基于粒子群算法的挖掘机溢流阀缓冲参数优化方法

1.本发明涉及挖掘机溢流阀缓冲参数优化技术领域，具体涉及一种基于粒子群算法的挖掘机溢流阀缓冲参数优化方法。


背景技术：

2.挖掘机作为一种工程机械，在多领域、多行业中被广泛应用。溢流阀作为安全阀，在限制液压回路最高压力方面被广泛应用。同时，因为溢流阀拥有恒压功能，又在许多工程机械缓冲工况中作为缓冲阀被广泛应用。溢流阀作为缓冲阀被应用的工况一般有两种，一种应用在液压缸回油路，另一种应用在马达回油路。在冲击载荷作用下，会出现液压油缸有杆腔压力远超溢流阀开启压力以及液压马达回油腔压力远超溢流阀开启压力的现象，这两种现象会导致有杆腔和回油腔的压力冲击较大，对元件造成的损伤较大，同时也造成了能源的浪费。


技术实现要素：

3.本发明的目的在于克服上述技术不足，提供一种基于粒子群算法的挖掘机溢流阀缓冲参数优化方法，对参数的优化有较好的参考价值，可以提升溢流阀的缓冲特性，进一步降低损耗，提升溢流阀的使用寿命，有效降低了挖掘机的能耗。
4.为达到上述技术目的，第一方面，本发明的技术方案提供一种基于粒子群算法的挖掘机溢流阀缓冲参数优化方法，包括以下步骤：
5.搭建溢流阀缓冲系统模型，并获取所述溢流阀缓冲系统模型的有杆腔压力传感器数据和流量传感器数据；
6.根据所述有杆腔压力传感器数据和所述流量传感器数据搭建溢流阀缓冲系统优化模型，并搭建溢流阀缓冲理想模型；
7.根据所述溢流阀缓冲系统优化模型输出的压力值与所述溢流阀缓冲理想模型输出的压力值的差值建立目标函数；
8.基于粒子群算法对所述目标函数进行优化得到粒子的全局最优结果；
9.根据所述粒子的全局最优结果调整所述挖掘机溢流阀的缓冲参数。
10.与现有技术相比，本发明的有益效果包括：
11.基于粒子群算法的挖掘机溢流阀缓冲参数优化方法包括步骤：搭建溢流阀缓冲系统模型，并获取所述溢流阀缓冲系统模型的有杆腔压力传感器数据和流量传感器数据；根据所述有杆腔压力传感器数据和所述流量传感器数据搭建溢流阀缓冲系统优化模型，并搭建溢流阀缓冲理想模型；根据所述溢流阀缓冲系统优化模型输出的压力值与所述溢流阀缓冲理想模型输出的压力值的差值建立目标函数；基于粒子群算法对所述目标函数进行优化得到粒子的全局最优结果；根据所述粒子的全局最优结果调整所述挖掘机溢流阀的缓冲参数。
12.基于粒子群算法的挖掘机溢流阀缓冲参数优化方法基于溢流阀缓冲系统优化模
型得到溢流阀缓冲理想模型，再采用粒子群优化算法进行优化，使有杆腔的瞬时压力降低，接近溢流阀的开启压力，能够优化溢流阀的缓冲特性。基于粒子群算法的挖掘机溢流阀缓冲参数优化方法对参数的优化有较好的参考价值，可以提升溢流阀的缓冲特性，进一步降低损耗，提升溢流阀的使用寿命，有效降低了挖掘机的能耗。
13.根据本发明的一些实施例，所述搭建溢流阀缓冲系统模型，包括步骤：
14.设置所述溢流阀缓冲系统模型的溢流阀弹簧刚度、溢流阀预紧力、溢流阀质量块质量、溢流阀阀芯通径、液压缸活塞直径、液压缸活塞杆直径、液压缸行程、受冲击的质量块质量、液压油弹性模量和液压油密度，以搭建所述溢流阀缓冲系统模型。
15.根据本发明的一些实施例，所述根据所述有杆腔压力传感器数据和所述流量传感器数据搭建溢流阀缓冲系统优化模型，包括步骤：
16.根据所述受冲击的质量块质量、质量块冲击速度、活塞位移、所述液压缸活塞直径和所述液压缸活塞杆直径计算得到溢流阀的开启压力值；
17.根据所述有杆腔压力传感器数据、所述流量传感器数据和所述溢流阀的开启压力值，搭建所述溢流阀缓冲系统优化模型。
18.根据本发明的一些实施例，所述并搭建溢流阀缓冲理想模型，包括步骤：
19.通过设置所述溢流阀缓冲系统优化模型的活塞行程安全余量、所述活塞位移、所述受冲击的质量块质量、所述质量块冲击速度、所述液压缸活塞直径、所述液压缸活塞杆直径和有杆腔压力持续时间，以搭建所述溢流阀缓冲理想模型。
20.根据本发明的一些实施例，所述设置所述溢流阀缓冲系统优化模型的活塞行程安全余量、所述活塞位移、所述受冲击的质量块质量、所述质量块冲击速度、所述液压缸活塞直径、所述液压缸活塞杆直径和有杆腔压力持续时间，包括步骤：
21.设置所述活塞行程安全余量为0.2m至0.3m，设置所述活塞位移为1.8m至2m，设置所述受冲击的质量块质量为2000kg至3000kg，设置所述质量块冲击速度为4m/s至6m/s，设置所述液压缸活塞直径为0.09m至0.1m，设置所述液压缸活塞杆直径为0.06m至0.08m，设置所述有杆腔压力持续时间为0.9s至1s。
22.根据本发明的一些实施例，所述挖掘机溢流阀的缓冲参数包括：溢流阀弹簧刚度、溢流阀预紧力和溢流阀阀芯通径。
23.根据本发明的一些实施例，所述基于粒子群算法对所述目标函数进行优化得到粒子的全局最优结果，包括步骤：
24.初始化每个粒子的速度和位置；
25.计算每个所述粒子的适应度函数值，并得到每个所述粒子的全局最优位置；
26.判断所述粒子群算法是否达到迭代次数；
27.若所述粒子群算法达到迭代次数，根据每个所述粒子的全局最优位置输出所有所述粒子的全局最优结果。
28.根据本发明的一些实施例，在所述判断所述粒子群算法是否达到迭代次数之后，包括步骤：
29.若所述粒子群算法未达到迭代次数，更新每个所述粒子的速度和位置；
30.计算每个所述粒子的适应度函数值，并更新每个所述粒子的历史最优位置；
31.判断所述粒子群算法是否达到迭代次数。
溢流阀hcd模型；图3中的部件解释如下：1-电机；2-定量泵；3-液压缸；4-受冲击质量块；5-速度传感器；6-传递函数；7-压力传感器；8-油箱；9-溢流阀hcd模型。
46.基于粒子群算法的挖掘机溢流阀缓冲参数优化方法包括但是不仅限于步骤s110至步骤s150。
47.步骤s110，搭建溢流阀缓冲系统模型，并获取溢流阀缓冲系统模型的有杆腔压力传感器数据和流量传感器数据；
48.步骤s120，根据有杆腔压力传感器数据和流量传感器数据搭建溢流阀缓冲系统优化模型，并搭建溢流阀缓冲理想模型；
49.步骤s130，根据溢流阀缓冲系统优化模型输出的压力值与溢流阀缓冲理想模型输出的压力值的差值建立目标函数；
50.步骤s140，基于粒子群算法对目标函数进行优化得到粒子的全局最优结果；
51.步骤s150，根据粒子的全局最优结果调整挖掘机溢流阀的缓冲参数。
52.在一实施例中，基于粒子群算法的挖掘机溢流阀缓冲参数优化方法包括步骤：搭建溢流阀缓冲系统模型，并获取溢流阀缓冲系统模型的有杆腔压力传感器数据和流量传感器数据；根据有杆腔压力传感器数据和流量传感器数据搭建溢流阀缓冲系统优化模型，并搭建溢流阀缓冲理想模型；根据溢流阀缓冲系统优化模型输出的压力值与溢流阀缓冲理想模型输出的压力值的差值建立目标函数；基于粒子群算法对目标函数进行优化得到粒子的全局最优结果；根据粒子的全局最优结果调整挖掘机溢流阀的缓冲参数。
53.本实施例提供的基于粒子群算法的挖掘机溢流阀缓冲参数优化方法基于溢流阀缓冲系统优化模型得到溢流阀缓冲理想模型，再采用粒子群优化算法进行优化，使有杆腔的瞬时压力降低，接近溢流阀的开启压力，能够优化溢流阀的缓冲特性。基于粒子群算法的挖掘机溢流阀缓冲参数优化方法对参数的优化有较好的参考价值，可以提升溢流阀的缓冲特性，进一步降低损耗，提升溢流阀的使用寿命，有效降低了挖掘机的能耗。
54.在一实施例中，基于粒子群算法的挖掘机溢流阀缓冲参数优化方法包括步骤：搭建溢流阀缓冲系统模型，并获取溢流阀缓冲系统模型的有杆腔压力传感器数据和流量传感器数据；根据有杆腔压力传感器数据和流量传感器数据搭建溢流阀缓冲系统优化模型，并搭建溢流阀缓冲理想模型；根据溢流阀缓冲系统优化模型输出的压力值与溢流阀缓冲理想模型输出的压力值的差值建立目标函数；基于粒子群算法对目标函数进行优化得到粒子的全局最优结果；根据粒子的全局最优结果调整挖掘机溢流阀的缓冲参数。搭建溢流阀缓冲系统模型，包括步骤：设置溢流阀缓冲系统模型的溢流阀弹簧刚度、溢流阀预紧力、溢流阀质量块质量、溢流阀阀芯通径、液压缸活塞直径、液压缸活塞杆直径、液压缸行程、受冲击的质量块质量、液压油弹性模量和液压油密度，以搭建溢流阀缓冲系统模型。
55.参照图4，图4为本发明另一个实施例提供的基于粒子群算法的挖掘机溢流阀缓冲参数优化方法的流程图。
56.基于粒子群算法的挖掘机溢流阀缓冲参数优化方法包括但是不仅限于步骤s210至步骤s220。
57.步骤s210，根据受冲击的质量块质量、质量块冲击速度、活塞位移、液压缸活塞直径和液压缸活塞杆直径计算得到溢流阀的开启压力值；
58.步骤s220，根据有杆腔压力传感器数据、流量传感器数据和溢流阀的开启压力值，
搭建溢流阀缓冲系统优化模型。
59.在一实施例中，基于粒子群算法的挖掘机溢流阀缓冲参数优化方法包括步骤：搭建溢流阀缓冲系统模型，并获取溢流阀缓冲系统模型的有杆腔压力传感器数据和流量传感器数据；根据有杆腔压力传感器数据和流量传感器数据搭建溢流阀缓冲系统优化模型，并搭建溢流阀缓冲理想模型；根据溢流阀缓冲系统优化模型输出的压力值与溢流阀缓冲理想模型输出的压力值的差值建立目标函数；基于粒子群算法对目标函数进行优化得到粒子的全局最优结果；根据粒子的全局最优结果调整挖掘机溢流阀的缓冲参数。
60.搭建溢流阀缓冲系统模型，包括步骤：设置溢流阀缓冲系统模型的溢流阀弹簧刚度、溢流阀预紧力、溢流阀质量块质量、溢流阀阀芯通径、液压缸活塞直径、液压缸活塞杆直径、液压缸行程、受冲击的质量块质量、液压油弹性模量和液压油密度，以搭建溢流阀缓冲系统模型。根据有杆腔压力传感器数据和流量传感器数据搭建溢流阀缓冲系统优化模型，包括步骤：根据受冲击的质量块质量、质量块冲击速度、活塞位移、液压缸活塞直径和液压缸活塞杆直径计算得到溢流阀的开启压力值；根据有杆腔压力传感器数据、流量传感器数据和溢流阀的开启压力值，搭建溢流阀缓冲系统优化模型。
61.在一实施例中，基于粒子群算法的挖掘机溢流阀缓冲参数优化方法包括步骤：搭建溢流阀缓冲系统模型，并获取溢流阀缓冲系统模型的有杆腔压力传感器数据和流量传感器数据；根据有杆腔压力传感器数据和流量传感器数据搭建溢流阀缓冲系统优化模型，并搭建溢流阀缓冲理想模型；根据溢流阀缓冲系统优化模型输出的压力值与溢流阀缓冲理想模型输出的压力值的差值建立目标函数；基于粒子群算法对目标函数进行优化得到粒子的全局最优结果；根据粒子的全局最优结果调整挖掘机溢流阀的缓冲参数。
62.搭建溢流阀缓冲系统模型，包括步骤：设置溢流阀缓冲系统模型的溢流阀弹簧刚度、溢流阀预紧力、溢流阀质量块质量、溢流阀阀芯通径、液压缸活塞直径、液压缸活塞杆直径、液压缸行程、受冲击的质量块质量、液压油弹性模量和液压油密度，以搭建溢流阀缓冲系统模型。根据有杆腔压力传感器数据和流量传感器数据搭建溢流阀缓冲系统优化模型，包括步骤：根据受冲击的质量块质量、质量块冲击速度、活塞位移、液压缸活塞直径和液压缸活塞杆直径计算得到溢流阀的开启压力值；根据有杆腔压力传感器数据、流量传感器数据和溢流阀的开启压力值，搭建溢流阀缓冲系统优化模型。
63.并搭建溢流阀缓冲理想模型，包括步骤：通过设置溢流阀缓冲系统优化模型的活塞行程安全余量、活塞位移、受冲击的质量块质量、质量块冲击速度、液压缸活塞直径、液压缸活塞杆直径和有杆腔压力持续时间，以搭建溢流阀缓冲理想模型。
64.设置所述活塞行程安全余量为0.2m至0.3m，设置所述活塞位移为1.8m至2m，设置所述受冲击的质量块质量为2000kg至3000kg，设置所述质量块冲击速度为4m/s至6m/s，设置所述液压缸活塞直径为0.09m至0.1m，设置所述液压缸活塞杆直径为0.06m至0.08m，设置所述有杆腔压力持续时间为0.9s至1s。
65.可以是设置活塞行程安全余量为0.3m，设置活塞位移为2m，设置受冲击的质量块质量为3000kg，设置质量块冲击速度为6m/s，设置液压缸活塞直径为0.1m，设置液压缸活塞杆直径为0.08m，设置有杆腔压力持续时间为1s。
66.也可以是设置活塞行程安全余量为0.2m，设置活塞位移为1.8m，设置受冲击的质量块质量为2000kg，设置质量块冲击速度为4m/s，设置液压缸活塞直径为0.09m，设置液压
缸活塞杆直径为0.06m，设置有杆腔压力持续时间为0.9s，根据上述参数搭建的溢流阀缓冲理想模型效果较好。
67.在一实施例中，基于粒子群算法的挖掘机溢流阀缓冲参数优化方法包括步骤：搭建溢流阀缓冲系统模型，并获取溢流阀缓冲系统模型的有杆腔压力传感器数据和流量传感器数据；根据有杆腔压力传感器数据和流量传感器数据搭建溢流阀缓冲系统优化模型，并搭建溢流阀缓冲理想模型；根据溢流阀缓冲系统优化模型输出的压力值与溢流阀缓冲理想模型输出的压力值的差值建立目标函数；基于粒子群算法对目标函数进行优化得到粒子的全局最优结果；根据粒子的全局最优结果调整挖掘机溢流阀的缓冲参数。挖掘机溢流阀的缓冲参数包括：溢流阀弹簧刚度、溢流阀预紧力和溢流阀阀芯通径。
68.在一实施例中，基于粒子群算法的挖掘机溢流阀缓冲参数优化方法包括步骤：搭建溢流阀缓冲系统模型，并获取溢流阀缓冲系统模型的有杆腔压力传感器数据和流量传感器数据；根据有杆腔压力传感器数据和流量传感器数据搭建溢流阀缓冲系统优化模型，并搭建溢流阀缓冲理想模型；根据溢流阀缓冲系统优化模型输出的压力值与溢流阀缓冲理想模型输出的压力值的差值建立目标函数；基于粒子群算法对目标函数进行优化得到粒子的全局最优结果；根据粒子的全局最优结果调整挖掘机溢流阀的缓冲参数。基于粒子群算法对目标函数进行优化得到粒子的全局最优结果，包括步骤：初始化每个粒子的速度和位置；计算每个粒子的适应度函数值，并得到每个粒子的全局最优位置；判断粒子群算法是否达到迭代次数；若粒子群算法达到迭代次数，根据每个粒子的全局最优位置输出所有粒子的全局最优结果。
69.在一实施例中，基于粒子群算法的挖掘机溢流阀缓冲参数优化方法包括步骤：搭建溢流阀缓冲系统模型，并获取溢流阀缓冲系统模型的有杆腔压力传感器数据和流量传感器数据；根据有杆腔压力传感器数据和流量传感器数据搭建溢流阀缓冲系统优化模型，并搭建溢流阀缓冲理想模型；根据溢流阀缓冲系统优化模型输出的压力值与溢流阀缓冲理想模型输出的压力值的差值建立目标函数；基于粒子群算法对目标函数进行优化得到粒子的全局最优结果；根据粒子的全局最优结果调整挖掘机溢流阀的缓冲参数。
70.基于粒子群算法对目标函数进行优化得到粒子的全局最优结果，包括步骤：初始化每个粒子的速度和位置；计算每个粒子的适应度函数值，并得到每个粒子的全局最优位置；判断粒子群算法是否达到迭代次数；若粒子群算法达到迭代次数，根据每个粒子的全局最优位置输出所有粒子的全局最优结果。若粒子群算法未达到迭代次数，更新每个粒子的速度和位置；计算每个粒子的适应度函数值，并更新每个粒子的历史最优位置；判断粒子群算法是否达到迭代次数。
71.在一实施例中，基于粒子群算法的挖掘机溢流阀缓冲参数优化方法包括步骤：
72.步骤s1：搭建液压缸外接溢流阀缓冲系统模型，设定以下基本参数：溢流阀弹簧刚度k，溢流阀预紧力f，溢流阀质量块质量m，溢流阀阀芯通径d1，液压缸活塞直径d，液压缸活塞杆直径d，液压缸行程s，受冲击的质量块质量m(kg)，液压油弹性模量e，液压油密度ρ，采集有杆腔压力传感器数据以及流量传感器数据；
73.步骤s2：基于步骤s1得到的数据进一步确定理想的缓冲特性。因为溢流阀缓冲过程满足能量守恒式，如下所示：
[0074][0075]
因此将其变形再用活塞直径与活塞杆直径代表活塞有效作用面积得到溢流阀的开启压力值，公式如下所示：
[0076][0077]
式中，x0为活塞位移；a为活塞有效作用面积；p为有杆腔压力；m为受冲击的质量块质量，；v0为质量块冲击速度；d为活塞直径；d为活塞杆直径；溢流阀缓冲动态特性为二阶模型，依据工程经验设定阻尼系数和自然频率，搭建溢流阀缓冲系统优化模型，得到理想模型。
[0078]
步骤s3：基于步骤s2得到的理想模型和溢流阀缓冲系统优化模型，以溢流阀缓冲系统优化模型实际输出的压力与理想模型输出的压力的差值绝对值作为目标函数，采用粒子群算法进行优化；
[0079]
步骤s4：基于步骤s3得到的目标函数，确定维数、粒子数量、迭代次数、极大值、粒子的速度范围和位置范围。初始化每个粒子的速度与位置，计算适应度函数值，得到粒子的历史最优位置和群体的全局最优位置；采用如下所示公式进行更新：
[0080]
vi＝ω*vi c1*rand*(pbest
i-xi) c2*rand*(gbest
i-xi)
[0081]
xi＝xi vi[0082]
更新每个粒子的速度与位置，式中，i＝1,2
…
n，n为粒子总数，vi为粒子的速度，xi为粒子的当前位置，c1和c2为学习因子，rand为0-1之间的随机数，ω为惯量权重；评估粒子的适应度函数值，更新粒子的历史最优位置和全局的最优位置，之后进行迭代直至达到迭代次数；
[0083]
步骤s5：基于步骤s4得到的优化结果调整溢流阀的相关参数，如溢流阀弹簧刚度，溢流阀预紧力和溢流阀阀芯通径；
[0084]
粒子群优化算法如下：
[0085]
步骤1，在搜索空间中随机初始化每个粒子的速度和位置，计算适应度函数值，并且得到粒子的历史最优位置和群体的全局最优位置；
[0086]
步骤2，根据粒子自身的历史最优位置和全局的最优位置，更新每个粒子的速度和位置。同时，对一些越界的位置，要进行合理的调整；
[0087]
步骤3，评估粒子的适应度函数值，更新粒子的历史最优位置和全局的最优位置；
[0088]
步骤4，如果满足结束条件，输出全局最优结果并结束程序，否则重复步骤1至步骤3。
[0089]
本发明还提供了一种基于粒子群算法的挖掘机溢流阀缓冲参数优化系统，包括：存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现如上述的基于粒子群算法的挖掘机溢流阀缓冲参数优化方法。
[0090]
处理器和存储器可以通过总线或者其他方式连接。
[0091]
存储器作为一种非暂态计算机可读存储介质，可用于存储非暂态软件程序以及非暂态性计算机可执行程序。此外，存储器可以包括高速随机存取存储器，还可以包括非暂态
存储器，例如至少一个磁盘存储器件、闪存器件、或其他非暂态固态存储器件。在一些实施方式中，存储器可选包括相对于处理器远程设置的存储器，这些远程存储器可以通过网络连接至该处理器。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
[0092]
需要说明的是，本实施例中的基于粒子群算法的挖掘机溢流阀缓冲参数优化系统，可以包括有业务处理模块、边缘端数据库、服务端版本信息寄存器、数据同步模块，处理器执行计算机程序时实现如上述应用在基于粒子群算法的挖掘机溢流阀缓冲参数优化系统的基于粒子群算法的挖掘机溢流阀缓冲参数优化方法。
[0093]
以上所描述的装置实施例仅仅是示意性的，其中作为分离部件说明的单元可以是或者也可以不是物理上分开的，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
[0094]
此外，本发明的一个实施例还提供了一种计算机可读存储介质，该计算机可读存储介质存储有计算机可执行指令，该计算机可执行指令被一个处理器或控制器执行，例如，被上述终端实施例中的一个处理器执行，可使得上述处理器执行上述实施例中的基于粒子群算法的挖掘机溢流阀缓冲参数优化方法。
[0095]
本领域普通技术人员可以理解，上文中所公开方法中的全部或某些步骤、系统可以被实施为软件、固件、硬件及其适当的组合。某些物理组件或所有物理组件可以被实施为由处理器，如中央处理器、数字信号处理器或微处理器执行的软件，或者被实施为硬件，或者被实施为集成电路，如专用集成电路。这样的软件可以分布在计算机可读介质上，计算机可读介质可以包括计算机存储介质(或非暂时性介质)和通信介质(或暂时性介质)。如本领域普通技术人员公知的，术语计算机存储介质包括在用于存储信息(诸如计算机可读指令、数据结构、程序模块或其他数据)的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机存储介质包括但不限于ram、rom、eeprom、闪存或其他存储器技术、cd-rom、数字多功能盘(dvd)或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质。此外，本领域普通技术人员公知的是，通信介质通常包含计算机可读指令、数据结构、程序模块或者诸如载波或其他传输机制之类的调制数据信号中的其他数据，并且可包括任何信息递送介质。
[0096]
以上是对本发明的较佳实施进行了具体说明，但本发明并不局限于上述实施方式，熟悉本领域的技术人员在不违背本发明精神的前提下还可作出种种的等同变形或替换，这些等同的变形或替换均包含在本发明权利要求所限定的范围内。
[0097]
以上所述本发明的具体实施方式，并不构成对本发明保护范围的限定。任何根据本发明的技术构思所做出的各种其他相应的改变与变形，均应包含在本发明权利要求的保护范围内。