气动系统压力控制研究设计开发

摘要

　　气动系统的输出力由气体压力产生，其本质是压力控制。由于气体的可压缩性、气体泄露以及系统摩擦力等因素影响，使气动系统成为复杂的非线性系统，传统控制方法对其控制效果不理想。因此，实现非线性气动系统的快速响应和稳态跟踪的恒压控制成为了研究重点。目前，研究主要集中在无摩擦气缸、高精度控制阀以及气动系统控制算法三个方面。压力控制算法是本文研究重点，主要研究内容如下：

　　（1）气动系统建模与仿真。根据无摩擦气缸和比例控制阀结构原理分别对其进行数学建模，进而建立气动系统模型。利用MATLAB建立仿真模型，并对气源压力和温度、储气罐容积以及管路长度和直径进行系统影响因素仿真分析。

　　（2）气动系统实验平台搭建。依据气动系统的结构原理进行实验平台的搭建，包括实验平台总体设计、关键元器件的选型、软件设计中的数据采集卡驱动编写、上位机软件用户界面交互设计以及CVI与MATLAB的混合编程设计。

　　（3）大脑情感学习算法及其改进。大脑情感学习控制器（BrainEmotion Learning Controller，BELC）在非线性系统控制中，表现出较强的快速响应能力和系统鲁棒性。结合气动系统非线性和BELC特性对BELC算法进行改进。采用模糊控制对BELC权值学习率进行在线调节，克服系统参数时变和建模不确定的影响。并对BELC及其改进算法进行仿真分析。

　　（4）压力控制算法实验研究。分别采用PID、BELC及其改进算法进行阶跃响应、阶跃扰动和正弦跟踪实验。实验表明，BELC改进算法较PID在响应速度和稳态精度上有明显提高。稳态误差稳定在400Pa-550Pa之间，较PID降低了70%以上。存在扰动时，稳态时间降低了30%以上，BELC改进算法具有更强的鲁棒性。在动态跟踪中，幅值变化和相位滞后小，跟踪效果更好。

　　综上研究表明了BELC算法改进方案的可行性和BELC改进算法在气动控制方面的良好适应能力和控制优势。

　　关键词：气动系统，大脑情感学习，建模仿真，压力控制

ABSTRACT

　　The essence of pneumatic system control is the pressure control of gas. Due to the compressibility of gas, gas leakage and frictional force, pneumatic system is complex and nonlinear. Traditional control method is not ideal for pneumatic system. Therefore, It is the focus of the research that realizing the fast response and steady state tracking of the nonlinear pneumatic system. At present, the research on pneumatic system mainly focuses on three aspects: frictionless cylinder, high-precision control valve and the control algorithm of pneumatic system.It is the key piont of this paper that the algorithm of pressure control. Main contents of this paper are as follows:

　　(1) The modeling and simulation analysis of the pneumatic system.

　　According to the structure principle of friction free cylinder and proportional control valve, mathematical modeling is carried out, and then the pneumatic system model is established. The simulation model is built by using MATLAB, and the influence factors of gas source pressure and temperature, volume of gas tank and length and diameter of pipeline are simulated and analyzed.

　　(2) Build an experimental platform for pneumatic system.

　　According to the structural principle of the pneumatic system, the experimental  platform is built, including the overall design of the experimental platform, the selection of key components, the compilation of data acquisition card driver in software design, the interaction design of the host computer software user interface and the mixed programming design of CVI and MATLAB.

　　(3) The algorithm of brain emotional learning and its improvement.

　　t exhibits strong rapidly response and system robustness in nonlinear system control that the Brain Emotion Learning Controller (BELC). Combined with the nonlinearity of the aerodynamic system and the characteristics of BELC, The algorithm of BELC is improved. In order to overcome the effects of the time-varying and modeling uncertainties of the system parameters, The fuzzy control is used to adjust the learning rate of the weights of BELC online. The simulation of BELC and its improved algorithm are carried out.

　　(4) Experimental research about the algorithm of pressure control.

　　The PID, BELC, and its improved algorithm are respectively used to perform step response, step disturbance, and sinusoidal tracking experiments.The experiments show that the improved algorithm of BELC has a significant improvement in response speed and steady-state accuracy compared with PID.The steady-state error is stable between 400 Pa and 550 Pa, which is more than 70% lower than PID. In the presence of disturbances, the steady-state time is reduced by more than 30% and the improved algorithm of BELC is more robust.In dynamic tracking, the amplitude variation and phase lag are smaller, and the tracking effect is better.

　　In summary, the research shows that the feasibility of improved BELC and the algorithm of BELC has good adaptability and the advantage of control in pneumatic control.

　　KEY WORDS: Pneumatic system, Brain emotional learning controller, Modeling and simulation, Pressure control

　　本课题来自国家自然科学基金项目：基于静压气浮无摩擦气缸的高精度重力补偿系统的研究，该项目旨在研究一种基于气浮式无摩擦气缸的高精度重力补偿系统，用于航天设备进入太空前的地面无重力环境的动力学模拟测试。本文则是其中基于大脑情感学习的气动系统压力控制的研究。

　　本课题主要是针对气动控制系统的研究，根据气动控制系统的非线性特点，采用大脑情感学习控制算法，通过控制比例电磁流量阀的开度，实现对无摩擦气缸的压力控制。驱动气缸的输出力由气体压力产生，因此，对气动系统控制本质上就是对气体压力的控制。要达到良好的控制效果，就必须保证气缸内的输出力快速响应和稳定，也就是要实现气动系统快速响应和稳态跟踪的恒压控制。

　　目前，对于气动系统的研究，主要集中在以下三个方面，无摩擦气缸的设计与优化，新型高精度控制阀的研制与开发，以及气动控制系统控制策略的研究与设计[1]。气动系统控制的研究多集中在位置控制方面，而对于气动系统的压力控制的研究相对较少，特别是高精度的压力控制。随着机械生产加工工艺不断进步，微电子技术的不断发展，结构设计新颖的无摩擦气缸、高精度的控制阀相继出现；针对气动系统复杂非线性的特点，各种先进控制算法也被引入到气动系控制领域，最终使得气动系统的高精度压力的实现成为可能[2]。气动系统高精度的压力控制一般以无摩擦气缸为执行机构，高精度的控制阀作为控制机构，依靠智能控制算法克服气动系统复杂的非线性，在控制过程中还需要压力传感器进行实时压力反馈，以形成气动系统的控制闭环。实现非线性气动控制系统的精确控制。

　　气动压力控制系统与其他用于重力补偿的控制系统相比，具有悬挂频率低，可补偿重量大，操作性强，无污染等优点，成为目前实现地面零重力环境模拟的研究热点[3]。此外，鉴于气动系统具有使用方便、操作简单、环保安全等优点，气动系统压力控制在工业制造中的应用场景也在不断增加。特别是一些高精度要求的气动系统应用场合，对气动系统的压力控制精度提出了新的要求。譬如，随着工业机器人在自动化工厂中的应用普及，对与其配套的气动夹持装置的控制精度也提出了较高的要求，特别是某些对于气动夹持力有要求的工作环境。此外，对于气动系统的力控制，其本质是气体的压力控制。因此，对气动系统压力控制的研究具有很大的研究价值和现实意义。气缸作为气动系统的执行机构，其性能的好坏直接决定气动系统的控制性能。缸体和活塞之间的摩擦阻力会影响到气缸的控制精度，特别是在气缸低速工作时，摩擦阻力影响对气缸控制的影响更为明显，容易出现爬行现象[4]。为降低气缸摩擦阻力，提高系统控制精度，国内外研究人员进行了大量的相关研究。

　　对于传统气缸由于产品受设计理念的限制，一般会通过提高气缸活塞的加工工艺，选用摩擦系数较小的密封材料和密封形式，使用润滑效果更好的润滑脂来减小摩擦力。如日本的 SMC 旗下的 CJ2Q 系列的气缸通过使用润滑效果更好的润滑脂和新的双向密封形式降低了工作摩擦力和启动压力，使其在低速运动时仍保持线性运动[5]。随着材料科学研究的不断深入，新型材料的出现为减小气缸摩擦提供了可能。

　　2006 年美国 David 等人[6]将具有低摩擦系数和低磨损率的复合材料用于气缸研究。在气缸实验中，测得的最低平均摩擦系数为 0.111，有效降低了活塞与气筒内壁间的摩擦阻力，并保持了良好的线性运动。鉴于传统气缸设计的不足，研究人员纷纷结合现有技术对气缸设计进行改进。日本的 SMC 公司将原有弹性密封改为间隙密封，且采用滚珠导向套技术降低气缸摩擦力。经测试，该类型的气缸可在速度最低 0.3mm/s 时，实现平稳的线性运动[7]。

　　2010 年日本的 Kenji 等人[8]将气体轴承技术应用到气缸研究中，利用活塞和气筒内壁间隙中的气体自行润滑，实验表明，所设计的气体轴承式气缸能有效消除爬行现象，进行平稳的控制运动，且行程可调。无需额外外部动力源供应。但该类型的气缸要想实现气缸的气浮控制必须先对对气浮轴承充气，使其处于气浮状态。这也致使在气缸断气、漏气或供气不足时，容易控制不稳。

　　在国内，2006 年，南京理工大学施艳博等人[9]

　　针对气缸金属密封的减摩效果进行了研究，研究表明，采用金属密封的气缸相较于采用传统橡胶密封的气缸，运动摩擦力明显降低，其摩擦阻力仅相当于传统橡胶密封的 1/40。2008 年，浙江大学路波等人[10]根据提出一种基于非支配排序遗传算法的气缸设计方法，该设计方法优化了气浮式无摩擦气缸的工作性能，优化后的气缸摩擦阻力明显降低，气体泄漏量也得以减小。

　　其后，朱晓等人[11]针对该气缸只能垂直安装和单向工作的不足，对气浮式无摩擦气缸提出新型设计，将气缸活塞作为气体轴承的一部分，设计了双向对称结构，并对均压腔的设计进行了参数优化。仿真实验表明，该设计显着增加了轴承的径向承载能力和气缸的稳定性。

　　气动系统压力控制研究设计：

搭建的气动系统实验平台
1.直流电源 2.端子板 3.编程与数采上位机 4.压力传感器 5.比例电磁阀 6.压力调节阀 7.无摩擦气缸 8.连接管路 9.气泵 10.储气罐

数显压力传感器实物图

比例控制阀实物图

PCI-1716 型号的多功能数据采集卡

PCLD-8710 型号的螺丝端子板

目 录

　　第一章 绪论
　　　　1.1 课题来源与研究意义
　　　　1.2 气动系统国内外研究现状
　　　　　　1.2.1 无摩擦气缸研究现状
　　　　　　1.2.2 比例控制阀研究现状
　　　　　　1.2.3 控制算法研究现状
　　　　1.3 课题研究主要内容
　　　　1.4 本章小结
　　第二章 气动系统数学建模与仿真
　　　　2.1 系统组成与工作原理
　　　　　　2.1.1 无摩擦气缸结构原理
　　　　　　2.1.2 比例电磁阀结构原理
　　　　2.2 系统数学建模
　　　　　　2.2.1 无摩擦气缸建模
　　　　　　2.2.2 比例电磁阀建模
　　　　　　2.2.3 系统建模
　　　　2.3 系统影响因素仿真
　　　　　　2.3.1 气源压力与温度
　　　　　　2.3.2 储气罐容积
　　　　　　2.3.3 连接管路长度和直径
　　　　2.4 本章小结
　　第三章 气动系统实验平台搭建
　　　　3.1 实验平台总体设计
　　　　3.2 实验平台主要元器件选型
　　　　　　3.2.1 压力传感器
　　　　　　3.2.2 比例电磁阀
　　　　　　3.2.3 数据采集卡
　　　　3.3 控制系统软件设计
　　　　　　3.3.1 软件功能设计
　　　　　　3.3.2 数据采集卡驱动设计
　　　　　　3.3.3 控制界面交互设计
　　　　　　3.3.4 混合编程设计
　　　　3.4 本章小结
　　第四章 大脑情感学习算法及其改进
　　　　4.1 大脑情感学习算法
　　　　　　4.1.1 算法提出与应用
　　　　　　4.1.2 结构原理与压力控制
　　　　4.2 大脑情感学习算法改进
　　　　　　4.2.1 BELC 权值调节率
　　　　　　4.2.2 权值学习率的模糊调节
　　　　4.3 控制算法仿真
　　　　4.4 本章小结
　　第五章 压力控制实验研究
　　　　5.1 实验条件分析
　　　　5.2 压力控制实验
　　　　　　5.2.1 阶跃响应实验
　　　　　　5.2.2 正弦跟踪实验
　　　　5.3 实验结果分析
　　　　　　5.3.1 结果可靠性
　　　　　　5.3.2 算法优越性
　　　　5.4 本章小结
　　第六章 结论与展望
　　　　6.1 结论
　　　　6.2 展望
　　参 考 文 献
　　致 谢
　　研究成果及发表的学术论文
　　作者及导师简介

（如您需要查看本篇毕业设计全文，请您联系客服索取）