[发明专利]一种桥式集装箱起重机摆动最优控制系统

摘要

本发明公开了一种桥式集装箱起重机摆动最优控制系统，由牵引电机、集装箱位置传感器、模数转换器、数模转换器、现场总线网络、分散控制系统(DCS)、控制室显示、牵引电机控制器构成。控制室工程师指定集装箱需要到达的位置和装卸时间，DCS通过执行内部最优控制算法，输出使本次集装箱装卸摆动能量最小的控制策略，并转换为牵引电机的控制指令，通过现场总线网络发送给牵引电机控制器，电机控制器通过模数转换器输出控制量使牵引电机执行相应动作，同时，位置传感器实时采集集装箱的位置信息并回送给控制室，使工程师随时掌握装卸过程。本发明能够在集装箱装卸过程中使其摆动最小，进而提高港口集装箱装卸的安全性和效率。

主权项

1.一种桥式集装箱起重机摆动最优控制系统，能自动控制桥式集装箱起重机的装卸，使集装箱在移动过程中摆动能量最小，以提港口高集装箱装卸的安全性和效率；其特征在于：由牵引电机、集装箱位置传感器、模数转换器、数模转换器、现场总线网络、分散控制系统(DCS)、控制室显示、牵引电机控制器构成；所述控制系统的运行过程包括：步骤1)：控制室工程师指定集装箱需要到达的位置坐标、装卸过程时间限制以及牵引电机的性能参数约束；步骤2)：DCS执行内部最优控制算法，获得使集装箱装卸过程摆动角最小的牵引电机速度控制策略；步骤3)：DCS将得到的牵引电机速度控制策略转换为牵引电机的控制指令，通过现场总线网络发送给牵引电机控制器前段的数模转换器，使牵引电机控制器根据收到的控制指令控制牵引电机执行相应动作；步骤4)：集装箱位置传感器实时采集集装箱的位置信息，经过模数转换后用现场总线网络回送给DCS，并在主控室内显示，使控制室工程师随时监控装卸过程；所述的DCS，包括信息采集模块、初始化模块、微分代数方程组(Ordinary differential equations，简称ODE)快速求解模块、梯度求解模块、NLP问题求解模块、控制指令输出模块；其中信息采集模块包括集装箱位置采集、牵引电机性能约束采集、装卸时间设置采集三个子模块，非线性规划(Non‑linear Programming，简称NLP)问题求解模块包括寻优方向求解、寻优步长求解、寻优校正、NLP收敛性判断四个子模块；所述的DCS执行内部最优控制算法得到使集装箱装卸过程摆动能量最小的牵引电机速度控制策略，运行步骤如下：步骤1)：信息采集模块获取集装箱的初始位置和工程师指定的到达位置、牵引电机性能约束和装卸时间设置；步骤2)：初始化模块开始运行，采用分段常量参数化，设置装卸过程的分段数NE、牵引电机控制量的参数化向量u(k)，设定计算精度tol，将迭代次数k置零；步骤3)：通过ODE快速求解模块获取本次迭代的状态信息x(k)(t)和目标函数值J(k)；步骤4)：通过梯度求解模块获取本次迭代目标函数梯度信息dJ(k)和约束条件梯度信息g(k)；当k＝0时跳过步骤5)直接执行步骤7)；步骤5)：NLP问题求解模块运行，通过NLP收敛性判断模块进行收敛性判断，如果本次迭代的目标函数值J(k)与上一次迭代的目标函数值J(k‑1)的绝对值之差小于精度tol，则判断收敛性满足，并将本次迭代的牵引电机速度控制策略转换为牵引电机的控制指令输出；如果收敛性不满足，则继续执行步骤6)；步骤6)：用u(k),J(k),dJ(k),g(k)的值覆盖前一次迭代u(k‑1),J(k‑1),dJ(k‑1),g(k‑1)的值，并将迭代次数k加1；步骤7)：NLP问题求解模块利用在步骤3)和4)中获得的目标函数值和梯度信息，求解寻优方向和寻优步长，并进行寻优修正，获得比u(k‑1)更优的新的牵引电机控制量的参数化向量u(k)；该步骤执行完成后再次跳转至步骤3)，直至NLP收敛性判断模块满足为止；所述的ODE快速求解模块，采用的是四级五阶龙格库塔方法，求解公式为：其中，t表示时间，ti表示龙格库塔方法选择的积分时刻，h为积分步长，x(k)(ti)表示集装箱在第k次迭代中第ti时刻的状态信息，F是描述状态微分方程的函数，K1、K2、K3、K4分别表示龙格库塔法积分过程中的4个节点的函数值；所述的梯度求解模块，采用灵敏度轨迹方程法：步骤1)：定义第k次迭代的灵敏度轨迹方程Γ(k)(t)为：Γ(k)(t)的求解公式为：其中，t表示时间，表示第k次迭代中灵敏度轨迹方程对于时间t的导数，F(u^(k),x^(k)(t),t)是描述状态微分方程的函数，Γ^(k)(t₀)表示灵敏度轨迹方程在第k次迭代时的初始时刻状态值，x₀表示状态微分方程函数的初始时刻状态值；步骤2)：采用四级五阶龙格库塔方法求解灵敏度轨迹方程Γ(k)(t)在各积分时刻的值，求解公式为：其中，t表示时间，ti表示龙格库塔方法选择的控制过程中某一时间点，h为积分步长，x(k)(ti)表示集装箱在第k次迭代中第ti时刻的状态信息，S是描述灵敏度方程的函数，Q1、Q2、Q3、Q4分别表示龙格库塔法积分过程中的4个节点的函数值；步骤3)：根据得到的集装箱状态信息x(k)(t)和灵敏度轨迹方程Γ(k)(t)，求解目标函数的梯度信息dJ(k)：其中，Φ0(u(k),x(k)(t),tf)表示目标函数的终端约束项，L0(u(k),x(k)(t),t)表示目标函数的积分项；步骤4)：根据得到的集装箱状态信息x(k)(t)和灵敏度轨迹方程Γ(k)(t)，求解约束条件的梯度信息g(k)：其中，Φj(u(k),x(k)(t),tf)表示第j个约束条件函数的终端约束项，Lj(u(k),x(k)(t),t)表示第j个约束条件函数的积分项，m表示约束条件的个数；所述的NLP问题求解模块，采用如下步骤实现：步骤1)：将牵引电机控制量的参数化向量u(k‑1)作为向量空间中的某个点，记作P1，P1对应的目标函数值就是J(k‑1)；步骤2)：从点P1出发，根据选用的NLP算法和点P1处的目标函数梯度信息dJ(k‑1)和约束条件梯度信息g(k‑1)，构造向量空间中的一个寻优方向d(k‑1)和步长α(k‑1)；步骤3)：通过式u(k)＝u(k‑1)+α(k‑1)d(k‑1)构造向量空间中对应u(k)的另外一个点P2；步骤4)：采用寻优校正得到向量空间中对应u(k)的另外一个点P3，使得P3对应的目标函数值J(k)比J(k‑1)更优。