[发明专利]一种液压位置伺服系统反步自适应神经网络控制方法

权利要求书

1.一种液压位置伺服系统反步自适应神经网络控制方法，该方法所依赖的被控液压位置伺服系统的结构是，包括控制对象的非对称液压缸(3)，非对称液压缸(3)的活塞(1)与负载(2)固定连接，同时活塞(1)还与位移传感器(4)对应接触，位移传感器(4)的输出信号通过A/D转换送入计算机(6)；比例阀(5)为三位四通阀，非对称液压缸(3)的液压腔A侧和液压腔B侧分别与比例阀(5)的两个出液端对应联通，比例阀(5)进液端通过减压阀(7)与油泵(8)联通，比例阀(5)回液端与液压泵储油箱相连，计算机(6)输出的控制量通过D/A转换送入比例阀(5)控制阀芯位置，其特征在于，按照以下步骤实施：

步骤1、液压位置伺服系统建模与模型线性化，具体过程是，

假设液压系统满足如下条件：1)系统使用的工作介质为理想液体；2)液体流经阀口或其它节流口时的流动状态均为等熵绝热过程；3)在同一容腔内液体压力和温度处处相等；4)忽略未加考虑的泄漏；5)活塞运动时，两腔内液体的变化过程均为绝热过程；6)油源压力恒定；7)与系统动态特性相比，比例阀的惯性忽略，

据此得到比例阀控制非对称液压位置伺服系统的数学模型如下式(1)：

其中，Q_a和Q_b分别为流入无杆腔A和流出有杆腔B的流量，P_a和P_b分别为液压无杆腔A和有杆腔B的压力，和分别为P_a和P_b对于时间的一阶导数，P_s为液压供油压力，A_a和A_b为液压缸无杆腔A和有杆腔B的有效作用面积，V_a和V_b为液压缸无杆腔和有杆腔的容积，C_d为流量系数，ω为比例阀面积梯度，ρ为油液密度，x_v为比例阀阀芯位移，u为比例阀控制信号，k_v为比例阀增益，C_t为内泄漏系数，β_e为体积弹性模量，M为滑块质量，B_p为粘性阻尼系数，k为负载弹性系数，F_L为外负载力，y为活塞位移，和分别为y对时间的一阶导数和二阶导数，上述活塞位移y通过位移传感器测量得到，

引入负载流量Q_L、负载压力P_L的定义如下：

忽略外负载力F_L以及摩擦非线性负载，在平衡工作点附近对非线性函数进行线性化处理，得到阀控非对称液压缸的机理模型如下：

其中，K_xa和K_pa分别为线性化后的流量增益和流量压力系数，A_m表示平均有效面积，V为系统控制腔总容积，

定义系统状态变量为其物理含义分别为滑块的位置、速度和加速度，

将摩擦力和其他未建模动态看作扰动，同时考虑比例阀不精确零点，近似得到在工作点附近的液压系统的三阶线性状态方程如下:

其中，a₀,a₁,a₂,b均为与工作点有关的未知参数，Δu为比例阀零点，d为内外部扰动参数，

将式(4)变换表示为式(5)：

其中，d₁＝bΔu+d为摩擦力、比例阀不精确零点和其他内外部扰动的不确定项，控制目标是使负载位移y能够跟踪所要求的期望输出y_m；

步骤2、建立液压位置伺服系统的反步自适应神经网络控制器模型，具体过程是，

针对步骤1得到的如式(5)所示液压位置伺服系统线性化模型，设计反步自适应神经网络控制器如式(6)所示：

其中，z₂＝x₂-α₁，z₃＝x₃-α₂，z₁＝x₁-y_m，c为设计参数，b为系统未知参数；N(ζ)＝ζ²cos(ζ)，为Nussbaum函数，用于解决控制方向未知问题，W^TS(G)为神经网络输出；

步骤3、采用神经网络对模型中不确定项进行估计。

2.根据权利要求1所述的液压位置伺服系统反步自适应神经网络控制方法，其特征在于：所述的步骤3中，具体过程是，

由z₃＝x₃-α₂可得其导数为包含未知函数

本步骤采用神经网络方法对未知函数进行逼近，W^TS(G)为神经网络输出用于逼近未知函数f(x)；W为隐含层到输出层的连接权值向量，W^T为权值向量W的转置；定义为神经网络输入向量，S(G)＝[s₁,s₂,…,s_m]为神经网络隐层基函数，m为神经元个数；

定义j＝1,2,…,m为高斯函数，c_j为第j个神经元高斯基函数中心点，b_h为第j个神经元高斯基函数的宽度；定义为W的估计值，为估计误差，得到

则自适应律模型数学表达式如下式(7)：

其中，为d₁的估计值，为的一阶导数，为的一阶导数，为Nussbaum函数N(ζ)的自变量ζ的一阶导数；

将估计得到的ζ，和的数值用于实时更新反步自适应神经网络控制器公式(6)，计算机通过D/A输出控制比例阀，实时调节非对称液压缸的活塞的位移量。