吉林大学学报(工学版) ›› 2021, Vol. 51 ›› Issue (3): 1106-1110.doi: 10.13229/j.cnki.jdxbgxb20200146

• 通信与控制工程 • 上一篇    

基于深度学习和限幅模糊的变转速液压动力源恒流量预测方法

宋震(),李俊良,刘贵强   

  1. 西南石油大学 机电工程学院,成都 610500
  • 收稿日期:2020-03-10 出版日期:2021-05-01 发布日期:2021-05-07
  • 作者简介:宋震(1981-),男,副研究员,博士. 研究方向:过程系统工程. E-mail:zhen.song@rwth-aachen.de
  • 基金资助:
    中国博士后科学基金项目(2017M623061)

Constant flow prediction method of variable speed hydraulic power source based on deep learning and limitation fuzzy

Zhen SONG(),Jun-liang LI,Gui-qiang LIU   

  1. School of Mechanical Engineering,Southwest Petroleum University,Chengdu 610500,China
  • Received:2020-03-10 Online:2021-05-01 Published:2021-05-07

摘要:

针对变转速液压动力源恒流量传统预测方法耗时长、预测误差大以及准确率低等问题,提出了基于深度学习和限幅模糊的变转速液压动力源恒流量预测方法。利用永磁同步电机数学模型、伺服控制器数学模型、齿轮泵数学模型和比例溢流阀数学模型,在深度学习的基础上,使用限幅模糊控制技术,对变转速液压动力源恒流量进行预测。结果显示:相对于传统预测方法,本文方法的预测效率和准确率得到了大幅度提高。

关键词: 深度学习, 限幅模糊, 变转速液压, 流量预测

Abstract:

When the conventional method is used to predict the constant flow rate of the variable speed hydraulic power source, the time used to predict the flow rate is long, the error between the predicted result and the real rate is large, and the prediction accuracy is poor. To overcome the above drawbacks, based on the deep learning and limited amplitude fuzzy, a constant flow prediction method of variable speed hydraulic power source is proposed. Using the mathematical models of permanent magnet synchronous motor, servo controller, gear pump and proportional relief valve, with the principle of deep learning, the constant flow of variable speed hydraulic power source is predicted by the limited amplitude fuzzy control technique. The experimental results show that the proposed method has higher prediction efficiency and accuracy.

Key words: deep learning, limited amplitude fuzzy, variable speed hydraulic, flow forecast

中图分类号: 

  • TP273

图1

变转速液压动力源恒流量限幅控制原理"

图2

不同方法的预测时间对比"

图3

不同方法的预测准确率对比"

1 涂永航, 谷立臣, 马玉. 变转速液压动力源恒流量模糊控制方法研究[J]. 机械设计与研究, 2015, 31(1):102-105, 110.
Tu Yong-hang, Gu Li-chen, Ma Yu. Research on fuzzy control method of variable speed hydraulic power source with constant flow[J]. Machinery Design and Research, 2015, 31(1):102-105, 110.
2 涂永航. 变转速液压动力源恒流量模糊控制方法研究[D]. 西安: 长安大学工程机械学院, 2015.
Tu Yong-hang. Research on the fuzzy control method of variable speed hydraulic power source with constant flow[D]. Xi'an: School of Engineering Machinery, Chang'an University, 2015.
3 郭磊磊, 张兴, 杨淑英, 等. 一种改进的永磁同步发电机模型预测直接转矩控制方法[J]. 中国电机工程学报, 2016, 36(18):5053-5061.
Guo Lei-lei, Zhang Xing, Yang Shu-ying, et al. An improved model predictive direct torque control method for permanent magnet synchronous generators[J]. Proceedings of the Chinese Society for Electrical Engineering, 2016, 36(18):5053-5061.
4 田建勇, 石林江. 基于Kalman算法的光纤网络流量在线预测模型[J]. 激光杂志, 2018, 39(9):110-114.
Tian Jian-yong, Shi Lin-jiang. On-line prediction model of optical fiber network traffic based on Kalman algorithm[J]. Laser Journal, 2018, 39(9):110-114.
5 张军, 迪茹侠, 顾海荣, 等. 基于流量控制的负载敏感液压系统防冲击试验[J]. 广西大学学报:自然科学版, 2017, 42(6):1993-2000.
Zhang Jun, Di Ru-xia, Gu Hai-rong, et al. Anti-shock test of load-sensing hydraulic system based on flow control[J]. Journal of Guangxi University(Natural Science Edition), 2017, 42(6):1993-2000.
6 黄伟男, 权龙, 黄家海, 等. 进出口独立控制液压挖掘机回转系统运行特性[J]. 机械工程学报, 2016, 52(20):159-167.
Huang Wei-nan, Quan Long, Huang Jia-hai, et al. Operation characteristics of the slewing system of an independent import and export control hydraulic excavator[J]. Chinese Journal of Mechanical Engineering, 2016, 52(20):159-167.
7 杨斌. 液压系统中的压力冲击研究[J].航空科学技术,2016,27(10):55-59.
Yang Bin. Study on pressure shock in hydraulic system[J]. Aviation Science and Technology,2016,27(10):55-59.
8 王平. 基于零相位滤波器的变转速液压系统控制性能实验研究[D]. 西安:长安大学工程机械学院, 2018.
Wang Ping. Experimental research on control performance of variable speed hydraulic system based on zero-phase filter[D]. Xi'an:School of Engineering and Machinery, Chang'an University, 2018.
9 马玉, 谷立臣. 变转速液压动力源的输入前馈-反馈复合补偿控制[J]. 长安大学学报:自然科学版, 2017, 37(5):120-126.
Ma Yu, Gu Li-chen. Input feedforward-feedback compound compensation control of variable speed hydraulic power source[J]. Journal of Chang'an University (Natural Science Edition), 2017, 37(5):120-126.
10 祝新军, 李明, 李杨. 基于AMESim的先导式精密减压阀的建模与仿真研究[J]. 制造业自动化, 2018, 40(5):82-84, 122.
Zhu Xin-jun, Li Ming, Li Yang. Modeling and simulation of pilot-operated precision pressure reducing valve based on AMESim[J]. Manufacturing Automation, 2018, 40(5):82-84, 122.
11 祁泽林. 模糊及PID控制在变转速液压动力源流量控制中的应用研究[D]. 西安:西安建筑科技大学机电工程学院, 2019.
Qi Ze-lin. Application research of fuzzy and PID control in variable speed hydraulic power source flow control[D]. Xi'an: School of Mechanical and Electrical Engineering, Xi'an University of Architecture and Technology, 2019.
12 马玉, 谷立臣. 伺服电机驱动的液压动力系统及其神经网络自适应优化控制[J]. 中国机械工程, 2014, 25(9):1239-1243.
Ma Yu, Gu Li-chen. The hydraulic power system driven by servo motor and its neural network adaptive optimization control[J]. China Mechanical Engineering, 2014, 25(9):1239-1243.
[1] 李锦青,周健,底晓强. 基于循环生成对抗网络的学习型光学图像加密方案[J]. 吉林大学学报(工学版), 2021, 51(3): 1060-1066.
[2] 谌华,郭伟,闫敬文,卓文浩,吴良斌. 基于深度学习的SAR图像道路识别新方法[J]. 吉林大学学报(工学版), 2020, 50(5): 1778-1787.
[3] 赵宏伟,刘晓涵,张媛,范丽丽,龙曼丽,臧雪柏. 基于关键点注意力和通道注意力的服装分类算法[J]. 吉林大学学报(工学版), 2020, 50(5): 1765-1770.
[4] 郜峰利,陶敏,李雪妍,何昕,杨帆,王卓,宋俊峰,佟丹. 基于深度学习的CT影像脑卒中精准分割[J]. 吉林大学学报(工学版), 2020, 50(2): 678-684.
[5] 徐谦,李颖,王刚. 基于深度学习的行人和车辆检测[J]. 吉林大学学报(工学版), 2019, 49(5): 1661-1667.
[6] 郭立民,陈鑫,陈涛. 基于AlexNet模型的雷达信号调制类型识别[J]. 吉林大学学报(工学版), 2019, 49(3): 1000-1008.
[7] 王石, 隋永新, 董琰, 杨怀江. 基于改进型小数据量法的局域网流量预测[J]. 吉林大学学报(工学版), 2016, 46(4): 1254-1260.
[8] 李抵非, 田地, 胡雄伟. 基于分布式内存计算的深度学习方法[J]. 吉林大学学报(工学版), 2015, 45(3): 921-925.
[9] 杨庆芳, 张彪, 高鹏. 基于改进动态递归神经网络的交通量短时预测方法[J]. , 2012, 42(04): 887-891.
[10] 王殿海, 李凤, 宋现敏. 一种新的车队离散模型及其应用[J]. 吉林大学学报(工学版), 2009, 39(04): 891-895.
[11] 姚智胜,邵春福,熊志华,岳昊 . 基于主成分分析和支持向量机的道路网短时交通流量预测 [J]. 吉林大学学报(工学版), 2008, 38(01): 48-52.
[12] 杨兆升;王媛;管青 . 基于支持向量机方法的短时交通流量预测方法[J]. 吉林大学学报(工学版), 2006, 36(06): 881-0884.
Viewed
Full text


Abstract

Cited

  Shared   
  Discussed   
No Suggested Reading articles found!