基于模糊PID的电磁气动系统控制策略及IWT流量估计方法探索

《Actuators》：Research on Control Strategy of Electromagnetic Pneumatic System Based on Fuzzy PID and Exploration of Flow Estimation Method for IWT Yitong Qin, Fangping Huang, Zongcai Ma, Zhenyu Fan, Jiayong Xia and Hongbai Yin

　　

准确的实时气动流量估计为昂贵且笨重的流量计提供了一种经济高效的替代方案，但复杂的阀门环境、高非线性和严格的精度要求带来了持续的挑战。该研究引入了一种集成模糊PID动态调谐与自适应小波阈值去噪的新型控制框架，协同优化模糊PID与改进小波变换（IWT），以同时提升控制精度和信号质量。实验验证表明，与常规PID控制相比，阀芯位移超调量减少35%。IWT的集成使流量估计信噪比（SNR）相对于硬/软阈值方法提高65%，同时均方根误差（RMSE）降低49%。该方法在动态响应和抗噪性方面显著优于主流技术，实现了比例阀的精确流量测量。这种算法驱动策略取代了高成本传感器，降低了工业维护需求。尤其适用于恶劣环境中的电磁气动系统，为比例阀流量控制建立了可靠的框架。

电磁气动系统因其速度优势在工业应用中日益广泛，比例控制阀作为核心元件，其开度调节直接决定系统流量与压力。然而，实际工况中恶劣环境易损坏外部传感器，导致控制失效及安全隐患，亟需研究无需外部传感器的直接流量控制方法。现有控制策略（如滑模控制、模糊逻辑控制）和流量估计技术（如计算流体力学仿真、AdaBoost神经网络等）虽取得进展，但在非线性动态特性与复杂噪声干扰下难以兼顾控制精度与计算效率；电磁干扰与机械振动常引起传感器信号失真，进一步降低流量估计准确性。此外，现有算法多基于预设模型，缺乏自学习能力，且依赖高精度流量传感器，成本高、易损坏、维护困难。为此，研究人员提出了一种融合模糊比例-积分-微分（模糊PID）动态调谐与改进小波阈值（IWT）去噪的协同控制框架，旨在同时提升控制精度与信号质量。该研究首先建立了比例阀的多物理场耦合模型，包括流量方程、LuGre摩擦模型（一种考虑摩擦记忆效应的动态摩擦模型）、气缸压力微分方程和力平衡方程。基于该模型设计了模糊PID控制器，利用模糊规则在线调节K_p、K_i、K_d以补偿非线性特性。同时提出了改进小波阈值（IWT）去噪算法，通过自适应阈值函数和分层去噪策略有效去除噪声并保留信号细节。实验验证表明，模糊PID控制使阀芯位移超调相比传统PID降低35%，IWT去噪使流量估计信噪比（SNR）相较于硬/软阈值方法提高65%，均方根误差（RMSE）降低49%。该方法在动态响应和抗噪性方面显著优于主流技术，实现了比例阀的精确流量测量，可替代高成本传感器，降低维护需求。该论文发表于《Actuators》。

在技术方法方面，研究涉及以下几个关键模块：(1) 多物理场耦合建模：采用Sanville流量公式（基于临界压力比区分音速与亚音速流）描述比例阀流量，引入LuGre摩擦模型表征阀芯的摩擦记忆效应，并建立气缸压力微分方程及力平衡方程。(2) 模糊PID控制器：以流量误差e及误差变化率?为输入，采用三角隶属度函数和5级模糊状态（负大NB、负小NS、零ZE、正小PS、正大PB），通过重心法解模糊在线调整K_p、K_i、K_d。(3) 改进小波阈值（IWT）去噪：设计融合衰减正弦函数与指数降噪模式的自适应阈值函数，基于树形结构多尺度分解与重构，阈值随分解层数自适应调整。(4) 实验平台：基于AVR控制器、双作用气缸（型号TGU-63×250-S，制造商未详）、位置传感器（GP2YOA21YKOF，Sharp）、压力传感器（MPX5700，NXP），采样频率1 kHz。

研究结果：

5.1 Implementation and Comparison of Fuzzy-PID in Proportional Control Valves（模糊PID控制性能对比）：通过Matlab仿真，对比传统PID、模糊控制和模糊PID。结果显示，模糊PID能更快达到目标值，超调量更小（平均超调4.2%对比传统PID的6.5%，降低35%），稳态误差更低，且在负载突变时保持稳定，体现出在非线性工况下的适应性。

5.2 Verification of Flow Estimation Accuracy of Proportional Valves in Noisy Environments（噪声环境下比例阀流量估计精度验证）：在200和1000数据点下，对比硬阈值、软阈值和IWT去噪。IWT在200数据点时SNR为14.49，RMSE为0.0188；在1000数据点时SNR从9.08 dB提升至14.98 dB（提高64.9%），RMSE从0.035降至0.017（降低49%）。此外，在多种噪声强度和扰动下进行鲁棒性测试（包括低、中、高SNR及叠加高频电磁和低频压力波动噪声），IWT均保持有效去噪，验证了其在复杂工业环境中的适用性。

5.3 Traffic Estimation Implementation（流量估计实现）：采用正弦信号验证，使用经IWT滤波的数据进行模型训练和预测，所得信号噪声减少、曲线平滑，预测误差大幅降低。表明IWT能提升模型精度并抑制反馈噪声对流量估计的影响。

5.4 Comparison of Multi-Method Flow Inference Performance（多方法流量推断性能对比）：与BP神经网络（BPNN）、卡尔曼滤波（KF）、支持向量回归（SVR）在相同条件（基于实际阀特性曲线，添加标准差0.5的高斯噪声，固定随机种子）下对比。IWT在SNR（22.707 dB）、RMSE（0.413）和计算时间（2.303 ms）上综合最优；相比BPNN（RMSE 1.063，时间12.819 ms），RMSE降低61.2%；相比KF（SNR 20.648，RMSE 0.577，时间0.028 ms），SNR提高2.059 dB；相比SVR（SNR 21.421，RMSE 0.485，时间6.457 ms），RMSE降低14.8%。IWT因其自适应阈值和分层去噪策略，在小样本非线性系统中避免了BPNN的欠拟合、KF的线性模型失配及SVR的计算瓶颈。

总结讨论与结论：该研究提出了一种融合模糊PID控制与改进小波变换（IWT）的新型电磁气动系统控制与流量估计方法。在控制策略上，模糊PID与IWT的协同框架有效解决了电磁气动系统的非线性和噪声干扰问题；动态参数调节机制提升了控制精度和响应速度。实验表明，模糊PID控制使超调量相比传统PID降低35%，稳态误差显著下降，显著提升了系统动态性能和鲁棒性。在流量估计方面，采用改进小波阈值去噪（IWT），通过自适应阈值函数和分层去噪策略实现了降噪与信号保真的平衡；在测试数据集上，该方法相比传统硬/软阈值方法性能提升超过65%，实现了高精度流量估计。在工程应用中，通过算法优化替代高成本传感器，降低了设备复杂性和维护成本，特别适用于恶劣环境中电磁气动系统的精密控制，如智能制造、机器人等领域。研究成果为工业自动化领域低成本高可靠控制方案提供了理论支持和技术途径。