基于PC机的气缸定位控制系统

李胜中，刘建新，夏一飞

(西华大学机械工程与自动化学院，四川成都 610039)

气动系统具有成本低廉、动作迅速、反应快、维护简单、使用寿命长、安全可靠、无污染等优点，但是气动定位系统的非线性强，速度稳定性差，给精确的位置控制带来很大的影响［1］。目前气缸定位控制常用的控制方法主要有:神经PID控制、模糊PID控制、神经模糊控制、流体脉冲调制控制、比例伺服阀控制、智能自适应PID控制等方法。刘贵杰等［2］对流体脉冲调制控制进行研究，当时已经达到了±0.2 mm的定位精度。李宝仁等［3］采用单神经元自适应PID控制器对气动位置伺服系统进行研究也取得了小于0.2 mm的定位精度。范伟等人［4］将智能自适应PID控制算法用于气动人工肌肉位置控制中，稳态精度可控制在0.2 mm以内。朱春波等［5］进行了基于比例阀的气动伺服系统神经网络控制方法的研究，定位精度的均方根误差为0.09 mm，重复定位精度为±0.27 mm。上述各成果采用的控制策略都有其局限性:神经网络控制的学习和训练的速度较慢，稳定性和收敛性的理论证明较困难;自适应控制需要较长的运算时间;PID控制需要系统精确的数学模型，并且其参数不能在线调整;模糊控制不需要精确的数学模型，参数变化的适应性较强，但是控制精度较低。为了克服这二者的缺点，将PID控制和模糊控制相结合，就形成模糊PID控制。此系统采用模糊PID控制，比常规PID控制有更快的动态响应特性、更小的超调，比模糊控制有更高的稳态精度，并且系统对外部扰动也具有很好的鲁棒性。

在实验室所开发的机器人抛光系统中，采用气缸作为抛光姿态调整执行结构。文中试图充分利用PC机拥有的强大的数据计算处理能力以及丰富的外部接口设备，以常用PC机为控制系统核心，结合比例阀的控制性能，运用高级语言(C/C++)灵活的编程技巧开发上位机控制系统，完成气缸的精确定位;运用程序算法以及选取接口通信参数克服PC机接口数据传输慢的问题，达到节约成本、缩短开发周期的目的。

1 气缸定位控制原理

系统的基本原理如图1所示。通过PC机控制比例阀，使输入电压信号ue与气缸位置反馈信号uf之差Δu逐步减小并逐步趋于零，从而实现气缸对输入信号的位置跟踪［1］。当给定的输入信号ue大于反馈信号uf，即Δu＞0时，比例流量阀4左路接通，气缸3左腔压力升高，推动活塞右移。气缸活塞的右移使反馈电压信号uf增大，电压偏差Δu随之减小，如此反复，直至Δu接近于0;反之，当给定的输入信号ue小于反馈信号uf，即Δu＜0时，通过与上述相反的调节过程使偏差趋于0;在达到稳定时，Δu=0，即ue－uf=Δu=ky(式中k为比例系数，y为气缸活塞位移)，从而实现了输入信号对气缸的定位控制。

图1 气缸定位系统原理图

2 参数自整定模糊PID控制

2.1 Fuzzy-PID控制原理

PID控制的局限性是将参数Kp、Ki、Kd作为精确的参数来处理。实际上要得到满意的响应特性，这些参数在不同的情况下应取不同的值。为达到参数Kp、Ki、Kd取值的动态变化，应用模糊推理的方法实现PID参数的在线自调整，使系统动态过程各阶段的PID参数处于最佳状态，以获得满意的控制效果。模糊自适应PID控制的原理是:运用模糊数学的基本理论和方法，把规则的条件、操作用模糊集表示，并把这些模糊控制规则以及有关信息(如评价指标、初始PID参数等)作为知识存入计算机知识库中，然后计算机根据控制系统的实际响应情况(专家系统的输入条件)，运用模糊推理，即自动实现对PID参数的最佳调整，这就是模糊自适应PID控制。目前模糊自适应PID控制器有多种结构形式，但其工作原理基本一致。

自适应模糊PID控制器以误差e和误差变化ec作为输入，可以满足不同时刻的e和ec对PID参数自整定要求。利用模糊控制规则在线对PID参数进行修改，便构成了自适应模糊PID控制器，其结构原理如图2所示。

图2 Fuzzy-PID控制原理图

PID参数模糊自整定是找出PID的3个参数与e和ec之间的模糊关系，在运行中通过不断检测e和ec，根据模糊控制原理来对3个参数进行在线修改，以满足不同e和ec时对控制参数的不同要求，而使被控对象有良好的动、静态性能［3］。模糊控制器结构设计采用常用的二维模糊控制器，即以e和ec为输入，修正后的参数Kp、Ki、Kd为输出，其工作流程如图3所示。

图3 Fuzzy-PID算法系统框图

2.2 PID参数的预整定

PID参数初值的确定选用稳定边界法的参数自整定原则。调节前期，将Ki、Kd设为零，Kp设最小值的系统能够稳定运行，逐步增大Kp直到系统出现等幅振荡，记此时的临界周期为T、Kp为Kp0，按经验公式计算参数的整定值:Kp=0.6Kp0，Ki=1.2Kp0/T，Kd=0.075Kp0T。

调节中期，Ki、Kd适中，微调以控制系统的稳定性与控制精度:调节后期，适当增大Kp以减小静差。最后，将这组PID参数作为预整定值。

2.3 Fuzzy-PID系统数学建模

建立模糊自整定PID控制器的模型，根据气缸控制系统在受控过程中的原则对应不同的E和EC，将PID参数整定的原则归纳如下:

(1)当|E|较大时，说明误差的绝对值较大，ΔKp取较大值，以提高响应的快速性;为防止|EC|瞬时值过大，ΔKd应取较小的值;为了避免出现较大的超调，应对积分加以限制，通常取ΔKi=0。

(2)当|E|中等大小时，为了使系统响应超调较小，ΔKp取较小些;在这种情况下，ΔKd对系统的响应影响较大，数值要取得适当;ΔKi的数值也要取得适当。

(3)当|E|较小时，为了使系统具有很好的稳定性，ΔKp、ΔKi取较大值;同时为避免系统在设定值附近振荡，应该考虑抗干扰性能，适当地选取ΔKd值。|E|的取值与ΔKd取值规律相反，通常情况ΔKd为中等大小。

该系统将偏差E和EC的变化范围设定为［－3，3］区间连续变化量，使之离散化构成含7个整数元素的离散集合:

E=EC={NB，NM，NS，O，PS，PM，PB}即:{负大，负中，负小，不变，正小，正中，正大}

并将误差E的误差变化量EC量化为7个等级:

E=EC={－3，－2，－1，0，1，2，3}

在实际工作中，精确输入量的变化一般不会在［－3，3］之间，如果其范围是在［a，b］之间的话，可以通过变换:

将在［a，b］之间变换的变量x转换为［－3，3］之间变化的变量y。

输出ΔKp、ΔKi、ΔKd用以确定控制量，并规定其论域为:{－3，－2，－1，0，1，2，3}。

输出量ΔKp、ΔKi、ΔKd的语言变量模糊集为:{NB，NM，NS，O，PS，PM，PB}

各个语言值得定义分别由给出的三角隶属度函数曲线来描述，建立相关的模糊规则表如表1—3所示。

表1 ΔKp的模糊控制规则表

表2 ΔKi的模糊控制规则表

表3 ΔKd的模糊控制规则表

根据模糊规则表在线整定PⅠD参数，计算公式(1)如下:其中:K'p、K'i、K'd为原先定好的初始PⅠD参数;ΔKp、ΔKi、ΔKd为模糊控制器的3个输出参数。可以根据被控对象的状态自动调整PⅠD参数。

3 上位机控制系统

以PC上位机为控制核心，采用比例方向控制阀MPYE-5-1/8-LF-420-B对气缸运动进行控制。以Visual C++为开发平台，按照Fuzzy-PⅠD控制原理编写控制程序，部分程序代码如下:

float FPⅠD::Fuzzy_PⅠD(floatⅠ_out，float position，float set)

{float e=0，ec=0，E=0，EC=0，e1=0;

floates［7］，ecs［7］;

e=set－position;

ec=e－e1;

e1=e;

es［NB］=FPⅠD::ufl(e，－30，－10);//e模糊化

……

det_u=kpint*((ec)+kiint*e+kdint*(e－2*e1+e2));

u=det_u+u1;

……

returnⅠ_out;}

设计气缸精确定位控制可视化系统，控制系统主界面如图4所示。

图4 控制系统主界面

其中:Ⅰnput、Output分别设定输入、输出模块的地址、串口号、波特率;Ⅰnput Register、Output Register分别设定输入、输出寄存器起始地址与寄存器数;Setting And Current Value设定气缸目的位置数值，显示当前位置数值;Current Position显示定位控制过程中气缸位置变化曲线。系统输入程序依据数据采集卡的通信协议以及电气特性编写，输出控制程序依据比例方向控制阀的电气特性编写。

选用电流类型比例方向控制阀MPYE-5-1/8-LF-420-B。比例方向控制阀流量q与设定电流强度I的关系见图5。实际测得比例方向控制阀的中位电流为12.08mA，左右位开启电流分别为11.62和12.85mA。

图5 比例阀电气参数特性曲线

按照实际测得的比例阀电气参数编写控制输出程序，部分关键代码如图6所示。

图6 控制输出程序

4 实验及结果分析

气缸定位系统硬件主要由比例方向控制阀、标准气缸、位移传感器和数据采集卡等部分组成。其中，气缸采用的是FESTO公司生产的DNC32*80-A型气缸，气缸内径32mm，行程80mm;位移传感器采用日本精工的KTC-0100电阻型;数据采集由无锡创研电子科技有限公司生产的CAR-6AD型数据采集卡完成;控制输出由晋江机场电子科技有限公司生产的ⅠPAM-4404完成。控制系统的核心为PC上位机，上位机与输入、输出模块之间采用RS485总线通信，气缸定位控制系统结构分为3个主要环节:数据采集、数据处理、控制输出。数据采集:气缸实时位置由位移传感器以电压形式传送给数据采集卡，然后经过A/D转换将数据通过总线传送给PC。数据处理:利用Visual C++编写控制系统程序，数据采集单元实时采集数据与设定值的误差值e与误差变化率ec，通过Fuzzy-PⅠD运算得到控制输出值。控制输出:当上位机的数据处理单元完成数据采集与处理事件，触发控制输出，通过上位机向模拟量输出模块写入电流输出量。

按图1所示的系统原理图搭建实验工作平台，实际工作平台如图7所示。PC上位机气缸定位控制系统对气缸进行实时监控。试验表明:PC上位机进行数据处理——模糊PⅠD运算的快速性是该系统优于其他控制系统的明显特点，这也充分体现了PC机强大的数据处理能力;PC机的外部接口设备对输出模块的数据传输延时问题却显而易见。

图7 PC上位机气动定位控制系统

系统采用Modbus RTU通信协议:主站PC上位机呼叫从站，从站向主站发送采集数据。呼叫数据帧格式:地址码(1字节)+功能码(1字节)+寄存器起始地址(2字节)+寄存器数量(2字节)+CRC校验码(2字节);应答数据帧格式:地址码(1字节)+功能码(1字节)+数据量(1字节)+数据(N×3字节)+CRC校验码(2字节)。适当地提高通信波特率(输出波特率设为19 200bps)，有效解决了延时问题，控制精度在±0.2mm以内。

当定位值在气缸中位时，定位精度较高。设置定位值为40mm，实际定位值达到39.85mm，具体定位过程可见上位机系统界面，如图8所示。

图8 上位机定位控制过程

系统完成了气缸的精确定位，控制精度满足实际运用需求;采用常规PC机作为控制系统核心，缩短了系统开发周期，节约开发成本;该系统中运用软件程序成功解决PC机接口数据传输延时问题。但要进行控制精度要求更为严格的实际生产应用，还存在一系列问题。这是由于气动系统存在严重的非线性和弱阻尼性，采集模块CAR－6AD采集的数据在采样、转换、传输等环节之中受到噪声、信号丢失、气源压力不稳等不利因素的影响;以及加入负载后，启动系统的惯性更大，进一步加剧了系统的非线性。若要满足实际生产需求，需进一步对系统实际模型进行研究，控制算法需进一步改进。

［1］章宏甲．液压与气动［M］．北京:机械工业出版社，2000．

［2］刘贵杰，丁虹，宁舒．智能气缸设计［J］．机械工程师，1997(5):27－28．

［3］李宝仁，朱玉泉，郑云舫．基于神经元控制器的气动位置伺服系统研究［J］．中国机械工程，1998(6):10－13．

［4］范伟，彭光正，高建英，等．气动人工肌肉驱动球面并联机器人的位置控制研究［J］．北京理工大学学报，2004(6):516－519．

［5］朱春波，包钢，程树康，等．基于比例阀的气动伺服系统神经网络控制方法的研究［J］．中国机械工程，2001(12):1412－1415．

［6］张强，王即武，王仁人．气动位置控制技术的发展［J］．农业装备与车辆工程，2006(1):6－9．

［7］刘金琨．先进PID控制MATLAB仿真［M］．2版．北京:电子工业出版社，2004:116．

［8］LI Shengzhong，LIU Jianxin，XIA Yifei．The Pneumatic Position Control System Based on Fuzzy-PID［J］．Applied Mechanics and Materials，2014，488/489:1142－1145．