趙華洋, 李 理, 張春友, 王利華, 吳曉強

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

基于神經(jīng)元控制的橋式起重機吊重防擺系統(tǒng)

趙華洋, 李 理, 張春友, 王利華, 吳曉強

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

重物在吊運過程中由于存在慣性不可避免的產(chǎn)生擺動，傳統(tǒng)減擺方法是當(dāng)出現(xiàn)擺動后，靠負(fù)載自重使擺動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。為提高工作效率和減小作業(yè)風(fēng)險，對橋式起重機吊重擺動問題進行研究，通過建立其Lagrange 動力學(xué)微分方程，對吊重擺動規(guī)律和影響因素進行分析。同時，提出一種單神經(jīng)元PID控制策略，分別對小車的位置和吊重的擺角進行控制，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控制策略可有效實現(xiàn)小車精確定位和快速消除吊重?fù)u擺，魯棒性好，為實際應(yīng)用提供理論依據(jù)。

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

0 引 言

橋式起重機作為一種吊裝設(shè)備，廣泛應(yīng)用于港口、碼頭等場合。重物在吊運過程中由于存在慣性，不可避免的產(chǎn)生擺動，傳統(tǒng)減擺方法往往以降低工作效率為代價，當(dāng)出現(xiàn)擺動后，靠負(fù)載自重使擺動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內(nèi)外學(xué)者普遍研究的問題。通過分析系統(tǒng)的數(shù)學(xué)模型，采用最優(yōu)控制理論對吊重擺角進行控制，取得了很好的控制效果[2]。文獻[3]中應(yīng)用線性二次型LQR研究了起重機的吊重擺動機理，設(shè)計了模糊自整定PID防擺控制器，對位置環(huán)和擺角環(huán)分別進行控制，取得了較好的防擺效果。史良偉等[4]設(shè)計2個模糊自適應(yīng)PID控制器，分別對吊重小車的位移以及吊重本身的擺動進行控制，使被控對象具有良好的動靜性能，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)計了利用PSO算法優(yōu)化PID參數(shù)的定位防擺控制器，實現(xiàn)了無超調(diào)無靜差的精確定位，同時載荷擺動得到了快速有效的抑制，且具有較好的動態(tài)性能。鐘斌等[6]采用小車位置信息，設(shè)計狀態(tài)觀測器，通過反饋觀測器的狀態(tài)變量估計信息形成閉環(huán)控制系統(tǒng)，使吊重擺角在規(guī)定時間內(nèi)以指定誤差衰減為零，實現(xiàn)吊重的防搖控制。

針對橋式起重機非線性、多變量等問題，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)功能實時整定PID的控制參數(shù)，克服傳統(tǒng)PID參數(shù)不能在線調(diào)整的問題。同時，把小車位置與吊重擺角作為控制器的輸入，以實現(xiàn)小車的精確定位和吊重有效防擺。

1 動力學(xué)分析

如圖1所示，橋式起重機的結(jié)構(gòu)主要包括大車和小車兩部分。小車和吊重之間柔性連接，當(dāng)大車或小車在做加(減)速運動時，在慣性的作用下，吊重會發(fā)生搖擺，不僅影響了吊運的工作效率，也存在一定的安全隱患。

圖1 橋式起重機結(jié)構(gòu)

發(fā)生擺動時，吊重與鋼絲繩之間產(chǎn)生偏角，防擺控制的實質(zhì)就是控制偏角在最短時間內(nèi)衰減到規(guī)定范圍內(nèi)，節(jié)省吊運時間，降低工人勞動強度。因為大車和小車在各自方向上做水平移動，這兩個方向上的運動是自然解耦的，且對吊重?fù)u擺影響效果相同，近似獨立。因此，為簡化分析，假設(shè)大車靜止不動，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)的簡化力學(xué)模型，如圖2所示[7-9]。

圖2 起重機的簡化模型

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

(1)

式中：m1為小車質(zhì)量；m2為吊重質(zhì)量；θ為吊重擺角；l為鋼絲繩長度；μ為小車與軌道間摩擦系數(shù)；x為小車移動距離；F為小車受到的驅(qū)動力。

因為吊重擺動主要集中在小車水平運動階段，為便于分析，不考慮起重機垂直方向的運動，即忽略繩長l的變化，且在實際應(yīng)用中吊重擺角較小，所以可視sinθ≈θ,cosθ≈1，系統(tǒng)模型可簡化為：

(2)

(3)

(4)

分析發(fā)現(xiàn)，繩長L與小車加(減)速度是影響吊重擺角的主要因素，因此消除吊重擺角的最有效的方法就是合理控制小車運行狀態(tài)，設(shè)計能精確定位小車位置的控制器，是橋式起重機防擺系統(tǒng)的關(guān)鍵。

2 控制策略

傳統(tǒng)PID控制雖然簡單易于實現(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，無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；e(t)為偏差信號。

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，可實時對PID控制參數(shù)進行調(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)為輸入激勵信號；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個連接權(quán)系數(shù)分別對應(yīng)PID控制器比例、積分和微分的系數(shù)[13-15]，偏差信號e(t)經(jīng)轉(zhuǎn)換后作為單神經(jīng)元的輸入信號xi(t)(i=1,2,3)，即：

(7)

設(shè)wi(t)(i=1,2,3)代表輸入信號xi(t)所對應(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能通過其自學(xué)習(xí)功能進行自動調(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，將單位階躍信號作為系統(tǒng)輸入，并在1 s處加入干擾信號，在Matlab/simulink中對所建模型進行仿真，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控制策略進行對比，響應(yīng)曲線如圖5、6所示。

圖5 階躍信號響應(yīng)曲線

圖6 干擾后的階躍信號響應(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 驗

為驗證理論分析的正確性，對QD32 /5型橋式起重機進行實際測試：

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

工況小車以0.15 m/s2的加速度運行距離為0.8m時開始制動，制動后進行數(shù)據(jù)采集，采樣時間為40 s。取小車的位置和吊重擺角作為評價指標(biāo)，并與傳統(tǒng)PID控制策略進行對比，測試結(jié)果如圖7～10所示。

圖7 傳統(tǒng)PID控制小車位置

圖8 單神經(jīng)元PID控制小車位置

圖9 傳統(tǒng)PID控制吊重擺角

圖10 單神經(jīng)元PID控制吊重擺角

為進一步說明所用方法的有效性，將測試結(jié)果進行列表對比，如表1所示。

表1 測試結(jié)果對比

可見，兩種方法都能使小車準(zhǔn)確定位，并有效消除吊重的擺動。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%，定位時間縮短41%，消除擺角時間縮短48%，控制效果更為有效。

5 結(jié) 語

(1) 對橋式起重機吊運過程中吊重?fù)u擺問題展開研究。首先分析了影響小車定位精度和吊重擺角的因素，把控制小車運行狀態(tài)作為設(shè)計控制器的主要思路。

(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，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)不能實時在線整定的問題，使其更具適應(yīng)性。

(3) 把小車的運動位置和吊重擺角作為控制指標(biāo)進行分析，結(jié)果表明，所用方法能實現(xiàn)小車的精確定位和有效消除擺角，克服了吊重擾動對小車位置的影響，抗干擾能力強，防擺效果好，為提高橋式起重機吊運效率，減小作業(yè)風(fēng)險提供理論依據(jù)。

[1] 王曉軍，邵惠鶴.時變輸入整形在橋式起重機防搖控制中的應(yīng)用[J]. 系統(tǒng)仿真學(xué)報，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控制的橋式起重機定位防擺研究[J]. 機械工程與自動化,2014(10):170-172.

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

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

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

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

[9] 張 晶, 陳春俊, 鐘 斌,等. 基于DSP的橋門式起重機吊重防搖控制系統(tǒng)設(shè)計[J]. 中國測試, 2007, 33(5):53-55.

[10] 楊春燕．橋式起重機定位和防擺的RBF神經(jīng)網(wǎng)絡(luò)控制[J]. 中國科技論文在線, 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. 橋門式起重機吊重防搖狀態(tài)反饋控制系統(tǒng)設(shè)計[J]. 電機與控制學(xué)報, 2007, 11(5):492-496.

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

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

[15] 羅 均，周玉美，胡鉅奇，等.基于模糊PID 的仿生機械云臺系統(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

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

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

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