趙華洋, 李 理, 張春友, 王利華, 吳曉強(qiáng)

(內(nèi)蒙古民族大學(xué) 機(jī)械工程學(xué)院， 內(nèi)蒙古 通遼 028000)

基于神經(jīng)元控制的橋式起重機(jī)吊重防擺系統(tǒng)

趙華洋, 李 理, 張春友, 王利華, 吳曉強(qiáng)

(內(nèi)蒙古民族大學(xué) 機(jī)械工程學(xué)院， 內(nèi)蒙古 通遼 028000)

重物在吊運(yùn)過(guò)程中由于存在慣性不可避免的產(chǎn)生擺動(dòng)，傳統(tǒng)減擺方法是當(dāng)出現(xiàn)擺動(dòng)后，靠負(fù)載自重使擺動(dòng)幅度自然減弱后再繼續(xù)操作，這樣往往付出了降低工作效率的代價(jià)。為提高工作效率和減小作業(yè)風(fēng)險(xiǎn)，對(duì)橋式起重機(jī)吊重?cái)[動(dòng)問(wèn)題進(jìn)行研究，通過(guò)建立其Lagrange 動(dòng)力學(xué)微分方程，對(duì)吊重?cái)[動(dòng)規(guī)律和影響因素進(jìn)行分析。同時(shí)，提出一種單神經(jīng)元PID控制策略，分別對(duì)小車(chē)的位置和吊重的擺角進(jìn)行控制，利用神經(jīng)網(wǎng)絡(luò)自學(xué)習(xí)功能克服傳統(tǒng)PID控制參數(shù)無(wú)法在線整定的局限。分析結(jié)果表明，與傳統(tǒng)方法相比，單神經(jīng)元PID控制策略可有效實(shí)現(xiàn)小車(chē)精確定位和快速消除吊重?fù)u擺，魯棒性好，為實(shí)際應(yīng)用提供理論依據(jù)。

橋式起重機(jī)； 擺動(dòng)； 神經(jīng)網(wǎng)絡(luò)； PID控制

0 引 言

橋式起重機(jī)作為一種吊裝設(shè)備，廣泛應(yīng)用于港口、碼頭等場(chǎng)合。重物在吊運(yùn)過(guò)程中由于存在慣性，不可避免的產(chǎn)生擺動(dòng)，傳統(tǒng)減擺方法往往以降低工作效率為代價(jià)，當(dāng)出現(xiàn)擺動(dòng)后，靠負(fù)載自重使擺動(dòng)幅度自然減弱后再繼續(xù)操作，是一種消極的減擺方式[1]，因此，尋求一種可靠的減擺控制策略是國(guó)內(nèi)外學(xué)者普遍研究的問(wèn)題。通過(guò)分析系統(tǒng)的數(shù)學(xué)模型，采用最優(yōu)控制理論對(duì)吊重?cái)[角進(jìn)行控制，取得了很好的控制效果[2]。文獻(xiàn)[3]中應(yīng)用線性二次型LQR研究了起重機(jī)的吊重?cái)[動(dòng)機(jī)理，設(shè)計(jì)了模糊自整定PID防擺控制器，對(duì)位置環(huán)和擺角環(huán)分別進(jìn)行控制，取得了較好的防擺效果。史良偉等[4]設(shè)計(jì)2個(gè)模糊自適應(yīng)PID控制器，分別對(duì)吊重小車(chē)的位移以及吊重本身的擺動(dòng)進(jìn)行控制，使被控對(duì)象具有良好的動(dòng)靜性能，在消除穩(wěn)態(tài)誤差以及參數(shù)控制等方面具有一定的可行性。杜文正等[5]設(shè)計(jì)了利用PSO算法優(yōu)化PID參數(shù)的定位防擺控制器，實(shí)現(xiàn)了無(wú)超調(diào)無(wú)靜差的精確定位，同時(shí)載荷擺動(dòng)得到了快速有效的抑制，且具有較好的動(dòng)態(tài)性能。鐘斌等[6]采用小車(chē)位置信息，設(shè)計(jì)狀態(tài)觀測(cè)器，通過(guò)反饋觀測(cè)器的狀態(tài)變量估計(jì)信息形成閉環(huán)控制系統(tǒng)，使吊重?cái)[角在規(guī)定時(shí)間內(nèi)以指定誤差衰減為零，實(shí)現(xiàn)吊重的防搖控制。

針對(duì)橋式起重機(jī)非線性、多變量等問(wèn)題，本文提出將神經(jīng)網(wǎng)絡(luò)控制應(yīng)用于防擺控制系統(tǒng)中，依靠神經(jīng)元自學(xué)習(xí)功能實(shí)時(shí)整定PID的控制參數(shù)，克服傳統(tǒng)PID參數(shù)不能在線調(diào)整的問(wèn)題。同時(shí)，把小車(chē)位置與吊重?cái)[角作為控制器的輸入，以實(shí)現(xiàn)小車(chē)的精確定位和吊重有效防擺。

1 動(dòng)力學(xué)分析

如圖1所示，橋式起重機(jī)的結(jié)構(gòu)主要包括大車(chē)和小車(chē)兩部分。小車(chē)和吊重之間柔性連接，當(dāng)大車(chē)或小車(chē)在做加(減)速運(yùn)動(dòng)時(shí)，在慣性的作用下，吊重會(huì)發(fā)生搖擺，不僅影響了吊運(yùn)的工作效率，也存在一定的安全隱患。

圖1 橋式起重機(jī)結(jié)構(gòu)

發(fā)生擺動(dòng)時(shí)，吊重與鋼絲繩之間產(chǎn)生偏角，防擺控制的實(shí)質(zhì)就是控制偏角在最短時(shí)間內(nèi)衰減到規(guī)定范圍內(nèi)，節(jié)省吊運(yùn)時(shí)間，降低工人勞動(dòng)強(qiáng)度。因?yàn)榇筌?chē)和小車(chē)在各自方向上做水平移動(dòng)，這兩個(gè)方向上的運(yùn)動(dòng)是自然解耦的，且對(duì)吊重?fù)u擺影響效果相同，近似獨(dú)立。因此，為簡(jiǎn)化分析，假設(shè)大車(chē)靜止不動(dòng)，并忽略鋼絲繩的彈性變形以及空氣阻力的影響，建立防擺系統(tǒng)的簡(jiǎn)化力學(xué)模型，如圖2所示[7-9]。

圖2 起重機(jī)的簡(jiǎn)化模型

選取小車(chē)水平位置x，擺角θ以及繩長(zhǎng)l為系統(tǒng)的廣義坐標(biāo)，則Lagrange動(dòng)力學(xué)微分方程為[10-12：

(1)

式中：m1為小車(chē)質(zhì)量；m2為吊重質(zhì)量；θ為吊重?cái)[角；l為鋼絲繩長(zhǎng)度；μ為小車(chē)與軌道間摩擦系數(shù)；x為小車(chē)移動(dòng)距離；F為小車(chē)受到的驅(qū)動(dòng)力。

因?yàn)榈踔財(cái)[動(dòng)主要集中在小車(chē)水平運(yùn)動(dòng)階段，為便于分析，不考慮起重機(jī)垂直方向的運(yùn)動(dòng)，即忽略繩長(zhǎng)l的變化，且在實(shí)際應(yīng)用中吊重?cái)[角較小，所以可視sinθ≈θ,cosθ≈1，系統(tǒng)模型可簡(jiǎn)化為：

(2)

(3)

(4)

分析發(fā)現(xiàn)，繩長(zhǎng)L與小車(chē)加(減)速度是影響吊重?cái)[角的主要因素，因此消除吊重?cái)[角的最有效的方法就是合理控制小車(chē)運(yùn)行狀態(tài)，設(shè)計(jì)能精確定位小車(chē)位置的控制器，是橋式起重機(jī)防擺系統(tǒng)的關(guān)鍵。

2 控制策略

傳統(tǒng)PID控制雖然簡(jiǎn)單易于實(shí)現(xiàn)，但由于其控制參數(shù)不能在線整定，當(dāng)外部條件發(fā)生變化時(shí)，無(wú)法保證精確的控制效果，其表達(dá)式為：

(5)

式中：Kp為比例系數(shù)；Ti為積分常數(shù)；Td為微分常數(shù)；u(t)為輸出信號(hào)；e(t)為偏差信號(hào)。

神經(jīng)網(wǎng)絡(luò)控制具有收斂速度快、可在線學(xué)習(xí)的特點(diǎn)，可實(shí)時(shí)對(duì)PID控制參數(shù)進(jìn)行調(diào)整，神經(jīng)元模型如圖3所示。

圖3 神經(jīng)元模型

神經(jīng)網(wǎng)絡(luò)表示多輸入到單輸出的映射關(guān)系，能逼近任意形式的非線性函數(shù)，表示式為：

(6)

式中：xi(t)為輸入激勵(lì)信號(hào)；β為神經(jīng)元的闕值；wi(t)為神經(jīng)元連接權(quán)系數(shù)。

將單神經(jīng)元控制與傳統(tǒng)PID控制相結(jié)合，即單神經(jīng)元PID控制應(yīng)用于橋式起重機(jī)吊重防擺系統(tǒng)，其控制原理如圖4所示。

圖4 單神經(jīng)元PID控制原理

將單神經(jīng)元的3個(gè)連接權(quán)系數(shù)分別對(duì)應(yīng)PID控制器比例、積分和微分的系數(shù)[13-15]，偏差信號(hào)e(t)經(jīng)轉(zhuǎn)換后作為單神經(jīng)元的輸入信號(hào)xi(t)(i=1,2,3)，即：

(7)

設(shè)wi(t)(i=1,2,3)代表輸入信號(hào)xi(t)所對(duì)應(yīng)的連接權(quán)系數(shù)，K(K>0)為神經(jīng)元增益，則神經(jīng)元控制量u(t)的增量Δu(t)為：

K(w1x1+w2x2+w3x3)

(8)

由式(7)、(8)得：

Δu(t)=K{w1e(t)+w2[e(t)-e(t-1)]+

w3[e(t)-2e(t-1)+e(t-2)]}

(9)

式(9)與增量式PID的控制規(guī)律形式基本一致，不同的是神經(jīng)元的權(quán)值wi能通過(guò)其自學(xué)習(xí)功能進(jìn)行自動(dòng)調(diào)整，所以該神經(jīng)元相當(dāng)于是一種自適應(yīng)PID。

連接權(quán)系數(shù)wi(t)(i=1,2,3)的整定，采用有監(jiān)督的Hebb學(xué)習(xí)規(guī)則，算法如下：

式中：ηi為學(xué)習(xí)速率(i=1,2,3)。

3 仿真分析

采用有監(jiān)督Hebb學(xué)習(xí)規(guī)則，將單位階躍信號(hào)作為系統(tǒng)輸入，并在1 s處加入干擾信號(hào)，在Matlab/simulink中對(duì)所建模型進(jìn)行仿真，取η1=50，η2=10，η3=5，K=0.6，wi=1，m1=1 000 kg，m2=2 000 kg，l=3.5 m，并與傳統(tǒng)PID控制策略進(jìn)行對(duì)比，響應(yīng)曲線如圖5、6所示。

圖5 階躍信號(hào)響應(yīng)曲線

圖6 干擾后的階躍信號(hào)響應(yīng)曲線

與常規(guī)PID控制相比，單神經(jīng)元PID控制策略超調(diào)量縮減了62%左右，穩(wěn)態(tài)時(shí)間縮短了38%左右，收斂速度更快，并且有更好的抗干擾能力。

4 實(shí) 驗(yàn)

為驗(yàn)證理論分析的正確性，對(duì)QD32 /5型橋式起重機(jī)進(jìn)行實(shí)際測(cè)試：

測(cè)試數(shù)據(jù)跨度22 m，最大起升高度12 m，額定起吊重量為30 t，小車(chē)驅(qū)動(dòng)電機(jī)功率6.3 kW，轉(zhuǎn)速900 r /min，制動(dòng)力矩200 N·m，其它參數(shù)與仿真一致。

工況小車(chē)以0.15 m/s2的加速度運(yùn)行距離為0.8m時(shí)開(kāi)始制動(dòng)，制動(dòng)后進(jìn)行數(shù)據(jù)采集，采樣時(shí)間為40 s。取小車(chē)的位置和吊重?cái)[角作為評(píng)價(jià)指標(biāo)，并與傳統(tǒng)PID控制策略進(jìn)行對(duì)比，測(cè)試結(jié)果如圖7～10所示。

圖7 傳統(tǒng)PID控制小車(chē)位置

圖8 單神經(jīng)元PID控制小車(chē)位置

圖9 傳統(tǒng)PID控制吊重?cái)[角

圖10 單神經(jīng)元PID控制吊重?cái)[角

為進(jìn)一步說(shuō)明所用方法的有效性，將測(cè)試結(jié)果進(jìn)行列表對(duì)比，如表1所示。

表1 測(cè)試結(jié)果對(duì)比

可見(jiàn)，兩種方法都能使小車(chē)準(zhǔn)確定位，并有效消除吊重的擺動(dòng)。與傳統(tǒng)PID控制策略相比，單神經(jīng)元PID控制策略的定位精度提高27%，定位時(shí)間縮短41%，消除擺角時(shí)間縮短48%，控制效果更為有效。

5 結(jié) 語(yǔ)

(1) 對(duì)橋式起重機(jī)吊運(yùn)過(guò)程中吊重?fù)u擺問(wèn)題展開(kāi)研究。首先分析了影響小車(chē)定位精度和吊重?cái)[角的因素，把控制小車(chē)運(yùn)行狀態(tài)作為設(shè)計(jì)控制器的主要思路。

(2) 利用神經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí)功能和收斂速度快的特點(diǎn)，提出單神經(jīng)元PID控制策略，并采用Hebb學(xué)習(xí)規(guī)則，克服了傳統(tǒng)PID控制參數(shù)不能實(shí)時(shí)在線整定的問(wèn)題，使其更具適應(yīng)性。

(3) 把小車(chē)的運(yùn)動(dòng)位置和吊重?cái)[角作為控制指標(biāo)進(jìn)行分析，結(jié)果表明，所用方法能實(shí)現(xiàn)小車(chē)的精確定位和有效消除擺角，克服了吊重?cái)_動(dòng)對(duì)小車(chē)位置的影響，抗干擾能力強(qiáng)，防擺效果好，為提高橋式起重機(jī)吊運(yùn)效率，減小作業(yè)風(fēng)險(xiǎn)提供理論依據(jù)。

[1] 王曉軍，邵惠鶴.時(shí)變輸入整形在橋式起重機(jī)防搖控制中的應(yīng)用[J]. 系統(tǒng)仿真學(xué)報(bào)，2007, 19 (3): 623-626.

[2] Schindele D, Menn I, Aschemann H. Nonlinear optimal control of an overhead travelling crane [C]//18th IEEE International Conference on Control Applications Part, 2009,1045-1050.

[3] 胡艷麗.基于模糊PID的橋式起重機(jī)防擺控制研究[D]. 鄭州：河南理工大學(xué)，2011.

[4] 史良偉，李 虹，王占軍. 基于模糊自適應(yīng)PID控制的橋式起重機(jī)定位防擺研究[J]. 機(jī)械工程與自動(dòng)化,2014(10):170-172.

[5] 杜文正,童國(guó)林, 強(qiáng)寶民,等. 陳橋式起重機(jī)定位和防擺的粒子群算法優(yōu)化PID控制[J]. 兵工自動(dòng)化, 2012, 31(11)：32-37.

[6] 鐘 斌，趙曉青. 起重機(jī)吊重系統(tǒng)魯棒滑模觀測(cè)器設(shè)計(jì)[J]. 西安理工大學(xué)學(xué)報(bào), 2014,30(4):425-430.

[7] 朱發(fā)淵，汪朝暉，李欣欣.橋式起重機(jī)定位和消擺的非線性優(yōu)化PID控制研究[J].制造業(yè)自動(dòng)化,2014,(12):76-79.

[8] 張 晶. 起重機(jī)吊重防搖控制研究及控制卡的設(shè)計(jì)[D]. 成都：西南交通大學(xué), 2008.

[9] 張 晶, 陳春俊, 鐘 斌,等. 基于DSP的橋門(mén)式起重機(jī)吊重防搖控制系統(tǒng)設(shè)計(jì)[J]. 中國(guó)測(cè)試, 2007, 33(5):53-55.

[10] 楊春燕．橋式起重機(jī)定位和防擺的RBF神經(jīng)網(wǎng)絡(luò)控制[J]. 中國(guó)科技論文在線, 2011,6(4):320-324.

[11] Omar H M, Nayfeh A H. Gain scheduling feedback control for tower cranes [J]. Journal of Vibration and Control, 2013,9(3):399-418.

[12] 鐘 斌, 程文明, 吳 曉,等. 橋門(mén)式起重機(jī)吊重防搖狀態(tài)反饋控制系統(tǒng)設(shè)計(jì)[J]. 電機(jī)與控制學(xué)報(bào), 2007, 11(5):492-496.

[13] 蘇 晴, 張 氫. 岸邊集裝箱起重機(jī)防搖及速度控制研究[J]. 建筑機(jī)械, 2008(4):87-92.

[14] 鐘 斌, 程文明, 唐連生. 起重機(jī)吊重智能防搖CAN控制系統(tǒng)的設(shè)計(jì)[J]. 起重運(yùn)輸機(jī)械, 2007, 2007(6):38-40.

[15] 羅 均，周玉美，胡鉅奇，等.基于模糊PID 的仿生機(jī)械云臺(tái)系統(tǒng)研究[J].新型工業(yè)化，2013,10(3)：16-22.

ResearchonAnti-swingSystemofBridgeCranebyNeuronControl

ZHAOHuayang,LILi,ZHANGChunyou,WANGLihua,WUXiaoqiang

(Mechanical Engineering College, Inner Mongolia University for the Nationalities College, Tongliao 028000, Inner Mongolia, China)

In order to improve the working efficiency and reduce the operating risk, the crane swing problem is studied, and a Lagrange dynamic equation is established. At the same time, a single neuron PID control strategy is proposed to control the position of the car and the swing angle of the crane. The use of neural network can overcome the limitation of the traditional PID control that parameters cannot be adjusted online. The results show that compared with the traditional method, the single neuron PID control strategy can realize the precise positioning of the car and the rapid elimination of the swing of the crane, and provide a theoretical basis for the practical application.

overhead traveling crane; swing; neural network; PID control

U 675.5

A

1006-7167(2017)11-0064-04

2017-03-10

國(guó)家自然科學(xué)基金項(xiàng)資助(6144041)；內(nèi)蒙古自治區(qū)高等學(xué)校研究項(xiàng)目(NJZY17206)；內(nèi)蒙古自治區(qū)高校蓖麻產(chǎn)業(yè)工程技術(shù)研究中心開(kāi)放基金項(xiàng)目(NDK2017032)

趙華洋(1974-)，男，內(nèi)蒙古通遼人，碩士，副教授，研究方向機(jī)械電子。

Tel.: 15048508088; E-mail:187145524@qq.com