丁 芳，李榮榮，丁政委

（中國民航大學(xué)航空自動化學(xué)院，天津 300300）

基于同步控制的行李電機ACA-RBF-PID控制

丁 芳，李榮榮，丁政委

（中國民航大學(xué)航空自動化學(xué)院，天津 300300）

針對機場行李準確地從傳送帶導(dǎo)入分揀機的問題,提出將基于同步控制的ACA-RBF-PID算法應(yīng)用于機場行李導(dǎo)入電機.該方法利用蟻群算法優(yōu)化RBF神經(jīng)網(wǎng)絡(luò)避免了傳統(tǒng)RBF網(wǎng)絡(luò)方法帶來的局部優(yōu)化問題,實現(xiàn)了全局最優(yōu),并且電機同步控制系統(tǒng)保證了從導(dǎo)入電機與導(dǎo)入電機速度始終保持一致,避免了同時將兩件行李送上同一個行李托盤.仿真結(jié)果表明,該策略大大地提高了行李導(dǎo)入效率,為行李的后續(xù)分揀帶來保證.

行李導(dǎo)入電機；RBF神經(jīng)網(wǎng)絡(luò)；蟻群算法；同步控制；PID

卡包、誤揀等是造成行李丟失、延誤的原因之一，嚴重影響了機場運行效率。本文針對行李導(dǎo)入的準確性問題進行研究[1]。隨著航空運輸業(yè)的日益發(fā)達和機場運營任務(wù)的不斷增加，傳統(tǒng)基于固定參數(shù)的常規(guī)PID控制算法以及相對獨立的控制方法很難達到良好地控制效果。

近年來，RBF神經(jīng)網(wǎng)絡(luò)以其任意非線性函數(shù)的逼近能力和自學(xué)習(xí)性在控制領(lǐng)域得到了廣泛的應(yīng)用。RBF神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)結(jié)構(gòu)和網(wǎng)絡(luò)參數(shù)對其性能至關(guān)重要，而傳統(tǒng)的參數(shù)優(yōu)化方法訓(xùn)練速度慢且容易陷入局部最優(yōu)[2-3]。蟻群算法是模擬螞蟻在尋找食物過程中發(fā)現(xiàn)最短路徑的行為而提出的一種模擬進化算法，具有高效率，全局收斂，分布式計算等優(yōu)良特性。主從同步控制方式是指將一臺電機作為主機，另外一臺電機作為從機，控制主機并測主機轉(zhuǎn)速，將所得轉(zhuǎn)速作為從機的輸入信號[4]。本文提出了基于同步控制的蟻群RBF-PID控制優(yōu)化算法，Matlab仿真顯示效果良好。

1 行李導(dǎo)入電機

1.1 行李導(dǎo)入系統(tǒng)

本文研究的行李導(dǎo)入是指將行李從輸送線導(dǎo)入到分揀機上，以供后續(xù)分揀。通過預(yù)備導(dǎo)入輸送帶、導(dǎo)入輸送帶以及從導(dǎo)入輸送帶將行李導(dǎo)入到分揀機上高速運轉(zhuǎn)的行李托盤中[5]。在輸送過程中，分揀機以一定速度高速運轉(zhuǎn)，為保證行李準確無誤地導(dǎo)入，必須控制好從導(dǎo)入輸送帶傳送速度、導(dǎo)入輸送帶傳送速度以及預(yù)備導(dǎo)入輸送帶速度。導(dǎo)入系統(tǒng)的數(shù)學(xué)模型如圖1所示。

圖1 行李導(dǎo)入分揀機簡化模型圖Fig.1 Simplified model diagram of baggage sorter

在輸送過程中，為避免將兩件行李同時送上分揀機而造成的行李丟失，在機械設(shè)計上要求從導(dǎo)入輸送帶和導(dǎo)入輸送帶長度相等、速度相等且為恒定值。當導(dǎo)入輸送帶末端光電開關(guān)檢測到行李時，從導(dǎo)入輸送帶與導(dǎo)入輸送帶停止運行，同時檢測分揀機上行李托盤的承載狀態(tài)，如果行李分揀托盤為空，計算行李等待時間，預(yù)備導(dǎo)入皮帶啟動，經(jīng)過延時，從導(dǎo)入輸送帶和導(dǎo)入輸送帶啟動，最后預(yù)備輸送帶將行李導(dǎo)入行李托盤。行李順利導(dǎo)入行李托盤的條件是從檢測到空托盤到托盤到入口的時間t與行李在皮帶上運行的時間相等。

建立數(shù)學(xué)模型如下：假設(shè)等待時間為t0，預(yù)備導(dǎo)入輸送帶長度為l2，導(dǎo)入輸送帶長度為l1，行李在預(yù)備導(dǎo)入輸送帶上運行時間為t2，在導(dǎo)入輸送帶上運行時間為t1，L為行李托盤空載檢測裝置至行李導(dǎo)入口的距離。則綜上分析，從行李系統(tǒng)導(dǎo)入子系統(tǒng)來看，機械長度L，輸送帶長度l1、l2為恒定已知量，導(dǎo)入輸送帶和預(yù)備導(dǎo)入輸送帶以恒定速度v1、v2運行，行李托盤始終以速度v運行在分揀機上，所以只需PLC控制系統(tǒng)配置等待時間，即可保證行李準確無誤地從輸送帶導(dǎo)入分揀機。

1.2 行李導(dǎo)入電機的同步控制研究

通常情況下，使用變頻調(diào)速器是把工頻電源（50 Hz）變換成各種頻率的交流電源，從而實現(xiàn)對電機速度的控制，因其節(jié)能、方便且調(diào)控手段多而得到廣泛應(yīng)用。電機同步控制是指通過控制可維持多臺電機速度同步。本文主要研究基于變頻調(diào)速器的導(dǎo)入電機同步調(diào)速的問題。

采用主從同步控制方式，設(shè)導(dǎo)入電機為主機，從導(dǎo)入電機為從電機，控制主電機，并測其轉(zhuǎn)速，然后把所得的轉(zhuǎn)速作為從電機的輸入信號。采用傳統(tǒng)的PID控制對主從控制系統(tǒng)進行優(yōu)化[6]，并將蟻群算法優(yōu)化的RBF神經(jīng)網(wǎng)絡(luò)與傳統(tǒng)的PID相結(jié)合，設(shè)計基于蟻群算法的RBF-PID控制器，如圖2所示。

圖2 基于蟻群算法的RBF-PID控制器同步調(diào)速Fig.2 RBF-PID controller synchronous speeding based on ant colony algorithm

2 基于RBF神經(jīng)網(wǎng)絡(luò)的PID控制算法

2.1 RBF神經(jīng)網(wǎng)絡(luò)

RBF神經(jīng)網(wǎng)絡(luò)是一種具有單隱層的三層前饋網(wǎng)，其結(jié)構(gòu)簡單，訓(xùn)練速度快，廣泛應(yīng)用于函數(shù)逼近以及分類問題[7-8]。

1）網(wǎng)絡(luò)結(jié)構(gòu)

最基本形式的RBF網(wǎng)絡(luò)是一種三層前饋網(wǎng)，輸入層的作用是將外部世界與網(wǎng)絡(luò)聯(lián)系起來，隱含層是通過徑向基函數(shù)實現(xiàn)非線性變換，輸出層的線性神經(jīng)元可大幅提高學(xué)習(xí)速度。RBF神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)如圖3所示。

圖3 RBF神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)Fig.3 RBF neural network structure

2）被控對象信息辯識算法

在RBF網(wǎng)絡(luò)結(jié)構(gòu)中x=[x1，x1，…，xn]T為網(wǎng)絡(luò)的輸入向量。設(shè)RBF網(wǎng)絡(luò)的徑向基向量h=[h1，h2，…，hm]T，一般取徑向基函數(shù)為高斯基函數(shù)

其中：網(wǎng)絡(luò)的第j個節(jié)點的中心矢量為Cj=[Cj1，Cj2，…，Cjn]T，j=1，2，…，n。

設(shè)網(wǎng)絡(luò)的基寬向量為

其中：bj為節(jié)點j的基寬度參數(shù)，且大于0。網(wǎng)絡(luò)權(quán)向量為

辨識網(wǎng)絡(luò)的輸出為

辨識器的性能指標函數(shù)為

根據(jù)梯度下降法，輸出權(quán)、節(jié)點中心及節(jié)點基寬參數(shù)的迭代算法如下

其中：β為學(xué)習(xí)速率；α為動量因子。

Jacobian陣（即為對象的輸出對控制輸入變化的靈敏度信息）算法為

其中：x1=Δu（k）。

2.2 基于RBF神經(jīng)網(wǎng)絡(luò)的PID控制器

采用增量式PID控制器，控制誤差為

PID三項輸入為

控制算法為

神經(jīng)網(wǎng)絡(luò)整定指標為

調(diào)整采用梯度下降法

RBF整定PID控制系統(tǒng)的結(jié)構(gòu)如圖4所示。

圖4 RBF網(wǎng)絡(luò)整定PID控制框圖Fig.4 PID control block diagram of RBF network tuning

3 基于蟻群算法的RBF神經(jīng)網(wǎng)絡(luò)參數(shù)優(yōu)化

假定RBF神經(jīng)網(wǎng)絡(luò)中有m個參數(shù)。首先，對這些參數(shù)進行排序，記為pi（1≤i≤m），對于每個pi將其設(shè)置為N個隨機非0值，形成集合Ipi。令蟻群中有h只螞蟻出發(fā)尋找食物，每只螞蟻從集合Ipi出發(fā)，根據(jù)集合中每個元素的信息量和狀態(tài)轉(zhuǎn)移概率從每個集合Ipi中選擇一個元素，當在所有集合中完成選擇元素后，就到達了食物源，即在所有集合中選擇了一組網(wǎng)絡(luò)參數(shù)。然后，按照一定規(guī)則調(diào)節(jié)集合中元素的信息量。這一過程反復(fù)進行，當全部螞蟻收斂到同一路徑時，也就意味著找到了網(wǎng)絡(luò)參數(shù)的最優(yōu)解[10]。

蟻群算法訓(xùn)練神經(jīng)網(wǎng)絡(luò)的主要步驟：

1）初始條件：令時間t和循環(huán)次數(shù)Nc為0，設(shè)置最大循環(huán)次數(shù)為Ncmax，初始化集合Ipi（1≤i≤m）中的每個元素j的信息素τj（Ipi）=C，且令Δτj（Ipi）=0，所有螞蟻置于蟻巢。

2）啟動所有螞蟻，每只螞蟻依次遍歷這m個集合，并從每個集合的N個元素中按以下規(guī)則選取一個，最終所選取的m個元素組成了一組網(wǎng)絡(luò)參數(shù)。選取規(guī)則如下：對于集合Ipi，螞蟻k（k=1，2，…，h）根據(jù)式（1）計算的概率隨機選擇其第j個元素

3）重復(fù)步驟2），直到所有螞蟻全部到達食物源。

4）設(shè)所有螞蟻從蟻巢到達食物源經(jīng)過m個時間單位，令t=t+m，Nc=Nc+1，計算用各螞蟻所選參數(shù)作為神經(jīng)網(wǎng)絡(luò)權(quán)值時訓(xùn)練樣本的輸出誤差，記錄當前所選參數(shù)的最優(yōu)解，然后按以下規(guī)則對各路徑上的信息量進行更新

其中：ρ為信息素揮發(fā)系數(shù)，則1-ρ表示信息素殘留因子，為防止信息無限積累ρ?[0，1）[4]。

其中：Δτj（Ipi）表示第k只螞蟻在本次循環(huán)中在集合Ipi的第j個元素上留下的信息素，在此選擇Ant-Cycle模型求解

其中：Q表示信息素強度，為常數(shù)；ek為將第k只螞蟻選擇的一組參數(shù)作為神經(jīng)網(wǎng)絡(luò)權(quán)值時，各訓(xùn)練樣本的最大輸出誤差，其定義如下

其中：s為樣本數(shù)量；On和Oq為神經(jīng)網(wǎng)絡(luò)的實際輸出和期望輸出。因此，誤差ek越小，相應(yīng)信息素的增加就越多。

5）若螞蟻全部收斂到一條路徑或循環(huán)次數(shù)Nc>Ncmax，則輸出最優(yōu)解，算法結(jié)束；否則跳轉(zhuǎn)到第2）步執(zhí)行。

4 仿真分析

在Matlab仿真環(huán)境下，根據(jù)以上分析，構(gòu)建2臺電機的控制仿真圖。電機參數(shù)采用實際電動機參數(shù)，分析從導(dǎo)入輸送電機和導(dǎo)入電機的運行曲線。當2臺電機均為空載時，兩電機的速度曲線如圖5所示。在4.3 s，導(dǎo)入電機加入負載，從導(dǎo)入電機空載時，兩電機的速度曲線如圖6所示。

圖5 無負載時電機速度曲線Fig.5 Speed curves of non-loaded motor

圖6 導(dǎo)入電機加負載時電機速度曲線Fig.6 Speed curves of loaded importing motor

從仿真結(jié)果可知，空載時，兩電機單獨控制，如圖5所示，相對于常規(guī)PID控制算法，基于遺傳算法優(yōu)化的RBF-PID控制算法上升時間較短，響應(yīng)速度快，調(diào)節(jié)時間較短，動態(tài)性能好，無超調(diào)，穩(wěn)定性好。當導(dǎo)入電機有負載，從導(dǎo)入電機空載時，如圖6所示，導(dǎo)入電機速度發(fā)生明顯變化，由于單獨控制，從導(dǎo)入電機速度不變，由此可見，單獨控制電機的同步效果不甚理想。采用基于同步控制的蟻群算法優(yōu)化的RBF-PID控制電機速度，如圖6（b）所示，在4.3 s導(dǎo)入電機有負載時，從導(dǎo)入電機速度能夠很好地跟隨導(dǎo)入電機速度，達到良好的控制效果[11-12]。

5 結(jié)語

將基于蟻群算法優(yōu)化的RBF-PID控制算法與電機的同步控制系統(tǒng)相結(jié)合，應(yīng)用于機場行李自動分揀系統(tǒng)的導(dǎo)入子系統(tǒng)。Matlab仿真結(jié)果表明，基于蟻群算法的RBF-PID控制器有更好的適應(yīng)性和更良好的優(yōu)越性，而電機的同步控制系統(tǒng)避免了丟包、卡包等多種問題，大大提高了機場的行李分揀效率。

[1]張 云.機場行李分揀系統(tǒng)行李輸送線行李跟蹤控制算法研究[D].天津：中國民航大學(xué)，2010.

[2]韓力群.人工神經(jīng)網(wǎng)絡(luò)教程[M].北京：北京郵電大學(xué)出版社，2006.

[3]田景文，高美娟.人工神經(jīng)網(wǎng)絡(luò)算法研究及應(yīng)用[M].北京：北京理工大學(xué)出版社，2006.

[4]施火泉.多電機傳動系統(tǒng)的同步控制[J].江南大學(xué)學(xué)報，2003，2（4）：371-373.

[5]許 新.大型機場行李自動分揀系統(tǒng)及導(dǎo)入子系統(tǒng)研究與應(yīng)用[D].長沙：中南大學(xué)，2010.

[6]劉金琨.先進PID控制與MATLAB仿真[M].北京：電子工業(yè)大學(xué)出版社，2011.

[7]胡守仁.神經(jīng)網(wǎng)絡(luò)技術(shù)[M].長沙：國防科技大學(xué)出版社，1993.

[8]李光軍，張翠芳，申元霞.基于RBF神經(jīng)網(wǎng)絡(luò)的PID整定[J].佳木斯大學(xué)學(xué)報（自然科學(xué)版），2005，23（3）:354-357.

[9]張澤旭.神經(jīng)網(wǎng)絡(luò)控制與Matlab仿真[M].哈爾濱：哈爾濱工業(yè)大學(xué)出版社，2011.

[10]段海濱.蟻群算法原理及其應(yīng)用[M].北京：科學(xué)出版社，2005.

[11]項云障.多臺電機同步協(xié)調(diào)運轉(zhuǎn)的變結(jié)構(gòu)控制[J].電氣傳動自動化，1999，21（3）：33-34.

[12]孫 怡.基于模糊PID控制的多電機同步控制系統(tǒng)研究[D].上海：華東理工大學(xué)，2012.

（責任編輯：黨亞茹）

ACA-RBF-PID control strategy for luggage importing motor based on synchronization control

DING Fang，LI Rong-rong，DING Zheng-wei
（College of Aeronautical Automation，CAUC，Tianjin 300300，China）

Based on synchronization control theory，a novel ACA-RBF-PID control strategy is proposed to achieve the accurate importing of airport luggage from conveyer belt to luggage sorter.Ant colony algorithm is employed to optimize the RBF neural network，averting the local optimization caused by traditional RBF neural network and achieving total optimization.Meanwhile，the motor synchronous control system is applied to guarantee the consistent speed of the luggage induction sorting motors，preventing two pieces of luggage from getting to the same luggage tray at the same time.Simulation results show that this strategy greatly improves the luggage importing efficiency and guarantees subsequent sorting smooth.

luggage importing motor；RBF neural network；ant colony algorithms；synchronization control；PID

V24;TP21

:A

:1674-5590(2015)01-0041-04

2013-09-11；

:2013-11-12

天津市自然科學(xué)基金項目（13JCYBJC39000）；中國民航大學(xué)科研基金項目（2012QD21x)

丁芳（1960—）,女，山西太原人，副教授，碩士，研究方向為檢測技術(shù)、智能控制等.