自适应控制在行车超载控制器中的应用

2010-07-09 11:30黄沿波戴志超柳红卫
制造业自动化 2010年9期
关键词:限制器参考模型适应控制

黄沿波,戴志超,柳红卫

(1. 广东省安全生产科学技术研究所,广州 510060;2. 广东省技术师范学院,广州 510665)

0 引言

行车又称桥式起重机,俗称天车。广泛用于冶金、装卸、电站安全检查、车间仓库等,在物料输送上起着举足轻重的作用。它是一种蕴藏危险因素较多,事故发生率较大的典型机械设备。例如,曾对42次起重死亡和重伤事故统计,由桥式起重机所造成的事故占全部事故的90%,其中超载作业是造成起重机事故的主要原因之一。国家标准局在GB6067-85《起重机械安全规程》、GB3811-83《起重机设计规范》及国家技术监督局GB12602-90《起重机械超载保护装置安全技术规范》中都对行车使用作了明确规定:额定起重量大于20吨的桥式起重机应装载荷限制器(又称超载安全控制器);动力驱动、额定起重量位于3~20吨的桥式起重机宜装载荷限制器。随着《特种设备安全监察条例》和《起重机械超载保护装置安全技术规范》的执行,超载限制器在起重机械中的应用已变得十分必要。超载限制器在保护起重机械钢结构的同时,也保证了起重机的安全运行,避免了机毁人亡的事故发生,为企业的正常发展提供了有力保障。

目前,超载限制器仍然缺乏足够的可靠性和精度,造成易损坏、伪超载报警等异常现象,一些单位为了正常的生产秩序不得不将其拆除,有的单位干脆就不安装。

载荷限制器的主要经历了机械式、电子模拟式、数字式和智能式几个阶段。作者分析了国内外超载限制器的技术发展状况,应用自适应控制技术对行车超载控制器进行设计。重点解决超载限制器的可靠性和精度相关的困扰问题。

1 自适应控制技术用于行车载荷安全控制器的总体设计方案

目前国内外使用的行车超载限制器,能够通过硬件滤波电路及软件滤波滤除起重机运行时的过程扰动φ(t),以及载荷传感器的测量噪声及信号干扰f(t);载荷传感器由于安装位置造成的偏载现象、传感器本身的蠕变、温漂以及剧烈动载冲击下的灵敏度不稳定等因素造成超载限制器的零位漂移η(t),这种缓变误差可以通过选择高性能的传感器和对传感器电桥应变片自动校正获得部分补偿,再通过模拟和数字滤波滤除。

本文所设计的具有自适应控制功能的行车载荷安全控制器结构框图见图1。它能够解决动载影响,改变滤波器的结构,起到动载数字滤波和自动校零的功能,它采用高性能的MCS-8098单片机,完成自适应运算和检测功能,由于MCS-8098内有A/D转换器,节约了硬件,电路结构简单,可靠性高。

2 行车自适应控制系统建立

自适应控制是随着计算机的发展和普及而发展起来的一种新型自动控制技术,它通过不断地测量系统的输入、状态、输出或性能参数,逐渐了解和掌握对象,然后根据所得的信息按一定的设计方法,作出决策去更新控制器的结构和参数以适应环境的变化,达到所要求的控制性能指标。其控制作用是基于一定的数学模型和一定的性能指标综合出来的,采用的是“预测—辨识—控制”的方法,通过辨识(包括对系统的结构、参数、性能指标等的辨识)而获得自适应能力[1]。

根据力学定律,行车运行时起升系统载荷传感器的测量输出值y(t)也就是进入自适应控制系统的输入信号,即[2,3]:

这是一个行车运行时的理想化数学模型。式中:Ks—载荷传感器变换系数;W—实际提升载荷;v(t)—提升速度;m—系统折算到载荷传感器受力点上的等效质量;c—阻力系数;φ(t)—行车运行时的过程扰动(振动、冲击等);f(t)—载荷传感器的测量噪声及信号传输干扰;η(t)—载荷传感器的偏载、蠕变、温漂等引起的缓变干扰。这些干扰因素的输入方式如图1所示。

图1 行车超载安全限制器总体设计框图

如图2所示的单片机实现的自适应行车超载控制系统的原理图。它在目前广泛使用的超载限制器结构基础上增加了一个以参考模型的估计与辩识为基础的自适应测量环节。系统的参考模型、自适应控制器等都是一些算法,将它们存储在微处理器的只读存储器内。行车运行时的理想化数学模型作为自适应测量环节的参考模型。空载时,在参考输入W0=0下,参考模型输出ys(k),它与行车实际空载运行时的输出y(k)比较后的差值y(k)-ys(k)作为系统的零位误差,由参数估计器实时修改系统零位,从而实现零位的自动跟踪和校正。在非空载状态下,由于行车实际载荷量W未知,自适应测量环节以其输出值Y(k)近似作为参考模型的参考输入:W0=Y(k),参数估计器实时估计模型参数,进行动载荷计算,从而实现测量过程中的动载滤波。

图2 单片机自适应控制系统框图

图2中,Y(k)是在y(k)中滤除了系统的动载以及进行零位校正后的超载限制器测量输出值,本质上是自适应测量环节的一个最优估计。Y(k)与实际载荷W总存在一定的误差,其精度决定于参考模型的结构及其模型参数的实时辩识精度。与现有超载限制器相比较,由于增加了自适应动载滤波和校零环节,极大提高了新型超载限制器的工作稳定性和测量准确度。

3 自适应控制系统数据处理

式(1)中,扰动信号φ(t)和f(t),通过常规的软硬件滤波可以有效加以滤除。载荷传感器通过补偿和硬件滤波,载荷传感器的偏载、蠕变、温漂、灵敏度不稳定等作用造成的缓变干扰η(t)的影响基本消除。所剩干扰只有 ,令放大电路的放大倍数为Ka,由式(1)通过欧拉方法离散化后,得到以差分方程表示的理想化测量参考模型:

式中,T=m/c——系统在一定载荷W时的时间常数。

在进行课堂教学的过程中,为了帮助学生认知和掌握物理知识,教师可以让学生对课本内容提前预习,并根据课本涉及的实验内容,对所用器材到生活中寻找物品代替,在寻找实验替代品的同时,不仅可以激发学生的学习热情,更重要的是学生在寻找的过程中,强化学生的认知,提升课堂教学效果,成功点亮高中物理课堂.

式(2)中,Ks、Ka是已知的;而模型参数m、c以及T=m/c在不同载荷值W=Wi时,其数值是不同的,对应有m=mi、c=ci、T=Ti,因此需实时辩识。为了减少实时计算工作量,可预先进行离线计算。将行车载荷量从零到额定载荷平均等分N份,得参考载荷集合W0={W1,W2,…,WN}。运行参考模型(式(2)),在每个参考载荷值W0=Wi(i=1,2,…,N)时工作一个起重周期,等步长采样v(k)和ys(k),由最小二乘估计(LSE)求解:

由最小二乘原理得:

式得相应m、c、T的估计值的集合为:

其中i=1,2,…,N,各参数均以表格方式储存在存储器中,于是实时参数估计仅为查表工作。参数m、c、T离线计算时的[i,i+1]区间划分愈细,则实时参数估计时,查表得到的参数估计值愈精确。

实际行车超载限制器一般并不装有行车提升速度传感器,参考模型所需的速度值v(k)是依靠一个速度给定阶跃信号Vs获取。在一定载荷Wi时,当速度给定信号Vs从V1变化到V2时,根据一阶系统过渡过程,其速度响应:

设步长L=Δt=tk-tk-1,将式(5)离散化,可导其实时递推关系:

式中ΔV=V2-V1;γi,o为W0=Wi时的速度响应指数衰减因子,其数值与系统的时间常数Ti及采样步长L有关,可预先离线计算,获得衰减因子集合γ={γ1,0,γ2,0,…,γN,0},并以表格方式储存,实时计算工作量大为减轻。

则认为行车目前处于空载状态。式中εr为由实测确定的空载门限值。于是Z'与前一次设定的零位补偿值Z比较,若满足:则以Z'取代Z,作为超载限制器自适应测量环节的新的零位补偿值,从而实现了自动校零。式中εz为校零阈值。

令Kc为标度系数,则经自适应动载滤波及自动校零后的自适应控制部分的输出值:

4 自适应控制系统实时运算

根据式(2)、(5)、(6)、(7)、(8)、(9)、(10)、可构造出新型超载限制器的自适应动控制的实时运算框图,如图3所示。

图3 自适应控制实时运算框图

5 讨论和总结

为实现上述设计思想,将采用MCS-8098单片机语言编写程序,相应的框图如图4所示。

本文设计的自适应动态测量系统用于行车超载控制的研制,能够克服以往行车超载限制器的固有缺陷,使检测精度和运行稳定性大幅度提高。得出如下结论:

1)要准确构造行车理想化载荷测量模型;模型参数m、c、T以及速度衰减因子γ离线计算时的[i,i+1]区间划分愈细,则实时参数估计时查表得到的参数值愈精确。但区间划分也不能过细,否则会增加在线查表时间。

图4 单片机自适应控制的程序框图

2)由于实际载荷W是未知的,参考模型在线计算时的参考输入是以W0=Y(k)近似代替,而Y(k)仅是自适应测量环节的一个最优估计,并非等于实际载荷值W。因此自适应动载滤波及校零环节自身还存在一定的误差。

3)自适应测量环节所需的速度值v(k)也并非实际检测的行车提升速度,而是通过激励信号Vs计算获得,因此也存在一定误差。

6 创新点

课题通过对桥式起重机的力学模型进行分析,采用自适应控制技术,进行动载滤波,实现超载控制器的自适应控制,并提出了自适应实时控制算法。

[1] 谢新民,丁锋.自适应控制系统[M].北京:清华大学出版社,2002.

[2] 褚建新,顾伟.具有自适应动载滤波与校零功能的起重机超载限制器原理分析[J].仪器仪表学报,1998,10,19(5):449-454.

[3] 褚建新,顾伟.一种新型多功能超载限制器[J].自动化仪表,2000,1,21(1):22-24.

猜你喜欢
限制器参考模型适应控制
海上风电工程弯曲限制器受力特性数值模拟研究
基于事件触发的船舶航向逻辑切换自适应控制
电梯或起重机极限位置限制器的可靠性分析
含齿隙弹载舵机的全局反步模糊自适应控制
新型三阶TVD限制器性能分析
适应性学习支持系统参考模型研究现状及发展趋势
基于无模型自适应控制的无人驾驶汽车横向控制方法
基于环境的军事信息系统需求参考模型
适应性学习系统的参考模型对比研究
语义网络P2P参考模型的查询过程构建