基于遺傳算法的無頭軋制技術閃光焊機行走系統

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）

0 前言

1 無頭軋制技術閃光焊機行走系統運動分析

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。

2 無頭軋制技術閃光焊機行走系統組成

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

3 基于遺傳算法神經網絡PID控制的閃光焊機移動控制策略和仿真分析

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。

4 結論

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.