泵控缸电液位置伺服系统建模研究

　　0 引言

　　泵控缸电液位置伺服系统是通过改变泵的输出功率来控制传送给负载的动力，其具有功率损失小、效率高等特点，然而与所有电液伺服系统一样，泵控缸电液位置伺服存在非线性和时变性，其非线性主要是由液压阀的死区、滞环、库仑摩擦等因素引起的; 其时变性主要表现为液压油液体积弹性模量、油液的粘性、系统的阻尼比等随着油压、油温、阀的开口量的变化而变化^{[1 -2]}，使得难以对泵控缸电液位置伺服系统进行精确建模。

　　机理分析建模法是电液伺服系统常用的建模方法，它运用一些已知的定律、定理和原理，如流量连续性方程、力或力矩平衡方程等，来建立电液伺服系统的数学模型。文献^{[3 - 4]}利用机理分析建模方法，建立了电液伺服系统的动态数学模型。文献^{[5- 7]}推导出了电液伺服系统的状态空间方程，并设计了系统的非线性控制器。机理分析建模法的缺点在于系统的物理参数需要检测，而这通常是很困难的。

　　近年来，基于智能控制理论中的模糊逻辑、神经网络、遗传算法等知识形成了许多新型的建模方法，为电液伺服系统的建模开辟了一条新途径。T-S模糊模型以局部线性化为基础，通过模糊推理方法实现了全局的非线性，具有结构简单、逼近能力强等特点，文献^{[8 -9]}利用T-S 模糊模型建立了电液伺服系统的模型，并基于该模糊模型提出了预测控制和H∞模糊跟踪控制方案。神经网络是一种具有高度非线性的连续时间动力系统，它有着很强的自学习功能和对非线性系统的强大映射能力，文献^[10]提出了基于Adaline 神经网络的电液伺服系统加速度谐波在线辨识算法。文献^[11]利用神经网络构造了电液伺服系统的模型，得出了神经网络模型的精确性高于线性模型的结论。文献^[12]采用自适应学习率的改进BP 算法在线调整网络权值，从而得到精度高、泛化能力强的电液伺服系统神经网络模型。

　　本文以某远程火箭炮泵控缸电液位置伺服系统为对象，研究了该电液伺服系统机理建模、模糊建模、BP 神经网络建模和基于遗传算法的BP神经网络建模4 种建模方法，并利用辨识数据对各种模型进行了训练和检验，通过分析比较总结出了各模型的特点，为泵控缸电液位置伺服系统的内模控制、模型参考控制等奠定了基础。

　　1 泵控缸电液位置伺服系统

　　某远程火箭炮泵控缸电液位置伺服系统结构图如图1 所示。该系统主要由火控计算机、控制计算机、D/A转换器、功率放大器、液压系统( 包括伺服阀、伺服泵、液压缸和储能器等) 、旋转变压器、RDC模块等组成。