CN114690632A - 一种基于数字孪生模型的液压支架姿态控制方法 - Google Patents
一种基于数字孪生模型的液压支架姿态控制方法 Download PDFInfo
- Publication number
- CN114690632A CN114690632A CN202210236999.4A CN202210236999A CN114690632A CN 114690632 A CN114690632 A CN 114690632A CN 202210236999 A CN202210236999 A CN 202210236999A CN 114690632 A CN114690632 A CN 114690632A
- Authority
- CN
- China
- Prior art keywords
- model
- digital twin
- parameters
- hydraulic support
- hydraulic
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 48
- 230000008569 process Effects 0.000 claims abstract description 9
- 238000011217 control strategy Methods 0.000 claims abstract description 8
- 238000004364 calculation method Methods 0.000 claims abstract description 7
- 230000001360 synchronised effect Effects 0.000 claims abstract description 5
- 239000002131 composite material Substances 0.000 claims description 17
- 230000003416 augmentation Effects 0.000 claims description 9
- 238000004458 analytical method Methods 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 7
- 230000003044 adaptive effect Effects 0.000 claims description 5
- 238000013461 design Methods 0.000 claims description 5
- 239000010720 hydraulic oil Substances 0.000 claims description 4
- 230000005284 excitation Effects 0.000 claims description 3
- 238000005259 measurement Methods 0.000 claims description 3
- 230000008859 change Effects 0.000 claims description 2
- 238000013139 quantization Methods 0.000 claims description 2
- 230000001629 suppression Effects 0.000 claims description 2
- 238000005070 sampling Methods 0.000 description 16
- 238000006073 displacement reaction Methods 0.000 description 12
- 230000008054 signal transmission Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 230000003321 amplification Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 230000010354 integration Effects 0.000 description 4
- 238000003199 nucleic acid amplification method Methods 0.000 description 4
- 239000003921 oil Substances 0.000 description 4
- 230000003068 static effect Effects 0.000 description 4
- 230000003190 augmentative effect Effects 0.000 description 2
- 239000003245 coal Substances 0.000 description 2
- 238000013016 damping Methods 0.000 description 2
- 238000005034 decoration Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000004069 differentiation Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- YCKRFDGAMUMZLT-UHFFFAOYSA-N Fluorine atom Chemical compound [F] YCKRFDGAMUMZLT-UHFFFAOYSA-N 0.000 description 1
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 229910052731 fluorine Inorganic materials 0.000 description 1
- 239000011737 fluorine Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
-
- E—FIXED CONSTRUCTIONS
- E21—EARTH OR ROCK DRILLING; MINING
- E21D—SHAFTS; TUNNELS; GALLERIES; LARGE UNDERGROUND CHAMBERS
- E21D23/00—Mine roof supports for step- by- step movement, e.g. in combination with provisions for shifting of conveyors, mining machines, or guides therefor
- E21D23/12—Control, e.g. using remote control
Landscapes
- Engineering & Computer Science (AREA)
- Mining & Mineral Resources (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Geochemistry & Mineralogy (AREA)
- Geology (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Feedback Control In General (AREA)
Abstract
本案提供一种基于数字孪生模型的液压支架姿态控制方法，其中，该方法包括：获取液压支架物理实体模型实际运行过程中的传感器数据；根据物理实体模型实际运行过程中的传感器数据建立数字孪生模型；为了使数字孪生模型成为物理实体的精确镜像，通过自适应参数辨识算法实现数字孪生模型参数的更新和同步；通过数字孪生模型参数的计算和更新来优化液压支架姿态伺服控制的参数，从而提高物理实体的运动性能。该方法能够辅助优化液压支架控制策略，提高液压支架姿态控制的实时性、准确性。
Description
技术领域
本发明属于矿山煤炭无人化开采技术领域，特别涉及一种基于数字孪生模型的液压支架姿态控制方法。
背景技术
数字孪生是在虚拟系统中建立实际物理系统的数字映像，通过数据交互、状态同步和迭代优化等手段，为物理实体的规划设计、状态监控和运动控制扩展新的能力。现在数字孪生技术常用于车间调度优化以及机床生产过程优化等方面，尚处在初步发展阶段。精确感知和控制液压支架姿态是实现煤矿智能化、无人化的前提。基于智能控制技术的液压支架姿态控制方法在液压支架姿态控制过程中存在井下传感器信号传输距离远，信号处理时间较长导致信号传输迟滞而产生控制不及时、不准确的问题。因此，如何克服上述问题，是本领域技术人员亟待解决的技术问题。
发明内容
本发明的目的在于提供一种基于数字孪生模型的液压支架姿态控制方法，可解决上述技术缺陷。
为解决上述技术问题，本发明提供一种基于数字孪生模型的液压支架姿态控制方法，包括以下步骤：
S1.建立物理实体模型。在建立物理实体模型阶段，用集总参数模型描述线性部分，用非线性参数模型描述非线性部分，为数字孪生模型的建立提供数学基础。
S2.建立数字孪生模型。在建立数字孪生模型阶段，用包含有色噪声激励的自回归滑动平均模型实现对物理模型的确定解析描述，用有色噪声模型描述液压支架的未建模动态特性，使数字孪生模型成为物理实体模型的精确映像。
S3.构建模型参数同步算法。在模型参数同步阶段，通过采集物理实体传感器和控制器输出数据，基于自适应参数辨识算法实现数字孪生模型参数的更新和同步。
S4.制定复合控制策略。复合控制策略由位置控制器和扩张状态卡尔曼滤波器构成，利用数字孪生模型参数实现对复合控制器的参数进行优化调整。
在一些可选的实施例中，在步骤S3中，所述传感器包括位置传感器，和/或，倾角传感器。
在一些可选的实施例中，所述传感器为位置传感器时，所述步骤S3具体包括：根据所述液压支架液压缸上所安装的位置传感器以及液压支架的运动学模型分析与计算可得所述液压支架顶梁的倾斜角度，从而对液压支架数字孪生模型的参数进行更新与同步。
在一些可选的实施例中，所述传感器为倾角传感器时，所述步骤S3具体包括：根据所述液压支架顶梁上安装的倾角传感器，可直接测得所述液压支架顶梁的倾斜角度，从而对液压支架数字孪生模型的参数进行更新与同步。
在一些可选的实施例中，所述步骤S1包括：
S101.建立可以描述物理实体模型的集总参数模型，该模型可以对物理实体模型进行线性化描述，包括流量、驱动、传感三个部分，能代表大部分液压支架姿态控制模型的动力学特性。其中流量部分需要考虑液压缸内泄露、液压油的弹性模量等；驱动部分需要考虑液压缸活塞杆的质量、活塞与负载的粘性摩擦力等；传感部分主要考虑传感器的测量精度和量化噪声。
S102.建立可以描述状态随物理实体模型的液压缸活塞位置等时变因素而变化的非线性因素的非线性模型，例如液压缸活塞与缸内径之间的摩擦力。
在一些可选的实施例中，所述步骤S2包括：
S201.建立自回归滑动平均模型来匹配液压支架物理实体模型。在实际系统中，通过采集液压支架物理实体模型中液压缸输入流量和运动学反馈数据，可以建立平稳时间序列来描述运动部件等价系统的完整模型。这部分主要是通过对集总参数和非线性参数中线性部分的整合，实现模型参数与实际物理参数的对应。
S202.建立有色噪声模型描述未建模动态特性，即利用增广模型来描述未建模动态和非线性特征，提高模型辨识精度。
在一些可选的实施例中，所述步骤S201具体包括：对集总参数和非线性参数的线性部分的整合部分中所述的非线性参数的线性部分主要为对摩擦力的线性化处理。
在一些可选的实施例中，所述步骤S3包括：
S301.根据液压支架姿态控制液压缸的物理实体模型提取出关键参数；
S302.将主要参数作为系统辨识模型；而用来提高辨识模型的精确度所描述的未建模动态特性，作为系统的增广模型；
S303.对辨识模型以及增广模型做进一步处理，并利用在线辨识方法实现对参数的估计；
S304.利用对上述参数的估计实现数字孪生模型参数的更新。
在一些可选的实施例中，所述步骤S4包括：
S401.设计位置控制器，位置控制器主要用于保证位置控制回路的稳定，并对物理实体系统的性能进行线性设计。
S402.设计扩张状态卡尔曼滤波器，扩张状态卡尔曼滤波器主要用于估计非线性扰动，将估计值通过前馈的方式补偿到位置控制器输出端，提高系统扰动抑制能力。
本发明提供一种基于数字孪生模型的液压支架姿态控制方法，通过在虚拟空间构造液压支架的数字孪生模型，数字孪生模型通过获取传感器的数据以及物理实体模型与数字孪生模型的模型同步算法进行参数的实时同步与更新；基于设定的目标姿态，利用数字孪生模型参数对复合控制器参数进行在线优化调整，从而达到提高液压支架姿态控制的实时性、准确性的目的。本发明与现有技术相比：解决了井下传感器信号传输距离远，信号及算法处理时间较长导致信号传输迟滞问题，提高了液压支架姿态控制的实时性及抗干扰能力；并且可以实现对液压支架姿态的预测及其控制过程的实时效果展示，相对于现有技术，可以以最准确、最便捷的方式对液压支架的姿态进行控制以及对液压支架姿态控制过程的显示。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
图1为本方案提供的所述液压支架非对称液压缸(平衡缸)结构原理图；
图2为本方案提供的基于数字孪生模型的液压支架姿态控制方法的开发框架示意图；
图3为本方案提供的基于数字孪生模型的液压支架姿态控制方法步骤S3的流程示意图；
图4为本发明一个具体实例所述基于数字孪生模型的液压支架姿态控制方法的示意原理图；
图5为本发明一个具体实例所述基于数字孪生模型的液压支架姿态控制方法的方框图；
具体实施方式
本发明提供一种基于数字孪生模型的液压支架姿态控制方法，通过在虚拟空间构造液压支架的数字孪生模型，数字孪生模型通过获取传感器的数据以及物理实体模型与数字孪生模型的模型同步算法进行参数的实时同步与更新；基于设定的目标姿态，利用数字孪生模型参数对复合控制器参数进行在线优化调整，从而达到提高液压支架姿态控制的实时性、准确性的目的。
为了使本领域的技术人员更好地理解本发明提供的技术方案，下面将结合附图和具体实施例对本发明作进一步的详细说明，请参考图1-图4。本发明提供一种基于数字孪生模型的液压支架姿态控制方法，由图1可知包括以下步骤：
S1.建立物理实体模型。在建立物理实体模型阶段，用集总参数模型描述线性部分，用非线性参数模型描述非线性部分，为数字孪生模型的建立提供数学基础。具体地，集总参数模型包括非对称液压缸模型的阀的流量方程、液压缸的流量连续方程、液压缸活塞杆的运动方程、比例放大器和传感器的比例环节方程。此处认为将非对称液压缸负载等效到活塞杆上，定量泵的供油压力不变，回油压力为0。由于非对称液压缸在阀芯向不同方向运动时各项增益不同，如图1所示下面以xv＞0为例进行分析，其方程依次为
Q＝Kqxv-KcPL
式中：Q为负载流量；xv为阀芯位移；Kq为阀的流量-位移增益；Kc为阀的流量-压力增益；PL为阀的出口端压力；A为液压缸有效受压截面积；y为液压缸活塞位移；Ctc为液压缸内泄露系数；Vt为液压缸工作腔容积；βe为液压油有效体积弹性模量；m为液压缸活塞杆及负载折算在活塞上的总质量；Bc为活塞及负载的粘性阻尼系数；K为负载弹性刚度；FL为外部负载力；Ky为伺服放大器放大系数；uy为传感器输出电压；Kp为伺服放大器放大系数；i为比例放大器的输出电流；u为比例放大器输入电压。
非线性参数模型建模对象主要为液压缸活塞与缸体及密封之间的摩擦，该摩擦是与活塞速度有关的函数，其运动特性可由Stribeck曲线描述，其方程为
式中：Ff为总摩擦力；Fc为库仑摩擦力；Fs为静态摩擦力；Fc0为库仑摩擦力系数；Fs0为静态摩擦力系数；cs为Stribeck速度；y为活塞的位移。其中，
S2.建立数字孪生模型。在建立数字孪生模型阶段，用包含有色噪声激励的自回归滑动平均模型实现对物理模型的确定解析描述，用有色噪声模型描述液压支架的未建模动态特性，使数字孪生模型成为物理实体模型的精确映像。构建液压支架姿态控制系统的数字孪生模型，为了实现对物理实体模型的匹配构建以时间序列驱动的自回归滑动平均模型，即ARMA模型。当过去时刻输出阶数为p，系统白噪声的阶数为q，此时的ARMA(p，q)模型可以如下式所示：
xt＝ψ0+ψ1xt-1+ψ2xt-2+…+ψpxt-p+ξt+θ1ξt-1+θ2ξt-2+…+θqξt-q
式中：{x1，x2，x3，…，xt}为不同时刻序列值；{ψ1，ψ2，ψ3，…，ψt}为自回归系数；{ξ1，ξ2，ξ3，…，ξt}为不同时间的白噪声序列；{θ1，θ2，θ3，…，θq}为滑动平均方程系数，表示过去q个时刻白噪声对当前时刻采样值得的影响权重。
由于液压支架姿态控制系统的数字孪生模型可以含有有色噪声项的自回归滑动平均模型来描述，即将ARMA模型转化为如下格式
A(m-1)y(k)＝q-dB(m-1)u(k)+C(m-1)ε(k)
增广模型用白噪声ε(k)驱动的有色噪声模型来描述，可以表达为
e(k)＝C(m-1)ε(k)
因此，数字孪生模型具有以下形式
S3.构建模型参数同步算法。在模型参数同步阶段，通过采集物理实体传感器和控制器输出数据，基于自适应参数辨识算法实现数字孪生模型参数的更新和同步。为了减少计算量和计算时间，采用递推最小二乘法，该算法在获得新的序列数据信号后，在原有参数估计值的基础上不断修正，完成参数参数估计，令ARMA(p，q)模型中的t＝p+1，p+2，…，N(N＞2p)，则该算法如下式
设
设
根据矩阵反演公式得
令
则
由此可得
式中
为{ψ1，ψ2，ψ3，…，ψt}在各步的参数估计值。通常在模型进行预测之前处于没有任何先验信息情况，此时设
P0＝I×106，其中I为单位向量。
S4.制定复合控制策略。在复合控制策略循环优化和在线调整阶段，为了提高液压支架的鲁棒性和运动控制性能，提出了位置控制器和扩张状态卡尔曼滤波器相结合的复合控制策略，利用数字孪生模型数据对复合控制器的参数进行优化调整。具体的控制方法方框图如图5所示。在此实例中所构建的复合控制算法主要由两部分组成，分别为位置控制器和扩张状态卡尔曼滤波器，其中，位置控制器为PID控制器，用于保证位移回路的稳定性，并对实际物理系统的性能进行线性设计。PID控制器是一种线性控制器，它根据给定值r(t)与实际输出值y(t)构成，其中
控制偏差e(t)＝r(t)-y(t)
PID控制规律为
由于计算机控制是一种采样控制，它只能根据采样时刻的偏差值计算控制量，因此上式中的微分和积分项不能直接作用，需进行采样处理。并在此基础上进行PID控制器参数的整定。用一系列的采样时刻点k代表连续时间，以和式代替积分，以增量代替微分，可作近似变换。当采样周期T足够小时可省去T，将e(kT)简化成e(k)，可得离散的PID算法表达式
式中：k为采样序号，k＝0，1，2，…；u(k)为第k次采样时刻的计算机输出值；e(k)为第k次采样时刻输入的偏差值；TI为积分时间；TD为微分时间；Kp为比例系数；KI为积分系数；KD为微分系数。
通过扩张状态卡尔曼滤波器，实现对位置、速度和非线性扰动信号的估计，采用前馈的方式补偿到位置控制器输出端。具体步骤为：根据液压缸活塞杆的运动方程列出状态空间表达式并将之离散化，随后建立包含动力学模型和噪声模型的离散扩展状态空间方程，进一步可以得到扩张状态卡尔曼滤波器的形式。具体步骤如下：
令
则
令
则
令
则得到扩张状态卡尔曼滤波器的形式为
式中：U(k)为位置控制器输出端输出电压；F(k)为扰动信号；
为观测噪声；V为Y的导数；L为扩张状态卡尔曼滤波器的增益，可以通过离线迭代求取。
需要说明的是，液压支架的姿态信息需要在数字孪生模型上得到实时更新和同步，液压支架的传感器数据在传输到数字孪生模型的过程中由于长距离传输，因此会导致传输的过程中有时滞，不能保证数字孪生模型数据同步的实时性，通过上述步骤S4可知，数据交互需通过经优化后的总线通讯算法进行，以此提高通讯的实时性。
通过在虚拟空间构造液压支架的数字孪生模型，数字孪生模型通过获取传感器的数据以及物理实体模型与数字孪生模型的模型同步算法进行参数的实时同步与更新；基于设定的目标姿态，利用数字孪生模型参数对复合控制器参数进行在线优化调整，从而达到提高液压支架姿态控制的实时性、准确性的目的。本发明与现有技术相比：解决了井下传感器信号传输距离远，信号及算法处理时间较长导致信号传输迟滞问题，提高了液压支架姿态控制的实时性及抗干扰能力；并且可以实现对液压支架姿态的预测能力及其控制过程的实时效果展示，相对于现有技术，可以以最准确、最便捷的方式对液压支架的姿态进行控制以及对液压支架姿态控制过程的显示。
具体地，在步骤S3中，所述传感器包括位置传感器，和/或，倾角传感器。通过传感器的测量数据，可更新液压支架数字孪生模型的参数。
在具体实施例中，当传感器为位置传感器，和/或，倾角传感器，步骤S3具体包括：根据液压支架的位置传感器，和/或，倾角传感器各个时刻的参数可以对液压支架的姿态进行短时预测，可以抵消物理实体与数字孪生模型之间数据交互时由于长距离通讯产生的迟滞，以提高数字孪生模型的准确性。
在一种具体实施例中，如图3所示，步骤S3包括：
S301.根据液压支架姿态控制液压缸的物理实体模型提取出关键参数；
S302.将主要参数作为系统辨识模型；而用来提高辨识模型的精确度所描述的未建模动态特性，作为系统的增广模型；
S303.对辨识模型以及增广模型做进一步处理，并利用在线辨识方法实现对参数的估计；
S304.利用对上述参数的估计实现数字孪生模型参数的更新。
需要说明的是，在步骤S301-S302中，根据运动部件集总参数模型和非线性参数模型提取出关键机械特性参数和状态参数，将主要参数作为系统辨识模型，而用增广模型来描述系统的未建模动态和噪声等因素，提高辨识模型的精确度。
具体地，步骤S303-S304包括：为了实现数字孪生模型参数的迭代更新，需要构造递推状态量，在此思想的基础上构建自适应参数辨识算法,通过数据关联，实现数字孪生模型参数的自适应更新。
图4为本申请一种实施例的基于数字孪生模型的液压支架控制方法的控制系统的原理图，参见图4所示，本申请实施例的基于数字孪生模型的控制方法具体可包括如下步骤：
(1)在上位机(防爆计算机)上通过AMESim软件构建液压支架姿态系统的物理实体模型，对液压支架液压系统进行建模，然后将模型各部分根据约束关系进行连接，接着根据液压支架液压系统各部分的实际参数给模型的各个对应部分进行参数分配，以此保证物理实体模型与物理实体的一致性。
(2)在上位机(防爆计算机)上通过MATLAB/Simulink软件构建液压支架姿态控制系统的物理实体模型，其中，线性部分用集总参数模型描述，非线性部分用非线性参数模型描述，为数字孪生模型的建立提供数学基础。具体地，集总参数模型包括非对称液压缸模型的阀的流量方程、液压缸的流量连续方程、液压缸活塞杆的运动方程、比例放大器和传感器的比例环节方程。此处认为将非对称液压缸负载等效到活塞杆上，定量泵的供油压力不变，回油压力为0。由于非对称液压缸在阀芯向不同方向运动时各项增益不同，如图1所示下面以xv＞0为例进行分析，其方程依次为
Q＝Kqxv-KcPL
式中：Q为负载流量；xv为阀芯位移；Kq为阀的流量-位移增益；Kc为阀的流量-压力增益；PL为阀的出口端压力；A为液压缸有效受压截面积；y为液压缸活塞位移；Ctc为液压缸内泄露系数；Vt为液压缸工作腔容积；βe为液压油有效体积弹性模量；m为液压缸活塞杆及负载折算在活塞上的总质量；Bc为活塞及负载的粘性阻尼系数；K为负载弹性刚度；FL为外部负载力；Ky为伺服放大器放大系数；uy为传感器输出电压；Kp为伺服放大器放大系数；i为比例放大器的输出电流；u为比例放大器输入电压。
非线性参数模型建模对象主要为液压缸活塞与缸体及密封之间的摩擦，该摩擦是与活塞速度有关的函数，其运动特性可由Stribeck曲线描述，其方程为
式中：Ff为总摩擦力；Fc为库仑摩擦力；Fs为静态摩擦力；Fc0为库仑摩擦力系数；Fs0为静态摩擦力系数；cs为Stribeck速度；y为活塞的位移。其中，
(3)在上位机(防爆计算机)上通过MATLAB/Simulink软件构建液压支架姿态控制系统的数字孪生模型，为了实现对物理实体模型的匹配构建以时间序列驱动的自回归滑动平均模型，即ARMA模型。当过去时刻输出阶数为p，系统白噪声的阶数为q，此时的ARMA(p，q)模型可以如下式所示：
xt＝ψ0+ψ1xt-1+ψ2xt-2+…+ψpxt-p+ξt+θ1ξt-1+θ2ξt-2+…+θqξt-q
式中：{x1，x2，x3，…，xt}为不同时刻序列值；{ψ1，ψ2，ψ3，…，ψt}为自回归系数；{ξ1，ξ2，ξ3，…，ξt}为不同时间的白噪声序列；{θ1，θ2，θ3，…，θq}为滑动平均方程系数，表示过去q个时刻白噪声对当前时刻采样值得的影响权重。
由于液压支架姿态控制系统的数字孪生模型可以含有有色噪声项的自回归滑动平均模型来描述，即将ARMA模型转化为如下格式
A(m-1)y(k)＝q-dB(m-1)u(k)+C(m-1)ε(k)
增广模型用白噪声ε(k)驱动的有色噪声模型来描述，可以表达为
e(k)＝C(m-1)ε(k)
因此，数字孪生模型具有以下形式
(4)在上位机(防爆计算机)上通过MATLAB/SimUlink软件构建液压支架液压系统的数字孪生模型与物理实体模型的模型同步算法，基于自适应参数辨识算法，通过采集液压支架的传感器数据，实现模型参数的更新和同步。为了减少计算量和计算时间，采用递推最小二乘法，该算法在获得新的序列数据信号后，在原有参数估计值的基础上不断修正，完成参数参数估计，令ARMA(p，q)模型中的t＝p+1，p+2，...，N(N＞2p)，则该算法如下式
设
设
根据矩阵反演公式得
令
则
由此可得
式中
为{ψ1，ψ2，ψ3，…，ψt}在各步的参数估计值。通常在模型进行预测之前处于没有任何先验信息情况，此时设
P0＝I×106，其中I为单位向量。
在采集液压支架传感器数据时由于液压支架传感器数据由下位机(支架控制器)采集之后统一传输给上位机，这也是上述提到的液压支架姿态控制过程中存在井下传感器信号传输距离远，信号处理时间较长导致信号传输迟滞的根本原因。因此液压支架支架控制器与防爆计算机之间的通讯时间需要尽可能短，在此实施例中采用基于优化时分复用算法的TCP/IP通讯，使通讯时间控制在数字孪生模型的ARMA模型的五步预测模型的时间之内，以保证数字孪生模型的准确性。
(5)在上位机(防爆计算机)上通过MATLAB/Simulink软件构建液压支架姿态控制的复合控制算法，通过数字孪生模型参数优化调整复合控制器的参数，将优化后的参数传输给支架控制器从而调整液压支架的姿态。具体的控制方法方框图如图5所示。在此实例中所构建的复合控制算法主要由两部分组成，分别为位置控制器和扩张状态卡尔曼滤波器，其中，位置控制器为PID控制器，用于保证位移回路的稳定性，并对实际物理系统的性能进行线性设计。PID控制器是一种线性控制器，它根据给定值r(t)与实际输出值y(t)构成，其中
控制偏差e(t)＝r(t)-y(t)
PID控制规律为
由于计算机控制是一种采样控制，它只能根据采样时刻的偏差值计算控制量，因此上式中的微分和积分项不能直接作用，需进行采样处理。并在此基础上进行PID控制器参数的整定。用一系列的采样时刻点k代表连续时间，以和式代替积分，以增量代替微分，可作近似变换。当采样周期T足够小时可省去T，将e(kT)简化成e(k)，可得离散的PID算法表达式
式中：k为采样序号，k＝0，1，2，…；u(k)为第k次采样时刻的计算机输出值；e(k)为第k次采样时刻输入的偏差值；TI为积分时间；TD为微分时间；Kp为比例系数；KI为积分系数；KD为微分系数。
通过扩张状态卡尔曼滤波器，实现对位置、速度和非线性扰动信号的估计，采用前馈的方式补偿到位置控制器输出端。具体步骤为：根据液压缸活塞杆的运动方程列出状态空间表达式并将之离散化，随后建立包含动力学模型和噪声模型的离散扩展状态空间方程，进一步可以得到扩张状态卡尔曼滤波器的形式。具体步骤如下：
令
则
令
则
令
则得到扩张状态卡尔曼滤波器的形式为
式中：U(k)为位置控制器输出端输出电压；F(k)为扰动信号；
为观测噪声；V为Y的导数；L为扩张状态卡尔曼滤波器的增益，可以通过离线迭代求取。
本发明说明书中未作详细描述的内容属于本领域专业技术人员公知的现有技术。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。
Claims (9)
1.一种基于数字孪生模型的液压支架姿态控制方法，其特征在于，包括：
S1.建立物理实体模型。在建立物理实体模型阶段，用集总参数模型描述线性部分，用非线性参数模型描述非线性部分，为数字孪生模型的建立提供数学基础。
S2.建立数字孪生模型。在建立数字孪生模型阶段，用包含有色噪声激励的自回归滑动平均模型实现对物理模型的确定解析描述，用有色噪声模型描述液压支架的未建模动态特性，使数字孪生模型成为物理实体模型的精确映像。
S3.构建模型参数同步算法。在模型参数同步阶段，通过采集物理实体传感器和控制器输出数据，基于自适应参数辨识算法实现数字孪生模型参数的更新和同步。
S4.制定复合控制策略。复合控制策略由位置控制器和扩张状态卡尔曼滤波器构成，利用数字孪生模型参数实现对复合控制器的参数进行优化调整。
2.根据权利要求1所述的基于数字孪生模型的液压支架控制方法，其特征在于，在所述步骤S3中，所述传感器包括位置传感器，和/或，倾角传感器。
3.根据权利要求2所述的基于数字孪生模型的液压支架姿态控制方法，其特征在于，当所述传感器为位置传感器，所述步骤S3具体包括：根据所述液压支架液压缸上所安装的位置传感器以及液压支架的运动学模型分析与计算可得所述液压支架顶梁的倾斜角度，从而对液压支架数字孪生模型的参数进行更新与同步。
4.根据权利要求2所述的基于数字孪生模型的液压支架姿态控制方法，其特征在于，当所述传感器为倾角传感器，所述步骤S3具体包括：根据所述液压支架顶梁上安装的倾角传感器，可直接测得所述液压支架顶梁的倾斜角度，从而对液压支架数字孪生模型的参数进行更新与同步。
5.根据权利要求1所述的基于数字孪生模型的液压支架姿态控制方法，其特征在于，所述步骤S1包括：
S101.建立可以描述物理实体模型的集总参数模型，该模型可以对物理实体模型进行线性化描述，包括流量、驱动、传感三个部分，能代表大部分液压支架姿态控制模型的动力学特性。其中流量部分需要考虑液压缸内泄露、液压油的弹性模量等；驱动部分需要考虑液压缸活塞杆的质量、活塞与负载的粘性摩擦力等；传感部分主要考虑传感器的测量精度和量化噪声。
S102.建立可以描述状态随物理实体模型的液压缸活塞位置等时变因素而变化的非线性因素的非线性模型，例如液压缸活塞与缸内径之间的摩擦力。
6.根据权利要求1所述的基于数字孪生模型的液压支架姿态控制方法，其特征在于，所述步骤S2包括：
S201.建立基于时间序列的自回归滑动平均模型来匹配液压支架物理实体模型。在实际系统中，通过采集液压支架物理实体模型中液压缸输入流量和运动学反馈数据，可以建立平稳时间序列来描述运动部件等价系统的完整模型。这部分主要是通过对集总参数和非线性参数中线性部分的整合，实现模型参数与实际物理参数的对应。
S202.建立有色噪声模型描述未建模动态特性，即利用增广模型来描述未建模动态和非线性特征，提高模型辨识精度。
7.根据权利要求6所述的基于数字孪生模型的液压支架姿态控制方法，其特征在于，所述步骤S201具体包括：对集总参数和非线性参数的线性部分的整合部分中所述的对非线性参数的线性部分主要是对摩擦力的线性化处理。
8.根据权利要求1所述的基于数字孪生模型的液压支架姿态控制方法，其特征在于，所述步骤S3包括：
S301.根据液压支架姿态控制液压缸的物理实体模型提取出关键参数；
S302.将主要参数作为系统辨识模型；而用来提高辨识模型的精确度所描述的未建模动态特性，作为系统的增广模型；
S303.对辨识模型以及增广模型做进一步处理，并利用在线辨识方法实现对参数的估计；
S304.利用对上述参数的估计实现数字孪生模型参数的更新。
9.根据权利要求1所述的基于数字孪生模型的液压支架姿态控制方法，其特征在于，所述步骤S4包括：
S401.设计位置控制器，位置控制器主要用于保证位置控制回路的稳定，并对物理实体系统的性能进行线性设计。
S402.设计扩张状态卡尔曼滤波器，扩张状态卡尔曼滤波器主要用于估计非线性扰动，将估计值通过前馈的方式补偿到位置控制器输出端，提高系统扰动抑制能力。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210236999.4A CN114690632A (zh) | 2022-03-11 | 2022-03-11 | 一种基于数字孪生模型的液压支架姿态控制方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210236999.4A CN114690632A (zh) | 2022-03-11 | 2022-03-11 | 一种基于数字孪生模型的液压支架姿态控制方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114690632A true CN114690632A (zh) | 2022-07-01 |
Family
ID=82138495
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210236999.4A Pending CN114690632A (zh) | 2022-03-11 | 2022-03-11 | 一种基于数字孪生模型的液压支架姿态控制方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114690632A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115345034A (zh) * | 2022-10-18 | 2022-11-15 | 中煤科工开采研究院有限公司 | 一种液压支架群的数字孪生体的管理方法及系统 |
-
2022
- 2022-03-11 CN CN202210236999.4A patent/CN114690632A/zh active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115345034A (zh) * | 2022-10-18 | 2022-11-15 | 中煤科工开采研究院有限公司 | 一种液压支架群的数字孪生体的管理方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Feng et al. | Identification and compensation of non-linear friction for a electro-hydraulic system | |
| CN111338209B (zh) | 一种基于扩张干扰观测器的电液伺服系统自适应控制方法 | |
| WO2022121507A1 (zh) | 一种针对非对称伺服液压位置跟踪系统的低复杂控制方法 | |
| CN111546350A (zh) | 一种多关节重载液压机器人系统及高精度运动控制方法 | |
| CN114690632A (zh) | 一种基于数字孪生模型的液压支架姿态控制方法 | |
| CN108181818A (zh) | 含未建模摩擦动态的电液位置伺服系统鲁棒自适应控制方法 | |
| CN112643670B (zh) | 一种基于滑模观测器的柔性关节控制方法 | |
| WO2024041042A1 (zh) | 一种直线电机运动控制方法、装置、设备及存储介质 | |
| CN111648758B (zh) | 一种水井钻机推进装置无模型自适应控制方法及系统 | |
| CN113110037A (zh) | 一种电液伺服系统智能自学习pid控制方法 | |
| CN111158386B (zh) | 一种干扰自主免疫的无人机姿态控制系统及实现方法 | |
| Dai et al. | Adaptive force tracking control of electrohydraulic systems with low load using the modified LuGre friction model | |
| CN111308889A (zh) | 一种喷杆系统的自适应积分鲁棒控制方法 | |
| CN107092189A (zh) | 基于模型预测控制的多变量输入eha系统的控制方法 | |
| CN116339141B (zh) | 一种机械臂全局固定时间轨迹跟踪滑模控制方法 | |
| CN116442223A (zh) | 一种机械手系统轨迹跟踪的非线性动态控制器设计方法 | |
| CN116540532A (zh) | 一种考虑输入迟滞的压电微定位平台的自适应模糊输出反馈控制方法 | |
| Knohl et al. | Indirect adaptive dual control for Hammerstein systems using ANN | |
| CN110687783A (zh) | 一种机载光电稳定平台扰动观测及补偿方法 | |
| CN114312196B (zh) | 基于模型补偿的钟摆式悬架控制方法及其参数测量方法 | |
| CN114439805B (zh) | 调平系统、调平方法及工程机械 | |
| CN114439804B (zh) | 调平系统、调平方法及工程机械 | |
| AU2021240175A1 (en) | Model learning apparatus, control apparatus, model learning method and computer program | |
| CN109039166B (zh) | 一种永磁同步直线伺服系统速度环pi-ip控制参数自校正方法 | |
| JP7040434B2 (ja) | 制御装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication |