气缸低速爬行特性影响因素及补偿

1 引言

气缸作为气动系统中最常见的执行机构，广泛应用于自动化生产中。在许多工业应用场合中，常常需要低速驱动，然而，气缸在低速运动时，由于气缸摩擦阻力和气体可压缩性的影响，常常会出现时走时停或时快时慢的交替运动，称为“爬行现象”[1]。气缸的爬行不仅会产生很大噪音、严重影响环境，而且导致系统不稳定、降低系统精度。

文献[2]研究在气缸润滑剂中添加纳米颗粒润滑剂对改善气缸摩擦力的影响，在很大程度上减轻了气缸爬行现象。文献[3]对控制器叠加一个由一系列的低幅脉冲信号组成的颤振信号来补偿气缸摩擦力；文献[4]设计了一种新型低摩擦力气缸，很大程度上消除气缸低速爬行的问题。为了研究气缸爬行主要因素对其影响趋势，以及消除其对气动系统运动状态的影响，对无杆气缸系统建模并进行联合仿真分析，采用单神经元控制和叠加颤振信号的控制方法，达到稳定解决爬行现象的目的。

2 气缸爬行现象机理及影响因素分析

2.1 气缸爬行机理

气源向气缸一腔充气，气缸在气体推动作用下运动。由于活塞内壁静摩擦力的影响，当进气腔压力达到一定值时，推力克服静摩擦力，气缸运动，此时静摩擦力转变为较小的动摩擦力，而气缸内由于容积扩大而压力减小，导致压力小于动摩擦力，即推力小于阻力，气缸逐渐停止；随着气源供气，当进气腔压力又增大后，可再一次推动活塞运动，该过程的循环就形成了气缸的爬行。

2.2 气缸爬行现象的影响因素

通过分析气缸结构和气动系统的特点，可以得出爬行现象与气体压缩性、系统主要元件以及气缸摩擦力有关，将影响气缸爬行的主要因素归结为：气源压力、负载、摩擦力特性。

3 气动系统模型建立与仿真

3.1 气动系统模型

以气动比例阀控无杆缸为例进行建模。针对该类非线性、难以建立精确模型的系统，利用AMESim在图形化建模方面的优势[5]，建立气动仿真模型。AMESim提供了标准气动元件库（Pneumatic Library）和气动元件设计库（Pneumatic Component Design Library，PCD），用户可以根据自己的仿真目的采用标准库中已有的元件或者采用PCD库元件子模型的组合来建立所需的模型[6]。

（2）负载质量的影响。在气源压力为0.6MPa、动静摩擦力差值为5N时，负载质量分别选择2kg、5kg、10kg，仿真结果，如图3所示。负载质量增加，即气缸法向压力增加，会引起气缸摩擦力增大，因此爬行会越来越严重。

Matlab/Simulink是动态系统仿真领域中著名的集成环境；AMESim有较为精确的模型，避免了数学建模的误差，利用两个软件各自的优点进行联合仿真，有助于更好地了解系统性能。在AMESim中建立气动系统回路模型，在Simulink中建立控制系统模型，将两个模型联合进行动态特性仿真分析[7]。

根据PCD库构建了无杆气缸和三位五通比例阀，连接气动回路，如图1所示。由气源提供压力，将气体流量通过比例换向阀送到无杆气缸的一腔中，比例阀在控制系统控制下，调节阀口开度控制流量的大小，驱动气缸，在气缸处设置位移传感器，将气缸的位置通过联合接口反馈给控制系统，与目标位移进行比较并进行实时调整，构成闭环系统，实现气缸定位、轨迹跟踪。

  

图1 基于AMESim的气动系统模型Fig.1 Pneumatic System Model Based on AMESim

（1）气源压力的影响。在负载质量为2kg、动静摩擦力差值为5N 下，气源压力分别选择 0.6MPa、0.4MPa、0.2MPa，仿真结果，如图2所示。气源压力对爬行影响差别不大，气压小爬行稍明显些。随着压力的增大，活塞密封圈紧贴气缸内壁导致摩擦力增大；同时，压力的增大使气缸、气管和阀所组成的系统刚性增加，有利于阻止系统产生爬行。双重因素作用下，爬行对气源压力不敏感。

3.2 联合仿真

纳入标准：①年龄≥18岁的骨科大手术病人；②使用IPC治疗装置(本次研究将各种IPC治疗装置作为一个整体)的病人。排除标准：①存在影响腿套使用情况的病人，如最近行皮肤移植者，存在坏疽、皮炎及严重畸形者，下肢大面积水肿或充血性心力衰竭所致肺水肿者；②患有严重外周动脉阻塞性疾病及严重下肢动脉硬化性缺血病人；③合并有周围血管病变病人；④有血栓病史病人；⑤不愿配合或由于各种原因中途退出病人。

会议邀请了美国Emory大学教授、国家千人计划特聘教授李晓江博士，以及华中科技大学同济医学院彭挺博士分别作了“转基因动物在人类疾病中的应用”和“荧光蛋白标记技术在蛋白质定位、相互作用以及动态追踪研究中的发展和应用”大会专题报告。报告精彩纷呈，大家听的意犹未尽。

（3）动静摩擦力差值的影响。在气源压力为0.6MPa、负载质量为2kg时，设定气缸动摩擦力为25N，静摩擦力分别为30N（差值为 5 N）、40 N（差值为 15 N）、50 N（差值为 25 N），仿真结果，如图4所示。动静摩擦力差值越大爬行越严重，且该因素影响最明显。因此，气缸最大静摩擦力是气缸摩擦力的一个重要特征，动静摩擦力差值是产生爬行的主要原因。

子模型的参数设计如下：（1）无杆气缸：活塞直径25 mm；活塞质量0.37 kg；行程450 mm；粘性摩擦系数C为90 Ns/m。（2）比例方向控制阀：阀芯位移量2.5 mm；阀芯与阀套之间的配合是负开口，零位移时遮盖量为-0.1 mm；阀芯质量为0.021 kg；阀芯活塞的直径为11 mm，活塞杆直径为7 mm。

  

图2 不同气源压力下位移曲线Fig.2 Displacement Curves Under Different Air Source Pressures

在11月的全国媒体试驾活动中，驾驶着锐骐6从顺畅平直的高速公路过渡到颠簸崎岖的果园，深深感受到其强劲的动力输出。

  

图3 不同负载质量下位移曲线Fig.3 Displacement Curves Under Different Masses of Load

输入位移信号为斜坡信号，单位：mm，初始值为20，斜率为10；调节的PID参数分别为50、50、6，增益K为50。仿真时，在工作行程为450mm、速度约为10mm/s等工况条件下，对气动系统进行PID控制，分析气源压力、负载质量、动静摩擦力差值对气缸爬行现象的影响。

  

图4 不同动静摩擦力差值下位移曲线Fig.4 Displacement Curves Under Different Differences Between Static and Dynamic Friction

4 单神经元PID控制

4.1 单神经元PID

颤振信号加入后的系统框图，如图6（a）所示。

4.2 单神经元控制仿真

为保证学习算法的收敛性和控制的鲁棒性，采用有监督的Hebb学习规则进行规范化处理[10]。在Simulink框图引入S-函数作为单神经元算法代码的载体，将单神经元算法根据固定程序格式用C语言编写后，嵌入到S-函数中运行。尽管Matlab的M文件S函数非常容易编写和理解，但是用C MEX S函数不仅比M文件运行速度更快，且可以生成独立的仿真程序。

种种记载，足见绝非正经医者的所谓“术士”所炼的丹药，实在是凶险之物。那么，这些掌握了当时社会中最高权力和文化资源的人们，为什么会前赴后继地去吃它呢？原因很简单，那些炼丹的术士，无一不宣称自己所炼的是“长生不老药”。

  

图5 单神经元和传统PID控制的位移曲线Fig.5 Displacement Curves Under Single Neuron and Conventional PID Control

将单神经元控制代替的PID控制器，参数设置如下：学习速率 ηP、ηI、ηD 的值分别为 80000、400、600，加权系数初值 w1（0）、w2（0）、w3（0）均为 0.3，神经元比例系数 K 为（9×106），在气源压力为0.6MPa、负载质量为2kg、动静摩擦力差值为5N、工作行程为450mm、速度约为10mm/s等工况条件下，仿真结果，如图5所示。图中曲线分别为目标曲线、PID控制曲线和单神经元控制曲线。

传统PID控制有明显的爬行现象，而单神经元PID控制通过自适应调节加权系数w1、w2、w3，明显提高定位精度和改善爬行。由图亦可知，采用单神经元控制虽然提高了系统精度，并没有完全解决爬行现象。

5 叠加颤振信号控制

5.1 颤振信号的补偿优势

颤振控制是在控制信号上叠加一个高频不等幅的信号。因动静摩擦力差值是摩擦力对系统影响的最根本的环节，从力学角度分析，高频的颤振信号叠加于控制信号上，使阀有足够的能量以消除静态摩擦力，可以达到似动非动的状态，从而缓解爬行。从气动角度分析，无颤振信号时，低速气缸的位移反馈给控制器，其爬行现象体现在控制信号上为振荡信号，叠加的高频颤振信号可以使控制信号有较高的频率，以克服控制信号的振荡，解决爬行，使其系统的特性能够从本质上得到改变。颤振信号补偿与单神经元控制相结合，形成鲁棒性很强的控制器，提高了非线性系统的控制能力。

5.2 颤振信号的加入方法

要实现良好的控制效果，须设计一个性能优良的控制器。人工神经网络是智能控制方法的一个重要分支，是通过对人脑功能的模拟提出来的，是一种多输入到单输出的映射关系[8]。将单个的神经元与传统PID控制器相结合，便可实现复杂系统控制及时变系统控制，称为单神经元自适应PID控制器[9]。根据气动系统非线性的特点，采用单神经元PID控制能够实现良好的控制。

图中：①—系统的输入位移，即期望输出位移；②—系统输入与输出位移差；③—控制器输出的信号，并且叠加颤振信号④，形成信号⑤对比例阀进行控制；⑥—比例阀根据接收的信号变换阀芯位移为气缸供气；⑦—实际输出位移；⑧—实际位移反馈。

控制策略在Simulink中实现，而叠加的信号在AMESim中引入，在单神经元控制量上叠加颤振信号，共同作用在比例阀上，在图1的基础上进行叠加，如图6（b）所示。该颤振信号为正弦信号，通过试凑法得到正弦信号的最佳幅值和频率，即400sin35t。

  

图6 叠加颤振信号Fig.6 Adding Vibrating Signal

5.3 补偿后仿真结果

在气源压力为0.6MPa、负载质量为2kg、动静摩擦力差值为5N、工作行程为450mm、速度约为10mm/s等工况条件下，叠加颤振信号气缸位移仿真结果，如图7所示。对比图5中曲线，此时的系统性能与未加入颤振信号时发生了明显的改变，动静摩擦力的差值对系统的影响不复存在，系统内的静摩擦力在颤振信号的作用下转换为滑动摩擦力。单神经元控制响应速度和精度都有所提高，克服了气缸低速时爬行现象的产生，而传统PID叠加颤振信号后虽然爬行现象消失，但响应速度和定位精度降低。同时，传统PID定位精度为±0.61mm，而采用单神经元PID及颤振信号的控制补偿后，其定位精度提高到±0.25mm。

蒋介石对国民党意识形态的阐释基本上指向传统的回归和中国文化的本位，虽然带有浓厚的民族主义色彩，但保守倾向异常突出。这样的意识形态取向与时代精神严重脱节，其动员与凝聚的功能亦十分有限。

笔者提出5种异味控制工艺，并对其技术途径和贡献率做简要分析，结果如表1所示。在实施异味控制工艺过程中，需要注意以下几点问题：①填埋场异味达标控制关键在于晚间控制，白天喷洒除臭剂有作用但于事无补，强化晚间工艺控臭是关键；②晚间控臭标准提升至中间HDPE膜覆盖等级，即膜覆盖+负压抽吸+处理能够实现异味控制达标；③传统白天喷药、晚间停止除臭的工艺值得进一步论证，因为此工艺需要喷洒除臭剂发挥16 h功效方能实现，成本控制也是一个难以实现的问题；④喷洒足量除臭剂是否对渗沥液后续处理有影响也须进一步技术论证。

  

图7 叠加颤振信号的位移曲线Fig.7 Displacement Curves After Adding Vibrating Signal

6 实验验证

结合仿真结果，利用NI PCI-6251数据采集卡和LabVIEW软件对FESTO无杆气缸的低速运动进行实验研究，在气源压力为0.6MPa、无负载、工作行程为450mm、速度约为25mm/s工况条件下，结果，如图8所示。在单神经元控制的基础上叠加颤振信号，明显优于传统PID控制，与仿真结果相符合。

  

图8 两种控制方法的实验曲线Fig.8 Experimental Curves of Two Control Methods

7 结论

（1）AMESim和Simulink的联合仿真，使气缸运动过程接近实物，分析结果更加可靠。通过联合仿真分析出气缸爬行的影响因素，气源压力大、负载质量小、动静摩擦差值小时有利于阻止系统的爬行；（2）对于气缸的爬行现象，采用单神经元PID控制信号与颤振信号进行线性叠加的方法进行补偿，解决了气缸的爬行问题，将系统定位精度由±0.61 mm提高到±0.25 mm，为低速气缸在各行业中的应用奠定了基础。

参考文献

［1］王佳利.气缸低速摩擦特性及其补偿控制研究［D］.哈尔滨：哈尔滨工业大学：机械电子工程，2009.

（Wang Jia-li.Research on characteristic and compensation control of friction of pneumatic cylinder at low speed［D］.Harbin：Harbin Institute of Technology：Mechatronics Engineering，2009.）

［2］Chang H，Lan C W.Tribological properties for long stroke cylinder using Nano-lubricants［J］.Journal of the Chinese Society of Mechanical Engineers，2008，29（6）：503-508.

［3］孔祥臻，刘延俊，王勇.气动比例阀控缸系统摩擦力补偿研究［J］.润滑与密封，2007，32（1）：135-138.

（Kong Xiang-zhen，Liu Yan-jun，Wang Yong.Friction compensation for the pneumatic proportional valve-controlled cylinder system［J］.Lubrication Engineering，2007，32（1）：135-138.）

［4］张远深，米晓明，於又玲.降低气缸摩擦力的结构改进［J］.兰州理工大学学报，2014，40（2）：55-59.

（Zhang Yuan-shen，Mi Xiao-ming，Yu You-ling.Stuctural improvements for reducing friction in pneumatic cylinder［J］.Journal of Lanzhou University of Technology，2014，40（2）：55-59.）

［5］巴少男，袁锐波，刘森.基于AMESim和Matlab/Simulink联合仿真的模糊 PID 控制气动伺服系统研究［J］.科学技术与工程，2010，10（9）：2220-2223.

（Ba Shao-nan，Yuan Rui-bo，Liu Sen.Co-simulation of fuzzy PID control of pneumatic servo system based on AMESim and Matlab/Simulink［J］.Science Technology and Engineering，2010，10（9）：2220-2223.）

［6］王志刚，杨美传，蒙星宇.AMESim的气动模型中可变容积气室的应用研究［J］.液压气动与密封，2015（6）：58-61.

（Wang Zhi-gang，Yang Mei-chuan，Meng Xing-yu.Research on the application of variable volume pneumatic chamber in AMESim pneumatic model［J］.Hydraulics Pneumatics and Seals，2015（6）：58-61.）

［7］李藤飞，石博强，李猛.基于联合仿真的电液执行器精度控制［J］.液压与气动，2012（3）：58-61.

（Li Teng-fei，Shi Bo-qiang，Li Meng.Accuracy control of electro-hydraulic actuator based on joint simulation ［J］.Chinese Hydraulics&Pneumatics，2012（3）：58-61.）

［8］K.Hirasawa，S.Mabud，Hu.Propagation and control of stochastic signals through universal learning networks ［J］.Neural Networks，2006，19（4）：487-499.

［9］杜晓婷.基于SIMULINK的单神经元自适应PID控制器研究［J］.赤峰学院学报：自然科学版，2015（8）：16-17.

（Du Xiao-ting.Research on single neuron adaptive PID controller based on SIMULINK［J］.Journal of Chifeng University：Natural Science Edition，2015（8）：16-17.）

［10］郑仲桥.单神经元自适应PID控制器在主动磁悬浮系统中的应用研究［J］.机械设计与制造，2014（4）：268-271.

（Zheng Zhong-qiao.The application research of single neuron adaptive PID controller to active magnetic levitation system［J］.Machinery Design&Manufacture，2014（4）：268-271.）