基于遗传算法的低压液压管路模型参数识别

　　1 引 言

　　在液压泵的吸油管路和液压系统的回油管路等工作在较低压力下的管路中,由于工作压力接近于大气压,泵的突然断电或者阀门的突然关闭将在管路中引起被称为/水击现象0的压力脉动过程,同时伴随气泡和气穴的产生及破灭。气泡和气穴的产生不仅会严重影响液压泵和液压系统的性能,而且会对压力脉动过程产生很大的影响。因此,与高压液压管路中压力脉动过程相比,低压液压管路中有气泡和气穴产生的压力脉动过程更难以预测。合理地预测低压液压管路中压力瞬态脉动,对于正确分析和合理设计液压泵和液压管路系统是十分重要的^[1-3]。

　　低压液压管路中压力瞬态脉动的仿真计算主要取决于管路瞬态中的三个未知参数,即液压油中的初始气泡体积、气体析出时间常数和气体溶解时间常数^[4]。低压液压管路中气体的体积变化复杂,沿管路分布的气泡位置、数量和体积以及液压油中的气体的析出时间常数和气体的溶解时间常数均无法通过实验测得^[5]。以前的研究也没有准确的给出液压油中初始气泡体积、气体的析出时间常数和气体的溶解时间常数^[6-8]。

　　为了准确合理的预测伴随气泡和气穴的低压液压管路压力瞬态脉动,选择液压油中初始气泡体积、气体析出时间常数和气体溶解时间常数三个参数值是本文解决的重点。本文在液压管路一维运动方程和连续性方程的基础上,把伴随气泡和气穴的低压液压管路瞬态模型建模问题描述为非线性、无约束的参数优化问题,采用改进遗传算法对气泡产生及破灭模型进行参数辨识研究,力求得到低压液压管路压力瞬态脉动模型参数的最优解,即液压油中的初始气泡体积、气体析出时间常数和气体溶解时间常数的最优值。

　　2 数学模型的建立

　　低压液压管路模型参数识别问题属于典型的非线性、无约束的参数寻优问题,即在连续的、有限的数学结构上,寻找一个使目标函数值达到最大或最小的最优解。遗传算法作为一种新型的、模拟生物进化理论的全局随机搜索优化方法,可以处理变量离散、目标函数多峰值且导数不存在、可行域狭小且为凹形等优化问题。自20世纪80年代问世以来便在数值优化、系统控制、结构优化设计、参数优化等诸多领域得到了成功的应用^[9]。

　　与爬山法和枚举法相比,遗传算法具有较强的鲁棒性,可以在参数选择合适的情况下,得到与实际非常接近的解。而且其他算法识别参数个数有限,计算量大,对函数有一定的数学要求(例如要求函数可导)^[10]。同时遗传算法具有并行性、融合性和良好的全局搜索能力,它采用概率变迁规则指导搜索方向,搜索范围大^[11]。因此本文选用遗传算法来进行伴随气泡和气穴的低压液压管路压力瞬态脉动模型的参数识别。