机理研究和试验数据分析，对脉冲设备进行性能分析与评价。系统在对液压系统的脉冲控制
的同时，能对多种物理量

(如压力、流量、温度等)进行多点高精度的测量。鉴于 PXI 总线具有

优良的特性和良好的性能价格比等特点，选取

PXI 总线作为本测控系统的总线平台。其采集

信号为

:压力信号 11 路，温度信号 6 路，流量信号 6 路。每路采集信号均配有调理电路，将

各类信号调理为

0-5V 电压信号输入计算机。 

　　

3.3 控制算法 

　　为实现脉冲波形，需要采用闭环控制方式，控制实际波形跟踪某给定波形，使实际输
出波形满足规范要求。由于控制元件的动态特性所限，加上管路动态特性、液压油路的非线
性变化对系统的影响，尤其是比例伺服阀的特性，要做到完全波形全跟踪，采用何种控制
方式可以保证实际波形满足要求是该部分研究的主要内容。

 

　　利用水击现象产生所需要的试验用水锤波。影响水锤波的因素很多，包括管路的分布参
数、元件的动特性等。水锤波主动控制主要是控制峰值、上升斜率以及振荡的衰减，这些特征
量如果能够有效控制，则可以保证脉冲波形的一致性。脉冲台水锤波的自由振荡频率可以达
到

30Hz 以上，与动态性能较好的大通径比例伺服阀相当，所以要对波形的多个特征值进

行控制，而且与波形控制有关的机械硬件结构不能过于复杂，控制策略十分重要，目前主
要研究单个控制输入和两个控制输入时波形的控制技术。

 

　　

3.3.1 算法选择 

　　在工业控制过程，

PID 控制算法在控制系统中被广泛地采用。作为一种经典的控制方式，

PID 控制不要求严格掌握被控对象的数学模型；此外 PID 控制算法结构简单，实现手段很
方便，容易被现场工程师所接受；同时在长时间的

PID 算法发展过程中，广大工程技术人

员已经积累了丰富的经验，摸索出了一系列整定

PID 参数的方法。不过，传统的 PID 控制算

法是在某一定条件下完成的，故当实际情况发生变化时，一组

PID 参数很难适应不同的工

作条件，往往不能达到理想的设计性能指标。因此针对液压脉冲系统中不同试验件不同的技
术要求时，若采用

PID 控制算法则必须不停地人为修正 PID 参数。从而在控制方式显得较为

繁琐。

 

　　人工神经网络（

Artificial Neural Network-ANN）是基于仿生物大脑的结构和功能而构

成的一种信息处理系统。它是一种由简单计算处理单元（神经元）通过采用某种网络拓扑结
构而成的功能强大的活性网络，可以用来描述几乎任意的非线性系统，不仅如此，它还具
有学习能力、记忆能力、计算能力等多种智能处理功能，在不同程度和层次上模仿人脑神经
系统的信息处理、存储和检索的功能，非常适合于瞬变系统的控制。

 

　　

3.3.2CMAC 算法 

　　小脑模型关联控制器

CMAC 是一种模仿人的小脑功能的神经网络，它是基于局部学习

的神经网络，其非线性逼近精度高，学习速度快，适合应用于实时控制。它是模拟人的小脑
的一种学习结构，是一种表达复杂非线性函数的表格查询性自适应神经网络，该网络可通
过学习算法改变表格的内容，具有信息分类存储的能力。

 

　　

3.3.3 基于 CMAC 网络的自学习控制策略 

　　由于

CMAC 能在不改变原有系统结构的情况下直接使用，且具有信息分类存储、算法

简单、适时性好的特点，因此针对液压脉冲试验的非线性、时变性特征，提出了

CMAC 与传

统控制方法并行控制的

CMAC 控制器，如图三所示。 

　　图三：基于

CMAC 网络的自学习控制策略原理图 

　　

CMAC 水锤控制器的工作原理是：先找到与试验件类型和容腔相同或接近的权向量

（与

CMAC 实际存储器对应），然后控制时将期望的峰值通过概念映射与实际映射在

CMAC 实际存储器中找到与之对应的 c 个单元，c 成为泛化常数，并将这 c 个单元的权值相
加得到

CMAC 的输出。即：