非线性时变过程的智能控制器在火工品压药控制中的应用

　　摘要：针对火工品药剂生产中压力控制过程的非线性和时变控制问题，设计一个具有控制参数适应能力的智能控制器．实时控制结果验证了该智能控制器具有很强的适应能力和很高的控制精度，为火工品药剂的压药自动控制探索了一种新方法．
　　关键词：火工品药剂　自动压药　非线性系统　智能控制

　　Abstract：This paper proposes an intelligent controller (IC) with parameter adoption for nonlinear and time-varying problem of automatic powder press of loading materials for initiating device.The effect of the real-time control result demonstrates that the intelligent control system has strong adoption and high steady state accuracy;and offers a new way for automatic powder press of loading materials for initiating device.
　　Keywords：loading materials for initiating device　　automatic powder press　　nonlinear system　　IC

　　火工品是航天领域的重要零件之一，药剂是火工品的心脏，“压药”是火工品生产最为关键的工艺之一，火工品药剂压药压力的控制效果将直接影响其质量．
　　实际压药生产过程中普遍存在着非线性，非线性过程的控制已提出了许多方法，如线性化方法、微分几何方法、内模控制等．由于建模的困难或模型过于复杂，使得许多非线性问题求解方法在实际应用中难以充分发挥作用．压药过程具有强烈的非线性和缓慢的时变特性，可描述为：

P=g(u,m,r,t)　　　(1)

式中　P－压力输出；
　　　u－控制输入；
　　　m－药剂量；
　　　r－药剂压缩率．
　　要建立压药过程的解析表达是困难的，实际生产中设定压力、药剂量、药剂品种经常发生变化．测试表明，设定压力较小和压力较大时，对象的比例系数变化可达几十倍；同时设定压力越小，时变越严重；药剂品种不同，时变特性也不一样．

1　控制器设计

　　对于上述特定情形，传统控制方法难以满足压药过程的控制要求．实验表明，采用PID控制器时，在设定压力、药剂量、药剂品种不变的情况下，通过反复整定控制参数，可以达到很好的控制性能．当改变药剂量时，控制性能明显恶化，如果改变药剂品种或设定压力，将产生不同程度振荡，对火工品药剂压药过程这是不允许的．由于不同药剂、不同药剂量、不同设定压力情况下的非线性特性和时变特性差异很大，这就要求控制器的结构参数应根据实际情况进行在线校正．智能控制以知识为基础，通过特征信息处理，不仅可以利用现有控制理论知识，而且可以总结和利用控制专家的知识、经验和直觉推理逻辑，对数学模型依赖性小，特别适合于难于建模，运行条件大幅度变化的过程控制．对此问题，运用智能控制思想：
　　①　分层和循环的信号处理和决策机构；
　　②　启发式和直觉推理逻辑运用；
　　③　在线的特征辨识与特征记忆；
　　④　开、闭环控制，正反馈、负反馈控制和定性决策与定量控制结合的多模态控制．
　　设计了一个由多模态控制器层和参数适应与自学习层组成的智能控制器^[1～4]，如图1所示．多模态控制器实现非线性控制；参数适应与自学习层用于保证药剂品种、药剂量、药剂蠕变及设定压力变化情况下多模态控制器的控制性能，并提高稳态精度．

图1　智能控制器框图

1.1　特征信息处理（CIP）
　　CIP的主要任务是采集各种定性和定量信息并进行处理、加工，实现过程特征模式的提取和识别，为参数适应与自学习层和多模态控制器提供信息．

1.2　多模态控制器（MC）
　　由于对象特性的严重非线性和时变特性，采用单一控制模态难以兼顾压力控制过程的动静态性能要求．分析压力控制过程可知，在初始加压阶段，要求系统快速响应，宜采用开关控制或比例控制；在设定压力附近，要求快速无超调地进入稳态，以保证获得准确的保压时间：在稳态段，主要应抑制药剂时变的影响，确保压力控制在要求的精度范围之内．据此，本文提出如下控制模态：
模态1　IF│e_k│>ξ₁　THEN　U_k=k₁^．sgn(e_k)
模态2　IF│e_k│≤ξ₁　AND　│e_k│>ξ₂　THEN　U_k=k₂e_k
模态3　IF│e_k│≤ξ2　AND　│e_k│>ξ₃　THEN　U_k=U_k-1+V₁
模态4　IF│e_k│≤ξ₃　AND　│e_k│>ξ₄　THEN　U_k=U_k-1+V₂
模态5　IF│e_k│≤ξ₃　AND　│e_k│≤ξ₄　THEN　U_k=U_k-1这里e_k为控制误差，U_k为控制量，ξ₃、ξ₄分别为允许控制误差和允许控制误差变化率，k₁、ξ₁、k₂、V₁、V₂均由参数适应与自学习层进行在线校正，V₁、V₂为稳态控制补偿值．

1.3　参数适应与自学习（PA）
　　由于药剂品种、药剂量、设定压力的差异，在压力控制过程中控制参数不能固定，而需要根据设定压力、药剂特性、时变程度等因素进行适当调整，才能保证控制性能处于最优状态．为此，需要解决两个问题，一是对药剂品种和药剂量的在线识别，为简化问题，我们用反映药剂压缩特性的压缩率来近似描述；二是在稳态阶段，为了保证控制精度，应克服因药剂蠕变而造成的压力漂移．
　　参数适应与自学习层由学习自适应机构和经验数据库组成．在经验数据库中存储有大量在仿真和实时控制基础上建立的极为有用的经验知识；学习自适应机构的功能是根据特征信息自动补充或修改参数适应与自学习层的内容，解决运行级控制规则中各参数的自校正问题．结合本系统实际，应考虑设定压力和药剂压缩率等因素，其参数适应与自学习集可设计为：

G={g_i}(i=1～5)　　　　(2)

式中　g₁={k₁=α₁+β₁^．f}；g₂={ξ₁=α₂^．f}
　　　g₃={k₂=α₃^．r/f}；g₄={V₁=α₄^．ξ₁}
　　　g₅={V₂=α₅^．f}
α_i(i=1～5)、β₁均为正常数，其数值通过实验确定；f为用户指标设定值．

2　压药控制系统设计及实验结果

　　将本文设计的智能控制器应用于某型号火工品药剂自动压药机的实时控制（已通过部技术鉴定），其火工品药剂压药压力闭环系统结构框图如图2所示．对药剂量、不同设定压力和不同直径模具情况下的压力控制进行了大量实验．图3(a)、（b）是某种药剂（颗粒状）在不同设定压力下的智能控制器（曲线①）和PID(曲线②)的控制结果．

图2　压药压力闭环控制系统结构框图

图3　火工品药剂压力控制曲线

　　PID参数在设定压力600N下调整至最优，PID控制器除上升时间较大外，其它性能均很好；使用同样控制参数，当改变设定压力时，控制曲线出现振荡．图中e_ss和t_r是使用智能控制器时的稳态误差和上升时间．可以看出，本文提出的智能控制器具有良好的控制性能，控制过程无超调，很好地解决了火工品药剂压药的压力控制问题，大大提高了火工品药剂的压药压力和压药密度的一致性．