刘磊;

在伺服阀快速变化的动态过程中，控制器需要指令伺服阀快速、大幅度地改变阀口开度，但供油源的流量输出存在惯性，无法瞬间响应这种突变的需求。为维持供油压力始终高于气穴发生的临界值，实时且精确地调节阀口开度，提出基于深度学习与改进粒子群优化(particle swarm optimization, PSO)的液压伺服阀智能控制方法。建立推力与伺服阀驱动性能关系模型，采用神经网络优化比例-积分-微分(proportional-integral-derivative, PID)控制，利用神经网络多层次数据处理能力调节PID参数，以调节阀口开度，完成伺服阀推杆推力的自适应控制。为增强神经网络的PID参数整定能力，采用改进PSO算法，通过引入粒子杂交机制和权重线性递减策略，实现神经网络惯性权重的全局寻优，精确调整PID参数，快速补偿压力波动，确保供油压力始终高于气穴临界值，实现液压伺服阀驱动智能控制。实验结果表明，所提方法的阶跃响应曲线能够在0.2 s内达到稳态值附近，且恢复平稳状态耗时在0.05 s以内。验证了所提方法具有优秀的驱动控制效果以及抗干扰能力。

2026年04期 v.23;No.110 16-26页 [查看摘要][在线阅读][下载 1055K]