[发明专利]一种锻造操作机大车行走控制方法、系统、设备及介质

说明书

本发明提供一种锻造操作机大车行走控制方法、系统、设备及介质，基于初始化系统PID参数及径向基神经网络初值，搭建径向基神经网络模型；基于搭建径向基神经网络模型，采样获得系统大车位移给定值及当前值，计算控制误差及系统控制器输出；利用搭建的径向基神经网络模型得到当前网络的输出及系统辨识信息；通过梯度下降法对系统控制器PID参数进行修正，对径向基神经网络参数进行调整，形成并更新径向基神经网络模型；进行下一时刻的采样，直至锻造结束；本申请将径向基神经网络与传统PID控制方法相结合，采用梯度下降法更新径向基神经网络参数，通过网络辨识的信息在线整定系统控制器的PID参数，实现对锻造操作机大车位移的精准控制。

技术领域

本发明属于锻造操作智能化技术领域，具体涉及一种锻造操作机大车行走控制方法、系统、设备及介质。

背景技术

随着航天航空、汽车行业、能源工业和海洋工程等领域飞速发展，对锻件的质量要求也更加严苛，锻造操作机是锻造生产中重要的辅助设备，其大车定位的精度影响锻件的进给水平，进而影响锻件的锻造质量，然而锻造操作机由于自身惯量较大以及其电液比例系统的非线性，导致控制过程出现纯滞后，大车行走控制精度较低。

目前，锻造操作机控制主要以传统PID控制为主，因其算法简单、直观且理论成熟，因而被广泛应用，然而，锻造操作机大车行走系统结构复杂，难以建立精确的数学模型，人为调整PID参数较为繁琐且困难。

发明内容

针对现有技术中存在的问题，本发明提供一种锻造操作机大车行走控制方法、系统、设备及介质，能够提高PID参数调整精度和效率。

本发明是通过以下技术方案来实现：

一种锻造操作机大车行走控制方法，包括以下步骤：

S1：基于初始化系统PID参数及径向基神经网络初值，搭建径向基神经网络模型；

S2：基于搭建径向基神经网络模型，采样获得系统大车位移给定值及当前值，计算控制误差及系统控制器输出；

S3：利用搭建的径向基神经网络模型得到当前网络的输出及系统辨识信息；

S4：通过梯度下降法对系统控制器PID参数进行修正，对径向基神经网络参数进行调整，形成并更新径向基神经网络模型；

S5：返回步骤S2，进行下一时刻的采样，直至锻造结束。

进一步的，所述步骤S1中的径向基神经网络初值包括网络输出层、隐含层以及输出层节点个数、学习速率和动量因子，以及高斯基函数的中心向量及宽度矢量。

进一步的，所述步骤S2中系统控制误差计算过程为：

e(k)＝r(k)-y(k)；

式中，e(k)为锻造操作机大车位移给定值与实际值的偏差，r(k)为锻造操作机大车位移设定值，y(k)为锻造操作机大车位移实际值。

4.根据权利要求1所述一种锻造操作机大车行走控制方法，其特征在于，所述步骤S2中系统控制器输出的计算过程为：

u(k)＝Δu(k)+u(k-1)；

式中，u(k)为控制器输出，Δu(k)为系统k时刻控制器的增量，u(k-1)为系统k-1时刻的控制器输出。

进一步的，步骤S3中所述网络的输出的计算过程为：

式中，y_n(k)为网络的输出，h_j为网络隐含层第j个神经元的输出，w_j为网络的权值，n为网络隐含层的神经元个数。

进一步的，步骤S3中所述系统辨识信息的计算过程如下：