一种电液位置伺服系统多参数辨识方法技术方案

本发明专利技术公布了一种电液位置伺服系统多参数辨识方法，属于自动控制领域。该发明专利技术首先根据电液位置伺服系统运行机理获取系统模型结构和待辨识参数；再提出一种基于惩罚机制的反向非线性麻雀搜索算法，利用反向学习策略丰富初始种群多样性，在发现者和加入者的位置更新过程中引入非线性因子，包括非线性收敛因子、自适应权重因子和黄金正余弦因子，以此来平衡局部优化和全局搜索能力，同时，根据麻雀个体发现危险的程度，制定惩罚机制，使警戒者位置分布更合理；再根据采集系统的输入和输出数据，引进误差评价函数鉴别辨识结果，最终获得较为精准的系统数学模型。较为精准的系统数学模型。较为精准的系统数学模型。

【技术实现步骤摘要】
一种电液位置伺服系统多参数辨识方法


[0001]本专利技术属于自动控制领域，具体涉及一种电液位置伺服系统多参数辨识方法。

技术介绍

[0002]电液位置伺服系统由于良好的快速响应性与较强的抗负载能力，同时兼具重量轻及尺寸小等优点，在工业领域当中应用广泛。但电液伺服系统存在着模型不确定、参数摄动等多种复杂扰动因素，这会极大地影响系统的跟踪与控制精度，因此许多专家学者致力于研究电液位置伺服系统参数辨识方法。
[0003]经典辨识方法主要采用最小二乘法等对系统参数进行辨识，由于电液位置伺服系统模型阶数较高，需要辨识的参数较多，辨识较为困难。而麻雀搜索算法(Sparrow Search Algorithm，SSA)是一种基于麻雀觅食并躲避捕食者等生物行为的启发式群智能优化算法因其具有易于实现，具有独特的搜索模型和出色的优化能力，能有效处理全局优化和大规模优化问题等优势，被广泛应用于多目标优化、参数辨识、参数优化等诸多领域。但SSA由于存在初始化种群位置和种群位置更新方式过于单一等问题，导致存在算法收敛速度慢、收敛精度不高、易陷入局部最优等缺陷，会影响SSA辨识参数的效率和准确性。

技术实现思路

[0004]有鉴于此，本专利技术提供一种电液位置伺服系统多参数辨识方法，使得辨识方法具有精度高、成本低、效率高以及可操作性强等优点。
[0005]实现本专利技术的技术方案为：一种电液位置伺服系统多参数辨识方法，具体包括以下步骤：
[0006]步骤1、根据电液位置伺服系统运行机理进行数学建模，确定系统的模型结构和需要辨识的参数；
[0007]步骤2、提出一种基于惩罚机制的反向非线性麻雀搜索算法，利用反向学习策略丰富初始种群多样性，在发现者和加入者的位置更新过程中引入非线性因子，包括非线性收敛因子、自适应权重因子和黄金正余弦因子，以此来平衡局部优化和全局搜索能力，同时，根据麻雀个体发现危险的程度，制定惩罚机制，使警戒者位置分布更合理；
[0008]步骤3、根据获取的电液位置伺服系统输入和输出采样数据，利用基于惩罚机制的反向非线性麻雀搜索算法对系统进行参数辨识，并引入误差评价函数鉴别辨识结果，获取电液位置伺服系统精确的数学模型。
[0009]进一步的，在步骤1中，电液位置伺服系统包括工作台、液压缸、位移传感器、电液伺服阀、伺服放大器、电磁换向阀、过滤器、油源等结构，如说明书附图1所示，根据电液位置伺服系统运行机理，对系统各个部分进行建模。
[0010]伺服传感器模型
[0011]位移传感器将液压缸输出位移信号转换为电信号，位移传感器方程为：
[0012]U
f
＝K
f
x
p
[0013]式中：K
f
为位移传感器增益系数；x
p
为液压缸输出位移。
[0014]伺服放大器模型
[0015]伺服阀的伺服放大器由信号调理电路与功率放大电路构成，在忽略系统动态特性的条件下，其输出电流为：
[0016]I＝ΔuK
a
[0017]式中：K
a
为放大器增益系数(A/V)。
[0018]电液伺服阀传递函数
[0019]伺服阀采用二阶振荡环节讨论：
[0020][0021]式中：K
sv
为伺服阀流量增益系数；ω
sv
为伺服阀固有频率(rad/s)；ζ
sv
为伺服阀阻尼比。
[0022]液压动力机构基本方程
[0023]电液位置伺服系统的伺服阀线性化流量方程、液压缸连续性方程和液压缸力平衡方程如下：
[0024][0025]式中：m为活塞及负载折算到活塞上的总质量(kg)；B
p
为粘性阻尼系数(N
·
m/s)；K为液压缸等效弹簧刚度(N/m)；F
L
为作用于活塞上的任意外负载力(N)，F
f
为作用于活塞上的摩擦力(N)，k
q
为流量增益系数；k
c
为流量与压力系数，q
L
为负载流量；P
L
为负载压力，C
ip
为液压缸内泄漏系数(m3/s
·
Pa
‑1)，V
t
为液压缸腔体体积(m3)。
[0026]待辨识参数确定
[0027][0028]式中：k
ce
为系统总流量的压力系数(m5/N*m)，k
ce
＝k
c
+C
ip
。
[0029]忽略相关非线性影响因素，电液位置伺服系统模型结构框图如说明书附图2所示，模型传递函数公式如下式所示：
[0030][0031]式中：
[0032]根据传递函数可知，电液位置伺服系统为五阶系统，五阶模型结构已知，可对该系统进行闭环辨识。建立五阶系统的状态空间模型，状态空间模型具有良好的数学映射能力，
能够很好地解决高阶系统和多变量问题。选择系统状态变量为：
[0033][0034]建立闭环系统的状态空间表达式：
[0035][0036]其中：B＝[0 0 0 0 a1]T
，C＝[1 0 0 0 0]，D＝0；a1＝K
C
，，a3＝2ω
sv
ω
h
(ξ
h
ω
sv
+ξ
sv
ω
h
)，a5＝2(ξ
sv
ω
sv
+ξ
h
ω
h
)。
[0037]所以，得到待辨识的参数向量为：
[0038]θ＝[a
1 a
2 a
3 a
4 a5]T
[0039]进一步的，在步骤2中，基于惩罚机制的反向非线性麻雀搜索算法在初始化种群的过程中，采用反向学习策略得到一个反向种群，如在d维搜索空间中，个体为X
i
＝(x1,x2,
…
,x
d
)，满足x
i
∈[ub,lb]的边界条件，其反向解为Xx
*
＝(x
1*
,x
2*
,
…
,x
d*
)，数学表达式为：
[0040][0041]再在当前种群和反向种群中选取适应度较好的个体构建初始化种群。
[0042]进一步的，基于惩罚机制的反向非线性麻雀搜索算法在麻雀种群发现者和加入者位置更新公式中引入非线性化因子，包括非线性收敛因子、自适应权重因子和黄金正余弦因子，对发现者和加入者位置更新公式进行改进；
[0043]在传统麻雀搜索算法发现者位置更新公式中，如下式所示：
[0044][0045]由式中收敛函数f(x)＝exp[
‑
x/(α<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种电液位置伺服系统多参数辨识方法，其特征在于，包括以下步骤：步骤1、根据电液位置伺服系统运行机理进行数学建模，确定系统的模型结构和需要辨识的参数；步骤2、提出一种基于惩罚机制的反向非线性麻雀搜索算法，利用反向学习策略丰富初始种群多样性，在发现者和加入者的位置更新过程中引入非线性因子，包括非线性收敛因子、自适应权重因子和黄金正余弦因子，以此来平衡局部优化和全局搜索能力，同时，根据麻雀个体发现危险的程度，制定惩罚机制，使警戒者位置分布更合理；步骤3、根据获取的电液位置伺服系统输入和输出采样数据，利用基于惩罚机制的反向非线性麻雀搜索算法对系统进行参数辨识，并引入误差评价函数鉴别辨识结果，获取电液位置伺服系统精确的数学模型。2.根据权利要求1所述的一种电液位置伺服系统多参数辨识方法，其特征在于，步骤2所述的提出一种基于惩罚机制的反向非线性麻雀搜索算法，具体为：步骤2
‑
1麻雀种群位置初始化利用反向学习策略提高算法搜索能力，具体为：在d维搜索空间中，个体为X
i
＝(x1,x2,
…
,x
d
)，满足x
i
∈[u
b
,l
b
]的边界条件，其反向解为X
i
*＝(x
1*
,x
2*
,
…
,x
d*
)，数学表达式为：然后在当前种群和反向种群中选取适应度优先等级较高的个体构建初始化种群；步骤2
‑
2发现者位置更新在发现者位置更新公式中引入非线性收敛因子和自适应权重因子，具体为：以非线性收敛因子f代替位置更新公式中的收敛函数f(x)＝exp[
‑
x/(α
·
T)]，非线性收敛因子的数学表达式如下所示：式中：t为当前迭代次数，f
m
为收敛因子初始值。k为控制因子，能够控制衰减的幅度，并且k∈[0,10]；自适应权重因子数学模型如下所示：式中：δ1,δ2,δ3,ρ1,ρ2,ρ3为常数系数，τ为指定迭代次数；加入非线性收敛因子和自适应权重因子后，发现者位置更新公式为：步骤2
‑
3加入者位置更新在加入者位置更新公式中引入黄金正余弦因子，其数学表达式描述如下：式中：R1和R2分别为[0,2π]，[0,π]的随机数，表示下一代个体移动的距离和...

【专利技术属性】
技术研发人员：高炳微，张威，申伟，郑麟韬，赵宏建，
申请(专利权)人：哈尔滨理工大学，
类型：发明
国别省市：