魏福恒+曹民

摘 要：在集裝箱橋吊自動(dòng)化作業(yè)系統(tǒng)設(shè)計(jì)中，橋吊在自動(dòng)裝卸箱過程中抓放箱的精度問題是必須解決的。針對國內(nèi)外對該類問題研究解決的方式，分析了自動(dòng)對箱技術(shù)、模糊控制PID和神經(jīng)網(wǎng)絡(luò)PID等幾種方式，基于橋吊的實(shí)際應(yīng)用分析它們的優(yōu)點(diǎn)與不足之處，進(jìn)而提出兩種方案，即將無模型自適應(yīng)控制和機(jī)器學(xué)習(xí)運(yùn)用到集裝箱橋吊控制系統(tǒng)中，結(jié)合分析上述兩種技術(shù)的特性與優(yōu)點(diǎn)，為后續(xù)設(shè)計(jì)仿真實(shí)驗(yàn)研究得到更為有效的解決方案提供理論基礎(chǔ)。

關(guān)鍵詞：自動(dòng)裝卸箱；抓放箱精度；無模型自適應(yīng)控制；機(jī)器學(xué)習(xí)

DOIDOI：10.11907/rjdk.171274

中圖分類號(hào)：TP301

文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)文章編號(hào)：1672-7800（2017）008-0205-03

0 引言

隨著自動(dòng)化集裝箱碼頭的日趨發(fā)展，國內(nèi)外各大自動(dòng)化碼頭均朝著堆場裝卸作業(yè)為無人操作的方式轉(zhuǎn)變，對碼頭裝卸集裝箱穩(wěn)定高效的作業(yè)方式帶來了更多的挑戰(zhàn)。提高裝卸效率的關(guān)鍵之一就是集裝箱橋吊的自動(dòng)化作業(yè)程度，目前國內(nèi)外對集裝箱橋吊自動(dòng)化作業(yè)系統(tǒng)的設(shè)計(jì)研究也越來越多[1]。而其中對橋吊抓箱放箱過程中的精度問題也提出了一些有效的解決方式，橋吊小車位置和吊具防搖是對橋吊抓箱放箱工作性能最重要的體現(xiàn)。本文首先分析介紹解決自動(dòng)對箱技術(shù)、控制橋吊的小車位置和抓放箱過程中防搖控制的幾種方式，然后基于工業(yè)控制領(lǐng)域應(yīng)用廣泛的無模型自適應(yīng)控制技術(shù)和近年來發(fā)展越來越成熟的機(jī)器學(xué)習(xí)技術(shù)，提出將無模型自適應(yīng)控制和機(jī)器學(xué)習(xí)運(yùn)用到集裝箱橋吊自動(dòng)化作業(yè)控制系統(tǒng)中的方案。

1 橋吊裝卸箱過程中自動(dòng)對箱技術(shù)

在對橋吊自動(dòng)對箱技術(shù)的研究中，機(jī)器視覺與圖像處理技術(shù)得到了廣泛應(yīng)用，例如：歐洲提出一種在橋吊吊具上安裝攝像機(jī)，采用圖像處理技術(shù)定位集裝箱與吊具相對位置的方法[2]；日本提出在起重機(jī)吊具上安裝超聲波檢測裝置，用來探測吊具與集裝箱相對位置的方法[3]；國內(nèi)上海振華重工提出采用3D激光掃描儀和CCD攝像頭，同時(shí)運(yùn)用圖像處理技術(shù)實(shí)現(xiàn)集裝箱的精準(zhǔn)定位的方法[4]，西南交通大學(xué)采用雙目機(jī)器視覺技術(shù)識(shí)別與定位集裝箱[5-6]。基于機(jī)器視覺和圖像處理的集裝箱識(shí)別定位技術(shù)目前在國外已有應(yīng)用案例，但國內(nèi)還未形成成熟的應(yīng)用技術(shù)，還需要進(jìn)一步進(jìn)行關(guān)鍵技術(shù)研究。

橋吊定位集卡已經(jīng)有很多技術(shù)，例如青島前灣碼頭研發(fā)的岸橋下集卡自動(dòng)定位系統(tǒng)采用激光測距掃描原理、模式識(shí)別和自動(dòng)控制技術(shù)實(shí)現(xiàn)集卡的精確定位[7]，利用基于激光掃描測距與視頻圖像處理相結(jié)合的方法定位集卡[8]，大都是基于激光測距實(shí)現(xiàn)集卡精確定位。

集裝箱的定位以及自動(dòng)對箱技術(shù)雖然使橋吊能精確抓箱有了好的前提，但是這也只是能夠精確定位集裝箱，而橋吊要想在有多種因素干擾的環(huán)境下都能實(shí)現(xiàn)抓箱放箱都精確的目標(biāo)，僅僅依靠自動(dòng)對箱技術(shù)是不能實(shí)現(xiàn)的，還需要后續(xù)一個(gè)完整的過程控制系統(tǒng)才能解決。

2 模糊控制PID在橋吊系統(tǒng)中的應(yīng)用

常規(guī)PID控制的用途非常廣泛，但它只能以獲取被控對象的精確數(shù)學(xué)模型為基礎(chǔ)，而當(dāng)被控對象具有高階、非線性、大延遲、時(shí)變性等特點(diǎn)時(shí)，它就很難滿足要求了，因?yàn)槌Ｒ?guī)PID參數(shù)的整定必須通過系統(tǒng)模型確定，選定后不易在線更改，適應(yīng)性很差。在集裝箱橋吊系統(tǒng)中，橋吊有很多動(dòng)態(tài)特性，在不同條件下必須自動(dòng)調(diào)整PID參數(shù)。顯然常規(guī)PID控制不適合于橋吊控制系統(tǒng)。

近些年，許多研究人員也在對模糊控制進(jìn)行研究和開發(fā)，模糊控制是在被控對象、模糊數(shù)學(xué)模型的基礎(chǔ)上，運(yùn)用模糊控制器的近似推理手段模擬人腦模糊思維控制被控對象的一種方法，它并不具有實(shí)體結(jié)構(gòu)的PID控制器，但是模糊邏輯控制器可以被視為一種可以適應(yīng)非線性時(shí)變系統(tǒng)的PID控制器，具有很強(qiáng)的魯棒性。然而模糊控制系統(tǒng)的規(guī)則較難總結(jié)，優(yōu)化其參數(shù)需要專業(yè)知識(shí)和經(jīng)驗(yàn)相結(jié)合，這通常是比較困難和費(fèi)時(shí)的。相對于工作效率要求較高的橋吊來說也是不適合的。

對于集裝箱橋吊自動(dòng)化作業(yè)系統(tǒng)的設(shè)計(jì)采用模糊控制與PID控制相結(jié)合的方式，即模糊自適應(yīng)PID控制器[9]。目的是采用結(jié)構(gòu)簡單的PID控制，利用模糊控制系統(tǒng)提高PID增益調(diào)諧器的魯棒性，以便應(yīng)對橋吊系統(tǒng)的參數(shù)變化。這種控制器結(jié)構(gòu)同樣簡單，并且PID增益不是固定的，直接通過模糊推理系統(tǒng)來確定。同時(shí)，模糊理論的輸出也有加權(quán)因子，以便于模糊系統(tǒng)作歸一化處理。

此控制器的結(jié)構(gòu)如圖1所示[10]，x和θ分別表示橋吊小車的位置和吊具擺角。其中橋吊小車的位置由模糊自適應(yīng)PID控制，然后采用模糊自適應(yīng)PD對吊具進(jìn)行防搖控制。該控制器的性能是由帶有加權(quán)因子的模糊輸出決定的，因此，為了獲得滿意的控制性能，需要優(yōu)化5個(gè)參數(shù)，分別為KP、KI、KD、KPS和KDS，對應(yīng)于位置PID和防搖PD控制器的各個(gè)參數(shù)。模擬仿真的結(jié)果可以在文獻(xiàn)[10]看到，可以看出此控制器在提高橋吊控制系統(tǒng)的魯棒性上有很好的優(yōu)點(diǎn)，并且結(jié)構(gòu)簡單，但是需要在實(shí)際應(yīng)用中進(jìn)一步驗(yàn)證評(píng)估它的可行性。

3 神經(jīng)網(wǎng)絡(luò)PID控制器控制橋吊

前文介紹了模糊控制方面的應(yīng)用，而模糊理論與神經(jīng)網(wǎng)絡(luò)技術(shù)是近年來人工智能研究較為活躍的兩個(gè)領(lǐng)域。人工神經(jīng)網(wǎng)絡(luò)是一種應(yīng)用類似于大腦神經(jīng)突觸連接的結(jié)構(gòu)進(jìn)行信息處理的數(shù)學(xué)模型，它是一種運(yùn)算模型，由大量的節(jié)點(diǎn)相互連接構(gòu)成。神經(jīng)網(wǎng)絡(luò)依靠系統(tǒng)的復(fù)雜程度，通過調(diào)整內(nèi)部大量節(jié)點(diǎn)之間相互連接的關(guān)系，從而達(dá)到處理信息的目的。

下面介紹一種神經(jīng)網(wǎng)絡(luò)雙自由度PID控制器在橋吊上的應(yīng)用。由前文所述常規(guī)PID控制系統(tǒng)對于橋吊是不可行的。介于神經(jīng)網(wǎng)絡(luò)的自適應(yīng)、自組織和自學(xué)習(xí)特性，應(yīng)用神經(jīng)網(wǎng)絡(luò)來自動(dòng)調(diào)整PID控制的參數(shù)（KP、KI、KD）。即采用一個(gè)雙自由度PID控制器控制橋吊小車的位置和防搖控制，應(yīng)用一個(gè)神經(jīng)網(wǎng)絡(luò)調(diào)諧器調(diào)整它們的參數(shù)[11]（見圖2）。

如圖2所示，由神經(jīng)網(wǎng)絡(luò)雙自由度PID控制器控制的橋吊控制系統(tǒng)可以分為兩個(gè)部分（神經(jīng)網(wǎng)絡(luò)調(diào)諧器和雙自由度PID控制器）。神經(jīng)網(wǎng)絡(luò)調(diào)諧器的設(shè)計(jì)采用動(dòng)量反向傳播的學(xué)習(xí)方法，輸入層則由誤差（位置誤差、角度誤差）和期望輸出組成，同時(shí)將輸出層設(shè)定為神經(jīng)網(wǎng)絡(luò)PID控制器的參數(shù)。系統(tǒng)的模擬仿真以及結(jié)果可以在文獻(xiàn)[11]中看到。從仿真對比結(jié)果中可以看出上述神經(jīng)網(wǎng)絡(luò)PID控制器在抑制干擾上有很強(qiáng)的魯棒性，雙自由度PID控制器的參數(shù)也由神經(jīng)網(wǎng)絡(luò)調(diào)諧器進(jìn)行了很好的調(diào)整。endprint

前述基于機(jī)器視覺的集裝箱定位也只是將集裝箱的位置很好地定位，橋吊可以根據(jù)這些信息定位、抓取集裝箱，但是集裝箱橋吊系統(tǒng)實(shí)則是典型的非線性系統(tǒng)，且易受外界多種因素的干擾，比如小車與導(dǎo)軌之間的摩擦、風(fēng)力、溫度、大車位置等，單單只基于這些信息橋吊在抓箱放箱過程中并不能達(dá)到所要求的精度。2、3兩部分所介紹的控制橋吊小車位置以及吊具防搖控制的兩種方式：模糊控制PID和神經(jīng)網(wǎng)絡(luò)PID控制，最終都是由PID控制為主來作為橋吊自動(dòng)化作業(yè)系統(tǒng)，雖然在一定程度上能解決常規(guī)PID不能在線自動(dòng)調(diào)整參數(shù)的問題，但仍有很多限制與不足之處。

4 MFAC與機(jī)器學(xué)習(xí)應(yīng)用方案分析

對于如今自動(dòng)化作業(yè)發(fā)展越來越成熟的港口來說，目前所做的關(guān)于解決橋吊裝卸作業(yè)過程中的抓放箱精度與作業(yè)效率問題的研究重心已經(jīng)逐漸轉(zhuǎn)移到到智能控制上來。前述模糊PID控制、神經(jīng)網(wǎng)絡(luò)PID控制，都屬于智能控制的范疇，但它們在一定意義上屬于有模型控制，至于有模型控制的局限性不在此贅述。

近年來，在很多工業(yè)控制領(lǐng)域，運(yùn)用廣泛的是一種無模型自適應(yīng)控制（MFAC），它也是智能控制的范疇，但該控制器設(shè)計(jì)僅用受控系統(tǒng)的I/O數(shù)據(jù)，不需要任何受控系統(tǒng)的模型信息，就能夠?qū)崿F(xiàn)受控系統(tǒng)的參數(shù)自適應(yīng)控制和結(jié)構(gòu)自適應(yīng)控制。經(jīng)過一定的實(shí)際應(yīng)用、仿真研究以及理論證明，表明MFAC技術(shù)能夠處理具有強(qiáng)非線性和時(shí)變性系統(tǒng)的控制問題[12]。而集裝箱橋吊控制系統(tǒng)正是這種類型的控制系統(tǒng)，并且橋吊工作一直處于抓放箱的重復(fù)性過程中，因此本文基于MFAC提出一種思路：采用專門適用于一大類重復(fù)運(yùn)行的未知非線性控制系統(tǒng)，并且能保證系統(tǒng)輸出誤差沿迭代軸的單調(diào)收斂的無模型自適應(yīng)迭代學(xué)習(xí)控制（MFAILC）方法，控制橋吊自動(dòng)化裝卸箱作業(yè)系統(tǒng)，此處只是提出這一方案，后續(xù)會(huì)進(jìn)一步進(jìn)行方案原理設(shè)計(jì)以及仿真實(shí)驗(yàn)以驗(yàn)證其可行性。

此外，國內(nèi)外對人工智能的研究越來越成熟，而人工智能的核心則是機(jī)器學(xué)習(xí)，它是使計(jì)算機(jī)具有智能的根本途徑，其應(yīng)用遍及人工智能的各個(gè)領(lǐng)域，專門研究計(jì)算機(jī)怎么模擬或?qū)崿F(xiàn)人類的行為，以獲取新的知識(shí)或者技能，重新組織已有的知識(shí)結(jié)構(gòu)使之不斷改善自身的性能[13]。如果將機(jī)器學(xué)習(xí)應(yīng)用到橋吊控制系統(tǒng)中去，由機(jī)器學(xué)習(xí)算法進(jìn)行不斷學(xué)習(xí)，調(diào)整優(yōu)化自身系統(tǒng)性能，從而實(shí)現(xiàn)抓放箱的精確性。采用這種方案即使是在多種因素的影響下也會(huì)經(jīng)過學(xué)習(xí)算法得到適應(yīng)調(diào)整。下面基于一種機(jī)器學(xué)習(xí)算法（BP神經(jīng)網(wǎng)絡(luò)算法）介紹這一方案。

BP（Back Propagation）神經(jīng)網(wǎng)絡(luò)是一種按誤差逆?zhèn)鞑ニ惴ㄓ?xùn)練的多層前饋網(wǎng)絡(luò)，由輸入層、隱含層和輸出層組成[14]。BP網(wǎng)絡(luò)的學(xué)習(xí)過程由前向計(jì)算過程和誤差反向傳播過程組成。將誤差信號(hào)（小車位置誤差、角度誤差）以及期望誤差（即抓箱放箱時(shí)所允許的期望精度）作為輸入層，首先進(jìn)行前向計(jì)算過程，如果輸出層不能得到期望的輸出，則轉(zhuǎn)入誤差反向傳播過程，誤差信號(hào)沿原來的通路返回，逐次調(diào)整網(wǎng)絡(luò)各層的權(quán)值和閾值，直至達(dá)到輸出層，再進(jìn)行前向計(jì)算。兩個(gè)過程依次重復(fù)進(jìn)行，使得誤差達(dá)到期望值，學(xué)習(xí)過程結(jié)束。最終橋吊抓放箱的精度就能夠控制在期望范圍內(nèi)。

基于MFAC和機(jī)器學(xué)習(xí)提出的解決橋吊抓放箱精度問題的兩種方案，后續(xù)研究將會(huì)設(shè)計(jì)仿真實(shí)驗(yàn)進(jìn)行對比，論證它們的可行性，最終得到更為有效的解決方案。

5 結(jié)語

集裝箱堆場橋吊自動(dòng)化作業(yè)過程中最關(guān)鍵的就是橋吊抓放箱精確度。本文在介紹目前自動(dòng)對箱技術(shù)、控制橋吊的小車位置和抓放箱過程中的防搖控制的幾種解決方式后，進(jìn)而提出將MFAC和機(jī)器學(xué)習(xí)運(yùn)用于集裝箱橋吊控制系統(tǒng)的兩種方案。后續(xù)研究將對這兩種技術(shù)作進(jìn)一步仿真研究，驗(yàn)證其可行性，并進(jìn)行對比分析。

參考文獻(xiàn)：

[1] 田洪， 吳富生. 自動(dòng)化碼頭的發(fā)展現(xiàn)狀及趨勢[C].中國機(jī)械工程學(xué)會(huì)物流工程分會(huì). 物流工程三十年技術(shù)創(chuàng)新發(fā)展之道.北京：中國鐵道出版社，2010：247-251.

[2] JUNG C，KIM C. Real-time estimation of 3D scene geometry from a single image[J]. Pattern Recognition， 2012， 45（9）：3256-3269.

[3] WU W， LIU Z， CHEN M， et al. An automated vision system for container-code recognition[J]. Expert Systems with Applications， 2012， 39（3）：2842-2855.

[4] 蔡佳俊， 張氫， 張小龍. 軌道式集裝箱門式起重機(jī)自動(dòng)裝卸箱的實(shí)現(xiàn)[J]. 機(jī)電一體化，2015，21（9）：44-47.

[5] 漆靜. 基于機(jī)器視覺集裝箱吊具智能定位系統(tǒng)研究[D].成都： 西南交通大學(xué)， 2015.

[6] 馬蕾. 基于雙目立體視覺的集裝箱識(shí)別與定位技術(shù)研究[D]. 成都：西南交通大學(xué)， 2013.

[7] 許博. 基于激光掃描測距技術(shù)的岸橋下集卡自動(dòng)定位系統(tǒng)[J]. 集裝箱化， 2016， 27（8）：23-26.

[8] 王繼堂， 孔婷， 李俊，等. 基于激光掃描測距和視頻圖像處理的集卡定位方法[J].系統(tǒng)仿真學(xué)報(bào)， 2009， 21（15）：4873-4878.

[9] SOLIHIN MI， WAHYUDI， LEGOWO A. Fuzzy-tuned PID anti-swing control of automatic gantry Crane[J]. Journal of Vibration & Control， 2010， 16（1）：127-145.

[10] SOLIHIN MI， WAHYUDI. Fuzzy-tuned PID control design for automatic gantry crane[C]. International Conference on Intelligent and Advanced Systems. IEEE， 2007：1092-1097.

[11] CHOI SU， KIM JH， LEE JW. A study on gantry crane control using neural network two degree of PID controller[C].IEEE International Symposium on Industrial Electronics， Proceedings. ISIE. IEEE， 2001：1896-1900.

[12] 侯忠生.無模型自適應(yīng)控制[M].北京：科學(xué)出版社， 2013.

[13] Simon Haykin.神經(jīng)網(wǎng)絡(luò)與機(jī)器學(xué)習(xí)[M].北京：機(jī)械工業(yè)出版社， 2011.

[14] 美玲， 王念平， 李曉.BP神經(jīng)網(wǎng)絡(luò)算法的改進(jìn)及應(yīng)用[J].計(jì)算機(jī)工程與應(yīng)用， 2009， 45（35）：47-48.endprint