引用本文

张振, 郭一楠, 巩敦卫, 朱松, 田滨. 基于改进扩展状态观测器的液压锚杆钻机滑模摆角控制. 自动化学报, 2023, 49(6): 1256−1271 doi: 10.16383/j.aas.c220524

Zhang Zhen, Guo Yi-Nan, Gong Dun-Wei, Zhu Song, Tian Bin. Sliding mode swing angle control for a hydraulic roofbolter based on improved extended state observer. Acta Automatica Sinica, 2023, 49(6): 1256−1271 doi: 10.16383/j.aas.c220524

http://www.aas.net.cn/cn/article/doi/10.16383/j.aas.c220524

关键词

液压锚杆钻机，滑模控制，扩展状态观测器，自适应律 

摘要

液压锚杆钻机摆角系统固有的死区、干扰和时变参数严重影响其动态和稳态性能. 为解决该问题, 通过融合动态面方法、滑模方法和扩展状态观测器, 提出一种基于改进非线性扩展状态观测器的液压锚杆钻机自适应滑模摆角控制方法. 首先, 引入一种死区补偿方法, 建立摆角系统的死区补偿模型. 其次, 为提高系统的抗扰动能力和抑制噪声, 设计一种改进的非线性扩展状态观测器. 此外, 构造一种自适应滑模控制律, 这其中, 基于性能函数和动态面方法设计一种新型的滑模面, 以提高控制精度; 随后, 设计一种新的滑模趋近律, 以提高系统滑模响应速度和消除滑模抖振. 进一步, 分别设计估计误差自适应律和参数自适应律以补偿扰动估计误差和抑制时变参数的影响. 最后, 通过将所提出的控制方法与8种控制方法进行比较, 验证其有效性.

文章导读

在煤炭井下开采前, 需要在待开采煤层的两侧采用特有的掘进装备开凿岩体或煤岩混合体, 并通过支护设备实现对空顶围岩的有效支撑, 形成用于煤炭、设备和人员运输的通道 (巷道). 掘进后的巷道顶板受到围岩应力和相邻巷道采动应力的影响, 可能发生坍塌引起安全事故[1-2]. 因此, 巷道支护成为了煤炭开采中最重要和最迫切的生产保障环节. 为保证巷道的安全性, 通常采用液压锚杆钻机安装锚杆/锚索, 对巷道顶板/侧帮加以支护. 为确保锚杆/锚索安装到设定位置, 需要将液压锚杆钻机钻臂摆动到指定位置. 由此, 液压锚杆钻机摆角的精确控制对保障巷道的安全支护具有重要意义.

液压锚杆钻机摆角系统本质上是一种电液伺服系统, 其摆角由液压比例阀调节. 而液压比例阀固有的死区特性可能会引起控制信号的延迟响应, 导致系统跟踪误差较大、甚至失稳[3-4]. 此外, 由于液压油温度的变化、摩擦力、外部扰动以及难以建模项等因素, 使摆角系统受到不确定参数和扰动的影响[5-8]. 为提升液压锚杆钻机摆角系统的控制性能, 需要综合考虑上述因素.

近年来, 研究人员已将滑模控制、反步控制、动态面控制以及自抗扰控制等引入电液伺服系统[9]. 其中, 滑模控制结构简单且鲁棒性强[10-12], 受到了广泛关注. 但是, 由于存在滑模抖振现象, 严重影响了其动态性能和应用价值[13-14]. 反步控制方法的控制性能依赖于精确的系统模型, 而实际工程中系统的精确模型难以建立. 此外, 该方法需要通过大量微分计算构建控制器, 导致设计过程复杂度较高[15-16]. 动态面控制方法是一种改进的反步控制方法, 虽然简化了设计过程, 但是其控制性能仍依赖于精确的系统模型且抗扰动能力较弱[17]. 相比于前三种控制方法, 自抗扰控制方法不仅具有较强的抗扰动能力, 而且能够在保障快速响应的同时避免超调[18-19]. 自抗扰控制器主要包括三部分: 过渡过程、非线性状态误差反馈律和扩展状态观测器. 然而, 三阶及以上过渡过程的设计比较复杂, 这增加了自抗扰控制器的构建难度; 自抗扰控制优越的抗扰动能力依赖于较大的观测器增益, 这会放大噪声、降低系统的控制性能[20-21]. 为了提高电液伺服系统的综合控制性能, 研究人员提出了多种集成控制方法. 文献[22]设计了一种带有扩展状态观测器的滑模控制器, 降低了系统的位置跟踪误差. 文献[23]提出了一种结合滑模控制与动态面控制的集成控制器, 提高了系统的跟踪性能. 文献[24]基于反步控制方法开发了一种自适应自抗扰控制器, 用以克服时变参数和扰动对系统的不良影响. 文献[25]融合自抗扰控制和反步控制, 构建了一种非线性集成鲁棒控制器. 文献[26]提出了一种基于自抗扰控制的反步滑模控制器, 改善了系统的动态和稳态性能.

相比于单一控制方法, 上述集成控制策略通过融合不同控制方法的优势, 弥补彼此不足, 从而能够实现更佳的控制性能. 特别是, 融合滑模控制和自抗扰控制的集成控制方法具有简单的结构、较强的鲁棒性和优越的抗扰动能力, 近年来已在电液伺服系统领域受到广泛关注. 针对电液伺服系统, 文献[22]提出一种基于高增益观测器的积分滑模控制方法. 首先, 基于系统输入、输出和状态估计误差, 构建了一种高增益观测器, 以提高系统扰动的估计性能. 随后, 基于等速趋近律, 设计了积分滑模控制律, 从而改善了系统的位置跟踪性能. 针对电液伺服车辆转向系统, 文献[27]提出一种基于高增益观测器的输出反馈积分滑模控制方法. 根据系统输入、输出和状态估计误差, 所构建的高增益观测器能够实时估计系统扰动; 基于指数趋近律和状态反馈, 所设计的积分滑模控制律可以有效提高系统的转向跟踪性能. 针对液压马达系统, 文献[26]提出一种基于扩展状态观测器的鲁棒反步滑模控制方法. 基于系统输入和输出, 线性扩展状态观测器实时估计外部扰动; 进而, 基于状态估计值和符号函数所设计的反步滑模控制律, 有效提高了系统的鲁棒性, 保证了系统在低压运行下的良好跟踪性能. 针对电液伺服位移系统, 文献[28]提出一种基于扩展状态观测器的有限时间终端滑模控制方法. 线性扩展状态观测器根据系统输入和输出实时估计扰动, 终端滑模控制律可以改善系统的稳态性能. 针对电液伺服系统, 文献[29]提出一种基于扩展状态观测器和输入饱和的反步滑模控制方法. 系统总的不确定项通过线性扩展状态观测器加以实时估计, 基于反步方法和输入饱和策略所设计的抗饱和反步滑模控制律, 显著提高了系统跟踪精度. 上述控制方法能够有效提高系统的控制性能且对系统的不确定性和扰动不敏感, 具有重要的理论意义和实际工程价值. 然而, 该集成控制方法仍存在以下不足: 1) 没有同时考虑液压比例阀死区特性、时变因素和扰动对控制性能的影响, 这可能导致系统失稳; 2) 在扰动处理策略中, 通常为扩展状态观测器设置较大增益来高效估计干扰, 然而, 较大的增益可能会放大噪声, 从而降低系统稳定性; 3) 在滑模控制律设计过程中, 采用的常规滑模趋近律导致全局趋近速度较慢, 且无法消除抖振; 4) 在滑模控制律设计中, 采用符号切换项抑制扰动估计误差以增强系统的鲁棒性, 这可能导致控制器高频切换, 甚至不稳定.

为了解决上述问题, 本文首先通过补偿液压比例阀死区, 建立了液压锚杆钻机摆角系统模型. 随后, 设计了一种基于改进非线性扩展状态观测器的液压锚杆钻机自适应滑模摆角控制器, 旨在提高系统的摆角跟踪性能, 保证巷道的高效支护. 本文有以下4方面的贡献:

1)根据系统可测状态变量的估计误差, 以及一种新型指数型$ fal $函数, 构建了改进的非线性扩展状态观测器, 从而以较小的增益和简单的结构实时估计系统扰动, 有效提高摆角系统的抗扰动能力并抑制噪声;

2)采用动态面方法, 基于跟踪误差性能函数, 设计了一种新的滑模面, 为状态变量提供更佳的滑模轨迹, 保证系统更加快速精确的摆角控制性能;

3)引入饱和函数和指数函数, 构造一种新的滑模趋近律, 根据跟踪误差自适应地调整趋近速度, 在保证较高的滑模全局趋近速度的同时消除滑模抖振;

4)基于滑模面和控制信号, 设计扰动估计误差和参数自适应律, 以补偿扰动估计误差, 并实时调整时变参数估计值, 抑制扰动估计误差和时变参数对系统控制性能的负面影响.

本文结构安排如下: 第1节建立液压锚杆钻机摆角系统死区补偿模型; 第2节设计基于改进非线性扩展状态观测器的液压锚杆钻机自适应滑模摆角控制器, 并分析其稳定性; 第3节通过对比实验验证所提方法的有效性; 最后, 第4节总结全文, 并展望下一步的研究工作.

图 1  摆角系统框架

图 2  液压比例阀位移动态

图 3  巷道支护示例

针对液压锚杆钻机摆角系统, 本文通过引入死区补偿技术和动态面方法, 研究了一种基于改进非线性扩展状态观测器的自适应滑模摆角控制方法, 能够有效解决系统液压比例阀死区、扰动和时变参数的影响, 并提高控制性能. 对比于常规滑模控制方法, 本文基于动态面方法、性能函数和收敛函数, 设计了一个新颖的滑模面, 能够简化设计, 提高跟踪精度; 基于饱和函数和指数函数, 设计了一种新颖的滑模趋近律, 能够提高滑模趋近速度和消除抖振. 对比于常规的非线性扩展状态观测器, 所提观测器结构更加简单, 能够在较小的增益下实现较好的扰动估计. 本文采用李雅普诺夫理论证明了所提控制方法下摆角系统的稳定性. 进一步, 通过联合仿真实验, 验证了所提策略和控制方法的有效性.

在所提出的控制方法中, 虽然本文所设计的改进非线性扩展状态观测器具有简单的结构和优越的估计性能, 但是该观测器的设计依赖于系统的状态量均可测. 鉴于此, 在不依赖于系统的状态量均可测的情况下, 为滑模控制器设计一个结构简单、合理高效的扩展状态观测器来提高电液伺服控制系统的性能将是我们未来的工作.

作者简介

张振

中国矿业大学数学学院博士后. 2022 年获中国矿业大学博士学位. 主要研究方向为控制理论与应用. E-mail: zhenzhang013@126.com

郭一楠

中国矿业大学信息与控制工程学院、中国矿业大学(北京)机电与信息工程学院教授. 2003年获中国矿业大学博士学位. 主要研究方向为进化计算与应用, 机器学习和控制理论与应用. 本文通信作者. E-mail: nanfly@126.com

巩敦卫

青岛科技大学信息科学技术学院教授. 1999年获中国矿业大学博士学位. 主要研究方向为进化计算与应用, 软件测试和大数据处理与分析. E-mail: dwgong@vip.163.com

朱松

中国矿业大学数学学院教授. 2010年获华中科技大学博士学位. 主要研究方向为神经网络, 忆阻器和流体网络. E-mail: songzhu@cumt.edu.cn

田滨

中国科学院自动化研究所副研究员. 2014年获中国科学院博士学位. 主要研究方向为自动驾驶, 视觉传感与感知和机器学习. E-mail: bin.tian@ia.ac.cn