[发明专利]一种桥式吊车神经网络自适应控制器及其设计方法

权利要求书

1.一种桥式吊车神经网络自适应控制器，其特征是，所述神经网络自适应控制器包括台车控制器和负载控制器，所述台车控制器和负载控制器分别为：

其中，u₁和u₂为控制输入；M为台车质量；m为负载质量；g为重力加速度；l为吊绳长度；x₃为状态变量；x₃＝θ，θ为负载摆角；E为误差矩阵；K为控制增益矩阵；和为外部扰动对台车运动定位的影响因素d₁和负载摆角变换的影响因素d₂的估计。

2.根据权利要求1所述的桥式吊车神经网络自适应控制器，其特征是，所述和的表达式分别为：

其中，h₁(x)和h₂(x)分别为径向基向量；和分别为理想权值W₁和W₂的估计值。

3.根据权利要求1所述的桥式吊车神经网络自适应控制器，其特征是，所述K、E的表达式分别为：

K=[k_p，k_d]^T

其中，k_p为比例控制因子；k_d为微分控制因子，e为误差。

4.一种桥式吊车神经网络自适应控制器的设计方法，其特征是，包括：

(1)建立桥式吊车的动力学模型；

(2)对桥式吊车的动力学模型进行线性化处理,并引入外部干扰因素补偿项d，得到桥式吊车的线性模型；

(3)基于RBF神经网络设计得到神经网络自适应控制器，包括台车控制器和负载控制器。

5.根据权利要求4所述的桥式吊车神经网络自适应控制器的设计方法，其特征是，所述桥式吊车的动力学模型的构建方法为：

假设在吊车工作过程中，状态向量利用Lagrange方程得到桥式吊车的动力学模型，桥式吊车的动力学模型为：

其中，M和m分别表示台车和负载的质量，l代表吊绳长度，u为控制输入，g为重力加速度常数，ω₁(x，t)和ω₂(x，t)分别表示外部干扰对吊车定位和负载摆动的影响因素，x为状态变量，r表示台车位移，θ为负载摆角；表示参数x₁的二阶导数，和表示参数x₃的一阶导数和二阶导数，表示参数l的二阶导数。

6.根据权利要求4所述的桥式吊车神经网络自适应控制器的设计方法，其特征是，所述桥式吊车的线性模型为：

其中，

式中，d₁和d₂分别表示为外部干扰因素，ω₁和ω₂分别表示外部干扰对吊车定位和负载摆动的影响因素；M为台车质量；m为负载质量；g为重力加速度；l为吊绳长度。

7.根据权利要求1所述的桥式吊车神经网络自适应控制器的设计方法，其特征是，所述基于RBF神经网络设计得到神经网络自适应控制器的步骤包括：

对外部干扰因素补偿项d中d₁和d₂分别进行在线估计，得到d₁的估计值d₂的估计值

将d₁的估计值d₂的估计值均输入至RBF神经网络中进行动态学习；

由RBF神经网络的输出和并分别传送至台车控制器和负载控制器，得到神经网络自适应控制器。