[发明专利]一种电液伺服系统智能自学习PID控制方法

权利要求书

1.一种电液伺服系统智能自学习PID控制方法，其特征在于，包括以下步骤：

(1)建立电液伺服系统的状态空间方程；

(2)将所述状态空间方程用一般非线性离散时间系统形式表示；

(3)将一般非线性离散时间系统转化为改进的动态线性化数据模型；

(4)设计梯度估计算法、时间差分估计算法以及参数更新律，设计电液伺服系统智能自学习PID控制方法。

2.根据权利要求1所述的一种电液伺服系统智能自学习PID控制方法，其特征在于，所述步骤(1)中电液伺服系统的状态空间方程为：

式中，

其中，x₁为液压缸活塞杆位移；x₂液压缸活塞杆速度；x₃为液压缸活塞的加速度；u为系统控制信号输入；y为系统控制信号输出；d包含的系统外负载扰动及未建模动态；F为外负载力，M_t为柱塞及负载折算到柱塞的总质量；A₁为柱塞有效面积；V_t为缸腔及管道的总容积；C_t为液压缸外泄漏系数；β_e为液压油等效体积弹性模量，k_d为负载弹性刚度；k_v为负载敏感比例阀的阀芯位移与控制信号的比例系数；D为柱塞及负载运动中的粘滞摩擦系数；ρ为液体密度；C_ξ为负载敏感比例阀阀口流量系数；w为负载敏感比例阀面积梯度；P_s为系统额定压力；P_L为负载压力；x_v为阀口开度。

3.根据权利要求2所述的一种电液伺服系统智能自学习PID控制方法，其特征在于，将所述电液伺服系统的状态空间方程转化为非线性离散时间系统：

y(k+1)＝f(y(k),y(k-1),y(k-2),u(k),d(k))；

其中，k∈{0,1,...,N,N∈Z⁺}为采样时间；f(…)是未知非线性标量函数。

4.根据权利要求3所述的一种电液伺服系统智能自学习PID控制方法，其特征在于，将所述电液伺服系统的非线性数据模型转化为改进的动态线性化数据模型，改进的动态线性化数据模型需要满足以下两个假设：

假设1：除有限时刻点外，f(…)关于u、d的偏导数是连续且存在的。

假设2：除有限时刻点外，非线性数据模型满足广义Lipschitz条件，即对任意k₁≠k₂，k₁,k₂＞0和u(k₁)≠u(k₂)有：

|y(k+1)-y(k)|≤p₁|u(k)-u(k-1)|+p₂|d(k)-d(k-1)|；

式中，p₁＞0、p₂＞0为常数；则可得，对于任意时刻k，当|Δu(k)|≠0时，一定存在时变参数θ(k)，使得非线性数据模型能够转化为以下等价的动态线性化数据模型：

Δy(k+1)＝θ(k)Δu(k)+ξ(k)；

其中，Δy(k+1)＝y(k+1)-y(k)，Δu(k)＝u(k)-u(k-1)，ξ(k)为非线性不确定项，|ξ(k)|＜p₃，p₃为正常数，||θ(k)||≤b_θ，b_θ为正常数。

5.根据权利要求4所述的一种电液伺服系统智能自学习PID控制方法，其特征在于，设计梯度估计算法、时间差分估计算法以及参数更新律，设计电液伺服系统智能自学习PID控制方法：

(51)梯度估计算法为：

并给出重置算法为：

当如果或者|Δu(k-1)|≤ε或其中，η∈(0,1]是步长因子，μ＞0为权重因子；

(52)时间差分估计算法为

(53)参数更新律为：

其中，ρ∈(0,1]为步长因子，λ＞0为权重因子，k∈{0,1,...,N,N∈Z⁺}，k_p,k_i,k_d分别为PID的比例系数、积分系数、微分系数。