摘要： 行車是鋼鐵物流過程中最重要的設(shè)備之一，其運(yùn)行的穩(wěn)定性、安全性至關(guān)重要。綜合考慮了負(fù)載擺動對行車系統(tǒng)的影響，利用拉格朗日方程對鋼鐵物流行車系統(tǒng)進(jìn)行動力學(xué)建模，分析了系統(tǒng)動能和廣泛力，并搭建了滑軌行車仿真實(shí)驗平臺。針對傳統(tǒng)比例積分微分（PID）控制器在不確定、非線性系統(tǒng)中控制性能不理想的問題，采用模糊PID和誤差反向傳播（BP）神經(jīng)網(wǎng)絡(luò)自適應(yīng)調(diào)整控制器參數(shù)，提高了系統(tǒng)的動態(tài)性和抗干擾性。將兩種改進(jìn)的智能PID控制算法與傳統(tǒng)PID進(jìn)行了仿真實(shí)驗對比。結(jié)果表明，采用BP神經(jīng)網(wǎng)絡(luò)優(yōu)化的PID控制器（BP-PID）和模糊PID性能均優(yōu)于傳統(tǒng)PID，且BP-PID的響應(yīng)速度更快、魯棒性更強(qiáng)。

關(guān)鍵詞： 行車；拉格朗日方程；動力學(xué)建模；PID控制；仿真實(shí)驗平臺

中圖分類號： TP273

文獻(xiàn)標(biāo)志碼： A"""""文章編號： 2097-3853（2024）01-0047-07

Modeling and controlling of iron and

steel crane system based on improved PID algorithm

CHEN Jiayu1，2， LIU Lisang1，2，ZHANG Youyuan1，2，CHEN Jionghui1，2，WANG Chenxi3

（1. School of Electronics， Electrical Engineering and Physics， Fujian University of Technology， Fuzhou 350118， China;

2. Industrial Automation Engineering Research Center in Colleges and Universities of Fujian Province， Fuzhou 350118， China;

3. Xiapu Power Supply Company， State Grid Fujian Power Supply Co.， Ltd.， Ningde 355100， China）

Abstract： The crane is one of the most important equipment in the process of iron and steel logistics， and its operational stability and safety are crucial. Considering the impact of load swing on the driving system， the Lagrange’s equation was used to model the dynamics of the steel logistics driving system， the kinetic energy and the extensive force of the system were analyzed， and the simulation experiment platform of the slide rail driving was built. In response to the problem of poor control performance of traditional PID controllers in uncertain and nonlinear systems， fuzzy PID and BP neural networks were used to adaptively adjust controller parameters， improving the dynamic and anti-interference performance of the system. Finally， simulation experiments were conducted to compare the two improved intelligent PID control algorithms with traditional PID. Results show that both BP-PID and fuzzy PID have better performance than traditional PID， and BP-PID has the fastest response speed and robustness.

Keywords： crane; Lagrange equation; dynamics modeling; PID control; simulation experiment platform

行車（即起重機(jī)）在鋼鐵、機(jī)械、船舶、化工等行業(yè)應(yīng)用廣泛，傳統(tǒng)的搬運(yùn)方法效率低下且安全性不高，而鋼鐵物流行車具有承載能力強(qiáng)、操作簡便等特點(diǎn)，可實(shí)現(xiàn)鋼鐵產(chǎn)品的安全運(yùn)輸。因此，鋼鐵物流行車的自動化、信息化、智能化等技術(shù)一直是研究的焦點(diǎn)。

隨著行車的電動化、自動化和智能化發(fā)展，煉鋼前階段的行車調(diào)度問題也面臨著新的挑戰(zhàn)和需求。文獻(xiàn)［1］調(diào)查了鋼鐵工業(yè)板坯場的起重機(jī)調(diào)度問題，提出了改進(jìn)的遺傳算法，利用一個混合集成編程模型實(shí)現(xiàn)優(yōu)化存儲分配和起重機(jī)調(diào)度。文獻(xiàn)［2］研究了多吊具起重機(jī)調(diào)度問題，并建立了貪心起重機(jī)升降序列與超序列之間的聯(lián)系，解決了尋找最佳起重機(jī)升降順序的問題，但雙擴(kuò)展機(jī)起重機(jī)的調(diào)度問題仍難以通過計算實(shí)現(xiàn)。文獻(xiàn)［3］主要考慮了集成的碼頭起重機(jī)和堆場卡車調(diào)度問題，采用遺傳算法減少所有集裝箱從集裝箱船到其存儲位置的完成時間，但完成的時間并不是最優(yōu)。文獻(xiàn)［4］提出了一種改進(jìn)起重機(jī)滑輪塊并驅(qū)動電機(jī)產(chǎn)生轉(zhuǎn)軸扭矩的方法，但是該結(jié)構(gòu)較復(fù)雜，應(yīng)用范圍有限。

除調(diào)度問題外，行車在作業(yè)過程可能存在晃動現(xiàn)象，導(dǎo)致吊桿不能把鋼材準(zhǔn)確地安放到指定位置，或者不能將鋼材平穩(wěn)地吊起，從而降低了鋼材搬運(yùn)過程的效率?？刂埔种茢[動目前主要有反饋控制和前饋控制這兩種方法。例如，文獻(xiàn)［5］提出由前饋和反饋路徑組成的2-DOF傾斜控制器，采用一種新的軌跡跟蹤方法，通過狀態(tài)反饋控制律補(bǔ)償系統(tǒng)輸出與參考軌跡的任何偏差。文獻(xiàn)［6］引入低通濾波器降低了滑模面的開關(guān)頻率，同時利用模糊控制對滑模增益進(jìn)行調(diào)節(jié)。然而，上述研究都沒有充分考慮到控制器在參數(shù)不確定性下的魯棒性，可能導(dǎo)致閉環(huán)系統(tǒng)的不穩(wěn)定性。

綜上，本研究模擬實(shí)際行車的工作原理等比例還原現(xiàn)場行車的工作情況，用拉格朗日法對行車系統(tǒng)進(jìn)行動力學(xué)建模，分析行車在運(yùn)動過程中擺動的影響因素，采用模糊技術(shù)、BP（反向傳播）神經(jīng)網(wǎng)絡(luò)自適應(yīng)調(diào)整PID（比例積分微分）控制器參數(shù)來提高行車運(yùn)動的快速性和穩(wěn)定性，從而進(jìn)一步提高物流工作效率。

1"滑軌行車系統(tǒng)建模

滑軌行車是一種典型的欠驅(qū)動非線性系統(tǒng)［7］，在工作過程中會受到多種因素的干擾，主要包括行車與導(dǎo)軌之間的摩擦力以及空氣阻力等。圖1所示為滑軌行車系統(tǒng)的物理模型。其中，吊繩吊著負(fù)載Mg與行車相連，l表示吊繩長度；Fx為行車滑軌上順著x方向運(yùn)動的作用力，F(xiàn)y為行車滑軌上順著y方向運(yùn)動的作用力；Tl表示吊繩拉著負(fù)載在z方向上升或者下降的拉力。在行車的運(yùn)動工作中，負(fù)載Mg會隨著行車的運(yùn)動而擺動，θ1和θ2分別表示負(fù)載擺動的大小和方向。在如圖1所示滑軌行車系統(tǒng)中，F(xiàn)x、Fy、Tl是控制量，x、y、l、θ1、θ2是需要控制的狀態(tài)量，因此該系統(tǒng)是一個具有5個自由度的欠驅(qū)動系統(tǒng)。

本研究采用拉格朗日方程建立行車系統(tǒng)的數(shù)學(xué)模型，如式（1）：

ddtLq·i-Ldqi=Qi（1）

其中，行車系統(tǒng)動能用L∈R表示，行車系統(tǒng)的狀態(tài)量用qi∈R表示，Qi表示行車系統(tǒng)的廣義力，i=1，2，…，n。行車系統(tǒng)的自由度數(shù)用n表示。

分別計算行車系統(tǒng)的動能和廣義力可以得到系統(tǒng)的動力學(xué)模型。

1.1"系統(tǒng)動能

行車的動能與負(fù)載動能之和為：

L=12（Mxx·2+Myy·2）+12Mv2q（2）

其中，Mx、My分別為行車沿滑軌在x方向、y方向上運(yùn)動的等效質(zhì)量；負(fù)載質(zhì)量為M，負(fù)載運(yùn)動速度為vq。vq的表達(dá)式為：

v2q=x·2q+y·2q+z·2q（3）

式中，（xq，yq，zq）∈R3為負(fù)載質(zhì)心的位置。對位移求導(dǎo)，得到負(fù)載沿x、y、z軸方向的速度如式（4）：

x·q=x·+l·sinθ1cosθ2+""lθ·1cosθ1cosθ2-lθ·2sinθ1sinθ2y·q=y·+l·sinθ2+lθ·2cosθ2z·q=-l·cosθ1cosθ2+lθ·2cosθ1sinθ2+""lθ·1sinθ1cosθ2（4）

1.2"廣泛力計算

定義廣義力為Qj=δW/δqj，其中δqj為各狀態(tài)量方向上的虛位移。如圖1所示，步進(jìn)電機(jī)的拖動力Fx、Fy，吊繩的拉力Tl，負(fù)載的重力Mg，軌道間的摩擦力f，行車受到的空氣阻力d，吊繩吊著負(fù)載時所受的機(jī)械摩擦，和擺動的阻力都是行車系統(tǒng)所受的外力［5］。這些力所做的虛功可以表示如式（5）：

δWs=（Fx-dxx·-fax）δx+（Fy-dyy·-fay）δy+（Fl-dll·）δl（5）

其中，dx、dy是行車在x、y方向運(yùn)動的空氣阻力系數(shù)，dl是吊繩拉著負(fù)載運(yùn)動所受的機(jī)械摩擦系數(shù)，fax、fay分別是行車在x、y方向與滑軌的摩擦力。δx、δy、δl表示虛位移。根據(jù)實(shí)驗分析提出了摩擦力模型如式（6）：

fai=fa0itanh（x·）-Aitanh（x·-Bitanh（x·））+kaix·（6）

其中，fa0i、Ai、Bi、kai是未知系統(tǒng)系數(shù)。行車的重力不做功，負(fù)載所受重力做的虛功計算如式（7）：

δWg=-Mglsinθ1cosθ2δθ1-Mglsinθ2cosθ1δθ2+Mgcosθ1cosθ2δl（7）

其中，δθ1，δθ2分別表示θ1和θ2的變分。假設(shè)負(fù)載擺動時，空氣阻尼系數(shù)為df，則空氣阻力所做虛功為：

δWf=-dfx·qδxq-dfy·qδyq-dfz·qδzq（8）

通過以上計算可得系統(tǒng)外力所做的虛功和為：

δW=δWs+δWg+δWf（9）

根據(jù)廣義力的定義以及式（4）可得到行車系統(tǒng)在x、y、l、θ1、θ2這5個狀態(tài)量方向上所受力/力矩為：

Qx=Fx-dxx·-frx-dfx·qQy=Fy-dyy·-fry-dfy·qQl=Tl-drl·+Mgcosθ1cosθ2-dfx·qsinθ1cosθ2-dfy·qsinθ2+dfz·qcosθ1cosθ2Qθ1=-Mglcosθ2sinθ1-dfx·qlcosθ1cosθ2-dfz·qlcosθ2sinθ1Qθ2=-Mglcosθ1sinθ2+dfx·qlsinθ1sinθ2-dfy·qlcosθ2-dfz·qlcosθ1sinθ2（10）

1.3"電機(jī)動力學(xué)數(shù)學(xué)模型

步進(jìn)電機(jī)有易于控制、定位精度高、等諸多優(yōu)點(diǎn)，被廣泛應(yīng)用于機(jī)械驅(qū)動系統(tǒng)和工業(yè)機(jī)器人中。在不考慮定子兩極和兩端漏磁的基礎(chǔ)上，忽略了永磁回路的漏磁、磁滯效應(yīng)、渦流效應(yīng)、飽和效應(yīng)和定子線圈自感的諧波分量。電機(jī)動力學(xué)數(shù)學(xué)模型已建立，步進(jìn)電機(jī)原理示意圖如圖2所示。

根據(jù)基爾霍夫定律可得：

L1di1dt+i1R1+kdω=u1（11）

根據(jù)負(fù)載和電機(jī)的特性可得：

LJkdkmd2ωdt2+R1Jkdkmdωdt+ω=1kdu1-L1kdkmdM1dt-R1kdkmM1（12）

經(jīng)過拉普拉斯變化后，電機(jī)速度和電機(jī)傳遞函數(shù)均可得到為式（13）：

G1（s）=ω（s）U（s）=1kdL1Jkdkms2+R1Jkdkms+1（13）

其中，轉(zhuǎn)動慣量J= 0.01 m2；電阻R1=1.5 Ω；電感L1=0.01 H；M1= 0；放大系數(shù)Kv=5；減速比Kr=5；扭矩系數(shù)kd=0.05；阻力扭矩系數(shù)km=0.05。電壓為輸入，角速度為輸出，開環(huán)傳遞函數(shù)如式（14）：

G（s）=KV×G1（s）×1Kr=200.04s2+6s+1（14）

2"行車智能控制算法

2.1"傳統(tǒng)PID控制算法

傳統(tǒng)的PID控制由比例、積分和微分3部分組成。其中，比例控制使系統(tǒng)能快速響應(yīng)、減小穩(wěn)態(tài)誤差；積分控制通過對誤差信號的不斷積分來消除穩(wěn)態(tài)誤差，但太大的積分時間參數(shù)會降低系統(tǒng)的快速性，需要微分控制來優(yōu)化控制性能，如減少信號誤差、超調(diào)和欠調(diào)［8］。

2.2"智能PID控制算法

智能控制算法能夠根據(jù)系統(tǒng)狀態(tài)和環(huán)境變化自動調(diào)整控制策略，具有良好的學(xué)習(xí)和優(yōu)化能力。本研究采用模糊控制和神經(jīng)網(wǎng)絡(luò)對PID參數(shù)進(jìn)行自適應(yīng)調(diào)整，使系統(tǒng)能更好適應(yīng)非線性、模糊和動態(tài)變化環(huán)境，并通過學(xué)習(xí)和優(yōu)化來提高控制效果，具備一定的抗干擾能力。

2.2.1"模糊PID算法

在控制系統(tǒng)中，模糊控制通常被稱為非線性PID控制，它與PID控制密切相關(guān)。將模糊控制的可變適應(yīng)性和PID控制的高精度相結(jié)合，可以使系統(tǒng)取得良好的控制效果。模糊PID控制可以實(shí)現(xiàn)PID參數(shù)的自動最優(yōu)調(diào)節(jié)，系統(tǒng)結(jié)構(gòu)如圖3所示。在模糊控制中，輸入變量為偏差和偏差變化率，輸出變量為PID控制的3種變化率（ΔKp、ΔKi、ΔKd）。輸入和輸出變量之間存在模糊關(guān)系。由于運(yùn)行過程中偏差和偏差變化率不斷變化，基于模糊連接，需要對3個參數(shù)實(shí)時動態(tài)修正［9］。

2.2.2"BP-PID算法

BP算法（反向傳播算法）是用于多層前饋神經(jīng)網(wǎng)絡(luò)的常用算法，它通過遞歸計算輸出誤差和權(quán)重之間的梯度，利用梯度下降的方法來優(yōu)化網(wǎng)絡(luò)的性能，實(shí)現(xiàn)預(yù)期的學(xué)習(xí)效果。采用BP神經(jīng)網(wǎng)絡(luò)優(yōu)化的PID控制器稱為BP-PID，其系統(tǒng)結(jié)構(gòu)如圖4所示。在BP-PID控制器中，PID元件負(fù)責(zé)被控對象的閉環(huán)控制，BP神經(jīng)網(wǎng)絡(luò)對PID參數(shù)進(jìn)行在線自整定。因此BP-PID控制器可以根據(jù)系統(tǒng)的實(shí)時反饋對PID參數(shù)進(jìn)行自適應(yīng)和優(yōu)化［10］，從而提高了整體性能。

3"行車仿真平臺設(shè)計與實(shí)現(xiàn)

3.1"仿真平臺設(shè)計流程圖

電機(jī)控制動滑軌主要由電機(jī)和滑軌兩部分組成，通過電機(jī)控制滑軌的運(yùn)動實(shí)現(xiàn)平移效果。本研究搭建的仿真實(shí)物平臺也是利用電機(jī)控制滑軌移動，并在滑軌上安裝吊鉤來取吊物件模擬行車的工作狀況。具體的框架如圖5所示。

電機(jī)是仿真平臺的核心部件。為保證系統(tǒng)的控制精度，本研究選擇57步進(jìn)電機(jī)；采用單片機(jī)為主控芯片來實(shí)現(xiàn)電機(jī)的啟動、停止、速度調(diào)節(jié)和方向控制等功能，從而實(shí)現(xiàn)對滑軌的精確控制［11］?；壥欠抡嫫脚_的另一個重要組成部分，由軌道、滑塊和底座等組件構(gòu)成，可用于實(shí)現(xiàn)物體的平移和移動效果［12］。滑軌的長度和寬度應(yīng)盡可能適應(yīng)真實(shí)場景搭建?；壭熊嚪抡嫫脚_采用24 V驅(qū)動電源，包括2條1.5 m的動態(tài)滑軌和1條1.2 m的動態(tài)滑軌，主吊鉤采用電磁鐵代替，同時，x、y、z軸的滑軌可通過野火STM432開發(fā)板F407控制3臺57步進(jìn)電機(jī)來實(shí)現(xiàn)驅(qū)動。

3.2"垂直軸（z軸）的設(shè)計

要在z軸設(shè)計一個吊鉤來勾住物體，首先需要在z軸方向上安裝一個支架或固定裝置，用于支撐和固定吊鉤的位置。這個固定裝置用電磁鐵代替。在固定裝置的頂部加裝一個懸掛裝置，用于懸掛吊鉤，懸掛裝置可以是鋼絲繩、鏈條或者其他合適的材料制成。在懸掛裝置的下端連接一個吊鉤，吊鉤可以是簡單的卡環(huán)式吊鉤或者是更復(fù)雜的開合式吊鉤等，根據(jù)實(shí)際需要進(jìn)行選擇。在這過程中，需要把滑軌行車架高，讓吊鉤在一定的高度吊取物體，運(yùn)用電磁鐵來代替實(shí)際過程中的鋼材，吊鉤上的電磁鐵與放在下方的電磁鐵達(dá)到準(zhǔn)確勾住物體的目的。

滑軌行車仿真平臺沿x方向設(shè)置，橫梁橫跨在滑軌上，兩個端部分別由運(yùn)動部件和電機(jī)驅(qū)動，通過電機(jī)控制運(yùn)動部件在滑軌上運(yùn)行，從而控制橫梁在x方向的位置。同時，滑塊安裝于橫梁的導(dǎo)軌上，一臺電機(jī)控制滑塊在y方向上運(yùn)動，另一臺電機(jī)控制滑塊在z方向上運(yùn)動使z軸機(jī)構(gòu)沿著y軸方向移動。簡言之，滑軌上的電機(jī)將旋轉(zhuǎn)運(yùn)動轉(zhuǎn)化為直線運(yùn)動，通過聯(lián)軸器與連接桿連接，實(shí)現(xiàn)對橫向和縱向的控制。此外，電機(jī)的轉(zhuǎn)速和方向可以通過控制器來進(jìn)行調(diào)整，以達(dá)到更精準(zhǔn)的位置控制從而更真實(shí)地模擬工業(yè)現(xiàn)場行車運(yùn)動。搭建的半實(shí)物仿真平臺如圖6所示。

3.3"數(shù)據(jù)采集與分析

由于要在吊具工作現(xiàn)場實(shí)時地獲取其真實(shí)作業(yè)過程中的姿態(tài)信息，并利用這些真實(shí)數(shù)據(jù)去驅(qū)動行車模型的建立，本研究選用深圳維特智能科技有限公司生產(chǎn)的BWT901BLE5.0C姿態(tài)傳感器。該模塊集成了高精度的陀螺儀、加速度計、地磁場傳感器，采用高性能的微處理器和先進(jìn)的動力學(xué)解算與卡爾曼動態(tài)濾波算法，能夠快速求解出模塊當(dāng)前的實(shí)時運(yùn)動姿態(tài)［13］。為實(shí)現(xiàn)對行車運(yùn)行狀態(tài)數(shù)據(jù)和工作環(huán)境數(shù)據(jù)的采集，該傳感器將配合上位機(jī)，并在登錄界面中輸入設(shè)備信息，以銜接相應(yīng)的傳感器管理和數(shù)據(jù)管理模塊［14］。傳感器的性能參數(shù)如表1所示。

該傳感器能夠在吊具作業(yè)過程中穩(wěn)定可靠地獲取吊具的姿態(tài)信息，并將姿態(tài)信息保存下來，用于后續(xù)的吊具的數(shù)據(jù)驅(qū)動建模。

4"實(shí)驗結(jié)果及分析

為了測試所提模型是否適用于實(shí)際場景，在MATLAB R2022b環(huán)境下編寫實(shí)驗程序。硬件條件為CPU型號i5 13400F，10核16線程；GPU型號為RTX 3070；運(yùn)行內(nèi)存為32 GB。分別采用PID控制器、模糊PID控制器和BP-PID控制器來測試電機(jī)控制。實(shí)驗結(jié)果如圖7、圖8所示。

圖7為PID、BP-PID和模糊PID控制器的仿真結(jié)果。根據(jù)仿真結(jié)果所示，3個控制器的動態(tài)響應(yīng)時間都在0.30 s內(nèi)。BP-PID控制器和模糊PID控制器的性能分別優(yōu)于傳統(tǒng)的PID控制器，響應(yīng)時間分別為0.08、0.10 s。傳統(tǒng)的PID控制器的響應(yīng)時間為0.25 s。相比之下，BP-PID控制器響應(yīng)時間比傳統(tǒng)PID控制器減少了0.17 s，模糊PID控制器響應(yīng)時間比傳統(tǒng)PID控制器減少了0.15 s。

為了評估系統(tǒng)的抗干擾性能，在0.5 s時引入了一個持續(xù)時間為0.1 s、振幅為0.2的方波擾動。圖8為3種控制器在擾動下的仿真結(jié)果。相關(guān)參數(shù)的詳細(xì)信息如表2所示。

根據(jù)表2可知，BP-PID控制器的干擾相應(yīng)時間為0.07 s，比另外兩個控制器的時間短。在擾動輸入后BP-PID控制器的響應(yīng)時間最短，恢復(fù)速度最快。模糊PID控制器比與BP-PID控制器慢，而傳統(tǒng)PID控制器的響應(yīng)時間最長，恢復(fù)速度最慢。在擾動消失后，BP-PID控制器的下降時間為0.04 s，模糊PID控制器的下降時間為0.05 s，傳統(tǒng)PID控制器的下降時間為0.17 s。根據(jù)3種控制器的下降時間可得出結(jié)論，該設(shè)計的系統(tǒng)使用傳統(tǒng)PID控制器時響應(yīng)時間較長，抗干擾性能較差。相反，BP-PID控制器和模糊PID控制器在控制干擾時都表現(xiàn)得更好。其中BP-PID控制器的響應(yīng)時間最短、抗干擾能力最好。

兩組對比實(shí)驗結(jié)果說明了應(yīng)用BP-PID控制器更適合所搭建的仿真平臺，也能夠更好地模擬實(shí)驗平臺。

5"結(jié)束語

針對工業(yè)行車系統(tǒng)中存在行車效率低、調(diào)度困難和運(yùn)動過程中出現(xiàn)晃動現(xiàn)象等缺點(diǎn)，對BP-PID模型進(jìn)行了拓展和應(yīng)用。首先，考慮負(fù)載擺動對行車系統(tǒng)的影響，利用拉格朗日方程對滑軌行車進(jìn)行了動力學(xué)建模。接著，對智能行車系統(tǒng)的動能和廣泛力進(jìn)行了計算和分析，通過對智能行車系統(tǒng)x、y、z軸的實(shí)時速度和做功狀態(tài)，以提高智能行車系統(tǒng)的調(diào)度效率。最后，以用戶實(shí)際需求為數(shù)據(jù)驅(qū)動，搭建了智能滑軌行車系統(tǒng)并對其進(jìn)行實(shí)物仿真驗證，分別使用PID、BP-PID和模糊PID對電機(jī)進(jìn)行智能控制，驗證了智能滑軌行車系統(tǒng)的有效性。實(shí)驗的仿真結(jié)果表明，與PID和模糊PID控制器相比，BP-PID控制器的上升時間、干擾響應(yīng)時間和恢復(fù)時間更短，可實(shí)現(xiàn)對電機(jī)的實(shí)時穩(wěn)定控制。

目前所構(gòu)建的智能滑軌行車系統(tǒng)在傳統(tǒng)算法上的控制精度還有待完善，下一步工作將進(jìn)一步優(yōu)化行車的控制系統(tǒng)，提高其穩(wěn)定性和精度，同時研究并實(shí)踐行車自主智能控制的方案，使其能夠在無人值守的情況下完成物流裝載、搬運(yùn)等任務(wù)。

參考文獻(xiàn)：

［1］ PENG G Z，WU Y Q，ZHANG C J，et al. Integrated optimization of storage location assignment and crane scheduling in an unmanned slab yard［J］. Computers amp; Industrial Engineering，2021，161：107623.

［2］ CHENG C T，PETERING M E H，WU Y. The multi-spreader crane scheduling problem：partitions and supersequences［J］. Discrete Applied Mathematics，2021，289：207-218.

［3］ SKAF A，LAMROUS S，HAMMOUDAN Z，et al. Integrated quay crane and yard truck scheduling problem at port of Tripoli-Lebanon［J］. Computers amp; Industrial Engineering，2021，159：107448.

［4］ CIBICIK A，MYHRE T A，EGELAND O. Modeling and control of a bifilar crane payload［C］∥2018 Annual American Control Conference （ACC）. Milwaukee，WI： IEEE，2018：1305-1312.

［5］ SCHAPER U，DITTRICH C，ARNOLD E，et al. 2-DOF skew control of boom cranes including state estimation and reference trajectory generation［J］. Control Engineering Practice，2014，33：63-75.

［6］ 丁明波，程驊，劉惠康，等. 橋式吊車二級擺型新型分層模糊滑?？刂破髟O(shè)計［J］. 組合機(jī)床與自動化加工技術(shù)，2022（1）：116-121.

［7］ 馬博軍，方勇純，劉先恩，等. 三維橋式吊車建模與仿真平臺設(shè)計［J］. 系統(tǒng)仿真學(xué)報，2009，21（12）：3798-3803.

［8］ 劉寧，柴天佑. PID控制器參數(shù)的優(yōu)化整定方法［J］. 自動化學(xué)報，2023，49（11）：2272-2285.

［9］ SAIN D，MOHAN B M. Modeling，simulation and experimental realization of a new nonlinear fuzzy PID controller using center of gravity defuzzification［J］. ISA Transactions，2021，110：319-327.

［10］ 朱燕飛，楚友洋，李傳江. BP神經(jīng)網(wǎng)絡(luò)優(yōu)化參數(shù)的螺桿點(diǎn)膠閥無模型自適應(yīng)控制技術(shù)［J］. 液壓與氣動，2023，47（9）：175-181.

［11］ PENG Z，BI C. A position sensorless closed-loop control mode of a three-phase hybrid stepper motor［J］. Energies，2022，15（3）：804.

［12］ 文天賜，方勇純，盧彪. 采用神經(jīng)網(wǎng)絡(luò)的雙吊車自適應(yīng)防擺控制［J］. 自動化學(xué)報，2023，49（1）：111-121.

［13］ CAO Y L，ZHAO J H，XING F，et al. Structural process and testing of tunneling attitude sensor based on gravity gradient torque measurements［J］. Journal of Micromechanics and Microengineering，2021，31（12）：125013.

［14］ 李可萌， 陳富國， 楊暉， 等. 基于姿態(tài)傳感器的高壓隔離開關(guān)機(jī)械故障智能診斷研究［J］. 電網(wǎng)技術(shù)， 2023， 47： 3781-3790.

（責(zé)任編輯： 方素華）

收稿日期：2023-10-31

基金項目：福建省科技廳高校產(chǎn)學(xué)研合作項目（2022H6005）

第一作者簡介：陳家煜（2000—），男，福建三明人，碩士研究生，研究方向：電氣控制、預(yù)測算法。

通信作者：劉麗桑（1984—），女，福建莆田人，副教授，博士，研究方向：人工智能、工業(yè)自動化。