基于四配流轴向柱塞马达的制动能回收方法

卫立新, 张 瑞, 周 围, 宁志强, 化建辉, 高有山

(1.山西工程技术学院 机械工程系, 山西 阳泉 045000; 2.太原科技大学 机械工程学院, 山西 太原 030024)

引言

大惯性负载在制动时,会产生较大的动能,且大多数都以热能的形式损失[1]。自从20世纪90年代起,我国的学者就开始对大惯性负载的制动能回收进行了相关研究。姜继海等[2]提出了基于蓄能器和二次元件的回转制动能回收方案。李赛白[3]使用定量马达-发电机-镍氢电池组来进行惯性负载的制动能回收。郑辉[4]采用了带有蓄能器的回转装置对惯性负载的制动能进行回收,能够达到回收大惯性负载制动能的目的。陈正雄等[5]则是使用蓄能器-液压马达-超级电容的装置,将装置放进惯性负载回转制动能回收系统中,在进行回转制动能回收时,采用实时调节回收马达入口压力以及电机转速的方式,实现了更多制动能的回收,并也实现了挖掘机回转平台大惯性负载的平稳制动。卫鹏斌等[6]分析研究了液压挖掘机回转90°的典型工况,采用二次调节技术对制动能进行了回收并利用。

综上所述,目前工程机械在作业机构动能的回收方式上,常常采用在驱动系统以外另加增设能量回收装置,而且动能的回收是分别进行的,提高了液压系统的复杂性,并且回收回来的能量经过多次的转化后,同时也不利于能量的有效利用。针对上述的问题,提出回转作业的机构分别采用由功能集成元件双控马达来配合液压蓄能器进行驱动惯性负载和对惯性负载的制动能回收。在此基础上,利用液压系统的建模仿真与智能优化算法相结合的方法,来优化提高能量回收系统的设计效率。

本研究对四配流轴向柱塞马达制动能的回收进行了理论研究,分析在特定负载的工况下,采用多核CPU的并行优化方法[7]寻找合适的蓄能器参数,进行惯性负载制动能的回收,并将回收的能量用于第二次的负载启动中,实现节能的效果。

1 四配流轴向柱塞马达制动能回收原理

变排量四配流轴向柱塞马达有与普通的轴向柱塞马达相似的机械机构,都具有斜盘、柱塞、缸体、回程盘、滑靴等结构部件,但是也具有其特有的对称分布并联型结构的配流盘[8-9],如图1所示。此独特的配流结构,具有4个独立的进出油口,且各个油口能够实现独立的控制,让其驱动方式相较于普通的轴向柱塞马达也有所不同。

图1 配流盘结构图

变排量四配流窗口轴向柱塞马达因特殊的配流窗口,可以有3种工况:泵工况、马达工况或者马达/泵工况。当主控腔供给高压油,马达旋转带动辅控腔窗口,这时辅控腔可看作泵,将液压油液吸入蓄能器中储存起来。而当马达需要快速响应时,两侧都供给高压油,让马达的转速能够快速到达稳定状态。当马达需要快速制动时,辅控腔的出油口接蓄能器,达到快速制动,同时回收四配流轴向柱塞马达的制动能可以用到下一次的启动中。而因为有2个独立的进油口,回收回来的油液,不需要特别复杂的控制策略就可以在下次启动阶段完全的释放。变排量四配流轴向柱塞马达动能回收原理图[10],如图2所示。

1.变量泵 2～5.开关阀 6.变排量四配流轴向柱塞马达7.三位四通阀 8.蓄能器

同时变排量四配流窗口轴向柱塞马达因为其特殊的配流窗口,可以根据负载工况的大小,所需的转矩大小、转速大小,让马达处于外配流窗口供给高压油或内外配流窗口供给高压油。可以通过外配流窗口供给高压油后,再进行内配流窗口供给高压油,使得马达的转速进行二次加速,在进行变量控制减小马达的排量使得马达的转速进行三次加速[11]。

蓄能器[12]的主要作用是存储能量,将系统中一些可以回收的其他形式的能量进行能量转变后存储起来,并在系统需要的时候进行有效的释放。

根据惯性负载制动时间短的特点,采用皮囊式蓄能器[13],并且从理想气体方程可得:

(1)

式中,p0—— 蓄能器充气压力

V0—— 气囊气体体积

p1,p2—— 系统的最低工作压力和最高工作压力

V1,V2—— 相对应的气体体积

C—— 气体常数

n—— 气体的多变指数,代表的是指气体在等温条件工作时n=1,气体在绝热的条件工作时n=1.4

由于惯性回转系统的蓄能器工作时间较短,因此可以将蓄能器的冲放压看作在绝热条件下进行的,因此n= 1.4。

蓄能器所能够存储的能量为:

(2)

2 动能回收系统建模与仿真

2.1 四配流轴向柱塞马达动能回收仿真模型

在仿真软件Simulation X[14-16]中搭建变排量四配流轴向柱塞马达动势能回收仿真模型如图3所示,根据四配流轴向柱塞马达的结构特性,将其分成内外配流窗口,内外配流窗口都能够彼此独立。

图3 变排量四配流轴向柱塞马达动势能回收仿真模型

同时根据负载工况的特性,可以选择对变排量四配流轴向柱塞马达进行单口供给高压油,或者两口都进行供给高压油。当负载工况较小时,可以选择单口供给高压油,当负载工况较大时,选择两口供给高压油。所选负载工况较小,则在第一次进行加载仿真过程中,单独给外配流窗口供给高压油液,内配流窗口则进行无负载的运行。

在进行惯性负载动势能制动时, 外配流口则停止供给高压油液,只单独进行补油,防止出现吸空现象。而内配流窗口的压油窗口接通蓄能器,进行动势能回收。

回收回来的能量用于第二次负载启动阶段,将蓄能器回收回来的高压油作用到内配流窗口的进油口,与外圈配流口的高压油同时驱动大惯性负载快速到达稳定转速。内外窗口可以同时进行供给高压油液,两个互不干扰,可以达到充分将回收回来的油液完全释放。

其仿真模型参数如表1所示。

表1 仿真相关参数

在上述仿真参数条件下,0～3 s内进行外圈单口供给高压油,内圈接通油箱,在3～7 s外圈接入油箱,内圈接10 L,15 MPa的皮囊式蓄能器进行动势能能量回收,在7～10 s外圈接高压油,内圈接回收的蓄能器进行驱动。如图4所示为负载的转速变化图。

图4 10 L,15 MPa蓄能器下的负载转速变化

在大惯性负载动势能制动过程中,不加能量回收装置损失掉的能量以热能Q的形式损失掉,即:

(3)

式中,ω1根据仿真结果可以得到,为0.84 rad/s;ω2为负载停止的转速,为0 rad/s;转动惯量J为5000 kg·m2。

在进行第二次负载驱动时,蓄能器释放回收的能量,其作用于系统的能量为:

(4)

式中,Ep—— 蓄能器提供的能量

pp—— 蓄能器出油口的压力

qp—— 蓄能器出油口的流量

则系统制动能回收效率η为:

(5)

根据仿真结果和式(3)可以计算出其能量损失的Q为1.789 KJ。在进行制动能回收时,根据式(2)、式(4),可得出回收回来的能量为0.579 KJ,用与第二次做功的能量为0.427 KJ,则系统的制动能回收率为23.8%。

2.2 蓄能器参数对能量回收的影响

蓄能器体积和初始压力对制动能的回收具有很大的影响,根据惯性负载的大小,分别取体积为6.7 L、初始压力为10 MPa和体积为16 L、初始压力为16 MPa的皮囊式蓄能器进行制动能能量回收的仿真。蓄能器气体体积与压力的变化图,如图5所示。

图5 不同参数下蓄能器体积压力变化

根据上述公式,可以求出不同蓄能器回收的能量值大小、释放能量值的大小以及相对应的回收率,如表2所示。

表2 不同蓄能器参数下的能量回收与释放

可以看出,不同蓄能器体积以及初始压力对能量回收率的影响不同。因此,本研究提出通过改变初始压力p0和气囊体积V0,追求在负载一定的情况下寻求第二次释放能量最大的值,得到最大的回收效率。

3 基于多核CPU的蓄能器参数并行优化的实现

3.1 并行液压系统仿真方法的程序框架

多核CPU的快速并行优化方法是通过群体智能优化算法动态调整CVODE仿真程序的仿真参数。CVODE求解器[17]可以加快计算速度,是第一级加速策略。

从Simulation X仿真软件中导出的CVODE可执行程序被看作是群体智能算法中的群体粒子。每一个单独粒子被分配的设计参数也不同,参数化过程是靠写入的参数文件来实现。根据CVODE可执行程序生成的输出文件来提取产品的性能参数,并计算种群粒子的自适应值,以此来判断产品的性能约束。

这种优化方法和传统的串行优化方法不同,分配的每个CVODE可执行程序都是单独的DOS程序,能够通过ShellExecute函数来启动运行,相当于自动的生成一个进程。而当多个DOS一起启动时,进程的分配权则属于操作系统,无需人工干预。

多个DOS进程可以充分的利用处理器的多核数来进行与种群优化算法模块的交互,一直到优化的结果满足终止迭代的条件。而群体智能优化算法的参数分配模块是通过种群的进化策略来进行动态分配设计参数。

因为专业液压仿真软件的人机交互性差,所以可视化交互模块是必不可少的部分。多核CPU并行协同仿真方法的主要框架结构,如图6所示。

图6 多核CPU并行协同仿真方法结构图

变排量四配流轴向柱塞马达动势能回收仿真模型复杂度较高,单次运行费事费力,因此本研究设计了一种多核并行优化机制。将若干组参数分别赋值给对应的仿真程序,粒子群[18-21]的优化结果根据目标函数适应值来评价,可以在程序的输出文件output.txt里面得到结果。粒子群优化具有并行性,能够单独控制每个粒子的参数,因此,可以多线程运行可执行文件来提高计算效率,这是第二级加速策略。

3.2 目标函数的处理

粒子群算法的目标函数设置为第二次负载启动时蓄能器输入到内窗口的能量最大值,即目标函数Ep=Epmax,Epmax为蓄能器释放输入到系统的最大值。

设计变量分别为蓄能器的体积V0和蓄能器的初始压力p0。约束条件为蓄能器的体积和初始压力不得大于限制值。

本研究采用的微粒群算法的速度进化方程为[20]:

vij(t+1)=wvij(t)+c1r1(pij(t)-xij(t))+

c2r2(pgj(t)-xij(t))

(6)

式中,i—— 微粒i,i=1,2,3,…,n

n—— 群体中微粒数

j—— 微粒的第j维,j=1,2,3,…,D

t—— 微粒的进化代数

vij(t) —— 在第t代的时候,在第j维方向上微粒i的速度

w—— 惯性权重

c1—— 认知系数

r1,r2—— 两个互相独立的随机数,并且是均匀分布的,一般情况下取r1=r2

pij(t) —— 前t代进化过程中,在第j维方向上微粒i的单个个体历史的最优位置

xij(t) —— 在进化过到第t代时,微粒所处j维度上的位置

c2—— 社会系数

pgj(t) —— 前t代进化中所有微粒在第j维方向上的群体历史最优位置

个体历史最优位置pij(t+1)更新方程为:

(7)

群体历史最优位置pgj(t+1)更新公式:

pgj(t+1)=argmin{f(pij(t)}

(8)

微粒i的位置进化方程为:

xij(t+1)=vij(t+1)+xij(t)

(9)

变排量四配流轴向柱塞马达动势能回收多核并行优化框图,如图7所示。

图7 变排量四配流轴向柱塞马达动能回收多核并行优化框图

3.3 四配流轴向轴马达并行仿真程序开发

通过VC++软件和Simulation X软件进行二次开发[22],其人机交互界面如图8a所示,多进程的四配流轴向轴马达制动能回收仿真系统的并行效果如图8b所示,仿真参数文件如图8c所示。

图8 二次开发效果图

优化前选取任意参数的蓄能器,在进行30轮迭代过程中,其第二次能量释放值,随着迭代次数的增加,其最优适应值也在不断增加,通过优化蓄能器V0,p0得到蓄能器最大释放能量438 J,回收率达到了24.5%。

30迭代过程最优适应值变化趋势,如图9所示。

图9 30次迭代过程最大释放能量变化趋势

在优化后的蓄能器参数条件下,工作时的V0和p0变化曲线,如图10所示。

图10 优化后的蓄能器气囊体积压力变化

将优化后的蓄能器参数带入到回收系统中,其惯性负载的转速图,如图11所示。

图11 负载的转速变化

在优化后的蓄能器参数下,系统中惯性负载的动力势能回收与释放情况,如表3所示。

表3 能量回收与释放表

在对不同负载工况,进行蓄能器选型时,可以通过修改图8c中参数文件里的Load.F的负载大小和M.F的负载阻力矩的大小,来进行上述重复操作,就可以得到在不同负载工况下的合理蓄能器参数。

在上述优化后的蓄能器参数下和泄漏模块参数下,进行能量回收仿真时,马达的泄漏模块通过式(4)可以计算得到泄漏模块所损失的能量为89.5 J,比回收回来的能量要小。

3.4 运行速度的对比

在仿真时间10 s相同的条件下进行效率对比,其中工作站的主要参数如表4所示。

表4 工作站的主要参数

在表4的运行条件下,仿真效率对比见表5所示。

表5 仿真时间对比

从单个运行时间来看,Simulation X仿真运行时间是单个可执行程序的3倍以上,也就是单个独立可执行程序可以提高3倍效率以上,而相较于粒子群并行仿真程序来说,其运行时间更是相差了30倍左右。因此采用粒子群并行仿真程序可以提高仿真效率,解决了手动调整参数耗时费力的问题。

4 结论

通过基于粒子群的多核CPU快速多进程并行优化方法,解决了四配流轴向柱塞马达动势能回收一体化研究过程中,蓄能器参数匹配的问题,获得合适的蓄能器。

在合适的蓄能器参数条件下,四配流轴向柱塞马达动势能回收的效率可以达到24.5%,同时该多核并行仿真方法可以为系列化复杂液压产品的开发提供一定的参考作用。