[发明专利]二级摆型塔式吊车自适应神经网络跟踪控制方法及系统

说明书

本公开提供了一种二级摆型塔式吊车自适应神经网络跟踪控制方法及系统，构建二级摆型塔式吊车系统动力学模型，以s型的平滑轨迹作为所期待的目标轨迹，在控制率中引入障碍李雅普诺夫函数，构建基于障碍函数的自适应神经网络跟踪控制器，利用该控制器进行二级摆型塔式吊车的轨迹跟踪。

技术领域

本公开属于神经网络跟踪控制技术领域，具体涉及一种二级摆型塔式吊车自适应神经网络跟踪控制方法及系统。

背景技术

本部分的陈述仅仅是提供了与本公开相关的背景技术信息，不必然构成在先技术。

作为一类货物运输工具，塔式吊车已经成功应用于工业生产中。与其他类型的吊车相似，塔式吊车的待控自由度(degrees of freedom,DOFs)的个数多于系统的控制输入的个数，因此其为典型的欠驱动非线性系统。目前塔式吊车几乎全部由人工进行操作，具有工作效率低、消摆能力差、人员伤亡事故风险高、培训熟练操作人员耗时长等缺点。因此，针对塔式吊车系统设计自动控制方法迫在眉睫。

研究人员针对塔式吊车系统设计了一系列有意义的控制方法。根据是否需要实时状态反馈，可将现有方法大致分为开环控制方法以及闭环控制方法两类。输入整形和最优速度控制方法是两种常用的开环控制方法，具有结构简单，易于工程实现的优点。然而，当存在内、外部扰动时，大多数开环控制方法的整体控制性能将会受到很大的影响。在这种情况下，闭环控制方法由于对扰动不敏感，因此可能会提供更好的控制性能。现有的闭环方法，主要包括增益调度反馈方法,基于激光技术的跟踪方法,模型预测控制方法,递归神经网络方法,基于能量整形的控制方法,自适应SMC控制方法,自适应跟踪方法等，被用来提高单摆型塔式吊车系统的鲁棒性。

但是，上述控制方法均忽略了挂钩质量以及挂钩的重心到负载重心之间的距离。在这种情况下，可将负载的摆动视为单摆运动。而在实际应用中，吊钩质量有时与负载质量相近而不容忽视，并且负载的尺寸也较大，吊钩与负载之间的距离不能直接忽略。在这种情况下，负载将会绕着吊钩摆动，产生二级摆动效应。与单摆模型相比，二级摆模型更接近实际情况。因此，尽管二级摆型塔式吊车系统相比单级摆型塔式吊车系统来说，具有更为复杂的动态特性，但对其控制问题进行理论和实践研究是十分必要的。

众所周知，对于塔式吊车而言，吊钩和负载的质量、吊绳长度、摩擦力相关的系数通常是未知/不确定的。此外，由于塔式吊车通常工作于室外，因此不可避免地会遭遇一些外部干扰，例如空气阻力。并且，前面提到的控制方法均需假设执行器可以根据需要产生任何有界的控制输入。然而，与其它机电系统相似，许多执行器不可避免地存在死区和饱和非线性问题，这可能会恶化上述控制方法的控制性能，甚至导致失稳现象。因此，如何利用非理想的控制输入来获得满意的控制效果是非常有意义的。此外，现有的塔式吊车系统控制方法大多偏重于调节控制方法的设计，而忽略了轨迹跟踪控制器的设计。但由于规划的轨迹需要满足一些控制指标，如物理约束，工作效率等，因此轨迹规划方法在实际应用中可能更容易实现。

发明内容

本公开为了解决上述问题，提出了一种二级摆型塔式吊车自适应神经网络跟踪控制方法及系统，本公开充分考虑输入死区和饱和效应、跟踪误差约束、参数不确定性和外界干扰的问题,具有良好的控制性能以及鲁棒性。

根据一些实施例，本公开采用如下技术方案：

一种二级摆型塔式吊车自适应神经网络跟踪控制方法,构建二级摆型塔式吊车系统动力学模型，以s型的平滑轨迹作为所期待的目标轨迹，在控制率中引入障碍李雅普诺夫函数，构建基于障碍函数的自适应神经网络跟踪控制器，利用该控制器进行二级摆型塔式吊车的轨迹跟踪。

作为可选择的实施方式，所述控制器的控制目标为在非理想控制输入的作用下，将系统的状态控制到期望的平衡点，即将悬臂和台车驱动到期望的轨迹上，同时抑制和消除吊钩和负载的摆动。