王 睿 ,張軍偉 ,孫立雄,高忠林
(1.河北工業大學 控制科學與工程學院,天津 300130;2.天津七所高科技有限公司,天津 300409)
無頭軋制技術中,鋼坯一直以恒定的速度向前運行,即便是焊接過程中,鋼坯的運行速度也不改變。閃光焊機的運行速度相對復雜,分為四個階段[4]。
(1)鋼坯一直以恒定的速度向前運行,當鋼坯1運動到設定位置,閃光焊機由預先設定的位置啟動并加速向前運行,直至與鋼坯1的運行速度相同。
(2)當閃光焊機與鋼坯運行速度相同,一旦鋼坯2到達夾送輥(加熱爐出口處),鋼坯頭部(距端頭1.5 m內)經除鱗裝置除鱗后,被迅速送入閃光焊機夾具中,當鋼坯2的頭部到達焊機設定位置時,鋼坯2隨焊機與鋼坯1同步運行。安裝在閃光焊機上的夾緊液壓缸動作,夾緊鋼坯1的尾部和鋼坯2的頭部,同時進行對中調整。閃光焊接開始,焊接變壓器自動接通,兩鋼坯端面間通過大電流,鋼坯端部開始燒化,燒化一定時間后,頂鍛系統就會以較大的力(即頂鍛力)將兩鋼坯熔化的端面相互壓緊,對焊在一起。焊接過程結束,安裝在夾鉗中間的毛刺清理裝置就會清除鋼坯焊縫區的所有毛刺,使鋼坯表面恢復原形。毛刺清除后,夾鉗打開,鋼坯以設定的速度繼續向前運行。
圖1 焊機工作的步驟和相應的速度位移曲線Fig.1 Welding machine operating steps and corresponding curves of speed and displacement
(3)閃光焊機開始減速,直至速度降低為零。
(4)焊機反方向加速,加速一定時間,開始反方向減速,當速度再次降低到零時,焊機回到初始位置。
無頭軋制技術中,鋼坯和閃光焊機的運動速度曲線如圖1所示。
在整個焊接過程中,焊機的最大行程為6.1 m,鋼坯的前進速度為0.24 m/s。
實訓分級階梯式遞進(虛擬仿真、影像體模、真人訓練、崗前驗收),從適用崗位任職需求的虛擬仿真綜合實訓軟件模擬訓練著手、配合配套的操作手冊和實訓指導、訓練基本達標以后進入影像體模訓練、最后實施真人體驗式訓練,直至通過課程教學目標達成考核。進入臨床實習前再由臨床專家完成實習前實訓操作驗收程序,合格后方可進入臨床實習。學校實訓教學對接行業標準、實現專業核心技能的培養。
閃光焊機行走系統等效力學模型如圖2所示。交流伺服電機經減速比為20∶1的減速器減速,減速器驅動齒輪旋轉,齒條通過齒輪旋轉帶動焊機沿水平移動,閃光焊機水平移動速度的調整由變頻器實現。在建模分析中忽略了電機與減速器間扭轉剛度影響。在減速器的輸出,由于軸頭比較長,與驅動齒輪間又采用了平鍵聯接,并且軸頭傳遞扭矩比較大,在建模中考慮減速器輸出軸頭剛度[5]。
變頻器數學模型
式中 f1為變頻器電源頻率;uc為變頻器控制電壓;u1為電機定子相電壓;Kv為變頻器頻率電壓轉換系數;b為變頻器低頻補償電壓。
電機傳動數學模型
式中 Jel為電機軸轉動慣量;θm為電機軸轉速;mp為電機極對數;Ra為電機轉子側折算電阻;Bm為電機軸阻尼系數;i為減速器傳動比;θL為驅動齒輪轉速;k為速器輸出軸頭剛度的系數。
圖2 閃光焊機行走系統等效力學模型Fig.2 Equivalent mechanics model of moving system of flash butt welding
式中 FL為焊機負載力;Ff為焊機受到的庫倫摩擦力和靜摩擦力;BL為焊機平移阻尼系數;v為焊機實際運行速度;r為驅動齒輪分度圓半徑。
式中 Jm為電機轉動慣量;Ja為聯軸器上的折算慣量;Js為減速器上的折算慣量。
式中 Jp為驅動齒輪上的折算慣量;m為焊機的質量。
為了降低模型的復雜程度,忽略變頻器的低頻補償特性,并默認變頻器工作在恒壓頻比狀態,則式(1)可改寫為
建立系統傳遞函數模型為
根據焊機在移動過程中對鋼坯進行焊接的工藝特點,焊機的傳動控制可分成兩個獨立的控制模式,即位移控制模式和速度控制模式。位移控制模式用于實現焊機的加速、減速返回、復位和待機。速度控制模式主要實現焊機對前一根(即正在被軋制)鋼坯的快速追趕和隨鋼坯同步運動。
由于焊機質量較大,其驅動系統存在著齒側間隙,焊機的運動存在著庫倫摩擦、靜摩擦和粘性阻尼。因此,焊機驅動系統是一個典型的大慣量、非線性系統。另外,在軋制過程中,鋼坯的運動速度有波動現象,采用傳統的PID控制很難滿足焊機在線同步跟蹤和抗干擾等性能的要求。本研究設計了基于遺傳算法和神經網絡的PID控制器系統結構如圖3所示。
系統結構包括四個部分。
(1)經典PID控制器:直接對被控對象閉環控制,并且三個參數Kp、Ki、Kd為在線調整。
(2)GA尋優模塊:對BP網絡初始權值學習優化。
(3)BP神經網絡:根據系統的運行狀態,調節PID控制器的參數,以期達到性能指標優化。
圖3 基于遺傳算法和神經網絡參數自學習PID控制器Fig.3 The adaptive PID control system based on neural network and GA
(4)RBF辨識網絡:被控對象的在線辨識器,可以動態地觀測對象的輸出對控制輸入的靈敏度信息。
采用了遺傳算法神經網絡PID復合控制策略,其控制框圖如圖4所示。
圖4 閃光焊機同步控制框圖Fig.4 Synchronous control diagram of FBW machine
通過仿真,BP網絡權初值經GA優化后和網絡權初值沒有經過GA優化后的階躍響應曲線如圖5所示。由圖5可知:當BP網絡權初始值未經過GA尋優時,輸出超調量較大;網絡權初值經過GA優化后,輸出超調幾乎為零,調節時間短。從控制效果圖來看,經過GA優化的曲線的控制效果比未經過GA優化的曲線好,原因就是遺傳算法(GA)實現了多個方向上的搜索,而BP算法采用沿梯度下降方向的搜索算法,陷入局部最小。
提出了一種基于遺傳算法和神經網絡的PID控制方法,該算法用GA(遺傳算法)優化BP網絡的初始連接權系數,得到一組較最佳的BP網絡初始權值的參數組合,再通過BP算法,實現PID參數的在線調整。仿真結果表明,經過GA對網絡初始權值優化后,閃光焊機行走系統的輸出響應能夠快速的跟蹤輸入的信號,使系統具有精確的同步跟蹤性能。
[1]盧 寧,付永領.鋼坯無頭軋制設備與關鍵技術分析[J].新技術新工藝,2006(3):90-92.
[2]盧 寧,付永領.無頭軋制關鍵技術分析[J].機床與液壓.2005(4):25-27.
圖5 系統響應曲線比較Fig.5 Comparing curve of system response
[3]孫新學,付永領.棒材無頭軋制系統工藝過程分析及控制系統研究[J].機床與液壓2007,35(2):167-171.
[4]榮 茜,孫新學.閃光焊接技術在無頭軋制系統中的應用研究[J].焊接技術,2007,36(4):40-45.
[5]孫新學,付永領.棒材無頭軋制系統移動焊機的同步跟蹤控制[J].儀器儀表學報2006,27(6):505-507.