人工智能在流体传动中的应用

　　0　引言

　　流体传动技术在近几十年已取得令人瞩目的成就,其应用范围几乎覆盖了各行各业,如航天、国防、矿山、船舶、建筑、机械、农业、医学、生活与娱乐等诸方面[1-2]。流体传动中所涉及的某些特性,如设计柔性、可控性和功率密度是其它动力传动媒介所不具备的。人工智能技术作为一项新型技术在流体传动控制方面的应用越来越广泛[3]。

　　液压控制技术是以流体力学、液压传动和液力传动为基础,应用现代控制方法、模糊控制理论,将计算机控制技术、集成传感技术应用到流体传动技术和电子技术中,为实现机械工业自动化或生产现代化而发展起来的一门技术。

　　1　流体传动及控制的研究进展

　　流体传动及控制技术不仅能有效地传递能量,并且能控制和分配能量。液压和气动控制由于其典型的非线性、低阻尼、时变特性以及无法得到精确的数学模型,用经典的PID控制往往不能得到满意的效果。为了得到准确的快速响应,各种控制策略被广泛地研究。中科院北京自动化研究所的盛万兴等[4]研究了基于神经模糊混合技术的电液伺服系统控制问题。它构造了一种神经模糊控制器,其具有知识自动获取、并行分布存储及快速模糊推理决策的能力,并给出了一种在线学习,用于一类典型的电液伺服系统的控制,获得了满意的效果[4]。东北大学的何洪、孙威等[5]用记忆神经网络及脉宽调制进行液压系统的油温控制,得到(50±0·5)℃的满意控制精度。山东大学刘延俊等[6]将基于BP网络的PID控制方法用于气动位置比例系统的控制,设计实现了用微机控制的比例阀———无杆气缸缓冲定位系统。实验表明,该控制方法具有较强的鲁棒性,可以在不同工况下实现对气缸活塞的缓冲与定位。

　　经典控制方法再加上了许多现代控制技术后也得到了较好的效果。如PID型的迭代学习控制器用于电液位置控制系统,其性能明显优于PID控制器。西北工业大学张兴国等[7]在传统的增量式积分分离PI控制算法的基础上,引入D型迭代学习控制前馈环节,提高了电流跟踪的快速性和跟踪精度,建立了系统的数学模型并在MATLAB上进行了系统仿真;仿真结果表明,引入D型迭代学习控制后,电流环的稳态和动态特性良好,保证了输出电流跟踪的快速性、精确性。

　　2　人工智能在流体传动中的工程应用

　　与常规的控制方法相比,智能控制[10]最显著的特点首先在于它不依赖于被控对象的精确模型,其次在于它具有自学习功能,可以在运行过程中对自身进行不断的修正和完善[8-9]。因此,智能控制提供了解决“黑箱”、“灰箱”或大型非线性系统的有利工具。绝大部分流体传动系统是本质非线性系统或“灰箱”系统,时变参数很多。智能控制的发展,为解决这些问题开辟了一条很好的途径。