 2 2 r a m ；管厚：6 = 4 r a m ；有效体积弹性模量： 1 3 基于迭代学习的电液位置伺服系统控制的研究 卢。= 7 4 5 x 1 0 8 p a 。 连接管道总的容积为： 巧= v + v o = 且4 j p + = 0 4 x1 5 2 7 1 0 3 + 2 3 0 9x1 0 _ 4 = 8 4 1 7 1 0 - 4 m 3 ； ( 2 2 0 ) 系统固有频率： 2 系统的阻尼比： j 4 7 4 5 1 0 8 ( 1 5 2 7 1 0 3 ) 2 = j 一 f8 4 1 7 1 0 。4 3 4 0 0 = 4 9 r a d s ；( 2 2 1 ) 弘每浮一6 9 6 2 2 7 x 圳10 - 刈1 2 , 零7 4 5 x 1乎0s x 3 4 0 0 - o 2 5 ；2 2 ， 液压缸活塞的传递函数： 一焉2 再k n , a p 2833x10-31527x10-3=一 伺服放大器的增益为k v = 0 0 0 1 a v ，那么系统的开环传递函数： g 如m 刚蚓加o o 叭甄8 3 3 x 1 0 - 3 z 1 禹1 5 2 7 x 1 0 - 3 5 0 3 25 0 3、4 9 24 9 7 反馈传感器忽略其动态特性，其传递函数为： k s = - - t = l o o v m u 2 1 3 系统的传递函数 根据以上分析可得系统的方框图为： 图2 2 电液位置伺服控制系统结构图 f i g2 2t h e 仃a n s f e rf u n c t i o ns k e t c ho fe l e c t r o - h y d r a u l i cp o s i t i o n a ls e i v os y s t e m 1 4 ( 2 2 4 ) ( 2 2 5 ) 第二章电液位置伺服系统建模及系统分析 图2 3 电液位置伺服传递函数结构图 f