一种电子加速器辐照储运系统传动装置设计

张志锋，王占文

（1.沈阳工业大学，沈阳 110870；2.承德市可持续发展促进服务中心，承德 067000）

0 引言

电子加速器辐照加工通过电子加速器将高能电子束发送在辐照目标上,让辐照目标的物理性能与化学结构出现变化[1,2]。高能电子束不会出现核废料,目前辐照加工厂会用转换靶,把高能电子束变换成X射线,变换后的射线具有较高的穿透力,也由此变成辐照加工领域的核心辐照源[3]。辐照储运系统是辐照装置的高放射区域非放射区的连接载体,因为辐照储运系统的存在,工作人员不必亲手操作辐照物品,不用担心被辐射源照射,安全性得以保证[4]。

电子加速器辐照储运系统的运行与其传动装置的控制状态存在直接联系,为保证电子加速器辐照储运作业安全稳定,本文对此进行针对性研究,设计电子加速器辐照储运系统传动装置,并通过基于模糊径向基函数神经网络优化PID的传动装置控制模型,控制传动装置电动机按照期望速度运行,以期保证电子加速器辐照储运系统稳定完成辐照作业。

1 电子加速器辐照储运系统传动装置

电子加速器辐照储运系统传动装置主要使用在电子加速器辐照储运控制系统中,为此,为了设计一个可以协调电子加速器辐照储运工作的传动装置,本文在电子加速器辐照储运控制系统设计电子加速器辐照储运系统传动装置。电子加速器辐照储运控制系统直接控制级是西门子公司研发的S7-226PLC,其与触摸屏、传动装置都通过RS485接口连接。控制柜中触摸屏属于用户可操作的交互界面,能够提供辐照参数编辑、传动参数编辑、辐照现场运行参数实时显示等功能[5,6]。把辐照目标工件的具体信息输入触摸屏,PLC根据相关标准执行下述操作：

1）结合辐照目标工件的具体尺寸信息,自主调节辐照目标工件和扫描窗的距离；

2）按照辐照目标工件的性质,通过PLC下达储运指令至传动装置,传动装置使用基于模糊径向基函数神经网络优化PID的传动装置控制模型,调节电动机转速,实现电子加速器辐照工件按照标准速度,稳定、安全储运。

电子加速器辐照储运控制系统结构如图1所示。

图1 电子加速器辐照储运控制系统

电子加速器辐照储运控制系统的传动装置结构如图2所示。

图2中,机械制动器、磁粉制动器与差动轮相连制动,差动轮主要包含轮b、f、c与转臂K；轮A、B、B′、C属于定轴轮系。轮的b轴设置了磁粉制动器、机械制动器。运行原理是：

图2 电子加速器辐照储运控制系统的传动装置结构

1）电动机在基于模糊径向基函数神经网络优化PID的传动装置控制模型控制下,按照设定的标准储运速度驱动,机械制动器、磁粉制动器在电动机的驱动下,互相协作控制差动轮稳定运行,从而实现传动装置的稳定工作。在辐照目标工件正常储运时,如果机械制动器不制动,磁粉制动器需要在无通电状态下启动电动机,因通常情况下转臂K的负载较大,所以需要保证其属于固定不动状态,而轮b能够空载运转[7]。

2）电动机转速满足转速的期望速度时,磁粉制动器便会出现制动力矩,制动力矩与传动装置的电流存在正向关系,会伴随电流的变大而变大,但电流变大时,轮b转速将变小,转臂K的转速会变大。以调节励磁电流速率的形式,掌握电子加速器辐照储运系统启动时传动装置的加速度,如果轮b处于制动模式,电子加速器辐照储运系统传动装置的转速满足运行标准,便起动[8]。

3）传动装置起动后,以免磁粉制动器温度功过高,导致制动功能失灵,需要启动机械式制动器,轮b运行后,励磁线圈需要保证无电状态。

4）当励磁线圈里电流强度之间变小,轮b转速逐渐提升,转臂K转速慢慢变小至0之后,电源停止运行,传动停止,储运停止。

2 基于模糊径向基函数神经网络优化PID的控制模型

基于模糊径向基函数神经网络优化PID的传动装置控制模型结构如图3所示。

图3 基于模糊径向基函数神经网络优化PID的传动装置控制模型

传动装置的运行状态与其电动机存在直接联系,电动机可控制传动装置的传动速度,为此,基于模糊径向基函数神经网络优化PID的传动装置控制模型,主要是控制传动装置电动机的传动速度,保证传动速度与辐照目标工件的储运速度标准相符[9]。

在t时间段中,先结合传动装置传动速度设定值Sin(t)与输出值xout(t)运算误差d(t)=Sin(t)-xout(t)与误差变化率dc(t)=d(t)-d(t-1),使用PID控制器控制电动机时,主要通过模糊径向基函数神经网络运算PID控制器的控制参数HP（比例）、HI（积分）、HD（微分）,PID控制器输出控制信号v(t)控制传动装置电动机,保证传动装置的运行不出现异常。

PID控制器的控制方法如式(1)所示：

其中,HP、HI、HD依次代表比例、积分、微分系数；v(t-1)是t-1时间段传动装置电动机的控制信号；dc(t-1)是t-1时间段传动装置传动速度的误差变化率。

PID控制效果和HP、HI、HD存在直接联系,在本文研究中,必须保证传动装置传动速度误差与误差率2个变量的比例HP、积分HI、微分HD为最优匹配,从而形成控制律,才可保证PID控制效果最佳。为此,本文使用图4所示的模糊径向基函数神经网络整定PID控制器参数。

图4 模糊径向基函数神经网络结构

图4中,输入层是传动装置传动速度的误差与误差率d(t)、dc(t)2个变量,输出层输出变量是PID控制器的控制参数HP、HI、HD。将d(t)、dc(t)模糊化成D、DC,则模糊输入D、Dc的论域、模糊语言值都处于-1～1区间内。

1）输入层

输入层的输入变量是d(t)、dc(t),此层每个节点直接和d(t)、dc(t)相连,把d(t)、dc(t)发送至模糊化层。输入层的d(t)、dc(t)和输出层的输出之间关联性g1如式(2)所示：

2）模糊化层

模糊化层使用高斯型函数生成隶属函数g2(j,i),则如式(3)所示：

其中,模糊化层第j个输入变量第i个模糊结合的隶属函数均值、标准差依次是bji、cji；模糊化层第j个输入变量是gj(t)=d1(t)+d1c(t)。

3）模糊推理层

此层和模糊化层相连后,通过模糊规则的匹配完成每个节点的模糊计算,则组合每个模糊节点能够获取对应的传动装置的传动速度[10～12]。

4）输出层

结合模糊推理层推理的传动速度,输出层的输出结果是PID控制器控制参数HP、HI、HD整定结果,则HP=g4(1),HI=g4(2),HD=g4(3)：

其中,ϖ(z,h)是输出节点和前三层每个节点的连接权重。

综上所述,增量式PID控制的控制量是：

因模糊径向基函数神经网络ϖ(z,h)会影响其训练效果,参数设置不当便会陷入局部最优模式,将会导致PID控制器对传动装置电动机的控制效果较差[13]。为此,本文使用双种群混沌鲸鱼算法训练模糊径向基函数神经网络,在整体范围中检索ϖ(z,h)最优解,以免出现陷入局部最优的问题,保证PID控制器实现传动装置电动机精准控制。

鲸鱼优化算法主要分为猎物锁定、猎物狩猎、掠夺食物三个环节。针对此算法来讲,鲸鱼种群里随机一个鲸鱼所在处均能够描述成一种ϖ(z,h)寻优时的判断因素。

鲸鱼在狩猎的时候必须锁定猎物,则：

其中,E是鲸鱼狩猎过程,在本文中代表权重ϖ(z,h)遍历结果；B、O属于系数矩阵；n是迭代次数；Y*(n)、Y(n)分别是目前最佳的鲸鱼位置与实际位置,最佳鲸鱼位置即为最佳的权重ϖ(z,h)值决策变量,实际鲸鱼位置即为实际权重目前值。

其中,s1、s2是随机数,取值区间是0～1。β随机数的取值区间是0～2。

因为鲸鱼在捕食时,运行模式以螺旋模式为主,而电子加速器辐照储运也属于动态模式,为此,在使用模糊径向基函数神经网络优化PID控制器参数时,存在动态性,那么权重ϖ(z,h)的寻优也存在动态性。所以,捕食行为数学模型如式(10)所示。

其中,EP、w依次是鲸鱼在捕捉猎物的动态位置（权重ϖ(z,h)的动态值）、取值区间是-1～1的随机数。

掠夺食物时,需要在随机鲸鱼位置检索猎物,数学模型如式(11)、式(12)所示：

其中,Yrad是猎物随机位置向量。

在随机鲸鱼位置检索猎物会导致算法收敛效率低下,所以本文引入混沌序列。混沌序列对ϖ(z,h)的初值具有高度敏感性,能够在固定区间内,结合自身规律,不停地遍历全部鲸鱼位置状态,则遍历全部ϖ(z,h)。如式(13)所示：

其中,如果随机数η的数值是4,上式便处于混沌模式。混沌序列的引入可优化算法对ϖ(z,h)最优值的检索性能[14]。

混沌序列的使用可优化算法收敛效率,为了防止寻优过程中出现局部最优问题,本文使用双种群寻优方案,把混沌初始化之后的种群随机均分成2个种群θ1、θ2,θ1的个体使用常规鲸鱼优化算法实施ϖ(z,h)寻优,θ2的个体在ϖ(z,h)寻优时,使用变异方案,保证算法寻优时存在指引性。如果算法出现局部最优问题,便实施跳变处理,保证ϖ(z,h)不出现局部最优值[15]。因为常规鲸鱼优化算法与引入变异环节的鲸鱼优化算法在处理新个体的模式中存在差异,所以结合两者优势之后,使用混沌序列将种群实施初始化,优化后的算法即为双种群混合鲸鱼优化算法。变异方法如式(14)所示：

双种群混合鲸鱼优化算法的具体操作流程是：

第1步：使用混沌序列将鲸鱼优化算法种群实施初始化处理,随机建立2组规模是的权重初始种群。

第2步：依次运算权重种群θ1、θ2的各个个体适应度函数值。

第3步：如果目前迭代次数为最大值,进入第7步,反之进入第4步。

第4步：种群θ1使用双种群混合鲸鱼优化算法的寻优规则更新粒子,种群θ1使用鲸鱼优化算法更新粒子,运算粒子更新后适应度值,留下最佳ϖ(z,h)个体。

第5步：此步骤属于选择处理,使用n个部分随机的新个体取代θ1里适应度函数值最小的n个权重个体。

第6步：此步骤属于变异处理,通过式(14)变化种群θ1里某些权重个体特性,将变异后权重个体实施边界处理。

第7步：对比种群θ1、θ2的最佳权重个体,选取适应度函数值最大的权重个体,输出最后的权重寻优结果,则输出ϖ(z,h)最优设定值。

3 实验分析

为测试本文装置的应用效果,在MATLAB平台中,将本文装置设计在电子加速器辐照储运控制系统中,电子加速器辐照储运控制系统的操作界面如图5所示。点击电机传动参数编辑按钮,设置电子加速器辐照储运时电动机期望转速是3000r/min,反电动势系数是0.068V/（rad/s）,电子加速器辐照储运时,在额定磁通下,传动装置的电动机不能超过额定转速,以此才可以保证传动装置稳定运行,电子加速器辐照储运才可以按照设置速度进行储运。测试本文装置使用前后,电子加速器辐照储运控制系统的储运出错情况,主要通过电子加速器辐照储运控制系统-辐照现场运行参数实时显示界面显示,结果如图6、图7所示。

图5 电子加速器辐照储运控制系统的操作界面

图6 使用前储运出错情况

图7 使用后储运出错情况

如图6、图7所示,本文装置使用前,13：02～13：06之间电子加速器辐照储运速度超调5次,本文装置使用后,13：02～13：06之间电子加速器辐照储运速度超调0次,本文装置可以控制电子加速器辐照储运速度不出现超调情况。

测试本文装置在使用基于模糊径向基函数神经网络优化PID的传动装置控制模型前后,电子加速器辐照储运系统的传动装置转速变化如图8所示。

图8 传动装置电动机的速度

如图8所示,本文装置使用基于模糊径向基函数神经网络优化PID的传动装置控制模型前后,电子加速器辐照储运系统的速度存在明显差异,使用前电子加速器辐照储运系统运行时,传动装置转速在0.035s之后才稳定在3000r/min,且0.035s之前,传动装置转速出现超调量,且波动明显,使用后,传动装置转速在0.015s时,快速稳定在3000r/min,静态性能较好。

4 结语

本文设计一种电子加速器辐照储运系统传动装置,此装置主要应用在电子加速器辐照储运控制系统中,为了充分发挥电子加速器辐照储运系统传动装置的作用性,本文使用了基于模糊径向基函数神经网络优化PID的传动装置控制模型,控制传动装置在最优控制律引导下,按照设定的标准储运速度驱动,保证电子加速器辐照储运速度不出现超调情况,且在实验中,本文装置的应用价值得以验证,可以控制电子加速器辐照储运速度不出现超调情况。