基于神经网络的汽车离合器综合性能试验台控制系统设计.pdf

机电工程技木2011年第40卷第05期
工业自动化
基于神经网络的汽车离合器综合性能试验台控制系统设计
罗晓晔,张学良2
(1.杭州职业技术学院,浙江杭州310018;2.杭州科技职业技术学院,浙江杭州311400)
于神经网络的PID控制算法设计了汽车离合器综合性能试验台的转速控制系统。设计了试验台的总体结构并建立了转速
控制系统的数学硬型。转速控制系统是试验合台控制的关键,针对转速控制系统干扰力矩较大和控制精度要求高的情况,提出了
种基于神经网络的自适应PD控制算法对转速进行控制,将神经网络鲁棒性强与PD控制稳态误差小的优点结合起来,降低了干
扰和参数变化对系统的影响。仿真及试验结果表明,其比经典PD控制更好,降低了超调量,有较强的鲁棒性和自适应性,提高
了检测精度与检测效率。
关键词:汽车离合器;试验台;神经网络;自适应;PID控制器
中图分类号:U463.,211
文献标识码:A文章编号:1009-9492(2011)05-0047-03
1引言
轮组中的惯量飞轮和道路阻力矩的大小来模拟不同车型离
汽车离合器用来实现或切断对传动系的动力传递
合器总成的使用工况;通过更换花键轴组件可对不同规格
为了保证汽车行车的安全性,必须在与实际工况相近的条
的离合器进行综合性能试验和测试。
件下,采用台架试验检测汽车离合器的综合性能指标,以
本试验台能在模拟汽车离合器实际工况下,实时测
确保离合器产品质量。与传统的离合器检测方法相比,台量、显示和记录离合器接合过程中的摩擦力矩、主动及从
架试验具有检测成本低,检测效率和检测精度高的特点。
动部分的转速、摩擦表面温度、道路阻力矩和工作压紧
试验台控制系统由转速控制子系统、离合控制子系统力,并计算出各种规定条件下的摩擦因数和磨损量。
和道路阻力矩控制子系统组成。其中转速控制子系统是试3试验台转速控制系统结构设计
验台控制的关键,控制精度直接关系到试验结果的准确性
设计的试验台转速控制系统结构,如图2所示。它由
可靠性。常规PID控制器具有结构简单、稳定性好、可靠神经网络自适应PID控制器、电流调节器、PWM装置
性高等优点,但是传统PD控制也存在速度响应有超调,
直流电机、减速器、卡尔曼滤波器和转速传感器组成。为
对负载的适应能力差,抗干扰能力弱和鲁棒性不强等缺
了获得良好的动静态控制效果,系统采用转速(外环)
点,单独采用PD控制达不到系统的设计要求。针对常规
电流(内环)双闭环控制。
PID控制的不足,利用人工神经网络的并行处理、自学习
试验台的驱动机构采用PWM直流调速系统,与晶
适应能力、可逼近任意非线性函数的特性,在对转速控制
管一电动机调速系统(V-M系统)相比,PWM系统具有开
回路建模的基础上提出了一种基于神经网络的自适应PID
关频率高、电流容易连续、稳速精度高、调速范围宽等优
控制算法,将神经网络控制鲁棒性强与PID控制稳态误差
点
小的优点结合起来,具有较好的控制效果。
电流调节器采用I控制算法,并校正成1型典型系
2试验台总体结构设计及工作原理
统,保证了电流环调节的快速性;转速调节器采用参数自
试验台由主机、控制系统、检测系统等3大部件组
整定及在线学习功能的神经网络PID控制算法,并采用卡
成。设计的试验台总体结构如图1所示,其中,直流电机
尔曼滤波器对信号进行滤波处理,从而保证了转速调节的
2和变速箱6作为驱动装置,被试离合器总成8(主动部
快速性、抗干扰性和控制精度。
分)与其端部相离机构9实现离合器总成8的接合与分4基于神经网络的自适应PID控制器
离动作,并可监控离合器的接合、分离速度及分离行程和
基于神经网络的自适应PD控制器是数字PID算法与
分离力;惯量飞轮组12用于模拟汽车的载重量,施加道
神经网络的结合,利用单个神经节点对PID的3个参数快
路阻力矩机构14用来模拟汽车坡路起车和爬坡试验,制速拟合,以达到实时控制的效果。
动装置13用于提供旋转部分的刹车,可通过改变惯量飞
其控制原理为:根据系统的运行状态,自动调节PID
杭州市科技局计划项目(编号:20080431T04)
收稿日期:2010-11-30
47
(工业自动化
机电エ枚术2(011年第40卷第(05期
合合的
1.底座2.直流电机3.滑台4.储能飞轮5.集流环6.变速箱7.汽车飞轮总成8.离合器总成9.分离机构
10.联轴器11.转矩转速传感器12.惯量飞轮祖13.制动装置14.道路阻力矩加载机
图1试验台主机结构简图
转速环
电流环
转速设定+
神经网络
PID控制器
电流调节器
Pw装置
直流电机
变速箱
卡尔曼
滤波器
噪
图2试验台转速控制系统结构图
参数,以期达到性能指标的最优化。即以输出层神经元的
网络的输入层为:
输出状态对应于PD控制器的3个可调节参数,通过神经
网络的自学习、加权系数调整,从而使其稳定状态对应于
x()=(),x2(k)=∑eの,
最优控制下的PD控制器参数
4.1神经网络PID控制器
x2()=△e(k)=e(k)-e(k-1)。
常规PID控制算法的连续方程为:
网络的输出层为
de(d)
(の)=KFle(の+KJ[e(odt+Kdt
()=のx1()+の2x2(k)+のx3(),
用求和代替积分,微分用有限差分代替,可得相应的
式中:o为加权系数,可在线修正。通过对加权系数
离散方程为:
的调整来实现自适应、自组织功能,而加权系数的调整采
用具有监督的学习算法,它与神经网络的输人、输出和偏
)=KA+Kの+K。めーは-リ
差三者的相关函数有关,即:
式中:7为采样周期,K是比例系数,K是积分系
の(k+1)=(1-c)()+カ7
数,KD是微分系数。
r=e(k)(k)x、(k),
48