液压挖掘机智能化控制系统余会挺,李丽(煤炭科学研究总院上海分院,上海200030)摘　要:　提出一种基于模糊算法和遗传算法相结合的自适应控制方法,对挖掘机的挖掘轨迹进行自动控制,取得了较好的应用效果。

关键词:　矿山;挖掘机;遗传算法;模糊控制中图分类号:T D422.2+2 文献标识码:B 文章编号:1001-0874(2008)05-0031-04I nte lli gent Contr o l System of Hydrauli c Excava t o rYU Hui2ting,L I L i(Shanghai B ranch of China Coal Research I nstitute,Shanghai200030,China)Ab s trac t:　A fuzzy self2steering tracing contr ol syste m of hydraulic excavat or based on combinati on of fuzzy algorith m with genetic algorithm is p r oposed.The good efficiency of p resented method app lied t o s ome excavat ors has already been shown.Keywo rd s:　m ine;excavat or;genetic algorith m;fuzzy contr ol1　引言随着科学技术的迅猛发展,智能化控制成为挖掘机技术发展的主要课题之一[1]。

随着液压传动技术的发展及液压部件的质量提高、成本的降低,上世纪80年代,液压挖掘机替代了机械式挖掘机。

液压挖掘机具有重量轻、体积小、结构紧凑、传动平稳、操纵简单、以及容易实现无级变速和自动控制等一系列优点。

随着计算机技术、电子技术、传感器技术、机电一体化技术的发展,液压挖掘机正向着高效率、高可靠性、安全节能及自动化、智能化的方向发展[2]。

本文对液压挖掘机工作装置轨迹智能化控制进行研究。

2　挖掘机工作装置(1)结构液压挖掘机工作装置是由动臂、斗杆、铲斗和液压油缸等构成的连杆机构,通过电液控制系统控制液压油缸的伸缩实现运动控制[3]。

挖掘机工作装置电液驱动控制系统的控制模型结构如图1所示,并在作业过程中采用通过电磁比例先导阀控制多路换向阀的方法。

图1　挖掘机电液驱动控制系统图图2　挖掘轨迹控制图 (2)轨迹控制原理 挖掘机工作装置轨迹控制系统由电液伺服系统、控制器、压力传感器、角度传感器、操作手柄、人机交互模块(上位机)等组成。

在液压油缸驱动下控制动臂角θ1、斗杆角θ2、铲斗角θ3(图2),实现挖掘机工作装置轨迹控制。

控制器预先设定工作装置的运行轨迹,通过编程将其离散化。

在实时控制时,采集角度传感器测得的转角θ1、θ2、θ3;将其与设定值进行比较;按控制算法算出相应的控制量,使工作装置按预设轨迹动作,实现作业要求。

将挖掘机工作装置关节变量表示为时间函数,用以描述挖掘机工作装置的预期轨迹。

通过逆运动学求出相应关节点的起始角和终止角,用平滑的插值函数表示运动轨迹,以保证各关节点位移跟踪期望的目标轨迹运动。

3　控制器设计方案液压挖掘机的作业过程是高阶次、非线性的过程。

经典的P I D 控制算法,由于控制参数不能在线调整,存在积分饱和现象,在启动或强动态调节时超调增大,稳态恢复时间长,难以适应挖掘机工作装置复杂的作业要求。

模糊控制器对模型的依赖小、模仿人类思维逻辑的能力强、稳定性和鲁棒性较好,被广泛研究和应用。

但模糊控制问题的目标函数通常很复杂,传统的参数优化方法常常无能为力。

遗传算法是一种基于进化论思想模拟自然选择和进化过程的寻优算法,仅由适应度数值驱动而不需要被优化对象的局部信息,与模糊控制结合起来,适合于规划大范围、多参数、复杂和非线性的挖掘机作业过程。

挖掘机挖掘轨迹控制系统原理图如图3所示,主要由三部分组成:模糊控制器、系数调整模块和电磁比例阀。

模糊控制器采用离散论域的模糊控制,经过量化的输入量是有限的,可以针对输入情况的不同组合离线计算出相应的控制量,从而组成控制表。

实际控制时可以直接查询控制表,在线运算量很少,容易满足实时运算要求。

运用带修正因子的控制规则,当被控对象阶次较低时,对误差的加权应该大于对误差变化的加权;相反,当被控对象阶次较高时,对误差变化的加权要大于对误差的加权。

图3　挖掘机挖掘轨迹控制原理图 传统的参数调整算子固定的自适应调整方法,适应性较差。

P I D 算法与智能控制理论结合的模糊自适应P I D 控制器,完全依靠模糊规则的描述来进行自适应调整,对人的经验依赖性过强,也难适应实际环境。

因此系数调整模块采用自寻优能力极强的遗传算法,以改善控制器性能。

4　模糊控制器模块设计模糊控制器决定着整个系统的性能[4],模糊推理是最关键的部分,主要由专家的经验所产生的模糊规则语言生成。

模糊控制器的设计步骤:(1)确定误差和误差变化率将工作装置轨迹控制系统中角度传感器测量的实际转角与系统设定的转角值进行比较,获得角度误差e 和误差变化率ec ,其变化范围定义为模糊集上的论域。

模糊规则采用Ma mdani 规则,e 、ec 分为七档:分别表示为P B ,P M ,PS,Z O,NS,NM ,NB 。

为了方便将它们分为11个等级。

误差论域为{-5,-4,-3,-2,-1,0,1,2,3,4,5}。

(2)模糊化隶属度函数的选取原则:表示隶属度函数的模糊集合必须是凸模糊集合;变量所取隶属度函数通常是对程和平衡的隶属度函数,要符合人们的语义顺序,避免不恰当的重叠,论域中的每个点应该至少属于一个隶属度函数的区域;同时它一般应该属于至多不超过两个隶属度函数的区域;对于同一输入,没有两个隶属度函数会同时有最大隶属度;对两个隶属度函数重叠时,重叠部分对于两个隶属度函数的最大隶属度不应该有交叉。

常用的隶属度函数有高斯函数、三角函数、钟形函数、S 形函数、Z 形函数等。

隶属度函数形状越陡,分辨率越高,控制灵敏度也越高;相反,若隶属度函数变化缓慢,则控制特性较平缓,系统的稳定性较好。

因此,在误差为零的附近区域,采用分辨率较高的隶属度函数,而在误差较大的区域,可采用分辨率较低的隶属度函数。

本文选取三角形隶属度函数。

(3)模糊控制当偏差相差较大时,加大比例阀开度加快系统相应速度;当|e |和|ec |处于中等大小时,为使系统响应具有较少的超调,比例阀开度应适当取小;当|e |接近于设定值时,为使系统有良好的稳态性能,避免出现振荡,并考虑系统的抗干扰性能,比例阀开度应取小[5]。

模糊控制规则如表1所示,模糊推理采用and 运算、合成运算和蕴涵运算。

表1　模糊控制规则表|e |/|ec |NB NM NS Z O PS P M P B NB P B P B P M P M P M PS PS NM P B P M P M P M PS PS Z O NS P M P M P M P M Z O Z O NS Z O PS PS Z O Z O Z O NS NM PS Z O Z O Z O NS NS NS NM P M NS NS NS NS NM NM NB P BNSNMNMNMNMNBNB (4)模糊量清晰化由模糊推理综合算法获得的控制量,是电磁比例阀开度的输出范围,需要对其进行解模糊[6],找到确切的比例阀开度增量。

在实际应用中,重心法是比较理想的解模糊方法,就是取模糊隶属度函数曲线与横坐标轴围成面积的重心作为代表点。

5　量化因子在线自整定模块设计(1)编码方案遗传算法从可能潜在解集的一个群体开始,它由经过基因编码的一定数目的个体组成[7]。

由于二进制编码存在着诸多缺点,采用效率较高、反映能力较好的浮点数编码方案。

通过调整量化和加权因子的大小,可以改变对偏差和偏差变化的加权程度。

(2)目标函数考虑到电磁阀门开度控制量u 的经济性,将超调量作为最优目标函数的一项,并用较大的权值以抑制超调量。

目标函数为:J =1T∫T 0[γ1e 2+γ2u 2(t )+γ3|e (t )|]d t式中:γ1、γ2、γ3—相应项的加权因子。

(3)遗传操作1)选择个体采用常用的适应度比例法,以与个体适应度成正比的概率来决定当前群体中每个个体遗传到下一代群体中的概率。

2)交叉算子和变异算子遗传算法中的交叉概率P c 和变异概率P m 对算法的收敛性影响很大。

P c 越大,则种群的更新越快,搜索的范围越大,然而P c 过大可能破坏种群的遗传模式,P c 过小可能使进化过程停滞不前;P m 过大会使遗传过程变为纯粹的随机过程,然而P m 过小又不容易产生新的个体结构,影响算法的搜索范围,不易收敛到全局最优解。

因此,P c 和P m 在进化的不同阶段能够自动地调整。

定义1:种群均值设Ch i (t )(i =1,2,…,m )表示第t 代染色体,m 表示种群的个体总数,则第t 代种群均值:Ch (t)=1m∑m i =1Chi(t) 定义2:个体偏离度第t 代个体偏离度为:D i =1 ‖Ch i (t )-Ch (t )‖≤c 0 other式中:c —界限值。

偏离度1,说明两个体很接近。

定义3:种群密集度第t 代种群密集度为:D en (t )=∑mi =1Di(t )D en (t ),可作为当代种群多样性的指标。

3)自适应交叉概率和变异概率当种群密集度较大时,需要适当增加交叉概率和变异概率,以使种群的进化尽快突破瓶颈;当种群密集度较小时,则需要适当减小交叉概率和变异概率;当进化代数比较大时,接近全局最优解的概率越来越大,这时如果种群密集度偏大,则是正常现象,不应再增加交叉概率和变异概率。

因此,进化开始阶段,J 比较大,P c 、P m 也应较大,进化临近结束阶段,J 较小,则P c 、P m 相应减小。

J 0为初始种群的目标函数值。

如果J 与J 0距离不够大,则可以通过因子β来进行调整。

改进的自适应交叉概率和变异概率如下:P c =1-exp [-βD en (t )‖J -J 0‖]1+exp [-βD en (t )‖J -J 0‖];P m =1-exp [-βD en (t )‖J -J 0‖]3(1+exp [-βD en (t )‖J -J 0‖])6　结语本文采用CCS2编译软件和C 语言,应用程序建立在源码公开的嵌入式实时操作系统μC /OS2Ⅱ基础上。

它是内核小、实时性很强的实时多任务操作系统,可实现各种数据的实时处理及任务间的调度。

将该控制液压系统应用于某型号挖掘机,开发软件并调试成功,按程序自动完成事先预定的动作,实现原机杠杆操纵系统所能完成的全部功能。