[发明专利]一种电液伺服系统智能自学习PID控制方法

说明书

本发明涉及电液伺服系统控制技术领域，具体公开了一种电液伺服系统智能自学习PID控制方法，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的形式表示；(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。本发明是一种数据驱动的控制方法，针对具有参数时变和外负载扰动未知的非线性非仿射电液伺服系统能够实现精确跟踪。

技术领域

本发明专利属于智能控制技术领域，具体的说，涉及一种电液伺服系统智能自学习PID控制方法。

背景技术

电液伺服控制是流体传动与控制专业的核心技术，具有功率比重大、响应快及抗负载刚性强等突出优点，在航空航天、交通运输、智能机器人等领域都得到了广泛应用。随着精密工业与国防领域的不断发展，对电液伺服系统的控制精度提出了更高的要求，这使得基于线性理论的经典控制不能满足系统高精度的条件。

由于在实际工程应用中，电液伺服系统的负载质量、液压弹性模量、以及伺服阀流量增益等都会随系统运行而变化，并且外负载扰动、泄漏、摩擦阻尼等参数未知，以上原因导致电液伺服系统存在参数不确定性和不确定性非线性问题。对于大部分依赖被控系统精确模型的控制方法，当模型参数发生变化时会导致建模误差、跟踪性能差，以及收敛性难以保证等问题。如自适应鲁棒控制(ARC)、自适应积分鲁棒控制、自适应反步控制和滑模控制等。因此，设计一种所需系统模型信息少，抗干扰能力强且适合电液伺服系统实际应用的控制方法具有重要意义。

PID算法以其结构简单、运行可靠、性能稳定等优点是实际工程中最常用的控制器。基于保守性假设的经典PID控制在电液伺服系统中的应用是线性控制器的设计，该方法在非线性非仿射的电液伺服系统中存在跟踪滞后，收敛性差的问题。随着智能控制算法的兴起和发展，广大研究学者积极探索将PID控制与智能算法相结合来处理实际过程中遇到的强非线性、强干扰问题。现在iPID控制算法已在液压、电力、机械等领域得到了广泛应用。但是，由于iPID的采样频率过高，在很多实际应用中难以实现。

侯忠生教授提出的基于数据驱动控制的无模型自适应控制可以仅利用受控系统在线或者离线I/O数据进行控制器设计，该方法为难以建立系统精确模型的非线性系统提供了一种新的思路。但是，当系统外部负载扰动所造成的不确定性和非线性太强时，会造成伪偏导数的动态特性难以估计。参考文献(Model-free adaptive PID control fornonlinear discrete-time systems，MFA-PID)提出了一种智能自学习PID控制方法，结合了MFAC与iPID两种控制方法的优点，将只适用于非线性连续时间系统的iPID控制算法扩展到了非线性非仿射离散系统，并且解决了无模型自适应控制算法过度线性化造成的模型信息缺失问题。

基于以上分析，本发明设计了一种电液伺服系统智能自学习PID控制方法。首先将非线性非仿射的电液伺服系统动态线性化为线性仿射的形式；然后，采用梯度估计法和时间差分法分别对时变参数和不确定非线性项进行估计；另外，通过iPID控制引入附加误差信息对无模型自适应控制过度线性化造成的信息丢失进行补偿，最后，设计参数更新律，设计电液伺服系统智能自学习PID控制方法。仿真结果验证了该方法应用于电液伺服系统的有效性，且跟踪性能优越。该方法结构简单，针对模型不确定性程度高、非线性程度大的电液伺服系统有很好的工程实践意义。

发明内容

本发明专利针对电液伺服系统存在的参数不确定以及外负载扰动问题，设计了电液伺服系统智能自学习PID控制算法，控制目标是给定期望的输出轨迹y_d(k)，k∈{0,1,...,N,N∈Z+}，找到合适的控制信号输入u，使电液伺服系统的跟踪误差e(k+1)＝y_d(k+1)-y(k+1)在k趋于无穷时收敛至零。

为解决上述技术问题，本发明专利采用下述技术方案予以实现，一种电液伺服系统智能自学习PID控制方法，包括以下步骤：