[发明专利]基于神经网络PID的车载电磁阀控制系统设计方法

权利要求书

1.一种基于神经网络PID的车载电磁阀控制系统设计方法，其特征在于，包括以下步骤：

步骤一、进行基于神经网络PID的车载电磁阀压力控制器的设计：基于车载电磁阀的工作原理进行基于神经网络PID的车载电磁阀压力控制器设计，通过压力控制的输入输出设计神经网络的输入层、隐含层及输出层，设置各神经节点的权重值，给出权重更新的迭代规律；

步骤二、基于车载电磁阀工作原理建立车载电磁阀仿真模型，对所述步骤二建立的基于神经网络PID的车载电磁阀压力控制器进行仿真测试；

步骤三、将步骤三的仿真测试结果反馈所述进行基于神经网络PID的车载电磁阀压力控制器，根据反馈结果调节控制参数，实现PID参数自整定，完成车载电磁阀控制系统的设计。

2.如权利要求1所述的一种基于神经网络PID的车载电磁阀控制系统设计方法，其特征在于，所述步骤一基于神经网络PID的车载电磁阀压力控制器的设计过程为：

基于神经网络PID的车载电磁阀压力控制器包括输入层、隐含层及输出层；

在输入层，有两个输入神经节点，分别为电磁阀的参考期望和输出测量压力；

在隐含层，设置有3个神经节点，分别表示比例P、积分I和微分D；

由于控制变量u只有电磁阀电流，因此输出层只设置一个神经节点：

控制输出u为：

上式中，符号O表示神经节点输出，上角标表示神经节点存在的层，下角标表示在层中被选中的神经节点，k是离散时间常数，k-1表示k时刻的上一时刻；w_j为隐含层和输出层之间的神经节点权重；

以最小化参考期望和电磁阀输出压力之间的残差作为评价指标，记E(k)表示跟踪误差e(k)的平方和，即使得

为最小；

在层与层之间的更新规则如下：

η_ij是输入层与隐含层之间权重的学习速率；η_j是隐含层与输出层之间权重的学习速率；

整理得：

其中sgn(·)为符号函数。

3.如权利要求1所述的一种基于神经网络PID的车载电磁阀控制系统设计方法，其特征在于，所述步骤三包含以下过程：

(A)基于车载电磁阀工作原理建立动力学方程，包括：

电磁线圈运动方程：

F_mag＝k_ai-k_bx_v

其中，k_a是磁力增益系数，k_b是位移与力之间的增益系数，x_v是线圈位移，u是作用在电磁线圈上的电压信号，i是电流，F_mag是电磁力，L、R分别是电磁线圈的电感和电阻；

阀芯动力学方程：

其中，P₁是右端反馈腔的压力，P₂是左端反馈腔压力，A₁是阀芯右侧截面积，A₂是阀芯左侧截面积，F_ss是油液输入口稳态液动力，F_st是油液输入口的瞬态流动力，F_rs是油液输出口的稳态液动力，F_rt是油液输出口的静态流动力，m_v是阀芯质量；

阀体流量平衡方程：

其中，Q_Ps和Q_Pr分别是入油口和出油口的流量，Q_Pt是泄油口的流量，Q₁和Q₂是两个反馈端口的流量，V_t是主腔的容积，β_e是有效体积弹性模量，P_r是可控输出压力；

(B)基于所述步骤(A)建立的动力学方程，在仿真建模软件AMESim中建立车载电磁阀仿真模型，对所述步骤二建立的基于神经网络PID的车载电磁阀压力控制器进行仿真测试。