[发明专利]基于变结构神经网络的复合负载位置追踪防摇控制方法

权利要求书

1.基于变结构神经网络的复合负载位置追踪防摇控制方法，其特征在于：包括如下步骤：

1)测得行车实时位置；

2)将实时位置信号传输到上位机中；

3)上位机将信号导入到训练好的参数校正器中得到控制参数修正值，将修正值代入到复合负载位置追踪算法得到最终行车加速度输出信号；

4)将步骤3)的最终行车加速度输出信号传送给PLC控制器，并通过PLC控制器控制变频器的输出来控制行车加速度，完成行车的防摇定位的自动化控制；步骤1)中包括：通过角度测量仪测得行车负载角度θ，通过激光测距仪测得行车实时位置x，计算复合负载位置信号c_p以及复合负载误差δ_p(t)：

其中，λ(θ)为一标量函数，x_p为行车目标位置；所述的λ(θ)计算如下：

λ(θ)＝l sinθ

λ(θ)表示因负载摆动产生的复合位移，l为绳长。

2.根据权利要求1所述的基于变结构神经网络的复合负载位置追踪防摇控制方法，其特征在于：步骤3)中，利用结构剪枝方法和结构生长方法搭建变结构模糊神经网络模型作为所述的参数校正器，所述的参数校正器包括输入层、推理层、规则层和输出层：

输入层：将输入的状态量传递至推理层；

推理层：选用高斯型函数作为隶属度函数，高斯型函数如下：

其中j＝1,2,…n，k＝1,2,…m，n为输入变量个数，m为每一隶属层神经元个数，σ_jk和a_jk分别代表对应的隶属度函数的标准差和中心，z_jk代表隶属度函数的输出；

规则层：通过全连接得到模糊规则的激活强度u_h：

其中，h＝1,2,…,p，p表示规则层神经元数，x_j代表输入状态量；

输出层：去模糊化处理，得到最终输出y：

其中：w_h代表全连接的权值系数，y代表参数校正器的最终输出，其中h＝1,2,…,r；将行车复合负载误差δ_p(t)以及它对时间的导数作为输入，行车负载角度θ作为输出，选取不同工况下的输入输出数据组成训练样本数据利用上位机对模糊神经网络进行训练得到最终模型作为参数校正器。

3.根据权利要求2所述的基于变结构神经网络的复合负载位置追踪防摇控制方法，其特征在于：所述的结构剪枝方法引入剪枝规则如下：

P_c(t+1)＝P_c(t)e^τ

其中，P_c代表神经元的激活强度；τ表示衰减系数，若当前规则层神经元的激活强度P_c低于预设的剪枝阈值P_cth，则删减多余规则层神经元。

4.根据权利要求3所述的基于变结构神经网络的复合负载位置追踪防摇控制方法，其特征在于：所述的结构生长方法引入生长规则如下：

其中，P_g为生长指标；h＝1,2,…,p，p代表规则层神经元数，若生长指标P_g低于预设的生长阈值P_gth，则添加规则层神经元。

5.根据权利要求2所述的基于变结构神经网络的复合负载位置追踪防摇控制方法，其特征在于：将所述的行车复合负载误差δ_p(t)以及它对时间的导数作为输入，导入参数校正器得到复合负载位置追踪控制器的比例增益修正值Δk_p、微分增益修正值Δk_d；则对复合负载位置追踪控制器控制增益参数进行修正得到比例增益终值微分增益终值

其中，比例增益初值k_p、微分增益初值k_d为预设的控制增益参数；

计算复合负载位置追踪控制器的输出a：

其中，为行车实时位置x对时间的微分，为λ(θ)对时间的微分。

6.根据权利要求1所述的基于变结构神经网络的复合负载位置追踪防摇控制方法，其特征在于：该基于变结构神经网络的复合负载位置追踪防摇控制方法的控制系统包括：PLC控制器、角度测量仪、激光测距仪、变频器、交流异步电机、行车和上位机；通过上位机组态软件实现变结构模糊神经网络的训练以及最终模型输出的运算，上位机的输出端与PLC控制器的输入端连接，用于将程序下载写入PLC控制器，PLC控制器的输出端与变频器的输入端连接，实现PLC控制器对变频器的控制，由变频器控制交流异步电机的速度，由交流异步电机驱动行车按计算的加速度移动，同时通过角度测量仪、激光测距仪将行车的实时角度和实时位置传入上位机的实时数据库系统。