姬程飛，錢雪飛

中國(guó)石油管道局工程有限公司國(guó)際事業(yè)部，河北 廊坊

1.引言

隨著我國(guó)基礎(chǔ)設(shè)施建設(shè)能力的不斷提高，建筑行業(yè)發(fā)展日益迅速，建筑難度持續(xù)提高，對(duì)施工技術(shù)的要求也越來(lái)越高[1]。在建筑施工領(lǐng)域，施工升降機(jī)是運(yùn)送垂直升降作業(yè)人員必要的設(shè)備，傳統(tǒng)的施工升降機(jī)大多選用接觸器或繼電器作為開(kāi)關(guān)，以直接啟動(dòng)和機(jī)械抱閘的原始方法進(jìn)行啟動(dòng)和停止，整個(gè)過(guò)程大都依靠人工手動(dòng)和人工經(jīng)驗(yàn)控制來(lái)完成，存在精度低、效率低、舒適度差、智能化程度不高、機(jī)械損耗嚴(yán)重等很多缺點(diǎn)，難以滿足當(dāng)前高層建筑的施工要求[2][3][4]。隨著異步電機(jī)變頻調(diào)速技術(shù)的進(jìn)步，利用變頻器[5]，結(jié)合DSP 芯片和智能神經(jīng)網(wǎng)絡(luò)進(jìn)行精確的運(yùn)算控制，可以有效地解決上述問(wèn)題，獲得良好的運(yùn)行特性[6]。各種信息技術(shù)的應(yīng)用使施工升降機(jī)械的自動(dòng)控制迎來(lái)了嶄新機(jī)遇，各種傳感控制技術(shù)、荷載自適應(yīng)控制技術(shù)、自動(dòng)平層控制技術(shù)等，大大提高了設(shè)備的耐久性和安全可靠性[7][8]。本文主要介紹一種智能化的自動(dòng)平層控制系統(tǒng)，使其實(shí)現(xiàn)精確、高效的自動(dòng)平層。

2.平層控制系統(tǒng)關(guān)鍵技術(shù)

平層控制系統(tǒng)設(shè)計(jì)實(shí)現(xiàn)類似電梯功能的智能精確平層的目標(biāo)功能，主要有三項(xiàng)關(guān)鍵技術(shù)：

1) 信息采集

系統(tǒng)通過(guò)光電編碼器將電機(jī)輸出軸上的旋轉(zhuǎn)速度、運(yùn)行方向和位置轉(zhuǎn)換轉(zhuǎn)變成脈沖或數(shù)字量，利用壓敏器件，將升降機(jī)負(fù)載重量轉(zhuǎn)換成連續(xù)電壓信號(hào)，均上載至DSP 主控制器，為平層制動(dòng)距離的預(yù)測(cè)提供樣本數(shù)據(jù)。

2) 制動(dòng)距離預(yù)測(cè)

在特定情況下，假如光電編碼器的輸出脈沖或數(shù)字信號(hào)與存儲(chǔ)器中儲(chǔ)存的樓層高度信息吻合則執(zhí)行機(jī)構(gòu)電機(jī)停止轉(zhuǎn)動(dòng)。系統(tǒng)中的變頻器是一個(gè)黑匣子系統(tǒng)，無(wú)法直接設(shè)定預(yù)測(cè)距離，神經(jīng)網(wǎng)絡(luò)通過(guò)自己對(duì)數(shù)據(jù)的泛化和系統(tǒng)的整定，能夠模擬逼近任何輸入輸出所遵循的內(nèi)在規(guī)律，并且能夠通過(guò)自我優(yōu)化學(xué)習(xí)，不斷提高輸出的準(zhǔn)確性和抗干擾性，適合本系統(tǒng)制動(dòng)距離的預(yù)測(cè)。因此，系統(tǒng)通過(guò)人工神經(jīng)網(wǎng)絡(luò)來(lái)預(yù)測(cè)平層時(shí)的制動(dòng)距離，使平層控制更加智能化。

3) 電磁抱閘設(shè)計(jì)

DSP 主控制器和抱閘系統(tǒng)協(xié)同控制平層的停車，在達(dá)到指定樓層位置時(shí)，電機(jī)停止轉(zhuǎn)動(dòng)，同時(shí)抱閘系統(tǒng)自動(dòng)開(kāi)啟。為了提高停車的響應(yīng)速度和線性平穩(wěn)度，變頻器設(shè)置為斜坡停車，繼電器控制電磁抱閘吸合或斷開(kāi)，實(shí)現(xiàn)平層過(guò)程。

3.BP 神經(jīng)網(wǎng)絡(luò)

3.1.傳統(tǒng)BP 神經(jīng)網(wǎng)絡(luò)

BP 神經(jīng)網(wǎng)絡(luò)基于誤差逆向傳播思想，主要包括輸入層、隱含層及輸出層三層結(jié)構(gòu)。網(wǎng)絡(luò)傳輸包含兩個(gè)階段，即信號(hào)前向傳輸和誤差逆向傳輸。輸入信號(hào)在前向傳輸過(guò)程中，經(jīng)過(guò)隱含層，在輸出層得到輸出信號(hào)。如果輸出信號(hào)與預(yù)期設(shè)定的參數(shù)不一致，誤差開(kāi)始逆向傳輸，經(jīng)輸出層、隱含層、數(shù)層依次優(yōu)化權(quán)值和閾值，降低誤差，直到達(dá)到設(shè)定參數(shù)，即停止訓(xùn)練[9]-[15]。圖1 為標(biāo)準(zhǔn)BP 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，各層神經(jīng)元節(jié)點(diǎn)數(shù)分別為M、q、L。輸入信號(hào)為x1,x2,…,xM，網(wǎng)絡(luò)輸出信號(hào)為y1,y2,…,yL，預(yù)期輸出信號(hào)為tk(k=1,2,…,L)，誤差信號(hào)為ek(k=1,2,…,L)。

Figure 1.The model of BP neural network圖1.BP 神經(jīng)網(wǎng)絡(luò)模型

根據(jù)上述原理，BP 神經(jīng)網(wǎng)絡(luò)算法實(shí)現(xiàn)主要包括信號(hào)的正反兩個(gè)傳輸過(guò)程[10][11]，具體如下：

1) 信號(hào)的正向傳輸過(guò)程。

隱含層第i個(gè)節(jié)點(diǎn)的輸入neti為

隱含層第i個(gè)節(jié)點(diǎn)的輸出oi為

輸出層第k個(gè)節(jié)點(diǎn)的輸入netk為

輸出層第k個(gè)節(jié)點(diǎn)的輸出ok為

式中，xj為j節(jié)點(diǎn)的輸入，j=1,2,…,M；wij和wki分別為輸入層到隱含層和隱含層到輸出層的權(quán)值；δi和δk分別為隱含層和輸出層i節(jié)點(diǎn)和k節(jié)點(diǎn)的閾值；φ和ψ分別為網(wǎng)絡(luò)隱含層及輸出層的激勵(lì)函數(shù)；ok為k節(jié)點(diǎn)的輸出。

2) 誤差的反向傳輸過(guò)程。

在標(biāo)準(zhǔn)BP 神經(jīng)網(wǎng)絡(luò)中，輸入樣本p的誤差可用如下函數(shù)表示：

式中，L為網(wǎng)絡(luò)輸出層神經(jīng)元節(jié)點(diǎn)數(shù)；分別為樣本p條件下節(jié)點(diǎn)k的實(shí)際輸出和目標(biāo)輸出。

為使網(wǎng)絡(luò)收斂，各層網(wǎng)絡(luò)權(quán)值沿著梯度下降最快的方向進(jìn)行修正。由下降梯度法得隱含層與輸出層神經(jīng)元樣本p作用時(shí)的加權(quán)系數(shù)增量公式，如式(6)～式(11)所示：

式中，η為學(xué)習(xí)速率，η>0 ；分別為樣本p條件下隱含節(jié)點(diǎn)i和輸入節(jié)點(diǎn)j的輸出。

BP 神經(jīng)網(wǎng)絡(luò)與其他算法相比，計(jì)算量較小、網(wǎng)絡(luò)相對(duì)簡(jiǎn)單、并行性較高。但這種算法也有一些弊端，如學(xué)習(xí)效率不高，易于產(chǎn)生局部極小值，收斂速度不快，不適合升降機(jī)在線平層控制，存在樣本依賴。因此，標(biāo)準(zhǔn)BP 神經(jīng)網(wǎng)絡(luò)算法改進(jìn)勢(shì)在必行。

3.2.改進(jìn)神經(jīng)網(wǎng)絡(luò)

為了有效改善網(wǎng)絡(luò)性能，減小網(wǎng)絡(luò)誤差，在標(biāo)準(zhǔn)BP 算法中添加動(dòng)量項(xiàng)，使權(quán)值不斷修正；自動(dòng)調(diào)整學(xué)習(xí)步長(zhǎng)，提高學(xué)習(xí)速率，形成改進(jìn)的BP 網(wǎng)絡(luò)算法[12][13][14][15][16]，如式(12)所示。

上述算法能夠自動(dòng)修正迭代過(guò)程中的學(xué)習(xí)步長(zhǎng)，讓誤差函數(shù)以相對(duì)合理的步長(zhǎng)沿著梯度曲面的各個(gè)方向逼近極小點(diǎn)。

BP 網(wǎng)絡(luò)在學(xué)習(xí)過(guò)程中沿著誤差梯度變化最大的反方向不斷修正網(wǎng)絡(luò)閾值和權(quán)值，使網(wǎng)絡(luò)誤差達(dá)到最小，圖2 為網(wǎng)絡(luò)具體的學(xué)習(xí)流程。

Figure 2.Learning process of BP network圖2.BP 網(wǎng)絡(luò)的學(xué)習(xí)流程

4.平層制動(dòng)過(guò)程分析

平層的制動(dòng)主要包括兩個(gè)過(guò)程，即提前減速和停車，通過(guò)變頻器可預(yù)先設(shè)置升降機(jī)的運(yùn)行速度和減速時(shí)間[2][3]。由工作經(jīng)驗(yàn)可知，制動(dòng)距離主要與升降機(jī)貨臺(tái)的運(yùn)行速度、貨物載重量和上下運(yùn)行方向等因素有關(guān)。以升降機(jī)上升運(yùn)行為例，當(dāng)升降機(jī)停止運(yùn)行時(shí)，則平層有三種情況，如圖3 所示。

Figure 3.Parking plan of leveling floor圖3.平層停車示意圖

1) 理想情況：升降機(jī)吊籠平臺(tái)與該樓層底板恰好平齊；2) 不理想情況：升降機(jī)吊籠平臺(tái)還沒(méi)有到達(dá)樓層地板的位置，與目標(biāo)高度還有一段距離δ1，此時(shí)要重新啟動(dòng)電機(jī)，因此這種情況在實(shí)際運(yùn)行中要絕對(duì)禁止；3) 正常情況：升降機(jī)吊籠平臺(tái)超出樓層地面一段距離，記為δ2，表示吊籠平臺(tái)與樓層恰好齊平時(shí)還沒(méi)有完全停止，此時(shí)需要人工操作電磁抱閘系統(tǒng)實(shí)現(xiàn)平層過(guò)程。

5.BP 神經(jīng)網(wǎng)絡(luò)仿真分析

為提高平層精度，降低機(jī)械磨損和能量損失，減少人工操作次數(shù)，系統(tǒng)引入智能BP 神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)制動(dòng)距離L'的預(yù)測(cè)，使L'與實(shí)際制動(dòng)距離L盡量相等，電磁抱閘時(shí)吊籠速度盡量為0。由于實(shí)際制動(dòng)距離主要受升降機(jī)運(yùn)行速度、載重和運(yùn)行方向三個(gè)方面的影響，因此在設(shè)計(jì)神經(jīng)網(wǎng)絡(luò)時(shí)，輸入信號(hào)為這三個(gè)變量，輸出信號(hào)為要預(yù)測(cè)的制動(dòng)距離，由于輸入層和隱含層神經(jīng)元個(gè)數(shù)M和q之間具有q=2M+1 的近似關(guān)系，由M=3，得q=7。隱含層和輸出層的傳遞函數(shù)分別選用tansig和logsig函數(shù)。確定了網(wǎng)絡(luò)結(jié)構(gòu)和訓(xùn)練方法后，在Matlab[17]中，用標(biāo)準(zhǔn)BP算法和改進(jìn)算法對(duì)網(wǎng)絡(luò)模型分別進(jìn)行仿真分析，訓(xùn)練樣本和兩種算法的誤差性能曲線分別如表1 和圖4 所示。

Table 1.Training sample form表1.訓(xùn)練樣本表格

Figure 4.Training results of BP neural network圖4.BP 神經(jīng)網(wǎng)絡(luò)的訓(xùn)練結(jié)果

當(dāng)設(shè)置的誤差參數(shù)ε=10?4時(shí)，標(biāo)準(zhǔn)BP 算法需要訓(xùn)練460 次，改進(jìn)算法只需要7 次即可達(dá)到設(shè)定的目標(biāo)值，效率遠(yuǎn)遠(yuǎn)高于標(biāo)準(zhǔn)BP 算法，實(shí)現(xiàn)了精準(zhǔn)預(yù)測(cè)制動(dòng)距離，以便能夠快速抱閘平層，從而減小了能量損失和機(jī)械磨損，增加了平層精度。利用上述數(shù)據(jù)，結(jié)合已經(jīng)訓(xùn)練好的BP 神經(jīng)網(wǎng)絡(luò)，在Matlab 中，得到制動(dòng)距離預(yù)測(cè)曲面圖，如圖5 所示。

Figure 5.The prediction curve of BP neural network圖5.BP 神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)曲面圖

圖5 中，xyz分別為升降機(jī)運(yùn)行速度、車廂載重和上升過(guò)程中預(yù)測(cè)的制動(dòng)距離L'，由圖可知當(dāng)速度和載重增加時(shí)，制動(dòng)距離也跟著非線性增大，與選擇的訓(xùn)練樣本變化的趨勢(shì)一致，符合基本的變化規(guī)律。

6.總結(jié)

本文提出基于改進(jìn)BP 神經(jīng)網(wǎng)絡(luò)的施工升降機(jī)平層控制系統(tǒng)，首先介紹了智能平層控制系統(tǒng)的三個(gè)關(guān)鍵技術(shù)，其次對(duì)標(biāo)準(zhǔn)BP 神經(jīng)網(wǎng)絡(luò)和改進(jìn)神經(jīng)網(wǎng)絡(luò)算法做了簡(jiǎn)單介紹，將其引入到施工升降機(jī)制動(dòng)距離預(yù)測(cè)的網(wǎng)絡(luò)模型中，利用Matlab對(duì)設(shè)計(jì)的網(wǎng)絡(luò)進(jìn)行訓(xùn)練，得出訓(xùn)練結(jié)果與樣本變化趨勢(shì)一致，能夠預(yù)測(cè)制動(dòng)距離，可進(jìn)一步將其應(yīng)用到平層在線控制系統(tǒng)的設(shè)計(jì)中。