[发明专利]用于识别挖掘机斗杆液压缸工况的控制方法及其控制装置

权利要求书

1.一种用于识别挖掘机斗杆液压缸工况的控制方法，其特征在于，其包括以下步骤：

S1、通过压力传感器分别采集电比例变量泵出口、斗杆液压缸有杆腔、斗杆液压缸无杆腔和回油箱的压力，通过位移传感器采集斗杆液压缸的位移，通过速度传感器采集斗杆液压缸的速度；

S2、搭建神经网络识别模块，将步骤S1中位移传感器采集到的斗杆液压缸实际位移信号跟期望位移的差值作为神经网络识别模块的输入，并识别判断斗杆液压缸的工况类别：

S21、搭建判断斗杆液压缸工况的神经网络结构：

S211、对步骤S1中采集的斗杆液压缸实际位移信号跟期望位移的差值进行数据处理，并按7:3比例划分训练集跟测试集；

S212、设置神经网络结构的超参数：根据斗杆液压缸的实际位移信号跟期望位移信号的差值，将输入层的神经元个数设为1；根据识别斗杆液压缸的三种工况，将输出层的神经元个数设为3；根据确定神经元个数公式分别得到两个层隐含层的个数为10和12；

S22、利用状态正向更新和误差反向传播的BP算法对步骤S21搭建的判断斗杆液压缸工况的神经网络结构进行训练：

S221、设定各层之间传递函数及训练函数，利用步骤S211中得到的训练数据集对神经网络结构进行训练，假设输入位移差为x，则第k层得到输入及本身输出如下：

h_k＝g_k(net_k)

式中，net为第k层输入，ω为第k-1层到第k层的权值矩阵，b为第k-1层到第k层的偏置矩阵，g为第k层传递函数，h为第k层输出，T为转置符号；

S222、定义训练数据集中期望斗杆液压缸输出工况类别跟实际斗杆液压缸输出工况类别的损失函数E，具体表达式如下：

式中，y为真实工况类别，y₁为神经网络识别的实际工况输出，∧2为平方符号；

S223、将步骤S222建立的损失函数对识别斗杆液压缸的输出层、各层的权值和偏置求偏导，并通过误差反向传播对其进行更新，假设第n迭代时第m层的权值跟偏置分别为和则其具体公式如下：

式中，η为学习率，E为损失函数，为求偏导符号；

S23、利用步骤S211中得到的测试集对步骤S22训练的判断斗杆液压缸工况的神经网络进行测试，将效果好的BP神经网络模型进行保存，并转换成simulink模块识别的形式；

S3、搭建信号判定生成模块，根据步骤S2得出的斗杆液压缸的工况发出相应的控制信号：

S31、若斗杆液压缸为伸出工况，采用位移和速度的复合控制方法，生成电比例变量泵、斗杆液压缸有杆腔端的第一个三位三通电磁换向阀和斗杆液压缸无杆腔端的第二个三位三通电磁换向阀的控制信号；

S32、若斗杆液压缸为缩回工况，采用位移和速度复合控制方法，生成电比例变量泵、斗杆液压缸有杆腔端的第一个三位三通电磁换向阀和斗杆液压缸无杆腔端的第二个三位三通电磁换向阀的控制信号；

S33、若斗杆液压缸为定位工况，根据非对称阀控制非对称缸的原理和液压缸位移闭环反馈控制原理，生成电比例变量泵、斗杆液压缸有杆腔端的第一个三位三通电磁换向阀和斗杆液压缸无杆腔端的第二个三位三通电磁换向阀的控制信号。

2.根据权利要求1所述的用于识别挖掘机斗杆液压缸工况的控制方法，其特征在于，在步骤S212中，所述确定神经元个数公式的具体表达式为：

式中，S为隐含层的神经元个数，P为输入层的神经元个数，O为输出层的神经元个数，a为常数值1～10。

3.根据权利要求1所述的用于识别挖掘机斗杆液压缸工况的控制方法，其特征在于，在步骤S22中，输入层到第一隐含层、第一隐含层到第二隐含层和第二隐含层到输出层的传递函数分别为双向正切S型传递函数tansig、线性传递函数purelin和柔性最大值传递函数softmax；所述训练函数为学习率可变函数traingdx。

4.根据权利要求1所述的用于识别挖掘机斗杆液压缸工况的控制方法，其特征在于，在步骤S3中，所述工况类别，其包括伸出工况、缩回工况和定位工况。