基于模糊自适应的智能绞盘恒张力控制

2011-07-07李天剑刘相权

制造业自动化 2011年24期

未韦，李天剑，刘相权

（北京信息科技大学智能机器人技术研究所，北京 100192）

0 引言

随着城市建设的迅速发展，管道已然被称为继“火车、汽车、轮船、飞机”之后的第五大运输工具，作为城市基础设施的重要组成部分，管道的安全检测实为必要。更加值得重视的是对于管道中的复杂环境，人工作业的局限性更加突出，十分必要应用现代电子检测技术，利用利用MCU技术、机电一体化技术、传感器等技术逐渐实现用机器人代替人来工作，在操作人员的遥控下自动完成对小管道的探伤（腐蚀程度、裂纹、焊接缺陷等）及补口（对接焊缝防腐处理、防腐层缺陷处理等）等作业。本系统就是在适应此环境下开发设计的智能管道机器人绞盘恒张力系统。

图1 整体系统示意图

整体系统如图1所示，本论文主要针对绞盘部分设计了基于模糊算法的恒张力控制系统，使得在机器人后退过程中，绞盘收线时可以随机器人的运动速度自动调整转速，从而保持绞线上的张力恒定，既不紧绷亦不松弛。

1 智能绞盘系统数学模型的建立

图2 智能绞盘装置机械结构图

图3 横切面数学简化模型

智能绞盘装置的机械结构如图2所示，绞盘上一排可以卷100根绞线，将图1横切面简化建模，如图3所示，图中D0为绞盘空轴，没有电缆线收入时的直径；D为收线后的直径，n为绞盘转速，V2绞盘收/放线速度，M1为爬行器上的电机，V1爬行器前进/后退爬行器电机设定的爬行器速度，设定d电缆线的直径。要得到绞盘收线后的直径即D和时间t的关系,可以利用体积等式建立如下关系式

（注：1/4π (D-D0)为绞盘横切面阴影部分面积）

此时设绞盘的电缆线的张力为F,机器人前行时，V1〉V2,则绞线将被拉伸，张力变大，V1〈V2,绞线变的松弛，所以电缆线的张力与爬行器的爬行速度和绞线的收放速度有密切关系，根据胡克定律

式（4）、式（5）中，L为绞盘已放出线的距离，实验中用增量式光电编码器固定在绞盘的转轴上，通过转数和L的关系，采用单片机编程，即能实时测量并用数码管显示。S为绞线的横截面积，ε为绞线的弹性模量。

由（4）式可以看出，控制张力实质上就是控制V1-V2,即控制爬行器的速度和绞盘收放线这两个速度差。张力的控制实际上就是这两个线速度的跟踪系统。

2 智能绞盘的张力控制

2.1 直接张力控制

绞盘系统采用直接张力控制（闭环反馈控制），如图4所示，可以对位于张力环内的干扰进行很好的抑制和补偿。这种控制系统简单，避免了卷径变化、速度变化和空载转矩对张力的影响。

2.2 绞盘系统收线建张分析

图4 张力控制系统

收线时，设爬行器速度V1恒定，绞盘线速度V2=πDn,若绞盘电机M2的转速不变，则D增大，V2增大，张力F也随之增大，绞盘上的卷绕力钜增大，这样容易使绞线因拉伸变形或断裂，所以在开始收线后应立即保持V2不变，使得保持张力恒定。由，若V2不变，n随D增大成反比减小。由动态力矩平衡得下式：

(M2作用在绞盘轴上的等效拖动力矩，w2绞盘角速度，J2绞盘转动惯量，Bf2(t)为阻尼系数)

在恒张力系统中，针对绞盘的张力控制本系统采用模糊自适应控制，通过其控制提高系统的鲁棒性，消除各个参数变化带来的张力波动。

3 模糊自适应算法与仿真实验

本实验中张力自适应模糊调节器、设计输入量为张力偏差E和偏差变化率e，输出量为调节量U。本系统中经过现场不断调试与考虑到精确度的要求，将输入变量更加细化，分为7档进行控制，采用三角形分布函数，隶属度如图5，将输入量从负大到正大细分为-3，-2，-1，0，1，2，3这7个档次。控制规则如表1所示。

如表1所示，本实验中将张力偏差E分为(NB,NM, NS, ZE, PS, PM, PB)在具体实验环境中分别代表意义为（无张力，张力极小，张力偏小，张力适中，张力偏大，张力很大，张力极大），同样偏差变化率e也分为（NB, NM, NS, ZE, PS, PM,PB）分别代表下个状态张力的变化趋势（继续极其快的速度减小，很快速度减小，稍快速度减小，保持现在状态，继续稍快速度增大，很快速度增大，极其快速度增大）。

图5 隶属度函数分布曲线

如绞盘收线过程中E=NS,即张力偏小，绞盘收线速度稍微慢些，导致绞线不够紧绷。

这里将每个输入输出都细化为7档，是为了实验中实时测试张力变化即下一时刻变化趋势更加精确，细分越多，模糊控制会更加精细，恒张力控制就更加准确。

表1 模糊自适应控制推理规律表

张力控制系统利用MATLAB的Simulink工具箱对张力控制系统进行仿真，根据上述设定，模糊语言张力偏差E的模糊论域[-3, 3]，实际实验中模糊论域[-10, 10].单位（N），偏差变化率e[-3, 3]，实际论域[-2, 2]单位（N/s），因此可设定量化因子研究如图7所示，结果证明该模糊自适应控制模型能实现恒张力控制。

图6 模糊自适应控制曲面图

图7 参考模型的张力仿真

4 结论

图8 实验现场

本文针对机器人爬行过程中，智能绞盘恒张力的控制，采用模糊自适应算法控制绞盘的智能收线，并能根据不同路况设定绞盘收线张力，使得爬行机器人能够在各个不同粗糙面爬行，后退，从而适应管道内复杂环境。

实验在不同粗糙面进行，实时采集电机驱动器反馈电流值，反馈电流和电机扭矩成正比，从而和张力成正比关系。从反馈电流值的采集，间接也可以获得曲线趋势图。通过对较光滑路面下反馈电流值进行最小二乘法拟合，拟合结果证明实验效果较为理想，虽然曲线结果和图六理想仿真结果存在差距，存在实验条件一些外部因素的干扰无法达到绝对理想。

实际试验证明该控制可以实现恒张力的控制，控制系统对张力控制具有快速响应速度，具有一定的应用价值。