覆带起重机起升系统双马达同步控制技术研究
履带起重机论文 同步控制论文 神经网络论文 单神经元PID论文 交叉耦合论文 压力波动论文
论文详情
液压起升系统是履带起重机最重要的组成部分,它的安全性及稳定性直接关系到整机的工作性能,也是评价一台起重机性能优劣的重要指标。为了保证工作的可靠性,大型履带起重机常常采用单钩双卷扬的起升结构,即由两个结构、参数相同的液压马达共同提升同一个吊钩,完成对重物的起吊工作。但由于液压波动、系统泄漏,外部干扰等因素的影响,常常出现同步误差,如何保证履带起重机双卷扬系统的同步控制精度是摆在研究人员面前的首要问题。就目前液压同步控制方法而言,大多数现有的控制方法往往过于复杂,或者是附加条件过多,并带有一定针对性,在应用上受到很大的局限。因此,本文从简便实用的观点出发,结合校企合作项目对450t履带起重机做了大量的分析与研究工作。研究的目的就是为了寻求一种合适的控制规律,使双马达同步控制系统得到较高的同步控制精度。本文主要研究工作如下:1、在建立系统数学模型的基础上,对液压起升系统及其关键元件的结构和原理进行深入研究,并通过传递函数法对系统的动态特性进行分析,找出影响双马达同步控制精度的相关因素。针对平衡阀阀口通流面积梯度对平衡阀动态特性的影响,提出一种新的平衡阀阀口结构形式,以改善阀口通流面积梯度的突变对液压波动的影响;同时采取优化平衡阀和马达压力切断阀的结构参数等措施,降低系统压力波动的幅度,以减少压力波动对同步控制精度的影响。仿真和实验结果证明,优化设计方案有效,可行。2、寻求一种新型的同步控制方法是本文的核心内容。神经网络具有自学习功能,不需要对被控对象进行精确的辨识和建模,就可以用简单的方法实现对复杂系统的有效控制。本文创新性地将神经网络智能控制策略应用于履带起重机的双卷扬控制系统中,并把单神经元控制与传统PID控制相结合,提出一种单神经元PID控制策略。把神经元的连接权重分别与PID三个控制参数相对应,可以实时对其进行调节,克服了传统PID控制参数不能在线自动整定的不足,从而适应实际工作过程中环境的不断变化。3、依靠神经网络自学习、自适应功能,采用有监督Delta学习规则,按差值最小准则连续地对连接强度进行修正,使期望输出和实际输出的差值与两个神经元之间连接权值的变化量成正比,有效地加快收敛速度,具有控制简单,容易实现、鲁棒性强,同步控制精度高等优点。4、单神经元控制是通过对连接权重进行调整的一个非线性优化调节过程,即权值是以系统的误差函数相应于其负梯度方向来进行自动调节的。所以,本文采用广义Lyapounoy非线性稳定性理论对单神经元PID控制系统进行稳定性分析,总结出提高系统稳定性的方法,即尽量使学习速率ηi取小值,以提高系统的稳定性。采用这种方法不必求解系统的微分方程,就可以进行稳定性判别,简单、可靠。5、提出一种交叉耦合同步控制方式用于履带起重机双卷扬系统中,在两个子系统的输出量都作为反馈信号的同时,把输出量的差值也作为一个附加的反馈信号进行跟踪比较,最终实现同步控制的目的。这种控制方式较同等方式和主从方式相比,具有更快的收敛速度,并能很好的适应负载变化,具有较高的同步控制精度。6、为了验证理论分析的正确性,以及采用控制策略的合理性,应用AMESim软件与Matlab/Simulink软件进行联合仿真。并把传统PID控制和单神经元PID控制效果进行对比,得出最终结论,即:单神经元PID的控制性能优于传统PID控制,更具智能性。本文所提出的控制策略基本符合最初设计目的,为液压同步控制提供了新的思路。
摘要 | 第5-7页 |
Abstract | 第7-9页 |
第1章 绪论 | 第14-34页 |
1.1 课题的研究背景及意义 | 第14-15页 |
1.2 履带起重机国内外发展现状及发展趋势 | 第15-22页 |
1.2.1 履带起重机国外发展现状 | 第15-18页 |
1.2.2 履带起重机国内发展现状 | 第18-22页 |
1.2.3 我国履带起重机的未来发展趋势 | 第22页 |
1.3 液压同步控制技术 | 第22-32页 |
1.3.1 液压同步控制技术的分类 | 第23-29页 |
1.3.2 液压同步控制技术的研究现状 | 第29-31页 |
1.3.3 液压同步控制技术亟需解决的问题及发展趋势 | 第31-32页 |
1.4 本文主要研究内容 | 第32-34页 |
第2章 履带起重机液压起升系统结构及原理分析 | 第34-46页 |
2.1 液压起升系统结构 | 第34-35页 |
2.2 液压起升系统工作原理 | 第35-37页 |
2.3 关键液压元件分析 | 第37-45页 |
2.3.1 恒功率变量泵 | 第37-39页 |
2.3.2 恒压变量马达 | 第39-42页 |
2.3.3 平衡阀 | 第42-45页 |
2.4 本章小结 | 第45-46页 |
第3章 履带起重机液压起升系统建模与仿真 | 第46-66页 |
3.1 建模方法分析 | 第46-47页 |
3.2 液压起升系统的数学模型 | 第47-58页 |
3.2.1 卷扬机构数学模型 | 第47-49页 |
3.2.2 平衡阀的数学模型 | 第49-55页 |
3.2.3 变量马达的数学模型 | 第55-58页 |
3.3 液压起升系统 AMESim 模型及仿真分析 | 第58-65页 |
3.3.1 AMESim 软件特点 | 第58-59页 |
3.3.2 卷扬机构的 AMESim 模型 | 第59-60页 |
3.3.3 平衡阀的 AMESim 模型 | 第60-62页 |
3.3.4 变量泵的 AMESim 模型 | 第62-63页 |
3.3.5 变量马达的 AMESim 模型 | 第63-65页 |
3.4 本章小结 | 第65-66页 |
第4章 履带起重机双马达同步控制影响因素分析 | 第66-82页 |
4.1 压力波动对双马达同步控制的影响 | 第66-67页 |
4.2 压力波动的主要影响因素 | 第67-77页 |
4.2.1 平衡阀对压力波动的影响 | 第70-74页 |
4.2.2 变量马达对压力波动的影响 | 第74-77页 |
4.3 改进措施及优化方案 | 第77-81页 |
4.3.1 压力波动的危害 | 第77-78页 |
4.3.2 减少压力波动的一般方法 | 第78页 |
4.3.3 确立优化方案 | 第78-81页 |
4.4 本章小结 | 第81-82页 |
第5章 履带起重机双马达同步控制策略研究 | 第82-106页 |
5.1 PID 控制 | 第82-84页 |
5.1.1 PID 控制规律及结构 | 第82-83页 |
5.1.2 PID 控制各环节的作用 | 第83-84页 |
5.2 数字 PID 控制 | 第84-87页 |
5.2.1 位置式 PID 控制算法 | 第84-86页 |
5.2.2 增量式 PID 控制算法 | 第86页 |
5.2.3 数字 PID 控制器采样周期的选择 | 第86-87页 |
5.2.4 PID 控制的特点 | 第87页 |
5.3 神经网络控制 | 第87-96页 |
5.3.1 生物神经元 | 第87-89页 |
5.3.2 人工神经元 | 第89页 |
5.3.3 人工神经元模型及控制规律 | 第89-92页 |
5.3.4 人工神经网络的结构形式 | 第92-93页 |
5.3.5 人工神经元的主要学习算法 | 第93-94页 |
5.3.6 人工神经元的基本学习规则 | 第94-95页 |
5.3.7 人工神经元的特征 | 第95页 |
5.3.8 人工神经元需要解决的问题 | 第95-96页 |
5.4 单神经元 PID 控制 | 第96-101页 |
5.4.1 单神经元 PID 控制原理 | 第96-99页 |
5.4.2 单神经元 PID 控制与传统 PID 控制对比 | 第99页 |
5.4.3 单神经元 PID 控制器的稳定性分析 | 第99-101页 |
5.5 | 第101-105页 |
5.5.1 控制方式的选取 | 第101-102页 |
5.5.2 控制变量的选取 | 第102-105页 |
5.6 本章小结 | 第105-106页 |
第6章 履带起重机双马达同步控制系统仿真与实验研究 | 第106-122页 |
6.1 AMESim 与 Matlab/Simulink 联合仿真 | 第106-112页 |
6.1.1 双卷扬液压起升系统联合仿真模型 | 第106-108页 |
6.1.2 仿真分析 | 第108-112页 |
6.2 实验研究 | 第112-121页 |
6.2.1 确定实验方案 | 第112-116页 |
6.2.2 实验结果分析 | 第116-121页 |
6.3 本章小结 | 第121-122页 |
第7章 结论与展望 | 第122-126页 |
7.1 研究结论 | 第122-124页 |
7.2 未来展望 | 第124-126页 |
参考文献 | 第126-135页 |
攻读博士学位期间发表的学术论文和参加的科研工作 | 第135-136页 |
致谢 | 第136-137页 |
论文购买
论文编号
ABS549733,这篇论文共137页
会员购买按0.30元/页下载,共需支付
41.1。
不是会员,
注册会员!
会员更优惠
充值送钱!
直接购买按0.5元/页下载,共需要支付
68.5。
只需这篇论文,无需注册!
直接网上支付,方便快捷!
相关论文