Pressure-Difference Control Method for the Pump Set of a Pile-Bottom Sediment Cleaning Robot Based on Flow-Balance Feedforward Compensation
本文提出并验证了一种用于桩底沉积物清理机器人泵组的流量平衡前馈模糊PID控制方法，通过仿真证明，在各种进流和流量扰动下，该方法与传统的PID和模糊PID控制器相比，显著降低了压差峰值偏差和调节时间。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一下，你正试图用一根很长很细的吸管喝一杯浓稠的奶昔。如果你吸得太用力，吸管可能会塌陷，或者奶昔会溅得到处都是；如果你吸得不够用力，就什么也喝不到。现在，想象一下，奶昔不再是奶昔，而是一个填满了沉重粘稠泥浆的巨大深坑，而你的吸管变成了一个正在清理坑底淤泥的巨型机器人。这就是“钻孔灌注桩”施工的世界——工程师们通过钻深孔来为摩天大楼和桥梁建造基础。问题在于，如果你的清洁机器人“嘴里”的压力与外部泥浆的压力不匹配，坑壁可能会坍塌，或者机器人可能会被卡住。这是一场关于流体物理学的微妙舞蹈，保持压力完美平衡是决定建筑稳固还是发生灾难的关键。为了解决这个问题，工程师使用泵来吸走泥浆并将其排出，但泥浆很厚重，坑很深，流动也非常复杂。如果机器人吸入的泥浆过多，压力就会激增；如果吸得太少，压力就会下降。目标是无论泥浆表现如何，都要保持压力差稳定。
这篇论文专门研究了这种“桩底沉积物清洁机器人”的平衡行为。由山东农业大学的王勇睿及其团队领导的研究人员意识到，仅仅对压力变化做出反应是太慢了。当标准控制器注意到压力异常并试图修复时，泥浆可能已经发生了位移，从而导致可能使整个孔洞不稳定的波动。因此，他们提出了一种更智能的机器人泵系统控制方法。该系统不再只是等待问题发生，而是具备了“预见性”。他们建立了关于泥浆在机器人密封储料室内部行为的数学模型，并设计了一个同时使用两种技巧的控制器：一种是“前馈”系统，用于预测进入的泥流并在压力发生变化之前调整泵速；另一种是“模糊PID”系统，它像神经系统一样，通过不断微调调整量来应对任何突发状况。
把机器人的清洁腔室想象成一个带有水龙头和排水口的浴缸。如果你打开水龙头，水位就会上升。普通的控制器会在水开始溢出时才打开排水口。但这个新系统就像有一个盯着水龙头把手的朋友。一旦水龙头开始打开，朋友会立即调整排水量以匹配新的流量，从而在水位有任何上升迹象之前就保持水位完美稳定。研究人员是在计算机模拟（使用名为 MATLAB/Simulink 的工具）中而非真实的泥坑中测试了这个想法。他们模拟了不同的场景：如果泥浆变稠了怎么办？如果机器人突然吸入了更多泥浆怎么办？如果运行一段时间后有新的泥流冲击系统怎么办？
模拟结果非常令人印象深刻。当研究人员引入突然的泥流变化时，这种新型的“前馈模糊-PID”控制器保持了极高的压力差稳定性。与旧方法（如标准 PID 控制器或基础模糊-PID 控制器）相比，新方法将最大的压力峰值降低了约 85%。在模拟中，当旧控制器在受到扰动时让压力跳变近 100,000 帕斯卡（约 14.5 psi）时，新系统将压力控制在 15,000 帕斯卡以下。它还恢复到稳态的速度更快——与其它方法相比，将稳定所需的时间缩短了约 36% 到 53%。即使他们改变了泥浆的“硬度”（模拟不同的土壤和泥浆混合物），新控制器依然保持稳定，表明它不会轻易被泥浆特性的变化所迷惑。
论文明确排除了简单的反应式控制器足以胜任这项工作的观点。作者认为，在这些高压、高硬度的环境中，仅仅依赖反馈（等待错误发生）会导致过多的延迟和振荡。他们还指出，虽然他们的模型非常详细，但仍属于模拟研究。他们假设机器人的储料室是一个刚性的、完全密封的充满泥浆的盒子，并且假设泵在接近其工作速度时表现出可预测的线性特征。他们尚未在真实的机器人或真实的坑洞中进行测试。然而，模拟表明，通过将“预见性”前馈策略与智能自适应反馈回路相结合，可以显著平滑通常困扰这些清洁机器人的压力波动。这种方法不仅是在解决问题，更是在预防问题变得严重，为更稳定、更高效的深孔施工提供了一条充满希望的路径。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。