CN115079561B - 一种用于天然气管道机器人的速度控制系统 - Google Patents

Abstract

本发明公开了一种用于天然气管道机器人的速度控制系统，包括如下步骤：S1、将管道检测器置于天然气管道内，开启管道检测器的旁通阀，通过压差驱动管道检测器沿管道行进；S2、调整旁通阀开度，从而使管道检测器的速度维持在设定范围内。本发明采用三维模糊PID控制，能更好的根据实际速度推断出更加合适的PID控制参数，实现对天然气管道机器人速度的迅速调节，PID系统性能大大提高。

Description

一种用于天然气管道机器人的速度控制系统

技术领域

本发明涉及天然气管道检测领域，具体是一种用于天然气管道机器人的速度控制系统。

背景技术

天然气管道机器人，又称管道检测器或管道猪，可用于天然气管道检测。管道检测器安装在天然气管道内后与管体密封配合，将管道分隔成前后两段且管道前后两段存在压强差，管道前后两段通过管道检测器上的旁通阀连通，从而可通过压差驱动管道检测器沿管道行进，通过控制旁通阀的阀门开度即可调节检测器的运行速度，使速度保持在设定值附近，保证检测结果得有效性；然而目前阀门开度的调节基本需要靠检测人员的经验来判断，无法迅速控制检测器的速度被调节至设定值附近，因此亟待解决。

发明内容

为了避免和克服现有技术中存在的技术问题，本发明提供了一种用于天然气管道机器人的速度控制系统。本发明通过可实现对天然气管道机器人速度的迅速调节。

为实现上述目的，本发明提供如下技术方案：

一种用于天然气管道机器人的速度控制系统，包括如下步骤：

S1、将管道检测器置于天然气管道内，开启管道检测器的旁通阀，通过压差驱动管道检测器沿管道行进；

S2、调整旁通阀开度，从而使管道检测器的速度维持在设定范围内；旁通阀开度通过如下公式计算：

η(t)＝η(t-1)+k_p(e(t)-e(t-1))+k_ie(t)+k_d(e(t)-2e(t-1)+e(t-2))

其中η(t)表示t时刻下管道检测器旁通阀的开度；

η(t-1)表示t-1时刻下旁通阀的开度；

k_p为速度比例系数；

k_i为速度积分系数；

k_d为速度微分系数；

e(t)表示在t时刻下管道检测器的速度的误差；

e(t-1)表示在t-1时刻下管道检测器的速度误差；

e(t-2)表示在t-2时刻下速度的误差；

管道检测器的速度误差通过模糊PID控制系统进行三维模糊PID 控制，首先将速度误差、速度误差变化率以及速度误差变化率的变化率作为模糊控制的输入值进行模糊处理，并构建模糊规则库，根据构建的模糊规则库模糊推理得出输出值，最后将结果去模糊化转为实际值，得出PID控制中速度比例系数k_p、速度积分系数k_i以及速度微分系数k_d的变化量。

作为本发明进一步的方案：模糊化处理时，设输入变量的模糊论域为[-qq]，实际变量的基本论域为[AB]，设模糊控制的量化因子h 为基本论域中的任意一个元素x，在模糊论域中对应一个元素y，其中

模糊PID控制系统的输入值可根据量化因子得到模糊论域，反之模糊PID控制系统的输出值可根据比例因子通过公式的逆变换由模糊值得到实际值。

作为本发明再进一步的方案：建立模糊规则库时，将模糊PID控制系统的输入值和输出值均划分为七个等级，模糊子集为{NB、NM、 NS、ZO、PS、PM、PB}；

各模糊子集中的NB、NM、NS、ZO、PS、PM、PB分别为负大、负中、负小、零、正小、正中、正大，模糊子集采用三角形隶属度函数；

根据模糊规则库得出输出值：比例系数增量△k_p、积分系数增量△k_i、微分系数增量△k_d，则t时刻的PID参数

k_p(t)＝k_p+Δk_p(t)

k_i(t)＝k_i+Δk_i(t)

k_d(t)＝k_d+Δk_d(t)。

作为本发明再进一步的方案：模糊PID控制系统中的模糊控制采用分层设计，第一层模糊控制输入为速度误差变化率和速度误差变化率的变化率，输出为W；第二层模糊控制输入为W和速度误差，输出值为PID控制参数：P、I、D的变化量；

第一层模糊规则库使用蚁群算法优化，首先要对模糊规则设定初始值，第一层模糊控制是双输入单输出模糊系统，输入值和输出值的模糊子集为{NB、NM、NS、ZO、PS、PM、PB}；

将NB、NM、NS、ZO、PS、PM、PB用1、2、3、4、5、6、7表示，模糊规则库的输入值的组合一共有49种，根据蚁群算法求出每种组合输出值的最优选择，每只蚂蚁每次迭代选出每种组合中信息素最高的输出值，得到49个输出值，将得到的49组模糊规则输入到simulink 搭建的模型中，把采用ITAE指标的的输出值返回到蚁群算法，保存返回值最小的模糊规则库。

作为本发明再进一步的方案：将结果去模糊化转为实际值时，采用加权平均法处理。

作为本发明再进一步的方案：对该模糊PID控制系统中的参数进行采用灰狼算法进行优化，优化参数包括：速度比例系数、速度积分系数、速度微分系数、量化因子以及比例因子；定义灰狼算法中的收敛因子X为随收敛次数由0迭代到4。

与现有技术相比，本发明的有益效果是：

1、本发明采用三维模糊PID控制，能更好的根据实际速度推断出更加合适的PID控制参数，实现对天然气管道机器人速度的迅速调节，PID系统性能大大提高。

2、本发明为了保证输入论域范围的最优性，设置量化因子通过调节量化因子的取值，使输入论域的范围贴近实际输入参数的范围，同理对于输出值，先大致设定其论域的范围，通过调整比例因子使模糊控制能够达到更好的控制效果。

3、本发明采用的三维模糊PID控制采用分层设计，可大幅降低模糊规则数目，运行模糊控制时效率更高。

4、本发明采用改进的灰狼算法对参数进行优化，使控制系统具有更好的动态性能，能够使检测器及时的调整速度，保持系统的稳定性；同时使用灰狼算法优化控制参数，解决了控制参数选取不精确的问题，能够使速度控制系统达到控制性能相对最优。

附图说明

图1为本发明的三维双层模糊PID控制的原理图。

图2为本发明经过仿真对比后得到的管道检测器的速度图像。

图3为本发明中改进的灰狼算法优化参数的流程图。

图4为经灰狼算法优化后与未优化的控制系统对比得出的速度曲线图。

图5为本发明中管道检测器的结构简图。

图中：图中：1、管道检测器；11、旁通阀；12、里程轮；2、管道。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

请参阅图1～5，本发明实施例中，一种用于天然气管道机器人的速度控制系统，包括如下步骤：

S1、将管道检测器1置于天然气管道内，开启管道检测器1的旁通阀11，通过压差驱动管道检测器1沿管道2行进；

S2、调整旁通阀11开度，从而使管道检测器1的速度维持在设定范围内；旁通阀11开度通过如下公式计算：

η(t)＝η(t-1)+k_p(e(t)-e(t-1))+k_ie(t)+k_d(e(t)-2e(t-1)+e(t-2))

其中η(t)表示t时刻下管道检测器旁通阀的开度；

η(t-1)表示t-1时刻下旁通阀的开度；

k_p为速度比例系数；

k_i为速度积分系数；

k_d为速度微分系数；

e(t)表示在t时刻下管道检测器的速度的误差；

e(t-1)表示在t-1时刻下管道检测器的速度误差；

e(t-2)表示在t-2时刻下速度的误差；

管道检测器1的速度误差通过模糊PID控制系统进行三维模糊 PID控制，首先将速度误差、速度误差变化率以及速度误差变化率的变化率作为模糊控制的输入值进行模糊处理，并构建模糊规则库，根据构建的模糊规则库模糊推理得出输出值，最后将结果去模糊化转为实际值，得出PID控制中速度比例系数k_p、速度积分系数k_i以及速度微分系数k_d的变化量。

管道检测器1使用里程轮12测量实时速度，将其作为反馈值反馈给控制系统。

模糊化处理时，设输入变量的模糊论域为[-q q]，实际变量的基本论域为[A B]，设模糊控制的量化因子h为基本论域中的任意一个元素x，在模糊论域中对应一个元素y，其中

模糊PID控制系统的输入值可根据量化因子得到模糊论域，反之模糊PID控制系统的输出值可根据比例因子通过公式的逆变换由模糊值得到实际值。

建立模糊规则库时，将模糊PID控制系统的输入值和输出值均划分为七个等级，模糊子集为{NB、NM、NS、ZO、PS、PM、PB}；各模糊子集中的NB、NM、NS、ZO、PS、PM、PB分别为负大、负中、负小、零、正小、正中、正大；模糊子集采用三角形隶属度函数。

根据构建的模糊规则库模糊推理得出输出值，模糊推离由一系列 if-then语句组成，if语句后的内容是输入值的状态，then语句后的内容是输出值的状态。第二层模糊控制规则库根据实际经验值进行建立，由于第二层模糊控制有三个输出值，所以下列三个表分别对应三个输出值的模糊规则。

第一层模糊规则库使用蚁群算法优化，首先要对模糊规则设定初始值，第一层模糊控制是双输入单输出模糊系统，输入值和输出值的模糊子集为{NB、NM、NS、ZO、PS、PM、PB}；

将NB、NM、NS、ZO、PS、PM、PB用1、2、3、4、5、6、7表示，由于模糊规则库的输入值的组合一共有49种，根据蚁群算法求出每种组合输出值的最优选择，每只蚂蚁每次迭代选出每种组合当中信息素最高的输出值，得到49个输出值，将得到的49组模糊规则输入到simulink搭建的模型中，把采用ITAE指标的的输出值返回到蚁群算法，保存返回值最小的模糊规则库。

得到的模糊规则库如下表格：

由于输入值中包括速度误差、速度误差变化率以及速度误差变化率的变化率，模糊控制为三维模糊控制，当输入模糊子集存在七个等级时，模糊规则数为7×7×7＝343条，模糊规则指数级增加。

因此模糊PID控制系统中的模糊控制采用分层设计，第一层模糊控制输入为速度误差变化率和速度误差变化率的变化率，输出为W；第二层模糊控制输入为W和速度误差，输出值为PID控制参数：P、I、D的变化量。采用分层控制后，模糊规则数为7×7×2＝98条，模糊规则数大幅降低，三维双层模糊PID控制的原理图如图1所示。将结果去模糊化转为实际值时，采用加权平均法处理。

根据模糊规则库得出输出值：比例系数增量△k_p、积分系数增量△k_i、微分系数增量△k_d，则t时刻的PID参数

k_p(t)＝k_p+Δk_p(t)

k_i(t)＝k_i+Δk_i(t)

k_d(t)＝k_d+Δk_d(t)。

将改进后的三维双层模糊PID控制系统通过在simulink中搭建管道检测器的运动模型进行仿真实验。同时对普通PID控制、采用速度误差以及速度误差变化率的二维模糊PID控制、以及本发明的三维模糊PID控制系统同时进行仿真实验。将二维模糊PID控制的模糊规则库与三维双层模糊控制的第二层模糊规则库设置为一样，同时三种控制方式设置相同的PID参数：比例系数、积分系数、微分系数。经过仿真后得到的管道检测器的速度图像如图2所示。

由图2分析可知系统的性能指标如下表所示：

可知三维模糊PID控制系统能对迅速将检测器的速度调节至设定值附近，系统整体吸能优于另外两组控制系统。

对该模糊PID控制系统种的参数进行采用灰狼算法进行优化，优化参数包括：速度比例系数、速度积分系数、速度微分系数、量化因子以及比例因子。

灰狼算法将最好的前三匹狼即最优解定义为α、β、δ，其余灰狼定义为w。前三匹狼起着领导作用，带领着其余灰狼寻找出最优解。

灰狼算法运行过程中灰狼通过以下公式来捕食猎物即找出最优解

D＝|C·X_p(t)-X(t)|

X(t+1)＝X_p(t)-A·D

其中D表示灰狼与猎物即最优解的距离，t表示迭代次数，X_p(t) 表示最优解的位置，X(t)表示灰狼的位置，A和C是系数向量，其由下列公式表示

A＝2·a·r₁-a

C＝2·r₂

a为收敛因子，r₁，r₂表示[01]内的随机数。普通的灰狼算法中收敛因子是随收敛次数由2迭代到0。收敛因子决定了A的大小，而 A决定了灰狼是否对猎物发起进攻，当|A|<1时，灰狼对猎物发起进攻容易陷入局部最优解，当|A|>1时，灰狼与猎物分离，去寻找更好的猎物实现全局最优。所以a为线性递减，使灰狼算法在前期进行全局搜索寻找全局最优解，在后期进行局部搜索，加快收敛速度。

为了使灰狼算法在前期能够增加全局搜索能力，在后期增加局部搜索能力，对收敛因子进行了改进，收敛因子变为非线性递减函数：

X为随收敛次数由0迭代到4。这样收敛因子在前期递减速度较小，增加了全局寻优能力，在后期递减速度较大，增加的局部寻优能力。

在灰狼算法中我们不知道猎物即最优解的位置，我们将最好的前三匹狼α、β、δ定义为最优解。这样根据三个最优解，每个灰狼都会得到三个最新位置

X₁＝X_α-A₁·D_α

X₂＝X_β-A₂·D_β

X₃＝X_δ-A₃·D_δ

灰狼算法是采取这三个位置的平均值作为灰狼的最新位置。

改进的灰狼算法优化参数的流程图如图3所示。

经过灰狼算法优化后得出的比例系数、积分系数、微分系数、量化因子、比例因子带入到检测器模型中，将优化后的速度控制系统和未优化的速度控制系统对比，得出速度曲线如图4所示。

综上所述，设计的灰狼算法优化的三维双层模糊PID控制相对于普通模糊PID控制具有更好的动态性能，能够使检测器及时的调整速度，保持系统的稳定性。同时使用灰狼算法优化控制参数，解决了控制参数选取不精确的问题，能够使速度控制系统达到控制性能相对最优。

以上结合具体实施例描述了本申请的基本原理，但是，需要指出的是，在本申请中提及的优点、优势、效果等仅是示例而非限制，不能认为这些优点、优势、效果等是本申请的各个实施例必须具备的。另外，上述公开的具体细节仅是为了示例的作用和便于理解的作用，而非限制，上述细节并不限制本申请为必须采用上述具体的细节来实现。

本申请中涉及的器件、装置、设备、系统的方框图仅作为例示性的例子并且不意图要求或暗示必须按照方框图示出的方式进行连接、布置、配置。如本领域技术人员将认识到的，可以按任意方式连接、布置、配置这些器件、装置、设备、系统。诸如“包括”、“包含”、“具有”等等的词语是开放性词汇，指“包括但不限于”，且可与其互换使用。这里所使用的词汇“或”和“和”指词汇“和/或”，且可与其互换使用，除非上下文明确指示不是如此。这里所使用的词汇“诸如”指词组“诸如但不限于”，且可与其互换使用。

还需要指出的是，在本申请的装置、设备和方法中，各部件或各步骤是可以分解和/或重新组合的。这些分解和/或重新组合应视为本申请的等效方案。

提供所公开的方面的以上描述以使本领域的任何技术人员能够做出或者使用本申请。对这些方面的各种修改对于本领域技术人员而言是非常显而易见的，并且在此定义的一般原理可以应用于其他方面而不脱离本申请的范围。因此，本申请不意图被限制到在此示出的方面，而是按照与在此公开的原理和新颖的特征一致的最宽范围。为了例示和描述的目的已经给出了以上描述。此外，此描述不意图将本申请的实施例限制到在此公开的形式。尽管以上已经讨论了多个示例方面和实施例，但是本领域技术人员将认识到其某些变型、修改、改变、添加和子组合。

Claims (6)

1.一种用于天然气管道机器人的速度控制系统，其特征在于，包括如下步骤：

S1、将管道检测器置于天然气管道内，开启管道检测器的旁通阀，通过压差驱动管道检测器沿管道行进；

S2、调整旁通阀开度，从而使管道检测器的速度维持在设定范围内；旁通阀开度通过如下公式计算：

η(t)＝η(t-1)+k_p(e(t)-e(t-1))+k_ie(t)+k_d(e(t)-2e(t-1)+e(t-2))

其中η(t)表示t时刻下管道检测器旁通阀的开度；

η(t-1)表示t-1时刻下旁通阀的开度；

k_p为速度比例系数；

k_i为速度积分系数；

k_d为速度微分系数；

e(t)表示在t时刻下管道检测器的速度的误差；

e(t-1)表示在t-1时刻下管道检测器的速度误差；

e(t-2)表示在t-2时刻下速度的误差；

管道检测器的速度误差通过模糊PID控制系统进行三维模糊PID控制，首先将速度误差、速度误差变化率以及速度误差变化率的变化率作为模糊控制的输入值进行模糊处理，并构建模糊规则库，根据构建的模糊规则库模糊推理得出输出值，最后将结果去模糊化转为实际值，得出PID控制中速度比例系数k_p、速度积分系数k_i以及速度微分系数k_d的变化量。

2.根据权利要求1所述的一种用于天然气管道机器人的速度控制系统，其特征在于，模糊化处理时，设输入变量的模糊论域为[-q，q]，实际变量的基本论域为[A，B]，设模糊控制的量化因子h为基本论域中的任意一个元素x，在模糊论域中对应一个元素y，其中

模糊PID控制系统的输入值可根据量化因子得到模糊论域，反之模糊PID控制系统的输出值可根据比例因子通过公式的逆变换由模糊值得到实际值。

3.根据权利要求2所述的一种用于天然气管道机器人的速度控制系统，其特征在于，建立模糊规则库时，将模糊PID控制系统的输入值和输出值均划分为七个等级，模糊子集为{NB、NM、NS、ZO、PS、PM、PB}；

各模糊子集中的NB、NM、NS、ZO、PS、PM、PB分别为负大、负中、负小、零、正小、正中、正大，模糊子集采用三角形隶属度函数；

根据模糊规则库得出输出值：比例系数增量△k_p、积分系数增量△k_i、微分系数增量△k_d，则t时刻的PID参数

k_p(t)＝k_p+Δk_p(t)

k_i(t)＝k_i+Δk_i(t)

k_d(t)＝k_d+Δk_d(t)。

4.根据权利要求3所述的一种用于天然气管道机器人的速度控制系统，其特征在于，模糊PID控制系统中的模糊控制采用分层设计，第一层模糊控制输入为速度误差变化率和速度误差变化率的变化率，输出为W；第二层模糊控制输入为W和速度误差，输出值为PID控制参数：P、I、D的变化量；

第一层模糊规则库使用蚁群算法优化，首先要对模糊规则设定初始值，第一层模糊控制是双输入单输出模糊系统，输入值和输出值的模糊子集为{NB、NM、NS、ZO、PS、PM、PB}；

将NB、NM、NS、ZO、PS、PM、PB用1、2、3、4、5、6、7表示，模糊规则库的输入值的组合一共有49种，根据蚁群算法求出每种组合输出值的最优选择，每只蚂蚁每次迭代选出每种组合中信息素最高的输出值，得到49个输出值，将得到的49组模糊规则输入到simulink搭建的模型中，把采用ITAE指标的的输出值返回到蚁群算法，保存返回值最小的模糊规则库。

5.根据权利要求2～4中任意一项所述的一种用于天然气管道机器人的速度控制系统，其特征在于，将结果去模糊化转为实际值时，采用加权平均法处理。

6.根据权利要求2～4中任意一项所述的一种用于天然气管道机器人的速度控制系统，其特征在于，对该模糊PID控制系统中的参数进行采用灰狼算法进行优化，优化参数包括：速度比例系数、速度积分系数、速度微分系数、量化因子以及比例因子；定义灰狼算法中的收敛因子X为随收敛次数由0迭代到4。