首页 > 论文范文 > 农业科技论文 > 农业工程论文 > 农业动力论文 > 浅析PLC的农机控制系统的可靠性

浅析PLC的农机控制系统的可靠性

2020-05-26 201 上传者：管理员

摘要：针对农机控制系统可靠性较低的问题,基于PLC系统对农机控制系统进行了设计,并对其可靠性进行了研究。该农机采用可编程控制器PLC进行控制,其硬件系统主要组成为踏板、方向盘、挡位和牵引装置等,软件系统对农机的自动导航和电-液悬挂系统进行控制。农机的可靠性评价采用模糊神经网络模型,通过确定神经网络结构、计算法方式和评价模型对农机进行可靠性评价。可靠性试验结果表明:基于PLC机器人的农机控制系统的可靠性较高,可以满足用户需求。

关键词：
PLC机器人
农机控制系统
可靠性
模糊神经网络
加入收藏

为了适应农村的发展,满足农民的需求,需要改进和完善农产品相关机械的各项功能,增加机械的可使用参数范围,并逐步向机电一体化迈进,使之更加趋于多元化、动态化[1]。但是,随着农机产品的结构越来越复杂,使用范围越来越严格,农机产品发生故障的几率随着增加,可靠性的问题日益凸显。一旦农机在作业过程中出现故障,则会严重影响作业效率,降低农民收入,甚至还会影响农机产品的进一步发展。

可靠性属于产品的固有属性,也是重要的质量指标。可靠性的定义是指产品在规定的时间和条件下完成规定工作的能力。可靠性较高的产品在使用过程不易出现故障,作业效率高,能够保证生产。可靠性设计可以通过技术和理论数据,对产品的元件、系统等进行设计和改进。经统计,我国农机的平均无故障运行时间大概为30h,故障率较高[2]。通过分析发现,造成农机可靠性较低的原因主要有两方面:一是企业为降低成本采购性能较差的原材料或者元件;二是农机本身系统存在缺陷,不能进行智能控制。

PLC控制系统是由PLC和控制设备组成[3],一般作为主控单元。通过PLC和各控制仪表的通信及时获得系统运行参数,达到对设备的控制。PLC控制系统具有运算精确、速度快和可靠性高的优点,可以将其应用于农机的控制,提高农机系统的可靠性。为此,本文将基于PLC对农机控制系统的可靠性进行研究。

1、农机控制系统设计

1.1技术路线

农机的控制系统可靠性研究的技术路线如图1所示。农机系统采用可编程控制器PLC进行控制,包括硬件系统和软件系统。硬件系统主要组成为踏板、方向盘、挡位和牵引装置等;软件系统主要是对农机进行控制,用于完成对农机的自动导航等控制。

图1农机控制系统可靠性研究技术路线

1.2PLC控制器设计

主控单元采用西门子S7系列可编程控制器,其具有体积小、高可靠性及可操控性好的优点,因此通常作为农机控制的首选。将其与农机的数据采集卡连接进行通信,通信方式采用自由口方式,即可根据用户的需求制定相应的通信协议。该方式使主控单元能够随时获得农机的各项运行参数,同时还与农机的编程软件连接。通过对农机的软件进行对应功能设计,即可完成对农机的智能控制。PLC控制器的控制系统简图如图2所示。

图2PLC控制器的控制系统简图

1.3硬件设计

硬件系统主要包括踏板、方向盘、挡位、离合、刹车、油门和牵引装置等农机的操控设备。其中,踏板包括离合器、刹车和油门踏板,通过调整各踏板行程进而调整农机的行驶速度。踏板与霍尔传感器连接,用于检测踏板的行程,利用电路放大器将角度放大,并将检测结果传递给数据采集卡进行数据后续的传输和处理。

挡位用于为农机行驶提供动力,共设置5个挡位,包括倒车挡。其通过连接5个霍尔传感器检测电压信号,并将检测结果传递给数据采集卡。

方向盘通过自动导航系统进行控制。农机按照自动导航系统的路线图自动操控方向盘行驶,还可通过人工进行方向盘的操控。

牵引装置用于连接待牵引农具,并将牵引力传递给待牵引农具的装置,其悬挂机构采用液压控制系统进行控制。

1.4软件设计

软件设计主要是针对农机的自动导航控制和悬挂系统的液压控制系统的相关控制算法进行设计。

农机的自动导航控制系统主要利用GPS定位装置对农机进行定位,转角检测装置测量农机角度,将数据传输给PLC控制器。PLC控制器通过对比农机位置与设定路线的偏差,将结果传递给农机对应的操控设备,及时修正,使农机按照预设路线行驶。农机自动导航控制原理图如图

3所示。

图3农机自动导航控制原理图

农机牵引装置中的悬挂系统采用电-液悬挂系统。工作时,设定耕深值,悬挂系统的检测装置用于检测牵引时的牵引力和耕深等值,并将其与设定值比较,根据PID控制算法对其进行自动调整,保证农机作业参数的稳定性,以确保农机牵引装置稳定工作。

2、可靠性研究

农机的可靠性评价采用模糊神经网络模型,简称FUN(FuzzyNeuralNetwork)。模糊神经网络通过神经网络实现模糊推理,是将模糊逻辑中函数的物理意义赋予给神经网络中没有物理含义的权值。该模型既具有模糊推理的结构性,又具有神经网络的学习能力[4,5],因此采用该模型对农机的可靠性进行研究。

2.1模糊神经网络结构

模糊神经网络结构图[6,7]如图4所示。

图4模糊神经网络结构图

模糊神经网络的结构共有5层,即输入层、隶属函数层、规则层、去模糊层和输出层。其中,输入层为第1层,设定输入值为M=(x1,x2,…,xn)T,结点数为N1=n,通过结点将输入值传递至隶属函数层;第2层隶属函数层中的1个结点为1个模糊语言变量,通过计算将每一个输入值对应至相应的隶属度函数;第3层规则层中的每个结点代表一个规则,通过计算每个规则的适用度,将其与隶属度函数相匹配;第4层去模糊层是对第3层中的每个结点进行归一化计算;第5层输出层则是进行清晰化计算并输出结果。

2.2模糊神经网络计算

模糊神经网络计算主要是计算参数:①FUN结构中的最后1层连接权ωij(i=1,2,…,t;j=1,2,…,v);②在FUN结构的第2层中,隶属度函数的中心值eij和隶属度函数的宽度dij。

模糊神经网络中,若结点位置为第p层、第j个位置的结点,则对于该结点存在以下关系,即

其中,eij和dij分别为神经网络中的第i个输入结点所在的第j个模糊集合的隶属度函数的中心值和宽度,它们均可调。

第3层为

其中,ya为神经网络的期望输出结果,y为实际输出结果。通过利用该函数,采用一阶梯度寻优的方法计算连接权、中心值和宽度,则

对f(3)取最小运算和相乘运算,得到一阶梯度为

2.3可靠性评价模型

为对农机的控制系统可靠性进行评价,除了采用神经网络进行计算外,还需要建立模糊神经网络的评价模型。模型的建立按照以下方法执行:①确立农机相关评价指标,并按照指标建立隶属度函数矩阵;②将隶属度函数矩阵按照神经网络计算的方法建立相关学习样本;③将学习样本带入神经网络结构中进行计算,得到神经网络的输出结果,则模型初始化完毕;④将待评价指标相关数据带入模糊神经网络进行计算,即可得到农机的控制系统可靠性评价结果。

3、试验

3.1可靠性评价指标

为确定农机控制系统的可靠性,确定以下评价指标:首次出现故障的时间MT1、无故障作业时间MT2、平均维修周期MT3、维修率MT4和故障频次γ。其计算方法分别为