王旭鋒,牛遠征,曾遠帆,殷 翔,姜曉明
(1.南京理工大學(xué) 自動化學(xué)院,江蘇 南京 210094;2.上海機電工程研究所,上海 201109)
隨著現(xiàn)代戰(zhàn)爭模式的迅速變化,戰(zhàn)場上出現(xiàn)越來越多低空、超低空等進攻性武器,這就需要包括車載導(dǎo)彈發(fā)射車在內(nèi)的防空系統(tǒng)具有快速、高精度、準確打擊等能力。作為現(xiàn)代防空體系重要的一環(huán),車載隨動系統(tǒng)的響應(yīng)速度、跟蹤精度、魯棒性等指標的優(yōu)劣會直接影響武器系統(tǒng)作戰(zhàn)效能的發(fā)揮。
對于發(fā)射車的隨動系統(tǒng)而言,由于作戰(zhàn)環(huán)境復(fù)雜多變,機械摩擦、外部擾動等因素持續(xù)存在,動靜態(tài)性能也會發(fā)生很大變化。在跟蹤目標的過程中,會產(chǎn)生動態(tài)滯后,目標速度變化越快,滯后越突出,精確的控制模型往往難以建立。因此,傳統(tǒng)PID 控制已經(jīng)不能滿足現(xiàn)代戰(zhàn)爭模式的作戰(zhàn)需求[1]。
多年來,許多學(xué)者致力于模糊PID、自適應(yīng)PID、神經(jīng)網(wǎng)絡(luò)PID 等先進PID 控制的研究,用以克服傳統(tǒng)PID 缺陷。其中,模糊PID 控制可以很好地應(yīng)用于非線性時變系統(tǒng),但是模型的建立需要大量的經(jīng)驗,在輸入輸出上受模糊集的影響較大,從而導(dǎo)致系統(tǒng)超調(diào)、響應(yīng)慢等問題[2-4]。自適應(yīng)PID 控制的好壞,取決于辨識模型的精確度,對于復(fù)雜系統(tǒng)是特別困難的[5]。本文提出一種將單神經(jīng)元與模糊PID 控制相結(jié)合的位置隨動控制策略,以兩種控制方法優(yōu)缺點互補為思路,運用神經(jīng)網(wǎng)絡(luò)控制與模糊控制理論,設(shè)計出相應(yīng)的比例Kp、積分Ki、微分系數(shù)Kd的動態(tài)調(diào)整規(guī)則,實現(xiàn)PID 參數(shù)的自整定,以此提高系統(tǒng)的快速性、控制精度和干擾能力[6]。
車載隨動系統(tǒng)的控制對象為發(fā)射裝置,其隨動系統(tǒng)的基本組成如圖1 所示。
圖1 隨動系統(tǒng)的基本組成Fig.1 Basic composition of the follow-up system
伺服計算機是隨動系統(tǒng)的控制中樞,接收來自武控計算機發(fā)送的發(fā)射裝置方位角、左/右發(fā)射架高低角控制指令,經(jīng)坐標轉(zhuǎn)換、拉格朗日插值、伺服控制、量綱轉(zhuǎn)換等步驟,向驅(qū)動器發(fā)送轉(zhuǎn)速控制指令[7]。交流(Alternating Current,AC)伺服驅(qū)動系統(tǒng)為發(fā)射裝置的驅(qū)動機構(gòu),系統(tǒng)采用三相交流永磁同步電機,用于給發(fā)射裝置提供動力力矩。驅(qū)動器接收到伺服計算機的轉(zhuǎn)速控制指令后,經(jīng)功率放大電路,形成驅(qū)動電機的電壓,電機轉(zhuǎn)動并通過減速器作用于發(fā)射裝置。發(fā)射裝置的實際位置通過測角裝置發(fā)送給伺服計算機,最終形成隨動系統(tǒng)的閉環(huán)控制[8]。
1.2.1 交流伺服驅(qū)動系統(tǒng)建模
交流伺服驅(qū)動系統(tǒng)包含有速度環(huán)和電流環(huán)。速度環(huán)為外環(huán),主要用于控制電機轉(zhuǎn)速。速度環(huán)的反饋來自于電機編碼器的旋變信號,經(jīng)驅(qū)動器內(nèi)部芯片解碼后得到轉(zhuǎn)速,由驅(qū)動器完成速度環(huán)的閉環(huán)控制。電流環(huán)為內(nèi)環(huán),主要用于控制電機電流,確保電樞電流在啟動瞬間不超過允許值。電流環(huán)的反饋來自于驅(qū)動器內(nèi)部安裝在每相的霍爾元件,驅(qū)動器采樣電流值后,完成電流環(huán)的閉環(huán)控制[9]。交流伺服驅(qū)動系統(tǒng)工作原理圖如圖2 所示。
圖2 交流伺服驅(qū)動系統(tǒng)工作原理Fig.2 Working principle diagram of the AC servo drive system
由于交流永磁電機內(nèi)部電磁場關(guān)系較為復(fù)雜,建立數(shù)學(xué)模型比較困難。因此,在進行隨動仿真時,一般用電樞電壓控制的直流電動機進行。為了簡化電機模型作如下假設(shè):忽略磁場高次諧波影響、電樞回路電感、轉(zhuǎn)子的繞阻、永磁體的阻尼,以及內(nèi)部磁場的飽和效應(yīng)和磁滯帶來的損耗。這樣驅(qū)動放大器就可近似成1 個比例環(huán)節(jié),執(zhí)行電機則簡化為一階慣性環(huán)節(jié),旋變作為1 個積分環(huán)節(jié)[10]。由此可得到2 階線性系統(tǒng)模型結(jié)構(gòu),如圖3所示。
圖3 交流伺服驅(qū)動系統(tǒng)等效結(jié)構(gòu)Fig.3 Equivalent structure diagram of the AC servo drive system
圖中,R(s)對應(yīng)伺服計算機發(fā)送的給定轉(zhuǎn)速,C(s)對應(yīng)電動機的實際轉(zhuǎn)速。電機參數(shù)、負載慣量以及黏性摩擦系數(shù)對參數(shù)K、T都有影響。由于參數(shù)在工程上難以直接測量和理論計算,一般常采用脈沖響應(yīng)、階躍響應(yīng)等方法確定參數(shù)數(shù)值[11]。本文采用階躍響應(yīng)法對交流伺服系統(tǒng)進行辨識,即給驅(qū)動器發(fā)送適當(dāng)幅值的階躍信號,同時測量電動機的轉(zhuǎn)速信號,得到速度環(huán)響應(yīng)的超調(diào)量σ%和峰值時間tp。根據(jù)如下典型2 階系統(tǒng)阻尼比ζ、無阻尼振蕩頻率ωn的公式:
可得到交流伺服驅(qū)動系統(tǒng)的傳遞函數(shù)為
采用上述方法,以某車載發(fā)射車的方位隨動系統(tǒng)為例,多次測得方位隨動系統(tǒng)的超調(diào)量與峰值時間,并求均值以后,根據(jù)式(1)、式(2)以及傳遞函數(shù)公式得到交流伺服驅(qū)動系統(tǒng)的傳遞函數(shù)為
1.2.2 車載隨動系統(tǒng)整體建模
根據(jù)車載防空武器隨動系統(tǒng)的組成及工作原理,將隨動系統(tǒng)分為位置環(huán)、速度環(huán)、電流環(huán),其工作原理圖如圖4 所示。
圖4 車載防空武器隨動系統(tǒng)的工作原理Fig.4 Working principle diagram of the follow-up system for vehicle-borne air defense weapon
以某車載發(fā)射車的方位隨動系統(tǒng)為例,減速器是齒輪組合結(jié)構(gòu),減速比r為120,考慮到角速度單位換算系數(shù)100,可得到隨動系統(tǒng)從伺服計算機到轉(zhuǎn)塔輸出的轉(zhuǎn)角部分的傳遞函數(shù)為
綜上,隨動系統(tǒng)可近似看成1 個含積分環(huán)節(jié)的3階系統(tǒng)。
模糊單神經(jīng)元PID 控制作用于位置環(huán),運行在伺服計算機軟件上。該控制以模糊PID 控制為主體,引入單神經(jīng)元控制器實時調(diào)整參數(shù)。然后將兩種算法融合后的kp、ki、kd作用于被控對象,其控制結(jié)構(gòu)如圖5 所示。
圖5 模糊單神經(jīng)元PID 控制結(jié)構(gòu)Fig.5 Control structure of the fuzzy single neuron PID
用系統(tǒng)誤差e和誤差變化量ec作為模糊PID 控制輸入,比例系數(shù)調(diào)節(jié)量ΔKp、積分系數(shù)調(diào)節(jié)量ΔKi、微分系數(shù)調(diào)節(jié)量ΔKd作為輸出,利用模糊控制規(guī)則在線對PID 參數(shù)進行修改,以滿足不同時刻的e和ec對PID 參數(shù)自整定要求[12]。
將模糊PID 控制輸入e和ec的變化范圍,定義為模糊集上的論域:e,ec=[-3,3]。其模糊子集為e,ec=[NB,NM,NS,ZE,PS,PM,PB],子集元素分別代表“負大”“負中”“負小”“零”“正小”“正中”“正大”。對輸入進行尺度變換后,使輸入量映射在設(shè)定的論域內(nèi),目的是對輸入模糊化。對輸出而言,比例系數(shù)調(diào)節(jié)量ΔKp、積分系數(shù)調(diào)節(jié)量ΔKi、微分系數(shù)調(diào)節(jié)量ΔKd的論域分別設(shè)置為[-3,3]、[-1,1]、[-1,1],ΔKp、ΔKi、ΔKd均服從正態(tài)分布。以比例系數(shù)調(diào)節(jié)量ΔKp為例,其隸屬度函數(shù)如圖6所示。
圖6 隸屬度函數(shù)設(shè)置Fig.6 Setting of membership functions
考慮到不同時刻,3 個參數(shù)對系統(tǒng)作用以及3 個參數(shù)之間的相互影響,模糊PID 控制在PID 控制的基礎(chǔ)上對輸入模糊化,并根據(jù)模糊規(guī)則進行模糊推理,查詢模糊矩陣表進行參數(shù)調(diào)整。制定規(guī)則如下:當(dāng)轉(zhuǎn)塔執(zhí)行角度偏轉(zhuǎn)指令開始,為提高響應(yīng)速度,增大比例系數(shù),減小微分系數(shù)作用;在中后期,增大積分系數(shù),適當(dāng)減少比例和微分系數(shù)的作用[13]。由此建立輸入輸出的模糊規(guī)則表,見表1。
表1 模糊規(guī)則表Tab.1 Fuzzy rule table
由表1 以及隸屬函數(shù),可得到輸出模糊子集的隸屬度。解模糊的方法有最大隸屬度法、重心法、加權(quán)平均法等。本文采用重心法進行反模糊化,使輸出為具體值[14],計算公式如下:
式中:μi(e)為系統(tǒng)誤差e的隸屬度;μj(Δe)為系統(tǒng)誤差Δe的隸屬度;fij為輸出參數(shù)的隸屬度;u為模糊控制器的輸出;μij為所屬的隸屬模糊子集,其值由模糊規(guī)則表確定。
模糊輸出參數(shù)公式如下:
式中:Δkp(0)、Δki(0)、Δkd(0)為PID 控制參數(shù)初值;γp(j)、γi(j)、γd(j)為模糊輸出的修正參數(shù)的比例系數(shù);γp(0)、γi(0)、γd(0)為比例系數(shù)的初值。
神經(jīng)網(wǎng)絡(luò)模擬是根據(jù)人腦的思維方式確定的數(shù)學(xué)模型,主要用于解決復(fù)雜的非線性、不確定系統(tǒng)。根據(jù)有監(jiān)督的Hebb 學(xué)習(xí)規(guī)則,利用輸入和輸出調(diào)整神經(jīng)元之間連接的權(quán)值,設(shè)計出自適應(yīng)控制器[15],其結(jié)構(gòu)如圖7 所示。
圖7 單神經(jīng)元結(jié)構(gòu)圖Fig.7 Diagram of single neuron structure
具體算法如下:
式中:ηp、ηi和ηd分別為比例P、積分I、微分D 的學(xué)習(xí)系數(shù);UPID為PID 控制器的輸出。其中,學(xué)習(xí)系數(shù)的制定一般按照經(jīng)驗選取。
通過Matlab/Simulink 工具建立隨動控制系統(tǒng)仿真模型,并加入模糊PID 控制、模糊單神經(jīng)元PID控制進行仿真對比。對于發(fā)射車隨動控制系統(tǒng)的參數(shù),在實際調(diào)試過程中,一般運用斜坡信號、正弦信號進行調(diào)節(jié)[16]。為了驗證模糊單神經(jīng)元PID 算法的有效性,用函數(shù)信號發(fā)生器分別產(chǎn)生階躍信號、正弦進行仿真驗證。根據(jù)對車載隨動系統(tǒng)的數(shù)學(xué)建模、模糊單神經(jīng)元PID 控制器設(shè)計,可設(shè)計仿真結(jié)構(gòu)如圖8 所示。
圖8 系統(tǒng)Simulink 仿真結(jié)構(gòu)Fig.8 Simulation structure diagram of the system by Simulink
圖8 中,F(xiàn)uzzy Logic Controller為模糊邏輯控制器,Neuarl Controller為單神經(jīng)元控制器,Derivative為微分環(huán)節(jié),Transfer Fcn為辨識出來的傳遞函數(shù)。通過Switch 控件選擇,分別實現(xiàn)模糊PID 控制與模糊單神經(jīng)元PID 控制對傳遞函數(shù)的仿真,并對兩者的輸出結(jié)果進行對比。
在車載發(fā)射裝置運動過程中,隨動控制系統(tǒng)一般存在最優(yōu)路徑選擇,即最大調(diào)轉(zhuǎn)角度為180°。在仿真試驗中,選取初值γp(j)、γi(j)、γd(j)為2.87、0.38、0.19。選取ηp、ηi和ηd學(xué)習(xí)系數(shù)分別為0.35、0.009、0.05。分別設(shè)置模擬輸入幅值為90°、180°的階躍信號,幅值為45°,周期為6.28 s 的正弦信號,并查看模糊PID 控制、模糊單神經(jīng)元PID 控制的仿真結(jié)果,仿真結(jié)果如圖9~圖11 所示,其中,橫坐標為時間,縱坐標為發(fā)射裝置調(diào)轉(zhuǎn)的角度。
圖9 幅值為90°的階躍信號的仿真結(jié)果Fig.9 Simulation results of the step signal with amplitude of 90°
圖10 幅值為180°的階躍信號的仿真結(jié)果Fig.10 Simulation results of the step signal with amplitude of 180°
圖11 幅值為45°、周期為6.28 s 的正弦信號的仿真結(jié)果Fig.11 Simulation results of the sinusoidal signal with amplitude of 45° and period of 6.28 s
通過分析對比2 個控制器的控制性能,整理結(jié)果見表2 和表3。
表2 幅值為90°、180°的階躍信號的控制性能Tab.2 Control performance of the step signal with amplitude of 90° and 180°
表3 幅值為45°、周期為6.28 s 的正弦信號的控制性能Tab.3 Control performance of the sinusoidal signal with amplitude of 45° and period of 6.28 s
綜合仿真結(jié)果和分析得出:對于階躍信號,模糊單神經(jīng)元PID 控制器相比傳統(tǒng)模糊PID 控制器響應(yīng)速度要快,且超調(diào)量明顯縮??;對于正弦信號,模糊單神經(jīng)元PID 控制的最大初始偏差角以及動態(tài)跟蹤誤差均優(yōu)于模糊PID 控制。經(jīng)過對傳統(tǒng)模糊PID 控制的改進,模糊單神經(jīng)元PID 控制器具有一定的學(xué)習(xí)能力和自適應(yīng)能力,使得發(fā)射裝置能夠快速、準確、穩(wěn)定地控制、執(zhí)行隨動控制指令,各項性能指標均達到系統(tǒng)作戰(zhàn)要求。
本文對發(fā)射車隨動系統(tǒng)的控制策略進行研究。首先,根據(jù)車載隨動系統(tǒng)的組成及工作原理進行數(shù)學(xué)建模,并運用系統(tǒng)辨識及理論分析,得到車載隨動系統(tǒng)的傳遞函數(shù);其次,運用神經(jīng)網(wǎng)絡(luò)控制與模糊控制理論,以兩種控制方法優(yōu)缺點互補為思路,設(shè)計了單神經(jīng)元模糊控制的學(xué)習(xí)規(guī)則,將單神經(jīng)元與模糊PID 控制相結(jié)合的隨動控制;最后,運用Matlab 中的Simulink 進行仿真。仿真結(jié)果表明,相比于傳統(tǒng)模糊PID 控制,模糊單神經(jīng)元PID 控制可以顯著提高發(fā)射裝置的靜態(tài)、動態(tài)跟蹤性能,驗證了該隨動控制策略的可行性。