模拟舵机（精选八篇）
模拟舵机 篇1
舵机负载模拟器动态加载时, 由于舵系统的输出转矩是时变的, 采用传统的PID控制器难以在全部运行的过程中保持一致的控制性能。而且, 加载系统的对象是变化的, 要对不同的舵系统进行加载测试, 每更换一种舵系统, 整个系统的参数有变化。这种情况下, 常规控制器将不能满足高控制性能的要求。考虑到当选定一种工作方式时, 可反复运行, 即工作过程中的条件每次均可复现, 符合学习控制的适用条件。
学习控制是智能控制的一个重要的研究分支。它针对具有可重复特性的对象, 根据控制系统先前的控制经验, 通过反复训练的方式进行自学习, 寻找一个合理的输入特性曲线, 使被控对象产生期望的运动。这种控制方式针对的是一类特定的对象但又不依赖对象的精确数学模型, 是为了解决主要由于对象的非线性和系统建模不良所造成的不确定性问题, 及努力降低这种缺乏必要的先验知识给系统控制带来的困难。
现针对舵机负载模拟器电气加载测试中的问题, 研究应用学习控制的思想和原理, 引入一种离散的学习控制算法应用于舵机负载模拟器加载及测试系统中。
2 学习控制的原理
2.1 学习控制概述
学习控制与自适应控制一样, 是传统控制技术发展的高级形态, 随着智能控制的兴起和发展, 已被看作是脱离开传统范畴的新技术、新方法, 可形成一类独立的智能控制系统。
自适应控制系统能够在不确定的条件下进行有条件的决策。随着控制理论和应用的发展, 控制问题涉及的范围越来越广, 自适应控制系统在未知环境下的控制决策是有条件的, 因为其控制算法以依赖于受控对象数学模型的精确识别。针对的对象或环境的参数和结构发生大范围突变时, 要求控制器有较强的适应性、实时性并保持良好的控制品质, 在这种情况下, 自适应控制算法将变得过于复杂, 计算工作量大, 而且难于满足实时性要求和其它控制要求。因此, 自适应控制的应用比较有限。在不确定的和复杂的环境中进行决策, 要求控制系统具有更多的智能因素。学习系统是自适应系统的发展与延伸, 它能够按照运行过程中的“经验”和“教训”来不断改进算法, 增长知识, 更广泛地模拟高级推理、决策和识别等人类的行为和功能。当受控对象的运动具有可重复性时, 即受控对象每次进行同样的工作时, 就可把学习控制用于该对象。在学习控制过程中, 只需要检测实际输出信号和期望信号, 而受控对象复杂的动态, 描述计算和参数估计可被简化或被省略。所以, 对于工业机器人、数控机床和飞机飞行等受控对象的重复运动, 学习控制具有广泛的应用前景。
2.2 学习控制的定义
学习控制能够在系统进行过程中估计未知信息, 并据之进行最优控制, 以便逐步改进系统性能。
学习控制的定义, 可以用数学描述如下:
在有限时间[0, T]内, 给出受控对象的期望的响应Yd (t) , 寻求某个给定输入Uk, (t) , 使得Uk (t) 的响应Yk (t) 在某种意义上获得改善, 其中, k为搜索次数, t缀[0, T]。称该搜索过程为学习过程。当k→∞时, Yk (t) →Yd (t) , 该学习过程是收敛的。
2.3 学习控制的应用条件
用数学描述, 学习控制用于具有可重复性运动的被控对象时, 需要满足如下条件:
(1) 每次运行时间间隔为T, T>0;
(2) 期望输出Yd (t) 时, 预先给定的是t缀[0, T]域内的函数;
(3) 每次运行前, 动力学系统的初始状态Xk (0) 相同, k是学习次数, k=0, 1, 2, …;
(4) 每次运行的输出Yk (t) 均可测, 误差信号ek (t) =Yd (t) -Yk (t) ;
(5) 下一次运行的给定Uk+1 (t) 满足如下递推规律:
Uk+1 (t) =F (Uk (t) , ek (t) , r)
其中r为系数;
(6) 系统的动力学结构在每一次运行中保持不变。
只要动力学系统承受的未知千扰在每一次试验中都以同样的规律或方式出现, 学习控制律均可有效地削弱以至于消除其影响。
2.4 反复学习控制的思想
反复学习控制是一种学习控制策略, 它反复应用先前试验得到的信息 (而不是系统参数模型) , 以获得能够产生期望输出轨迹的控制输入, 改善控制质量。
反复学习控制的任务如下:给出系统的当前输入和当前输出, 确定下一个期望输入使得系统的实际输出收敛于期望值。因此, 在可能存在参数不确定性的情况下, 可通过实际运行的输入/输出数据获得存储好的控制信号。
反复控制与最优控制间的区别在于:最优控制根据系统的模型计算最优输入, 而反复控制则通过先前试验获得最好的输入。反复控制与自适应控制的区别为:反复控制的算法是在每次试验后离线实现的, 而自适应控制的算法是个在线算法, 而且需要大量计算。
图1给出反复学习控制系统的一般框图。图中, Yd代表有界连续期望输出;uk为第k次迭代参考输入;uk+1为第k+1次迭代参考输入;yk为闭环控制系统的第k次实际迭代输出, k=0, 1, 2, …, n。它包括反馈部分, 反馈的加入可以增强系统的稳定性。
3 学习PID算法
学习算法有许多种, 工程实际应用中, 常采用学习PID算法, 因为它理论上虽然复杂, 但实现极其简单。
设uk (t) 和Yk (t) 分别为动态系统第k次控制过程的输入函数和输出函数, uk+1为第 (k+l) 次控制过程的输入函数, Yd (t) 为期望轨迹的输出矢量, 那么可写出PID型学习控制律如下:
式中, uk (t) , uk+1 (t) ER', Yk (t) , yd (t) ∈Rr, 而φ, ψ, 和T为nΧr常系数矩阵。Yd (t) -Yk (t) 为第k次过程的输出偏差, 即:
ek (t) =Yd (t) -Yk (t)
由上式可见, 系统在第k次学习后的第 (k+l) 次给定是上一次的给定及响应误差的函数, 称该式为PID型学习控制律。如图2所示:
在实际应用中, 为了便于进行存储、处理, 需要将期望输出、系统的输出以及控制输入的数据采样、离散化。因此, 这里引入一种用于线性时变模型的离散PID算法。这种算法易于由微机实现。如果满足一定的条件, 在不知道被控系统的精确模型以及存在外部未知干扰时, 控制器也可以在一定的训练次数后使跟踪误差为零。
考虑下面这个线性时变离散周期系统
其中, i为采样数序号, x (i) , u (i) , Y (i) 和ω (i) 分别为n Xl阶状态向量, m Xl阶控制输入向量, PXl阶输出向量和n Xl阶未知外部扰动。
在上式中, 假定:
(1) A (i) , B (i) , C (i) 和D (i) 是。x Xn, n Xm, p Xn和n Xn阶周期为N的时变矩阵, 即A (i+N) =A (i) , B (i+N) =B (i) , C (i+N) =C (i) , D (i+N) =D (i) ;
(2) 未知的外部扰动向量满足下式ω (i+N) =ω (i) ;
(3) 从 (xn, u (i) , i∈[0, N-1]) 到 (x (i) , i∈[0, N]) 的映射S和从 (x0, u (i) , i∈[0, N-1]) 到 (y (i) , i∈[0, N]) 的映射R是一一映射。即对给定的输出向量, 存在唯一的输入和状态向量。
(4) 定义学习次数为k, 以k为角标区分是第几次学习, Xd (i) 和Yd (i) 分别为给定的状态和输出向量。
问题的数学描述如下:
定义Yd (i) , i E[0, N]为给定的输出, ε为允许误差范围, ε>0。找到一个控制输入向量u (i) , i E[0, N], 使线性时变系统的输出Yk (i) 满足
要得到高精度的控制效果, 传统的PID控制器应被调整在最优的参数上。
由于未建模的动态特性引起的干扰力矩或系统的不确定性, 使得PID控制器难于在任何时间都保持最优的控制增益。即PID控制器在工作过程中不能保持一致的控制质量, 而采用学习控制器可克服这一问题。
采用如下PID型学习控制律:
其中K, K, .K。为M Xp维的比例、积分、微分控制增益矩阵。ek") 为第k次学习时的系统输出跟踪误差, 定义如下:
PID算法原理图如下图3。
4 学习PID算法舵机负载模拟器加载系统中的实现
舵机负载模拟器电气加载及测试系统的模型是线性周期时变的, 满足上述学习控制算法的使用要求。
总结
船舶舵机的营运检验 篇2
船舶舵机的营运检验
船舶舵机对于船舶安全航行非常重要,在船舶的营运检验中,对船舶舵机的检验是船舶验船师在检验过程中一项重要工作,本文希望通过对船舶舵机技术规范的介绍以及船舶舵机容易出现的故障分析和对船舶舵机进行营运检验的`重点的论述,能够给验船人员在进行舵机检验工作时起到抛砖引玉的作用.
作 者：高小涛 GAO Xiaotao 作者单位：江门海事局,江门,529040刊 名：广东造船英文刊名：GUANGDONG SHIPBUILDING年，卷(期)：29(1)分类号：U6关键词：船舶 舵机 营运检验
船舶舵机的故障分析 篇3
1 舵机的基本结构
船舵主要由舵叶、舵杆、舵机等部分组成。船舵能够接受驾驶者的命令并按照命令改变船舵的位置是依靠舵机带动舵叶来实现的, 而舵机是整个舵系统中比较容易出现故障的部位, 也是船舶安全检查人员进行船舶安检时着重注意检查的地方。
船舶舵机按驱动动力分为蒸汽舵机、电动舵机与电动液压舵机 (简称液压舵机) 。液压舵机具有重量轻、尺寸小、灵敏度高, 工作平稳安全可靠, 能缓冲风浪对舵叶的冲击, 运转噪音低、振动小, 而且可实现无级变速, 功率的范围广。所以现代化的大中型船舶上, 广泛采用液压舵机。
液压舵机一般采用电动机带动油泵, 因而又称电动液压舵机。液压舵机用油液作为传递能量的介质, 利用油液的不可压缩性及流量、压力和流向的可控性来实现转舵。舵机通过油泵把机械能转化为油液的压力能, 然后通过转舵机构把压力能又转化为机械能, 来实现舵的左、右转向。
2 舵机的基本要求
2.1 具有足够的强度并能在最大营运前进航速时进行操舵, 使舵自
任一舷的35°转至另一舷的35°, 并且于相同条件下自一舷的35°转至另一舷的30°所需时间不超过28s。
2.2 每艘船舶均应设置一个主操舵装置和一个辅助操舵装置。
主操舵装置和辅助操舵装置的布置, 应满足当它们中的一个失效时应不致使另一个也失灵。
2.3 驾驶室与舵机室之间, 应设有通信设施。
2.4 操舵装置应设有有效的舵角限位器。
以动力转舵的操舵装置, 应装设限位开关或类似设备, 使舵在到达舵角限位器前停住。装设的限位开关或类似设备应该与转舵机构本身同步, 而不应与舵机的控制相同步。
2.5 舵装置应有保持舵位不动的制动装置。
2.6 当主操舵装置要求动力操作时, 应设有一个固定贮油箱, 其容量至少足以使一个动力转舵系统包括循环油箱进行再充液。
贮油箱应以管路固定连接, 使液压系统能在舵机室内便于充液, 并应设有液位计。
2.7 应设置两个独立的控制系统, 见每个系统均应能在驾驶室控制。但这并不要求设双套操舵手轮或手柄。
2.8 驾驶室和舵机室应固定展示带有原理框图的适当操作说明。此说明应表明操舵装置控制系统和动力转舵系统的转换程序。
3 舵机日常比较容易出现故障的情况
主要分为两大部分。一是属于硬件类的故障, 二是属于软件类的故障。
舵机的硬件类的故障是指与舵机相关的机器、设备发生了功能性的障碍, 使得舵机不能正常工作发挥效用。常见的主要有:
3.1 通信系统的故障。驾驶员发出的舵令信号不能输出至舵机, 舵机接收不到舵令。驾驶台与舵机间无法通话等。
3.2 电力系统的故障。动力电路、配电板等电力输出故障, 使电动机无法正常运转。两路电力线路只有一路可以使用.
3.3 液压系统的故障。
液压系统密封性能出现问题, 有油路泄漏或有旁通现象、主油路锁闭不严、油位过低、液压系统内有空气等问题。使液压系统不能正常运行。
软件类的故障是指与舵机运行有关的管理制度, 船员对舵机的操作存在的问题。通常主要是船员对应急舵的操作不熟悉, 在需要的时候无法启动应急舵。
4 对舵机安检的重点
针对舵机容易出现的故障点, 船舶安检人员就可以有针对性地开展检查工作。
4.1 检查应急舵的有效性。
按照现代船舶建造规范的要求, 船舶应当具有两套以上操舵装置。一套主推舵装置, 一套为辅助 (应急) 推舵装置。这是为了保证在主推舵装置出现故障时, 应急舵仍然可以继续保持舵的有效性, 保证船舶的正常航行和安全。对应急舵的检查一般要求船方进行应急舵的实操, 观察应急舵是否能够使用, 运转是否正常。
4.2 检查舵的运转情况。
在检查舵的运转情况时, 一般应有两名船舶安检员相互配合进行。一名安检员在驾驶台发出舵令, 另一名安检员在舵机间观察舵机对于舵令的反映。舵机在转舵运行过程中应运转平稳, 无杂音无间歇性现象。从一侧满舵运行到另一侧满舵时, 应反映灵敏, 能够达到28S的时间要求。
4.3 检查舵角指示的准确性。
在舵机上都安装有舵角指示器, 舵角指示器是为了正确显示舵叶转动的准确位置, 其所显示的角度指数应与驾驶台操舵转向的角度度数相吻合。当舵角指示器显示不准时, 就会影响到驾驶员的对船舶的操纵, 使驾驶员的判断产生误差, 有可能使船舶发生触碰事故。在检查舵角指示的准确性时, 是由两名船舶安检员相互配合进行的。一名安检员在驾驶台观察驾驶台上的检查舵角指示器显示的读数, 另一名安检员在舵机间观察舵机上舵角指示器显示的读数。二者应读数相同。
4.4 检查舵角限位器的有效性。舵角限位器是起到了对液压油缸的保护作用。
当舵角转动到最大角度时, 油缸的活塞继续压缩液油, 而舵叶已不再继续偏转, 致使油缸内的压力不断增加, 容易导致油缸破裂。而舵角限位器的存在就使得当舵角转动到最大角度时触动限位开关, 限位开关断开电动机的动力起到了保护油缸的作用。所以安检员在检查检查舵角限位器时, 应让船舶驾驶员分别打满左、右舵, 观察当舵角转动到最大角度时舵角限位器是否发生作用。否则应当要求船方进行修复。
4.5 检查舵的液压系统的密封性能。
舵叶的转动是依靠油缸内液体传递的电动机动力来实现的。所以舵机的液压系统要保证不漏油, 不漏气和不积气, 才能达到传递液压力的目的。液压系统的密封性能对舵机的正常工作有着非常重要的作用。安检员在检查舵机时, 应当注意观察舵机表面和舵机间的地面是否干净整洁、是否存在油污, 还应当注意检查油缸表面是否存在修补过的痕迹。在检查液压系统的密封性时, 应让船方开动舵机, 注意观察舵机液压杆与液压油缸滑动处、液压油缸的其他接缝处是否有液压油渗出的现象。以便正确判断液压系统的密封性能。
舵机液压油品质是否良好对于舵机的正常运行确实很重要。液压油的品质受到以下因素的影响, 一是液压油在运转过程中, 机器磨损下来的金属屑和水分混入到油中, 对液压油造成了污染。二是液压油与空气接触会发生氧化反映, 油品会渐渐下降, 达不到机器性能的要求。这时应当更换液压油。但是由于液压油的价格比较昂贵, 因此沿海船舶特别是个体船舶很少有更换液压油的。另外在舵机间的液压油补充油柜中液压油应保持一定的油量储备, 这也是在检查过程中应当注意的。
32路伺服舵机控制器 篇4
当你听到或者看到“机器人”这个词的时候, 在你的脑海中最先浮现出来的情景是什么呢?是美国大片《变形金刚》里面正义一方的汽车人领袖擎天柱, 还是《机器人总动员》影片中那个感人至深, 有着纯真、善良、执着个性的机器人公仔WALL·E (瓦力) , 我猜你一定最先想到的会是外貌酷似人类或像人类一样能灵活运动的机器。他们有着金属质感的亮色外壳, 身上或多或少缠绕着电线, 行动中还会发出另类的声音, 第一时间里这种声音传到你的耳中, 便会轻松辨别出它就是机器人。没错, 机器人已经早已走进了我们的生活世界, 多种多样的机器人让我们的生活变得丰富多彩, 充满生机。由于其用途广泛, 并能在特定环境下起到重要作用, 按照领域可大致分为服务机器人、工业机器人、农业机器人、医疗机器人、军用机器人、娱乐机器人等。随着科学技术的发展, 各个领域都对机器人有着不同的需求, 机器人随之成为当今研究的热门课题。无论什么样的机器人, 要像人一样完成特定功能的工作, 都要具备至少一台像人脑功能的微控制器, 通过对能够高效率地完成一些程序化任务。
微伺服舵机控制器的种类很多, 我常用的是32路伺服舵机控制器, 有很多朋友问我各种伺服舵机控制器有什么不同, 怎么选择时, 我开玩笑地说, 这就叫一见钟情。我玩机器人有好几年了, 就简单跟大家交流下我用这个32路伺服舵机控制器的一点心得吧。这个伺服舵机控制器主要应用在微型工业机器人、机器人教学课程、机电一体化实验设备等领域, 最适合作为类人型机器人、多足机器人、多自由度机械臂等微小型机器人的主控制器。
机械臂是目前在机械人技术领域中得到最广泛实际应用的自动化机械装置, 在工业制造、医学治疗、娱乐服务、教学应用、军事以及太空探索等领域都能见到它的身影。虽然大家经常在电影或者电视中见过, 似曾想拥有一台属于自己的机械臂, 但因其功能针对性强和高额的售价, 使我们望而却步。现在你不必担心这个问题了, 即使没钱购买现成的机械臂套件, 也可以使用32路伺服舵机控制器和电脑作为控制体统, 自己DIY一台小型廉价的多自由度机械臂。
既然是机械手臂, 你肯定会联想到我们人类的手臂, 除了肩、肘、腕基本关节, 再加上多个手指关节, 才会使手臂如此灵活, 那么我们将复杂问题简单化, 用6个伺服舵机以巧妙的结构设计, 结合它的控制系统, 就能展示出控制6自由度机械臂的工作原理, 因此可作为教学演示平台。图1和图2中的AS-6DOF机械臂, 每个关节都可在规定的范围内运动, 通过操作上位机控制软件, 可给伺服舵机控制器发送控制指令信号, 从而实现机械臂在空间内精确作业, 任务完成情况可通过在机械臂上安装摄像头反馈图像, 如果将其安装到移动平台上, 还可替代工作人员在有害环境中可视作业, 实时修改控制指令, 精确地完成每一项任务, 这真是一套不仅性价比高, 而且实用性强的机器人平台。
1.双足竞步教学机器人
AS-6DOF Biped六自由度双足竞步教学机器人是一款全铝合金零件组成的专业小型仿人型机器人, 零件表面特殊有色氧化工艺处理, 边缘光滑不伤手, 保证金属原色, 美观耐用, 防止长时间使用脱色。整机采用32路伺服舵机控制器为主控, 无论你是否懂得C语言编程, 都可以通过调试上位机控制软件轻松完成动作调试。其具有6个伺服舵机, 每足3个自由度, 该机器人不仅可以向前向后步行, 还可以原地下蹲、起立、左右转向, 甚至可以做很多类人型机器人前滚翻、后滚翻等特技动作。
脚板专门根据反向膝腿原理设计, 足弓打孔、四边切角, 以减轻足重, 足孔可以加装脚底传感器, 进行步态检测;腿部采用加长直腿结构, 提高行走速度, 有利于Robocup双足机器人比赛;腰间宽敞可搭载各种传感器和视觉识别系统, 不仅能让机器人完成预设动作, 还能让机器人进行智能、自主的决策, 完成图像追踪定位等功能。
2.仿蜘蛛六足爬行机器人
仿生机器人集仿生学、力学、计算机、微电子、通信、传感技术、人工智能等多门学科于一体, 是一个国家高科技实力和发展水平的重要标志, 为此世界各个国家都不惜投入巨资进行研究。仿生机器人既具有传统机器人所具有的优点, 又将生物运动机理和行为方式作为理论模型运用于机器人的运动控制中, 大大提高了机器人的运动特性和工作效率。
浅谈内河船舶舵机的检验 篇5
船舵主要由舵叶、舵杆、舵机等部分组成。船舶舵机按驱动动力分为蒸汽舵机、电动舵机与电动液压舵机 (简称液压舵机) 。液压舵机具有重量轻、尺寸小、灵敏度高, 工作平稳安全可靠, 能缓冲风浪对舵叶的冲击, 运转噪音低、振动小的优点。
2 舵机的加工检验
2.1 船舶的舵叶普遍采用流线型, 现以半悬挂舵为例, 说明舵叶制造的检验方法。舵叶胎架为卧式胎架, 即舵的中心线剖面处于水平状态, 胎架模板上的水平线应事先用水平软管或激光经纬仪进行检查, 应处于同一水平面内。
2.2 舵杆型式较多, 下面仅介绍带有偏心连接平面的舵杆加工检验, 此种舵杆的加工难度较大, 其他型式舵杆的加工检验均可参照此方法和有关要求。
2.2.1 舵杆粗加工的检验标准
舵杆下端方体部位包括连接平面的四个侧面, 其加工后的尺寸和表面粗糙度应符合图样规定的要求。舵杆上端圆体部位粗加工尺寸复测, 应有足够的加工余量。
检验方法:舵杆方体部位尺寸用钢直尺测量, 舵杆上端圆体部位用外卡钳及钢直尺测量, 表面粗糙度用目测法进行检验 (此表面粗糙度要满足超声波探伤要求) 。
2.2.2 舵杆的精加工检验
舵杆精加工检验标准: (1) 舵杆的圆体部位、上轴颈、上舵承槽符合图样尺寸及精度要求; (2) 舵杆锥体部位按锥度样板检验; (3) 舵杆轴向各挡长度尺寸测量应符合图样要求; (4) 舵杆螺纹按螺母检验螺纹之间的间隙, 应符合螺纹公差要求; (5) 舵杆法兰连接平面加工, 要求平面与舵杆中心线的垂直度不大于0.05mm (指法兰平面范围内) ; (6) 舵杆键槽宽度、深度应符合图样要求的尺寸公差; (7) 舵杆法兰连接平面螺孔粗加工按图样尺寸检查, 并应留足够加工余量。
舵杆精加工检验方法: (1) 用外径千分尺测量舵杆圆体部位、上轴颈, 上舵承槽加工尺寸, 轴颈同一断面处相互成90°的两个直径之差即为圆度, 轴颈同一方向两端处直径之差即为圆柱度, 其测得的结果应符合图样规定的要求; (2) 舵杆轴向各挡长度尺寸用钢直尺测量, 应符合图样要求; (3) 舵杆锥体部位用锥度样板检验, 舵杆锥体部位大小端尺寸及距离与锥度样板相一致时, 可认为锥度合格; (4) 舵杆螺纹间隙测量。将检验合格的螺母旋入舵杆, 在螺母上部放一只百分表, 下部用千斤顶顶高, 然后松掉千斤顶, 观察百分表读数值变化, 此值即为螺纹总间隙, 应符合图样要求; (5) 舵杆法兰平面与舵杆中心线垂直度检查。由于舵杆工件较大, 加工时一般采取现场检验。其方法是在舵杆本体机加工时, 在舵杆本体两端预先加工两道粗糙度要求较高的校中基准。检验时舵杆应水平放置, 在机床头上装一只百分表, 测量两基准圆水平, 使舵杆与机床平面、导轨平行, 当确认已校中时, 即可用机床动力头加工舵杆下端连接平面; (6) 在上述舵杆与机床平行的状态下进行上舵承的键槽加工。然后使舵杆锥体的一边与机床相平行, 加工锥体部位键槽。键槽宽度用内径千分尺测量, 键槽深度用游标深度尺测量, 测量结果应符合图样尺寸与公差要求; (7) 舵杆加工后, 按中国船级社的《船用产品检验规则》的规定进行舵杆船检钢印标记移植。钢印标记移植的内容包括产品证书编号、船检标志、检验港口、验船师姓名的首字、日期。钢印的位置一般在舵杆顶端, 如舵杆安装后顶端不能显露在外时, 则打在舵杆与舵扇或舵柄接触部位的下方。
2.3 舵机安装前, 应对舵机基座焊接垫块进行检验
舵机安装定位采用样棒检查, 舵处于零度状态时, 舵机的液缸应处于中间位置。检验方法:在舵杆上端的吊装螺孔处安装专用指针式工具, 并在其指针的端部安装一只百分表, 转动指针检查舵机液缸的基准平面A、B、C、D, 四处的百分表读数偏差应在0.05mm以内, 并检查液缸在A、B、C、D四个基准平面的基准点至舵杆中心处的尺寸a、b、c、d, 应基本相等。此时, 还应检验舵柄与滚柱的间隙g1、g2、g3、g4, 应基本相等。舵柄至液压柱塞十字头平面的间隙, 其上平面间隙应略大于下平面间隙 (主要是考虑舵经长期使用, 上舵承止推轴承会产生一些磨损, 而导致舵杆向下) 。舵机按上述要求定位安装后, 应用色油检验舵机与基座垫片接触, 每25×25 (mm2) 面积上应有2~3点, 垫片上下平面处用0.05mm塞尺检查, 应插不进, 如局部插入, 深度不大于10mm。舵机基座处四个侧面应安装侧向塞铁, 此塞铁应有一定的斜度, 其检验要求同基座垫片, 检验合格后, 在侧向塞铁处于用电焊焊牢。舵机安装应做好各项测量记录。
3 结束语
在内河按照驾驶者的意图航行, 使船改变航向或维持指定航向, 是依靠改变安装在船尾部船舵的位置来实现的。舵对于船航行的重要性是不言而喻的, 当船航行时船舵发生故障, 对船安全的影响是巨大的, 所以对舵机的检验是十分重要的。
参考文献
[1]王福根.船舶轴舵系装置.2003.3.[1]王福根.船舶轴舵系装置.2003.3.
AVR单片机对舵机的精确控制 篇6
一、Atmega16简介
AVR单片机是美国ATMEL公司生产的增强RISC、内载Flash的高性能8位单片机, 其中ATmega16是基于增强的AVR RISC结构的低功耗8位CMOS微控制器。具有16K字节的系统内可编程Flash (具有同时读写的能力, 即RWW) , 512字节EEPROM, 1K字节SRAM, 32个通用I/O口线, 32个通用工作寄存器, 用于边界扫描的JTAG接口, 支持片内调试与编程, 三个具有比较模式的灵活的定时器/计数器 (T/C) , 片内/外中断, 可编程串行USART, 有起始条件检测器的通用串行接口, 8路10位具有可选差分输入级可编程增益 (TQFP封装) 的ADC, 具有片内振荡器的可编程看门狗定时器, 一个SPI串行端口, 以及六个可以通过软件进行选择的省电模式。它执行速度快, 有良好的性能价格比, 因而得到越来越广泛的应用。
二、舵机简介
舵机英文叫Servo, 也称伺服电机。其特点是结构紧凑、易于安装调试、控制简单、大扭力、成本较低等。舵机的主要性能取决于最大力矩和工作速度 (一般是以秒/60度为单位) , 适用于那些需要角度不断变化并保持的控制系统。舵机通常采用脉宽调制信号 (PWM) 控制, 既给它提供一定的脉宽, 它的输出轴就会保持在一个相对应的角度上, 无论外界转矩怎样改变, 直到给它提供一个另外宽度的脉冲信号, 它才会改变输出角度到新的对应的位置上。其控制信号的周期是20ms的脉宽调制 (PWM) 信号, 如图1所示其中脉冲宽度从0.5～2.5ms, 相对应舵盘的位置为0°～180°角, 呈线性变化。
三、硬件连接
Atmega16最小系统见图2所示, 在此我们采用Atmega16的PA0 (ADC0) 口作为控制器的输入端连接电位器中间一脚, 电位器两边引脚分别接电源VCC和GND。旋转电位器便可输出连续变化的电压, 此时通过Atmega16内部10位精度的AD实时采样, 将输入的模拟量进行转化, 进而调节PWM的输出占空比。舵机共有三根输入线, 分别是电源线VCC、地线GND和控制信号线 (见图3) 。在这里我们采用Atmega16的16位定时器/计数器实现PWM信号的精确输出。
四、AD采样程序分析
在这里采用Atmega16片内2.56V的基准电压, 0通道输入连续转换模式。在默认条件下, 逐次逼近电路需要一个从50 kHz到200 kHz的输入时钟以获得最大精度, ADC模块包括一个预分频器, 它可以由任何超过100 kHz的CPU时钟来产生可接受的ADC时钟, 在此我们选用8M晶振64分频。ADC通过逐次逼近的方法将输入的模拟电压转换成一个10位的数字量, 存放于ADC数据寄存器ADCH及ADCL中, 我们只要读取这个数字量并转换成所需整型即可, 具体过程由以下程序完成。
五、舵机控制程序分析
在此部分我们使用相位与频率修正PWM模式 (简称相频修正PWM模式) 可以产生高精度的、相位与频率都准确的PWM波形。我们通过AD采样得出的1～500连续变化的整数来控制输出周期为20ms, 脉宽为0.5～2.5ms的脉冲, 进而控制舵机由-90°～90°角的连续变化。
基于PNN的舵机故障诊断方法研究 篇7
舵机作为船舶执行机构的核心部件之一, 对船舶航行安全发挥着至关重要的作用。随着航舵系统性能大幅提高, 系统结构越来越复杂, 设备故障种类、发生率也呈现上升趋势。舵机一旦出现故障, 轻则航期延误, 重则威胁航行人员安全。由于舵机体积庞大, 在海上突发故障后维修困难, 因此通过日常的监控, 提早诊断设备故障, 防范于未然显得至关重要。舵机故障机理复杂多样, 使得故障原因、部位的确诊比较困难;且故障预兆与故障本身并非一对一的映射关系, 不同的故障可以有相同的征兆, 同一故障在不同条件下表现出来的特征不尽相同。就其本质而言舵机故障诊断实质上是典型的复杂非线性分类问题。
近年来人工神经网络技术的快速发展, 使其成为解决非线性问题的重要手段之一。本文提出一种将概率神经网络应用到舵机故障诊断中的方法。仿真结果显示:该网络工作稳定, 运算速度快, 在舵机故障智能检测方面有着较高的应用价值。
1 PNN神经网络概述
概率神经网络 (Probabilistic Neural Networks) 是一种从Bayes分类规则与Parzen窗的概率密度函数估计方法发展而来的并行算法[1]。在解决分类问题的应用中, 它能够用线性学习算法来完成非线性学习算法所做的工作, 同时保持非线性算法的高精度等特性;这种网络对应的权值就是模式样本的分布, 网络不需要训练, 因而能够满足训练上实时处理的要求[2]。
PNN网络是以贝叶斯小风险准则 (即贝叶斯决策理论) 作为理论依据的一种前馈型神经网络。它由径向基函数网络发展而来, 比较适合解决故障分类问题。当分布密度SPREAD值接近于0时, 构成最邻分类器;当SPREAD值较大时, 它构成对几个训练样本的临近分类器[3]。PNN的层次模型基本结构如图1所示, 它由输入层、模式层、求和层、输出层共4层组成。
输入层用于接收训练样本值。它将输入节点传来地输入特征向量进行加权求和, 然后经过非线性算子运算后再传给求和层。模式层用来计算输入特征向量与训练集中各个模式的匹配关系, 模式层神经元的个数等于各个类别训练样本数之和。其非线性算子为:
式中:wj为给定量的权矢量。将x和wj标准化到单位长度有:
对于具有θ1, θ2, …, θq, …, θs的多类问题来说, 一个p维矢量X={x1, x2, …, xj, …, xp}测量集, 基于Bayes决策准则来判断θ∈θq的状态, 可以表述为:
式中:d (x) 是X的Bayes决策;hq, hk分别为θ=θq和θ=θk的先验概率;fq (x) 和fk (x) 分别为θq和θk类的概率密度函数。其中:
式中:P为样本变量个数;xqj为q类第j个训练样本, 在概率神经网络中作为权值;mq为q类训练样本的个数;σ为光滑系数, 其取值确定了以样本为中心的钟状曲线宽度[4]。
2 基于PNN的舵机故障诊断
基于PNN的智能故障诊断可视为一个学习任务。在正常和已知故障状态下, 分别输入的多组特征样本对PNN进行训练, 然后输入待检测的故障样本, 测试训练后的PNN的故障分类能力。它的具体步骤如下:
(1) 数据采集与处理。
信号的采集与处理是实现故障诊断的重要环节, 它包含对设备信号进行加工、变换、提取敏感的故障征兆等内容[5]。舵机作为一种回转机械, 它的故障特征信号具有明显的周期性特征, 适于频谱分析。故障发生时, 设备的振动与噪声会表现出异常征兆[6]。通过对壳体振动与噪声进行测量分析, 提取与特定故障相关的敏感特征量, 即可实现故障部位和故障程度的诊断。
在PNN网络建模中, 选取的输入特征向量必须能够正确反映问题特征。如果选取的故障特征没有包含足够的待识别信息或未能提取反映故障特征的信息, 则诊断效果会大打折扣。目前广泛采用壳体振动信号的功率谱分析或倒频谱分析来对舵机系统进行状态监测和故障诊断[7]。
(2) 建立PNN网络。
使用Matlab 7.1中神经网络工具包的newpnn (P, T, SPREAD) 函数建立PNN网络[8]。其中, SPREAD为径向基函数的扩展系数, 通常取默认值为1.0。当SPREAD值足够大, 径向基神经元能够对输入量所覆盖的区域都产生影响, 通常只需要部分径向基神经元能够对输入向量所覆盖的区间产生响应就足够了[9]。SPREAD的值越大, 其输出就越光滑。SPREAD值过大是数值量加大, 在网络设计过程中, 需要用不同的SPREAD值进行尝试, 以确定一个最优值。
(3) 训练网络。
载入处理后的训练样本, 将已知故障类型的训练样本输入的网络, 训练完成后, 将训练数据回带, 查看网络分类效果。保持完成训练的网络。
(4) 网络效果检测。
将测试样本输入完成训练的PNN网络, 绘制故障分类效果图。
3 计算机仿真
本文在Matlab 7.1下建立仿真环境, 以某型自动舵5种常见故障为例进行仿真实验。5种常见故障分别定义为:密封件摩擦引起的振动 (F1) ;轴承油膜涡动和油膜振荡所引起的振动 (F2) ;转子不平衡所引起的振动 (F3) ;活塞磨损引起的振动 (F4) ;电气方面原因引起的振动 (F5) 。
首先获取正常工作状态下与5种典型舵机故障状态下的振动信息, 通过特征能量法提取, 并用小波包分解子带特征能量, 各频段能量归一化处理后得到用于训练的样本集和诊断测试样本集[10,11]。训练样本空间包含正常, 故障样本共50组, 诊断测试样本包含5种故障样本各10组, 样本空间中部分故障样本见表1。
在构造PNN网络时, 经过多次尝试设定SPREAD值为1.7比较适合。仿真结果如图2所示。图2中英横轴为测试样本编号, 纵轴为故障模式编号, 0为未知故障类型。
训练和测试过程的统计信息详见表2。
仿真结果显示, 通过对已知舵机故障样本进行训练后, PNN网络对测试样本进行分类, 准确率可达92%。
4 结 语
本文针对船舶舵机故障特点, 提出一种基于PNN的舵机故障诊断方法。通过计算机仿真可以看出, PNN学习过程简单, 收敛速度快、需调节的参数少, 不需确定隐藏层数、隐藏层中的神经元个数等网络结构;网络稳定性高;可以最大限度地利用故障先验知识, 只要有足够多的训练样本, 概率神经网络就能够保证获得贝叶斯准则下的最优解。通过对舵机故障样本学习后, 可对未知样本进行有效分类, 验证了该方法在对舵机故障分类中具有较好的有效性和推广性。
摘要：随着科技的发展, 舵机在不断提升性能的同时, 其复杂性也大幅度提高, 故障现象与故障本身并非简单的映射关系, 设备故障诊断实质上是典型的复杂非线性分类问题。提出一种利用概率神经网络对舵机故障分类的方法, 将从舵机振动信号中的提取特征值作为PNN的输入参数, 构造出基于概率神经网络的舵机故障诊断方法。仿真结果显示, 该网络工作稳定, 运算速度快, 对舵机故障分类准确率较高。
关键词：概率神经网络,故障诊断,贝叶斯网络,径向基函数
参考文献
[1]汪庆华, 王敬涛, 邓东花.基于径向基神经网络的旋转机械故障诊断系统[J].现代电子技术, 2010, 33 (18) :141-142.
[2]张德利, 韩璞.贝叶斯网络在汽轮机故障诊断中的应用[J].微计算机信息, 2007, 23 (28) :144-146.
[3]王柏生, 倪一清, 高赞明.框架结构连接损伤识别神经网络输入参数的确定[J].振动工程学报, 2000, 13 (1) :137-142.
[4]万怡骎.基于概率神经网络的变压器故障诊断[D].南昌:南昌大学, 2007.
[5]石敏, 吴正国, 徐袭.基于概率神经网络和双小波的电能质量扰动自动识别[J].电力自动化设备, 2006, 26 (3) :5-8.
[6]何学文, 赵海鸣.支持向量机及其在机械故障诊断中的应用[J].中南大学学报:自然科学版, 2005, 36 (1) :97-101.
[7]牛慧峰.免疫机理与支持向量机复合的故障诊断理论及试验研究[D].秦皇岛:燕山大学, 2006.
[8]从爽.面向Matlab工具箱的神经网络理论与应用[M].合肥:中国科技大学出版社, 2005.
[9]张德利.基于贝叶斯网络的故障智能诊断方法研究[D].北京:华北电力大学, 2008.
[10]肖成勇, 石博强, 王文莉, 等.基于小波包和进化支持向量机的齿轮早期诊断研究[J].振动与冲击, 2007, 26 (7) :26-27.
模拟舵机 篇8
弹用舵机系统是修正弹丸飞行弹道的关键组成部分。针对弹用舵机苛刻的战场生存状况,对其控制系统的设计要求也是极其严格的,采用常用的经典控制理论的系统设计方法往往不能满足设计要求。
状态变量反馈控制理论是通过对系统状态变量模型进行分析,设计相应的状态反馈控制律来把闭环控制系统的根配置在预期位置,使系统获得理想的控制性能的一种现代控制理论。这种方法在航空、航天等复杂控制领域已得到广泛应用。本文基于状态变量控制理论对弹用舵机控制系统进行分析和设计。
1舵机系统概述
智能子弹的舵机系统由无刷直流电机、减速器、输出轴和舵面位置传感器组成,并分别安装在导弹尾部相互垂直的4个位置上,保证产生精确偏转,使子弹沿预定弹道飞行,直至击中目标。
通过对舵机系统的各部件进行数学建模,获取其控制模型;根据梅逊增益公式进行化简;选择合适的参数,最终获得的舵机系统的传递函数如下:
2状态空间模型
一般对于n阶的控制系统,系统可以由一组状态变量[x1,x2,…,xn](n为系统阶次)来表示,在已知系统当前状态和输入激励信号的条件下,状态变量描述了系统未来的响应。控制系统的状态空间模型见图1。
根据舵机系统自身的传递函数,构建状态空间模型的矩阵形式为:
其中:x为系统的一组状态变量[x1,x2,x3];u为系统的控制向量 (输入向量);y为系统的 输出向量;A为3×3系统矩阵(状态矩阵);B为1×3系统控制矩阵 (输入矩阵);C为3×1系统输出矩阵;D为系统前馈矩阵。
式(2)为系统状态方程,式(3)为系统输出方程。 由式(1)可以得到:
对于一个控制系统,在没有引入反馈校正的情况下,仅靠单纯的开环控制并不能保证系统的瞬态性能及稳态精度,所以引入了反馈校正构成闭环控制系统, 通过状态变量反馈进行校正,保证系统的性能。
3状态变量反馈控制
状态变量反馈控制建立的基础是:反馈所需的所有状态变量x都可以通 过相应的 传感器直 接测量。 也就是说,可以得到任意t时刻的状态变量x。
要获得好的瞬态响应,必须保证闭环系统的根分布在理想的位置。由Rudolph Kalman提出的系统能控性理论解决了这一问题,从而使我们可以通过开环系统的状态变量系统的能控性设计状态变量反馈系统。
基于上述理论,假设所选取的状态变量x都可以直接测量,即可以作为反馈变量,记状态反馈控制信号为:
其中:r为参考输入信号;K1、K2和K3分别为待定的反馈增益;Kr为调整参数,用来调整参考输入信号r实际作用的幅值。
系统的全状态反馈模型如图2所示。
定义矩阵反馈增益K为:
那么,将式(5)代入式(4),反馈控制信号则变为:
所以,将式(6)代入式(2)得到经过校正后的闭环控制系统的状态空间模型为:
状态变量表示下的闭环系统系统矩阵的特征值即为系统的极点。
接下来,利用极点配置方法,将闭环系统系统矩阵 (A-BK)的特征值(即闭环系统的极点)配置到指定位置,就可以使系统具备想要的性能。
首先,根据Rudolph Kalman提出的系统能控性理论,在原系统(即式(1)所示开环系统)满足可控性的条件下,才可以进行状态变量的反馈设计。之后对式 (2)构建能控性矩阵:
能控性矩阵Pc的行列式:
由能控性理论可知,当能控性矩阵Pc的行列式不为零,则系统是完全能控的。所以本文研究的系统满足能控性。
根据控制系统的动态响应要求,确定系统的设计指标如下:1单位阶跃响应的稳态精度跟踪误差为零; 2单位阶跃响应超调量小于10%;3单位阶跃响应的调节时间小于1s。
根据2阶系统特征根分布与系统参数的关系,结合指标2和3的要求,选取闭环 控制系统 的阻尼比ζ=0.59,自然频率(固有频率)ωn=6.78Hz,并绘出闭环系统特征根的可行分布域,如图3所示。
在分布域中选取闭环系统的特征根,即(A-BK) 特征值为:
这样,共轭复根p1和p2与p3的实部相差10倍, 因此,可以忽略p3的影响,只考虑主导极点p1和p2对系统的影响。
根据阿克曼公式:
其中:分别为以为根的特征方程的系数,本文中
将已知参数代入式(11),可得:
此时,能够将系统的闭环特征根配置到指定位置。 将式(7)、式(8)通过拉普拉斯变换后经过代数运算可得闭环系统的传递函数为:
其中:I为3阶单位矩阵。将求出的矩阵A、B、C和K代入式(12),得出:
最后,根据Kr为传递函数T(s)直流增益的倒数得:
这样,通过调整Kr可以使闭环传递函数的直流增益等于1,保证了系统的稳态精度。
所以,最终的闭环传递函数为:
经过反馈校正之后,得到的闭环系统(式(16)所示系统)的响应曲线如图4所示。
4结论
由图4的闭环系统阶跃响应曲线可以得出:1闭环系统的稳态精度跟踪误差为零;2闭环系统的调节时间为0.307s;3闭环系统的超调量为4.27%,到达峰值的时间为0.65s。
【模拟舵机】相关文章：
船舶舵机安全检查管理论文04-27
飞控系统舵机方向论文题目05-03
一种用于舵机性能试验的加载装置06-15
舵机电动加载系统多余力矩抑制方法研究09-10
模拟联合国沙盘模拟08-20
单证模拟05-26
模拟三05-15
历史模拟05-16
模拟五05-16
模拟案例05-07