[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

说明书

本发明公开了基于变结构神经网络的复合负载位置追踪防摇控制方法，属于工业级行车技术领域，该控制方法将使用变结构模糊神经网络搭建的参数校正器和基于复合负载位置追踪的反馈控制器相结合，校正器根据系统状态的变化修正控制器的参数，经修正的控制器再通过系统输入计算下一时刻行车的加速度。本发明提供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对行车进行防摇定位，同时使用变结构模糊神经网络搭建的参数校正器实时修正控制器参数，改善控制系统性能，方法简单易行，具有良好的鲁棒性，从而更好地提升防摇效果，自适应行车运动过程中的不同工况，提高行车运载物品的安全性、可靠性。

技术领域

本发明属于工业级行车技术领域，具体涉及基于变结构神经网络的复合负载位置追踪防摇控制方法。

背景技术

随着全球工业的发展和生产规模的扩大，行车在工业生产中的作用日趋增大，行车是一种重要的重物装卸搬运设备，在各个工业现场具有广泛应用。然而，行车在吊运过程中不可避免地会产生摇摆。因此，研究控制并消除行车吊运时的摇摆并实现精确定位，对提高工业现场的作业效率、搬运精度和工业控制自动化具有重要的意义。

行车在吊运过程中总是不可避免地造成吊物的摇摆，通常需要非常熟练的行车操作工手动操作控制吊物的摇摆，这也是目前最为常用的做法。吊物的摇摆会加速机械磨损，增长吊物的转运时间，甚至造成安全事故。机械防摇摆都需要增加机械设备自重且造价较高，在一些尺寸要求较高的场合受到限制，不利于起重设备轻量化发展，目前新制造设备很少采用。

因此，通过各类算法来控制吊车运行轨迹进行防摇摆控制得到了更多的重视，防摇定位控制可以自动消除吊物在运行过程中产生的摇摆，更快地完成吊物的转运，特别是带有定位功能的自动化工业级行车，防摇摆系统可以使行车的操作变得更高效、更安全。

目前，对于很多行车防摇算法都是基于系统的精确模型而设计的，但是对于实际系统，系统不同的状态可能并不是适应于一套固定系统参数，因此，系统将会在一些工况下难以达到期望的效果。

发明内容

发明目的：本发明的目的是提出基于变结构神经网络的复合负载位置追踪防摇控制方法，针对工业生产中的不同工况，采用变节构模糊神经网络对复合负载位置追踪控制器参数进行修正，从而更好的提升控制效果，具有良好的鲁棒性，提升防摇效果。

技术方案：为实现上述发明目的，本发明采用如下技术方案：

基于变结构神经网络的复合负载位置追踪防摇控制方法，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，将修正值带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，并通过PLC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。

进一步地，步骤1)中具体为：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。

进一步地，所述的λ(θ)计算如下：

λ(θ)＝lsinθ

λ(θ)表示因负载摆动产生的复合位移，l为绳长。

进一步地，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：