李閣強， 牛彥杰， 陳 饋， 徐莉萍， 郭冰菁， 李躍松

(1. 河南科技大學(xué)機電工程學(xué)院， 河南 洛陽 471023； 2. 機械裝備先進制造河南省協(xié)同創(chuàng)新中心， 河南 洛陽 471000； 3. 盾構(gòu)及掘進技術(shù)國家重點實驗室， 河南 鄭州 450001)

?

基于BP-PID控制器的盾構(gòu)液壓推進控制系統(tǒng)研究

李閣強1, 2， 牛彥杰1, 2， 陳 饋2, 3， 徐莉萍1, 2， 郭冰菁1, 2， 李躍松1, 2

(1. 河南科技大學(xué)機電工程學(xué)院， 河南 洛陽 471023； 2. 機械裝備先進制造河南省協(xié)同創(chuàng)新中心， 河南 洛陽 471000； 3. 盾構(gòu)及掘進技術(shù)國家重點實驗室， 河南 鄭州 450001)

為解決盾構(gòu)在復(fù)雜地層施工時推進速度和壓力難以控制的問題，在壓力流量控制的基礎(chǔ)上提出BP神經(jīng)網(wǎng)絡(luò)控制策略。通過AMESim建立推進系統(tǒng)物理模型，并利用Simulink設(shè)計出BP神經(jīng)網(wǎng)絡(luò)控制器，最后對系統(tǒng)進行聯(lián)合仿真，分析推進系統(tǒng)液壓缸在變流量和變負(fù)載工況下推進速度和壓力的響應(yīng)特性。仿真結(jié)果表明： 該控制策略與常規(guī)PID控制相比，波動幅度降低，調(diào)節(jié)時間快。采用BP神經(jīng)網(wǎng)絡(luò)PID控制能夠有效地提高盾構(gòu)在負(fù)載突變情況下速度和壓力控制精度，穩(wěn)定性好、適應(yīng)能力強，為盾構(gòu)控制系統(tǒng)設(shè)計和優(yōu)化提供理論參考。

盾構(gòu)； 推進系統(tǒng)； BP神經(jīng)網(wǎng)絡(luò)； PID； 仿真

0 引言

隨著地鐵隧道及地下空間建設(shè)的全面展開，盾構(gòu)施工得到了越來越廣泛的應(yīng)用。盾構(gòu)推進系統(tǒng)主要完成盾構(gòu)前進、姿態(tài)糾偏、調(diào)向等運動，其控制性能決定掘進路線的精度和刀盤使用壽命[1]。土層環(huán)境的復(fù)雜性和負(fù)載時變性等因素對盾構(gòu)推進系統(tǒng)控制及隧道施工質(zhì)量影響較大[2]。因此，推進系統(tǒng)的控制成為盾構(gòu)施工的難題。

國內(nèi)外已有許多學(xué)者對推進系統(tǒng)的控制策略進行了研究，如： 龔國芳等[3]運用模糊PID控制的方法，研究了在該控制策略下盾構(gòu)推進速度的響應(yīng)特性； 劉國斌等[4]提出神經(jīng)網(wǎng)絡(luò)控制結(jié)合推進速度的數(shù)學(xué)模型，說明了該控制方法的有效性； 施虎等[5]設(shè)計了推進系統(tǒng)單神經(jīng)元PID控制器，實現(xiàn)了推進速度的自適應(yīng)控制； 周如林等[6]將專家系統(tǒng)和PID控制相結(jié)合，設(shè)計出推進系統(tǒng)區(qū)間內(nèi)同步控制器； 胡國良等[7]通過PLC編譯主從式同步PID控制程序，并進行了試驗驗證?，F(xiàn)有的研究成果大多集中在對盾構(gòu)推進速度適應(yīng)性的研究，但是對推進壓力和推進速度相互影響的研究較少。

本文將BP網(wǎng)絡(luò)PID控制策略應(yīng)用于盾構(gòu)掘進速度壓力復(fù)合控制中，分析盾構(gòu)在變負(fù)載和變流量的工況下，推進系統(tǒng)的壓力和速度的控制特性。

1 盾構(gòu)液壓推進系統(tǒng)

盾構(gòu)推進油缸采用分區(qū)控制，通過調(diào)整各區(qū)油缸的推進速度、壓力來滿足盾構(gòu)施工中的轉(zhuǎn)彎、曲線推進、方向糾偏和直線行進等要求[8]。在各區(qū)某缸體內(nèi)置位移傳感器和壓力傳感器，能實時反饋盾構(gòu)在實際工況下的掘進參數(shù)，通過反饋信號與給定信號產(chǎn)生的偏差來控制比例閥，滿足壓力和速度連續(xù)在線可調(diào)的要求[9]。

盾構(gòu)單組推進系統(tǒng)的液壓原理圖如圖1所示，推進系統(tǒng)主要由推進油缸、比例溢流閥、比例調(diào)速閥、插裝閥、換向閥、位移傳感器和壓力傳感器等組成。盾構(gòu)在正常推進時，插裝閥均保持關(guān)閉狀態(tài)，壓力油經(jīng)過調(diào)速閥9進入推進缸，活塞桿頂緊管片，迫使刀盤向前頂進。比例溢流閥8根據(jù)壓力傳感器10檢測的外負(fù)載與壓力指令信號的偏差值，在線調(diào)整推進壓力。通過位移傳感器12檢測到的反饋信號與給定速度信號的偏差值，改變節(jié)流閥的開口大小可改變系統(tǒng)的流量，從而實現(xiàn)推進速度的閉環(huán)控制?？焖倩赝藭r，電磁閥2.1和2.2左移，電磁換向閥6處于左位，比例調(diào)速閥9被插裝閥3.1短路，系統(tǒng)進行大流量供油，實現(xiàn)油缸的快速回退。

2 推進系統(tǒng)BP網(wǎng)絡(luò)PID控制

由對推進系統(tǒng)的分析可知，各區(qū)液壓缸協(xié)調(diào)和同步運動影響盾構(gòu)實際掘進的精度，改進系統(tǒng)壓力流量控制器是優(yōu)化系統(tǒng)控制性能的主要方法。盾構(gòu)施工環(huán)境發(fā)生突然變化時，PID控制器無法根據(jù)實際工況實時調(diào)整符合要求的控制規(guī)律，姿態(tài)控制的動態(tài)性能和穩(wěn)定性變差[6]。為解決上述問題，利用BP網(wǎng)絡(luò)非線性函數(shù)的逼近能力對常規(guī)PID控制器進行優(yōu)化，經(jīng)過網(wǎng)絡(luò)反復(fù)學(xué)習(xí)和訓(xùn)練，快速獲得符合當(dāng)前環(huán)境下的控制參數(shù)，當(dāng)外界環(huán)境變化時，網(wǎng)絡(luò)能夠快速進行參數(shù)的再次尋優(yōu)[4]。由于該控制策略具有在線調(diào)整kp、ki、kd(kp、ki、kd為PID控制器比例、積分、微分系數(shù))的優(yōu)勢，特別適合盾構(gòu)在實際工況下負(fù)載時變非線性、滯后性等復(fù)雜的控制系統(tǒng)。盾構(gòu)推進系統(tǒng)速度和壓力的BP網(wǎng)絡(luò)PID控制結(jié)構(gòu)如圖2所示。

1.1、1.2—推進油缸; 2.1、2.2—電磁換向閥; 3.1、3.2—插裝閥; 4—換向閥; 5—液控單向閥; 6—三位四通電磁換向閥; 7—溢流閥; 8—比例溢流閥; 9—比例調(diào)速閥; 10—壓力傳感器; 11—單向閥; 12—位移傳感器。

圖1 單組液壓推進系統(tǒng)原理圖

Fig. 1 Working principle of single group of hydraulic thrusting system

圖2 BP網(wǎng)絡(luò)的PID控制器

2.1 增量式PID控制器

常規(guī)增量式PID控制器控制表達(dá)式[10]為：

u(k)=u(k-1)+Δu(k)；

(1)

Δu(k)=kp[e(k)-e(k-1)]+kie(k)+kd[e(k)-2e· (k-1)+e(k-2)]。

(2)

式(1)—(2)中：u(k)、u(k-1)為第k、k-1次采樣時調(diào)節(jié)器的輸出信號；e(k)、e(k-1)、e(k-2)分別為調(diào)節(jié)器在k、k-1、k-2次采樣的偏差值； Δu(k)為輸出信號增量。

2.2 BP神經(jīng)網(wǎng)絡(luò)

根據(jù)盾構(gòu)推進系統(tǒng)建立3-5-3型BP神經(jīng)網(wǎng)絡(luò)模型，將PID控制算法加入到BP網(wǎng)絡(luò)模型中。通過網(wǎng)絡(luò)反復(fù)學(xué)習(xí)和訓(xùn)練輸出理想的控制參數(shù)[11]，取某一時刻盾構(gòu)速度或壓力的設(shè)定值r(k)、推進速度或壓力的實際值y(k)、設(shè)定值與實際值之間的偏差e(k)作為模型輸入，如圖3所示。

BP網(wǎng)絡(luò)第2層的輸入、輸出為：

(i=1,2,…,5;j=1,2,…,5)；

(3)

(4)

圖3 BP網(wǎng)絡(luò)的PID結(jié)構(gòu)

網(wǎng)絡(luò)第2層的激勵函數(shù)采用對稱的sigmoid函數(shù)

(5)

網(wǎng)絡(luò)第3層的輸入、輸出為：

(6)

(7)

當(dāng)l=1、2、3時，

隱含層的輸出是kp、ki、kd，因此該層的活化函數(shù)使用非負(fù)的sigmoid函數(shù)

(8)

性能指標(biāo)函數(shù)

(9)

式中：r(k)為第k次采樣輸入信號；y(k)為第k次采樣輸出信號。

權(quán)值的學(xué)習(xí)算法采取附加動量的梯度下降法，有效地解決收斂緩慢的問題[12]。

網(wǎng)絡(luò)第3層權(quán)值的修正算法為

(10)

其中

g′(x)=g(x)[1-g(x)]。

網(wǎng)絡(luò)第2層權(quán)值修正算法為

(11)

其中

f′(x)=[1-f2(x)]/2。

式(10)—(11)中：α為慣性系數(shù)；η為學(xué)習(xí)速率。

3 聯(lián)合仿真

3.1 建立控制系統(tǒng)模型

利用Simulink建立BP網(wǎng)絡(luò)PID控制器結(jié)構(gòu)模型，在仿真框圖中使用S函數(shù)來編寫B(tài)P網(wǎng)絡(luò)PID的算法程序?？刂破鬏斎攵朔謩e是盾構(gòu)推進系統(tǒng)壓力流量的設(shè)定值r(k)和實際值y(k)，經(jīng)過BP網(wǎng)絡(luò)PID控制器在線計算，在輸出端獲得控制規(guī)律u(k)和控制器參數(shù)，如圖4所示。

圖4 BP網(wǎng)絡(luò)控制器仿真結(jié)構(gòu)

3.2 建立電液比例閥模型

比例調(diào)速閥的工作原理是通過調(diào)節(jié)作用在電磁鐵上的電壓信號，改變推動閥芯運動的推力，從而滿足系統(tǒng)推進壓力的線性變化[13]。同理，比例溢流閥通過線性變化的電壓信號，改變閥芯開口量大小，進而為系統(tǒng)提供呈線性變化的流量。

利用AMESim軟件自帶的HCD庫設(shè)計出比例調(diào)速閥和比例溢流閥的物理模型，并對比例調(diào)速閥進行特性仿真，如圖5和圖6所示。由圖可以看出，通過HCD庫建立的比例閥模型與輸入的電流信號大體呈線性關(guān)系，說明具有較好的控制特性。

3.3 系統(tǒng)聯(lián)合仿真

建立推進系統(tǒng)物理模型和BP網(wǎng)絡(luò)PID控制模型后，在AMESim中創(chuàng)建與Simulink的接口模塊，實現(xiàn)液壓系統(tǒng)AMESim模型與Simulink模型的連通[14-15]。推進系統(tǒng)聯(lián)合仿真的AMESim模型和Simulink模型見圖7和圖8。通過聯(lián)合仿真，綜合利用AMESim和Matlab各自在仿真模型中的優(yōu)勢為盾構(gòu)推進系統(tǒng)提供完善的仿真環(huán)境。

4 仿真結(jié)果分析

4.1 流量變化，負(fù)載不變

系統(tǒng)仿真參數(shù)設(shè)置為： 推進負(fù)載為600 kN； 調(diào)速閥的流量在0～5 s為1.256 L/min，5～10 s為1.884 L/min。BP網(wǎng)絡(luò)參數(shù)設(shè)定為： 網(wǎng)絡(luò)學(xué)習(xí)效率為0.20，慣性系數(shù)為0.05，仿真時間10 s，采樣時間0.02 s。其他各參數(shù)設(shè)置完成，即可對推進系統(tǒng)進行聯(lián)合仿真。圖9和圖10分別示出采用常規(guī)PID控制和BP網(wǎng)絡(luò)PID控制時推進速度和壓力的仿真曲線。

(a) 比例調(diào)速閥

(b) 比例溢流閥

Fig. 5 AMESim models of proportional speed control valve and proportional relief valve

(a) 流量

(b) 壓力

圖7 推進系統(tǒng)聯(lián)合仿真的AMESim模型

圖8 推進系統(tǒng)聯(lián)合仿真的Simulink模型

(a) 速度曲線

(b) 壓力曲線

Fig. 9 Velocity and pressure curves of conventional PID controller(with flow variation and aptotic load)

(a) 速度曲線

(b) 壓力曲線

Fig. 10 Velocity and pressure curves of BP neural network PID controller (with flow variation and aptotic load)

如圖9和圖10響應(yīng)曲線所示，采用常規(guī)PID控制，由于液壓缸流量的突變，推進速度經(jīng)過合理范圍內(nèi)的振蕩后，迅速由40 mm/min達(dá)到60 mm/min，系統(tǒng)壓力在19.20 MPa附近出現(xiàn)小范圍的波動。采用BP網(wǎng)路PID策略后，推進速度經(jīng)過很短時間調(diào)節(jié)后達(dá)到穩(wěn)定狀態(tài)，沒有出現(xiàn)超調(diào)，系統(tǒng)流量突變對壓力波動的影響也減小。采用BP網(wǎng)絡(luò)PID控制系統(tǒng)響應(yīng)縮短0.4 s左右，最大振蕩幅值減小至原來的1/2以內(nèi)，可見該控制方法具有很好的跟蹤性和自適應(yīng)能力。

4.2 負(fù)載變化，流量不變

該系統(tǒng)仿真參數(shù)設(shè)置為： 前5 s時間內(nèi)，負(fù)載為600 kN； 后5 s時間內(nèi)，負(fù)載為800 kN； 調(diào)速閥流量設(shè)定1.256 L/min； 其他參數(shù)保持不變。采用常規(guī)PID控制和BP網(wǎng)絡(luò)PID控制時的推進速度和壓力的仿真曲線如圖11和圖12所示。

由圖11仿真曲線可以看出： 采用PID控制策略，當(dāng)推進負(fù)載突變時，系統(tǒng)壓力經(jīng)過較小的波動后1.2 s內(nèi)迅速由19.20 MPa達(dá)到25.48 MPa； 但是在5 s時刻，推進速度的最大值瞬間達(dá)到600 mm/min左右，出現(xiàn)嚴(yán)重超調(diào)，速度控制性能變差。產(chǎn)生該現(xiàn)象的原因是推進系統(tǒng)負(fù)載瞬間的突變導(dǎo)致油缸流量跟隨驟然發(fā)生變化，對速度影響較大，常規(guī)PID控制不能滿足速度控制精度的要求。

(a) 速度曲線

(b) 壓力曲線

Fig. 11 Velocity and pressure curves of conventional PID controller(with load variation and aptotic flow)

(a) 速度曲線

(b) 壓力曲線

Fig. 12 Velocity and pressure curves of BP neural network PID controller(with load variation and aptotic flow)

采用BP網(wǎng)絡(luò)PID控制策略，速度幅值減弱至50 mm/min左右，0.4 s后快速恢復(fù)到原來的穩(wěn)態(tài)值40 mm/min，大大減弱負(fù)載突變對系統(tǒng)速度的影響?？梢?，BP網(wǎng)絡(luò)PID控制更適合應(yīng)用于某些外界負(fù)載和干擾等因素時變的控制系統(tǒng)，具有很好的魯棒性。

5 結(jié)論與討論

1)基于BP網(wǎng)絡(luò)PID控制器，能夠根據(jù)盾構(gòu)推進負(fù)載不同狀況，在線調(diào)整控制參數(shù)，有效地提高盾構(gòu)推進壓力和速度控制精度，自適應(yīng)能力強，穩(wěn)定性好。

2)常規(guī)BP神經(jīng)網(wǎng)絡(luò)控制存在一定的局限性。由于網(wǎng)絡(luò)權(quán)重矩陣初始化設(shè)置問題嚴(yán)重影響著盾構(gòu)推進速度和壓力的控制效果，如何優(yōu)化BP網(wǎng)絡(luò)初始化權(quán)值有待深入討論。

3)采用該控制策略有效地削弱了盾構(gòu)施工中模型攝動和地質(zhì)工況時變等不確定因素的干擾，為今后復(fù)雜地層中盾構(gòu)推進系統(tǒng)的研究設(shè)計提供了一定的理論參考。

4)盾構(gòu)推進控制系統(tǒng)可采用多種控制策略，本文對BP網(wǎng)絡(luò)與常規(guī)PID相結(jié)合的控制策略展開研究，建議進一步采取多種先進控制方法組合的方式對推進系統(tǒng)進行理論分析，以實現(xiàn)推進參數(shù)的精確控制。

[1] 陳饋, 洪開榮, 吳學(xué)松. 盾構(gòu)施工技術(shù)[M]. 北京: 人民交通出版社， 2009: 91. CHEN Kui, HONG Kairong, WU Xuesong. Shield construction technique[M]. Beijing: China Communications Press, 2009: 91.

[2] 馮歡歡,王助鋒，張合沛. 盾構(gòu)實驗臺液壓推進系統(tǒng)的設(shè)計與研究[J]. 液壓氣動與密封, 2012， 32(12)： 14-17. FENG Huanhuan，WANG Zhufeng，ZHANG Hepei. Design and study of shield experimental platform thrust hydraulic system[J]. Hydraulics Pneumatics and Seals, 2012，32(12)： 14-17.

[3] 龔國芳，胡國良，楊華勇.盾構(gòu)推進液壓系統(tǒng)控制分析[J].中國機械工程， 2007， 18(12)： 1391-1395. GONG Guofang，HU Guoliang，YANG Huayong. Control analysis of thrust hydraulic system for shield tunneling machine[J]. China Mechanical Engineering, 2007，18(12)： 1391-1395.

[4] 劉國斌，龔國芳，朱北斗，等. 基于BP神經(jīng)網(wǎng)絡(luò)的盾構(gòu)推進速度自適應(yīng)PID控制[J]. 工程設(shè)計學(xué)報, 2010, 17(6): 454-458. LIU Guobin, GONG Guofang, ZHU Beidou, et al.Adaptive PID control for thrust speed of the shield based on BP neural networks[J]. Journal of Engineering Design, 2010, 17(6): 454-458.

[5] 施虎，龔國芳，楊華勇. 基于單神經(jīng)元的盾構(gòu)推進速度自適應(yīng)PID控制[J]. 中國機械工程,2009，20(2)： 38-41. SHI Hu, GONG Guofang，YANG Huayong. Adaptive PID control for thrust speed of shield based on single neuron[J]. China Mechanical Engineering, 2009， 20(2)： 38-41.

[6] 周如林，龔國芳，汪慧，等. 盾構(gòu)推進系統(tǒng)專家PID同步控制分析[J]. 中國機械工程, 2010, 21(18): 2202-2206. ZHOU Rulin, GONG Guofang, WANG Hui, et al. Expert-PID synchronization control of thrust hydraulic system[J]. China Mechanical Engineering, 2010, 21(18): 2202- 2206.

[7] 胡國良，龔國芳，楊華勇.基于壓力流量復(fù)合控制的盾構(gòu)推進液壓系統(tǒng)[J].機械工程學(xué)報， 2006, 42(6): 124-127. HU Guoliang，GONG guofang, YANG huayong. Thrust hydraulic system of shield tunnel boring machine with pressure and flow compound control[J]. Chinese Journal of Mechanical Engineering, 2006, 42(6): 124-127.

[8] 陳峰. 基于AMESim盾構(gòu)負(fù)載模擬系統(tǒng)設(shè)計與仿真分析[J]. 液壓與氣動, 2015(3): 36-39. CHEN Feng. Design and research on the load simulation of shield in AMESim [J]. Chinese Hydraulics and Pneumatics, 2015(3): 36-39.

[9] 李錦,黃長征. 盾構(gòu)機液壓推進系統(tǒng)穩(wěn)定性研究[J]. 液壓與氣動， 2014(3)： 54-57. LI Jin，HUANG Changzheng. Study of stability of hydraulic propulsion system for shield tunneling machine[J]. Chinese Hydraulics and Pneumatics, 2014(3)： 54-57.

[10] 王敬志,任開春,胡斌. 基于BP神經(jīng)網(wǎng)絡(luò)整定的PID控制[J]. 工業(yè)控制計算機， 2011， 24(3)： 72-73. WANG Jingzhi, REN Kaichun, HU Bin. PID control based on BP neural network[J]. Industrial Control Computer，2011， 24(3)： 72-73.

[11] 任有志,楊亞威,曾謙,等. BP神經(jīng)網(wǎng)絡(luò)PID控制器在聚合釜溫控中的應(yīng)用[J]. 現(xiàn)代化工, 2016, 32(2): 165-167. REN Youzhi, YANG Yawei, ZENG Qian, et al. Application of BP neural network PID controller in temperature control of polymerizer[J]. Modern Chemical Industry, 2016, 32(2): 165-167.

[12] 王紫薇，孫麗萍，王清文，等. 木塑擠出機溫度的BP神經(jīng)網(wǎng)絡(luò)PID控制算法[J]. 木材加工機械, 2016, 27(2): 21-24. WANG Ziwei, SUN Liping, WANG Qingwen, et al.The algorithmic research of wood plastic extruder temperature of BP neural network PID control system[J]. Wood Processing Machinery, 2016, 27(2): 21-24.

[13]DUAN Xiaoming, XIE Haibo,LIU Zhibin,et al. Precise control of thrust force on the shield tunneling machine[J]. Applied Mechanics and Materials, 2011, 48-49: 834-839.

[14] YANG Huayong,SHI Hu,GONG Guofang, et al. Electro-hydraulic proportional control of thrust system for shield tunneling machine[J].Automation in Construction, 2009, 18(7): 950-956.

[15] 朱宏堂. 基于模糊PID算法的盾構(gòu)機土壓平衡控制研究[J]. 液壓與氣動, 2013(6)： 103-107. ZHU Hongtang. Research of earth pressure balance control of shield machine based on the fuzzy PID algorithm[J]. Chinese Hydraulics and Pneumatics, 2013(6)： 103-107.

Research on Hydraulic Thrusting Control System of Shield Machine Based on BP-PID Controller

LI Geqiang1, 2, NIU Yanjie1, 2, CHEN Kui2, 3, XU Liping1, 2, GUO Bingjing1, 2, LI Yuesong1, 2

(1.SchoolofMechatronicsEngineering,HenanUniversityofScienceandTechnology,Luoyang471023,Henan,China;2.CollaborativeInnovationCenterofMachineryEquipmentAdvancedManufacturing,Luoyang471000,Henan,China;3.StateKeyLaboratoryofShieldMachineandBoringTechnology,Zhengzhou450001,Henan,China)

The BP neural network control system is proposed on the basis of pressure flow control so as to control the speed and pressure during shield tunneling in complex strata. The physical model of shield thrusting system is established by AMESim; and then the BP neural network controller is designed by Simulink; finally, the system is simulated so as to analyze the response characteristics of thrusting speed and velocity of hydraulic thrusting control cylinder of shield machine under variable flow and variable load conditions. The simulation results show that: 1) Compared to conventional PID controller, the fluctuation amplitude of BP-PID controller is lower and the adjusting response time is shorter. 2) The control accuracy of thrusting speed and pressure of shield machine under loading condition can be improved by using BP neural network PID controller. 3) The practice shows that the above-mentioned controller has good stability and adaptability, so as to provide theoretical reference for design and optimization of shield control system.

shield; thrusting system; BP neural network; PID; simulation

2016-12-12;

2017-04-06

國家重點基礎(chǔ)研究發(fā)展計劃(“973”計劃)項目(2014CB046906)； 中鐵建投科技創(chuàng)新計劃課題(2016-01-3)； 盾構(gòu)及掘進技術(shù)國家重點實驗室開放課題(2014-03)； 國家高技術(shù)研究發(fā)展計劃(“863”計劃)項目(2012AA0418002)

李閣強(1971—)，男，吉林長春人，2007年畢業(yè)于哈爾濱工業(yè)大學(xué)，機械電子工程專業(yè)，博士，副教授，現(xiàn)從事電液伺服控制相關(guān)的科研和教學(xué)工作。E-mail: hitligeqiang@163.com。

10.3973/j.issn.1672-741X.2017.07.016

U 455.3

A

1672-741X(2017)07-0885-06