本发明涉及液压系统的控制领域，具体地为液压系统中的变速泵控制系统。
背景技术：
在电动液压伺服系统(ehss)中，为了实现对执行机构液压缸的精确有效的控制，通常使控制流路输出的液压功率由节流原理(使用伺服阀)控制或通过体积控制原理(控制调节泵的排量)。
在现有技术中电动液压伺服系统对执行机构液压缸的控制，存在以下技术问题：
1、当利用节流原理(使用伺服阀)控制液压缸，由于需要在液压泵与液压缸之间设置流量控制阀、压力控制阀、方向控制阀等控制阀结构，成本高、液压系统复杂，并且在一些工作机械中液压系统的布局难度比较大。
2、当利用体积控制原理(控制调节泵的排量)控制液压缸，其控制系统需要实时监测液压缸有杆腔和无杆腔内的压力，这样需要在液压缸内设置压力传感器，使液压缸的结构变得复杂、成本高，并且控制系统对压力传感器本身的测量属性，例如准确性，精度、可重复性，分辨率，带宽频率，线性度等会过度的依赖。
3、由于液压油的可压缩性以及液压缸的泄漏时，都会引起的压力波动，使液压缸工作的稳定性不足。
技术实现要素：
1、本发明的目的
为解决上述技术问题，本发明提供了一种液压系统中的变速泵控制系统，其通过控制变速泵，来控制液压缸执行机构，并且结构简单、成本低、控制精确及时，液压缸执行机构工作稳定。
2、本发明所采用的技术方案
本发明公开了一种液压系统中的变速泵控制系统，所述液压系统具有第一伺服电机驱动的第一变速泵，第二伺服电机驱动的第二变速泵；第一变速泵一端连通液压油箱，另一端分别连接到第二变速泵、液压缸无杆腔的a油口、第一单向阀；第二变速泵一端分别连接到第一变速泵、液压缸无杆腔的a油口、第一单向阀，另一端连接到液压缸有杆腔的b油口、第二单向阀；第一单向阀和第二单向阀分别与液压油箱连通；所述液压缸为差动液压缸；其特征在于：
所述第一变速泵、第二变速泵都可以进行正向和反向的旋转，并且在液压缸执行动作时，第一变速泵、第二变速泵的旋转方向保持相反；
所述液压系统具有变速泵控制系统，所述变速泵控制系统具有位置控制环和压力控制环，位置控制环和压力控制环分别通过输出的控制信号控制第一变频器和第二变频器向第一伺服电机和第二伺服电机供电的频率，从而控制第一伺服电机和第二伺服电机的转速和扭矩，进而控制第一变速泵和第二变速泵输出的压力和流量，最终调节液压缸活塞压力和位置达到期望总压力值psum和期望位置xref；所述液压缸设置有位置传感器，将实际测得活塞位置x实时反馈给压力控制环输入口与压力控制环输入口的期望位置xref进行比较，得到位置误差，通过压力控制环实时反馈调节，缩小位置误差，最终使活塞位置x达到期望位置xref；所述压力控制环输入口的输入参数为期望总压力值psum，所述期望总压力值psum＝pa pb,其中pa、pb分别为液压缸有杆腔和无杆腔中的期望的压力值。
更进一步，变速泵控制通过结构化递归神经网络控制:
步骤1、所述神经网络的输入层分别输入第一变速泵的实时转速n1t(k)、液压缸的实时位移x(k)、液压缸实时速度v(k)、第二变速泵的实时转速n2t(k)；输出层的输出变量为液压缸有杆腔的实时压力pb(k)和液压缸无杆腔的实时压力pa(k)，并且将神经网络的多隐含层进行耦合；
步骤2、通过对神经网络的训练得到第一变速泵的实时转速n1t(k)、液压缸的实时位移x(k)、液压缸实时速度v(k)、第二变速泵的实时转速n2t(k)与液压缸有杆腔的实时压力pb(k)和液压缸无杆腔的实时压力pa(k)之间的非线性的映射关系；最终计算得到液压缸实时的总压力值psum(k)＝pb(k) pa(k)并将液压缸实时的总压力值psum(k)与期望总压力值psum进行比较，得到总压力值误差，通过压力控制环的自适应调节，缩小压力值误差，使液压缸实时的总压力值psum(k)达到期望总压力值psum。
模拟仿真训练，结构化递归神经网络训练方式中步骤1如下：
步骤1.1首先使用模拟液压系统生成的数据对上述网络进行初步训练，设计的液压系统和控制环，在ansys软件中进行液压系统和控制环工作的模拟仿真，利用模拟仿真中液压系统运行的数据，即第一变速泵的实时转速、液压缸的实时位移、液压缸实时速度、第二变速泵的实时转速作为输入层，利用模拟仿真中液压系统运行的数据液压缸有杆腔的实时压力和液压缸无杆腔的实时压力作为输出层；
步骤1.2以-1至1之间的随机数作为初步训练的初始权重值，利用伪随机多电平信号prms作为结构化递归神经网络训练的激励信号，进行初步训练；初步训练的步数设置为5000步，各神经元节点之间的权重值会随着训练不断调整，缩小误差，直至达到所设置的训练步数，以获得神经网络下一步训练，即最终训练的各神经元节点之间合理的初始权重值。
实际工况训练，结构化递归神经网络训练方式中步骤2如下：
步骤2.1利用液压系统实际工作的数据具有初始权重值的神经网络进行最终训练；当初步训练达到设置的初步训练的步数5000步时，初步训练结束，将此时的神经网络各神经元节点之间的权重值作为最终训练的初始权重值进行训练；
步骤2.2利用液压系统运行实际工况中检测的数据：第一变速泵的实时转速、液压缸的实时位移、液压缸实时速度、第二变速泵的实时转速作为输入层，利用液压系统运行实际工况中检测的数据：液压缸有杆腔的实时压力和液压缸无杆腔的实时压力作为输出层；
步骤2.3活塞杆在0-t时间内从0位置不断伸出，直到其极限长度值；当活塞杆在t时间点达到其行程极限值的±0.002m时，最终训练的阶段结束；此时便获得输入层第一变速泵的实时转速、液压缸的实时位移、液压缸实时速度、第二变速泵的实时转速，与输出层液压缸有杆腔的实时压力和液压缸无杆腔的实时压力的非线性的映射关系，其用于计算液压缸有杆腔的实时压力pb(k)和液压缸无杆腔的实时压力pa(k)；最终计算得到液压缸实时的总压力值psum(k)，而无需利用压力传感器对液压缸有杆腔和无杆腔压力进行检测。
更进一步，所述液压系统中的第一伺服电机驱动通过第一刚性联轴器连接到第一变速泵，第二伺服电机通过第一刚性联轴器连接到第二变速泵。
更进一步，所述第一伺服电机、第二伺服电机均为永磁同步电机。
更进一步，所述变频器与电源相连接。
3、本发明所采用的有益效果
(1)本发明所述变速泵控制系统具有位置控制环和压力控制环，控制环和压力控制环分别通过输出的控制信号控制第一变频器和第二变频器向第一伺服电机和第二伺服电机供电的频率，从而控制第一伺服电机和第二伺服电机的转速和扭矩，进而控制第一变速泵和第二变速泵输出的压力和流量，最终调节液压缸活塞压力和位置达到期望总压力值psum和期望位置xref；这样就不需要在第一变速泵、第二变速泵与液压缸之间再设置流量控制阀、压力控制阀、方向控制阀等阀结构，简化了系统提高稳定性，减少了成本。
(2)本发明的第一变速泵、第二变速泵都可以进行正向和反向的旋转，并且在液压缸执行动作时，第一变速泵、第二变速泵的旋转方向相反，这样可以对由于液压油的可压缩性、液压缸的泄漏引起的压力波动进行补偿，增强液压缸工作的稳定性。
(3)本发明建立结构化递归神经网络，这样在神经网络的学习训练中引入时间序列，，不需要专门在液压缸内的有杆腔和无杆腔内分别设置压力传感器，可以节约成本，简化液压缸结构，并且避免了对控制系统对压力传感器的测量属性，例如准确性，精度、可重复性，分辨率，带宽频率，线性度等的过度的依赖。
附图说明
图1为液压系统中的变速泵控制系统的结构图。
图2为本发明图1中液压系统两变速泵旋转方向相反的流量方向示意图。
图3为本发明结构化递归神经网络的拓扑结构图。
具体实施方式
下面结合本发明实例中的附图，对本发明实例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明的实施例，本领域技术人员在没有做创造性劳动前提下所获得的所有其他实施例，都属于本发明的保护范围。
下面将结合附图对本发明实例作进一步地详细描述。
实施例1
本发明提供了一种液压系统中的变速泵控制系统，其通过控制变速泵，来控制液压缸执行机构，并且结构简单、成本低、控制精确及时，液压缸执行机构工作稳定。
该液压系统中的变速泵控制系统，所述液压系统具有第一伺服电机驱动的第一变速泵，第二伺服电机驱动的第二变速泵；第一变速泵一端连通液压油箱，另一端分别连接到第二变速泵、液压缸无杆腔的a油口、第一单向阀；第二变速泵一端分别连接到第一变速泵、液压缸无杆腔的a油口、第一单向阀，另一端连接到液压缸有杆腔的b油口、第二单向阀；第一单向阀和第二单向阀分别与液压油箱连通；所述液压缸为差动液压缸。
如图2所示，所述第一变速泵、第二变速泵都可以进行正向和反向的旋转，并且在液压缸执行动作时，第一变速泵、第二变速泵的旋转方向保持相反。
如图1所示所述液压系统具有变速泵控制系统，所述变速泵控制系统具有位置控制环和压力控制环，其中λ为变速泵的转速偏移比，γ为液压缸截面的面积比，n1为第一变速泵的旋转的动态速度，n2为第二变速泵的旋转的动态速度，n1o为第一变速泵的旋转速度的偏移量，n2o为第二变速泵的旋转速度的偏移量。
位置控制环和压力控制环分别通过输出的控制信号控制第一变频器和第二变频器向第一伺服电机和第二伺服电机供电的频率，从而控制第一伺服电机和第二伺服电机的转速和扭矩，进而控制第一变速泵和第二变速泵输出的压力和流量，最终调节液压缸活塞压力和位置达到期望总压力值psum和期望位置xref；所述液压缸设置有位置传感器，将实际测得活塞位置x实时反馈给压力控制环输入口与压力控制环输入口的期望位置xref进行比较，得到位置误差，通过压力控制环实时反馈调节，缩小位置误差，最终使活塞位置x达到期望位置xref；所述压力控制环输入口的输入参数为期望总压力值psum，所述期望总压力值psum＝pa pb,其中pa、pb分别为液压缸有杆腔和无杆腔中的期望的压力值。
如图3所示所述变速泵控制系统具有结构化递归神经网络，其具有流量模型和压力模型，所述神经网络的输入层分别输入第一变速泵的实时转速n1t(k)、液压缸的实时位移x(k)、液压缸实时速度v(k)、第二变速泵的实时转速n2t(k)；输出层的输出变量为液压缸有杆腔的实时压力pb(k)和液压缸无杆腔的实时压力pa(k)，并且将神经网络的多隐含层进行耦合，通过对神经网络的训练得到第一变速泵的实时转速n1t(k)、液压缸的实时位移x(k)、液压缸实时速度v(k)、第二变速泵的实时转速n2t(k)与液压缸有杆腔的实时压力pb(k)和液压缸无杆腔的实时压力pa(k)之间的非线性的映射关系；最终计算得到液压缸实时的总压力值psum(k)＝pb(k) pa(k)并将液压缸实时的总压力值psum(k)与期望总压力值psum进行比较，得到总压力值误差，通过压力控制环的自适应调节，缩小压力值误差，使液压缸实时的总压力值psum(k)达到期望总压力值psum。
为保证神经网络最终获得的输入层参数与输出层参数的非线性映射关系的各神经元节点之间的权重值达到预期的误差范围之内，使神经网络最终的计算结果更准确、可靠。
结构化递归神经网络训练方式如下：
1.首先使用模拟液压系统生成的数据对上述网络进行初步培训。根据图1设计的液压系统和控制环，在ansys软件中进行液压系统和控制环工作的模拟仿真，利用模拟仿真中液压系统运行的数据，即第一变速泵的实时转速、液压缸的实时位移、液压缸实时速度、第二变速泵的实时转速作为输入层，利用模拟仿真中液压系统运行的数据液压缸有杆腔的实时压力和液压缸无杆腔的实时压力作为输出层。并且以-1至1之间的随机数作为初步训练的初始权重值，利用伪随机多电平信号(prms)作为结构化递归神经网络训练的激励信号，进行初步训练。初步训练的步数设置为5000步，各神经元节点之间的权重值会随着训练不断调整，缩小误差，直至达到所设置的训练步数。
初步培训的主要目的是获得神经网络下一步训练(即最终训练)的各神经元节点之间合理的初始权重值。
2.利用液压系统实际工作的数据对“初步培训”神经网络进行最终训练。当初步培训达到设置的初步训练的步数5000步时，初步培训结束，将此时的神经网络各神经元节点之间的权重值作为最终训练的初始权重值进行训练。
利用液压系统运行实际工况中检测的数据：第一变速泵的实时转速、液压缸的实时位移、液压缸实时速度、第二变速泵的实时转速作为输入层，利用液压系统运行实际工况中检测的数据：液压缸有杆腔的实时压力和液压缸无杆腔的实时压力作为输出层。活塞杆在0-t时间内从0位置不断伸出，直到其极限长度值。当活塞杆在t时间点达到其行程极限值的±0.002m时，最终训练的阶段结束。此时便获得输入层第一变速泵的实时转速、液压缸的实时位移、液压缸实时速度、第二变速泵的实时转速，与输出层液压缸有杆腔的实时压力和液压缸无杆腔的实时压力的非线性的映射关系，其用于计算液压缸有杆腔的实时压力pb(k)和液压缸无杆腔的实时压力pa(k)；最终计算得到液压缸实时的总压力值psum(k)，而无需利用压力传感器对液压缸有杆腔和无杆腔压力进行检测。
所述液压系统中的第一伺服电机驱动通过第一刚性联轴器连接到第一变速泵，第二伺服电机通过第一刚性联轴器连接到第二变速泵。所述第一伺服电机、第二伺服电机均为永磁同步电机。所述变频器与电源相连接。所述变速泵控制系统具有位置控制环和压力控制环，控制环和压力控制环分别通过输出的控制信号控制第一变频器和第二变频器向第一伺服电机和第二伺服电机供电的频率，从而控制第一伺服电机和第二伺服电机的转速和扭矩，进而控制第一变速泵和第二变速泵输出的压力和流量，最终调节液压缸活塞压力和位置达到期望总压力值psum和期望位置xref；这样就不需要在第一变速泵、第二变速泵与液压缸之间再设置流量控制阀、压力控制阀、方向控制阀等阀结构，简化了系统提高稳定性，减少了成本。
第一变速泵、第二变速泵都可以进行正向和反向的旋转，并且在液压缸执行动作时，第一变速泵、第二变速泵的旋转方向相反，这样可以对由于液压油的可压缩性、液压缸的泄漏引起的压力波动进行补偿，增强液压缸工作的稳定性。
建立结构化递归神经网络，这样在神经网络的学习训练中引入时间序列，得到第一变速泵的实时转速n1t(k)、液压缸的实时位移x(k)、液压缸实时速度v(k)、第二变速泵的实时转速n2t(k)与液压缸有杆腔的实时压力pb(k)和液压缸无杆腔的实时压力pa(k)之间的非线性的映射关系，仅需要实时监测第一变速泵的实时转速n1t(k)、液压缸的实时位移x(k)、液压缸实时速度v(k)、第二变速泵的实时转速n2t(k)作为输入，然后经过结构化递归神经网络就可以预测液压缸有杆腔的实时压力pb(k)和液压缸无杆腔的实时压力pa(k)进而得到液压缸实时的总压力值psum(k)＝pb(k) pa(k)并将液压缸实时的总压力值psum(k)与期望总压力值psum进行比较；这样就不需要专门在液压缸内的有杆腔和无杆腔内分别设置压力传感器，可以节约成本，简化液压缸结构，并且避免了对控制系统对压力传感器的测量属性，例如准确性，精度、可重复性，分辨率，带宽频率，线性度等的过度的依赖。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明披露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求书的保护范围为准。
1.一种液压系统中的变速泵控制系统，所述液压系统具有第一伺服电机驱动的第一变速泵，第二伺服电机驱动的第二变速泵；第一变速泵一端连通液压油箱，另一端分别连接到第二变速泵、液压缸无杆腔的a油口、第一单向阀；第二变速泵一端分别连接到第一变速泵、液压缸无杆腔的a油口、第一单向阀，另一端连接到液压缸有杆腔的b油口、第二单向阀；第一单向阀和第二单向阀分别与液压油箱连通；所述液压缸为差动液压缸；其特征在于：
所述第一变速泵、第二变速泵都可以进行正向和反向的旋转，并且在液压缸执行动作时，第一变速泵、第二变速泵的旋转方向保持相反；
所述液压系统具有变速泵控制系统，所述变速泵控制系统具有位置控制环和压力控制环，位置控制环和压力控制环分别通过输出的控制信号控制第一变频器和第二变频器向第一伺服电机和第二伺服电机供电的频率，从而控制第一伺服电机和第二伺服电机的转速和扭矩，进而控制第一变速泵和第二变速泵输出的压力和流量，最终调节液压缸活塞压力和位置达到期望总压力值psum和期望位置xref；所述液压缸设置有位置传感器，将实际测得活塞位置x实时反馈给压力控制环输入口与压力控制环输入口的期望位置xref进行比较，得到位置误差，通过压力控制环实时反馈调节，缩小位置误差，最终使活塞位置x达到期望位置xref；所述压力控制环输入口的输入参数为期望总压力值psum，所述期望总压力值psum＝pa pb,其中pa、pb分别为液压缸有杆腔和无杆腔中的期望的压力值。
2.根据权利要求1所述的液压系统中的变速泵控制系统，其特征在于变速泵控制通过结构化递归神经网络控制:
步骤1、所述神经网络的输入层分别输入第一变速泵的实时转速n1t(k)、液压缸的实时位移x(k)、液压缸实时速度v(k)、第二变速泵的实时转速n2t(k)；输出层的输出变量为液压缸有杆腔的实时压力pb(k)和液压缸无杆腔的实时压力pa(k)，并且将神经网络的多隐含层进行耦合；
步骤2、通过对神经网络的训练得到第一变速泵的实时转速n1t(k)、液压缸的实时位移x(k)、液压缸实时速度v(k)、第二变速泵的实时转速n2t(k)与液压缸有杆腔的实时压力pb(k)和液压缸无杆腔的实时压力pa(k)之间的非线性的映射关系；最终计算得到液压缸实时的总压力值psum(k)＝pb(k) pa(k)并将液压缸实时的总压力值psum(k)与期望总压力值psum进行比较，得到总压力值误差，通过压力控制环的自适应调节，缩小压力值误差，使液压缸实时的总压力值psum(k)达到期望总压力值psum。
3.根据权利要求2所述的液压系统中的变速泵控制系统，其特征在于结构化递归神经网络训练方式中步骤1如下：
步骤1.1首先使用模拟液压系统生成的数据对上述网络进行初步训练，设计的液压系统和控制环，在ansys软件中进行液压系统和控制环工作的模拟仿真，利用模拟仿真中液压系统运行的数据，即第一变速泵的实时转速、液压缸的实时位移、液压缸实时速度、第二变速泵的实时转速作为输入层，利用模拟仿真中液压系统运行的数据液压缸有杆腔的实时压力和液压缸无杆腔的实时压力作为输出层；
步骤1.2以-1至1之间的随机数作为初步训练的初始权重值，利用伪随机多电平信号prms作为结构化递归神经网络训练的激励信号，进行初步训练；初步训练的步数设置为5000步，各神经元节点之间的权重值会随着训练不断调整，缩小误差，直至达到所设置的训练步数，以获得神经网络下一步训练，即最终训练的各神经元节点之间合理的初始权重值。
4.根据权利要求2所述的液压系统中的变速泵控制系统，其特征在于结构化递归神经网络训练方式中步骤2如下：
步骤2.1利用液压系统实际工作的数据具有初始权重值的神经网络进行最终训练；当初步训练达到设置的初步训练的步数5000步时，初步训练结束，将此时的神经网络各神经元节点之间的权重值作为最终训练的初始权重值进行训练；
步骤2.2利用液压系统运行实际工况中检测的数据：第一变速泵的实时转速、液压缸的实时位移、液压缸实时速度、第二变速泵的实时转速作为输入层，利用液压系统运行实际工况中检测的数据：液压缸有杆腔的实时压力和液压缸无杆腔的实时压力作为输出层；
步骤2.3活塞杆在0-t时间内从0位置不断伸出，直到其极限长度值；当活塞杆在t时间点达到其行程极限值的±0.002m时，最终训练的阶段结束；此时便获得输入层第一变速泵的实时转速、液压缸的实时位移、液压缸实时速度、第二变速泵的实时转速，与输出层液压缸有杆腔的实时压力和液压缸无杆腔的实时压力的非线性的映射关系，其用于计算液压缸有杆腔的实时压力pb(k)和液压缸无杆腔的实时压力pa(k)；最终计算得到液压缸实时的总压力值psum(k)，而无需利用压力传感器对液压缸有杆腔和无杆腔压力进行检测。
5.根据权利要求1所述的液压系统中的变速泵控制系统，其特征在于:所述液压系统中的第一伺服电机驱动通过第一刚性联轴器连接到第一变速泵，第二伺服电机通过第一刚性联轴器连接到第二变速泵。
6.根据权利要求1所述的液压系统中的变速泵控制系统，其特征在于:所述第一伺服电机、第二伺服电机均为永磁同步电机。
7.根据权利要求1所述的液压系统中的变速泵控制系统，其特征在于:所述变频器与电源相连接。
技术总结