一种基于模型迭代补偿的起重机定位防摇控制优化方法技术

本发明专利技术公开了一种基于模型迭代补偿的起重机定位防摇控制优化方法，其属于起重机定位防摇控制技术领域。它解决了现有技术中传统起重机定位防摇控制方法存在的定位防摇控制器不能很好地应用于起重机实际运行环境的缺陷。其主体结构包括以下步骤：步骤1：获取起重机定位防摇控制器的驱动力表达式和参数；步骤2：采集多组在定位防摇控制器作用下的起重机运行状态数据；步骤3：根据拉格朗日动力学模型的数学形式，建立关于起重机未建模动态的残差模型；步骤4：根据状态数据，利用BP神经网络拟合残差模型；步骤5：多次迭代拟合生成新残差模型并使用新参数，直到迭代结束，根据最终的模型整定有自适应性的控制器参数。本发明专利技术主要用于起重机上。起重机上。起重机上。

【技术实现步骤摘要】
一种基于模型迭代补偿的起重机定位防摇控制优化方法


[0001]本专利技术属于起重机定位防摇控制
，具体地说，尤其涉及一种基于模型迭代补偿的起重机定位防摇控制优化方法。

技术介绍

[0002]起重机定位防摇控制一直是起重机行业、领域所关注的重点技术。目前，机械防摇技术和工业应用的电子防摇技术已经相当成熟，更加智能化、信息化的电子防摇算法得到广泛关注。起重机械在智能化、信息化方向的研究和在智能工厂、智能车间的应用，是工业4.0发展的必然趋势。目前针对桥式起重机的研究中，大部分采用拉格朗日动力学模型，在建模阶段作了较多简化，所设计出的定位防摇控制器不能很好地应用于起重机实际运行环境。

技术实现思路

[0003]本专利技术要解决的技术问题是克服现有技术的不足，提供了一种基于模型迭代补偿的起重机定位防摇控制优化方法，其通过神经网络拟合补偿模型的未建模项，并根据整体模型整定控制器参数，提高起重机定位防摇控制器的性能。
[0004]为了实现上述目的，本专利技术是采用以下技术方案实现的：
[0005]一种基于模型迭代补偿的起重机定位防摇控制优化方法，包括以下步骤：
[0006]步骤1：获取起重机定位防摇控制器的驱动力表达式和参数；
[0007]步骤2：采集多组在定位防摇控制器作用下的起重机运行状态数据；
[0008]步骤3：根据拉格朗日动力学模型的数学形式，建立关于起重机未建模动态的残差模型；
[0009]步骤4：根据状态数据，利用BP神经网络拟合残差模型；/>[0010]步骤5：多次迭代拟合生成新残差模型并使用新参数，直到迭代结束，根据最终的模型整定有自适应性的控制器参数。
[0011]优选地，所述步骤1具体包括以下步骤：
[0012]现有的桥式起重机械工业控制方法为双闭环改进PID控制算法，以负载摆角作为内环控制对象，行车位移作为外环控制对象，所用控制器的驱动力表达式和参数组为：
[0013][0014]C[6]＝[K
P1
,K
I1
,K
D1
,K
P2
,K
I2
,K
D2
]ꢀꢀ
(1.2)
[0015]优选地，所述步骤2具体包括以下步骤：
[0016]对于桥式起重机械和对应的定位防摇控制器，选取起重机运行过程中的9个预设参数和4个变量作为起重机运行状态数据，其中，9个预设参数分别为：行车质量、负载质量、负载吊绳长度以及6个设置的控制器参数；4个变量分别为：行车运行速度、行车运行加速度、行车位移距离、负载摆动角度，这4个变量均可以在起重机运行过程中通过传感器采集
到；
[0017]通过改变起重机预设参数，获取至少50组起重机变量的变化数据，并与对应的参数组数据合并作为预处理数据的样本。
[0018]优选地，所述步骤3具体包括以下步骤：
[0019]对于桥式起重机械，研究采用的拉格朗日动力学模型为：
[0020][0021][0022][0023]G(q)＝[0 mgl sin θ]T
ꢀꢀ
(1.6)
[0024]U＝[F 0]T
ꢀꢀ
(1.7)
[0025]其中，q表示起重机系统的状态向量，M(q)表示系统的惯量矩阵，C(q)表示系统的向心
‑
柯氏力矩阵，G(q)表示系统的重力因子向量，U表示系统的驱动力向量即系统的输入向量，M为行车质量，m为负载质量，v为桥式起重机的水平移动速度，x为桥式起重机的水平位移，l为绳子长度，θ为负载摆角，规定法线右侧的摆角为负值，F为驱动桥式起重机大小车运动的驱动力；
[0026]根据拉格朗日动力学方程，建立残差模型为：
[0027][0028]其中，ΔM(q)、ΔC(q)、ΔG(q)表示和上述拉格朗日动力学方程相对应矩阵的残差矩阵，ΔA表示系统中与状态量q无关的未建模项的值，在初始状态下，残差模型的各项值均设置为0。
[0029]优选地，所述步骤4具体包括以下步骤：
[0030]根据步骤2得到的预处理状态数据的样本和步骤3的残差模型形式，使用BP神经网络拟合得到残差模型具体的各个矩阵的值；
[0031]构建BP神经网络的输入层、隐层和输出层，输入层为起重机状态数据的预处理样本，输出层为起重机残差模型的各项参数值，确定输入层的神经元个数为4(对应状态数据的4个变量)，输出层的神经元个数为4(对应残差模型的4个参数)，根据专家经验隐层的神经元个数为8，改进BP神经网络，模型训练采用L
‑
M算法进行数值优化，L
‑
M算法公式为：
[0032]Δ＝(J
α
J+βI)
‑1(JTe)
ꢀꢀ
(1.9)
[0033]其中，J为误差权值的Jacobi矩阵，I为单位矩阵，β为比例系数，e为误差矢量，当训练值Δ小于误差矢量时，训练结束；将残差矩阵中和状态量相关的矩阵表示为随时间变化的函数矩阵，和状态量无关的矩阵表示为常量矩阵，拟合得到的残差模型各项表示为：
[0034][0035]优选地，所述步骤5具体包括以下步骤：
[0036]根据步骤4得到的残差模型更新步骤3中的起重机动力学模型，并重复步骤2
‑
步骤4；设置迭代次数为15次以上，并在每次迭代后记录当前的残差模型的各项，在总的迭代结束后，将历史残差模型的各项值求和，用来更新最终的起重机模型；实际环境中起重机的运行阶段分为“加速
‑
匀速
‑
减速”阶段，所以自适应整定的控制器参数为：
[0037][0038]其中，0到ta为加速时间段，t
a
到t
b
为匀速时间段，t
b
之后为减速时间段，B1[n]、B2[n]、B3[n]分别为加速段、匀速段、减速段的整定参数组，数据格式和C[n]相同。
[0039]与现有技术相比，本专利技术的有益效果是：
[0040]本专利技术建立关于起重机未建模动态的残差模型，获取起重机定位防摇控制器的驱动力表达式和参数，采集多组在定位防摇控制器作用下的起重机运行状态数据，根据数据利用BP神经网络拟合残差模型，多次迭代拟合更新残差模型，迭代结束后根据最终的模型整定有自适应性的控制器参数，能够有效地提高控制器的定位防摇性能，所设计的残差模型也有助于为其他起重机提供离线设计思路。
附图说明
[0041]图1为本专利技术的流程框图。
具体实施方式
[0042]下面通过具体实施例并结合附图对本专利技术作进一步说明。
[0043]实施例1：
[0044]如图1所示，一种基于模型迭代补偿的起重机定位防摇控制优化方法，包括以下步骤：
[0045]步骤1：获取起重机定位防摇控制器的驱动力表达式和参数；
[0046]步骤2：采集多组在定位防摇控制本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于模型迭代补偿的起重机定位防摇控制优化方法，其特征在于：包括以下步骤：步骤1：获取起重机定位防摇控制器的驱动力表达式和参数；步骤2：采集多组在定位防摇控制器作用下的起重机运行状态数据；步骤3：根据拉格朗日动力学模型的数学形式，建立关于起重机未建模动态的残差模型；步骤4：根据状态数据，利用BP神经网络拟合残差模型；步骤5：多次迭代拟合生成新残差模型并使用新参数，直到迭代结束，根据最终的模型整定有自适应性的控制器参数。2.根据权利要求1所述的一种基于模型迭代补偿的起重机定位防摇控制优化方法，其特征在于：所述步骤1具体包括以下步骤：现有的桥式起重机械工业控制方法为双闭环改进PID控制算法，以负载摆角作为内环控制对象，行车位移作为外环控制对象，所用控制器的驱动力表达式和参数组为：C[6]＝[K
P1
,K
I1
,K
D1
,K
P2
,K
I2
,K
D2
](1.2)3.根据权利要求2所述的一种基于模型迭代补偿的起重机定位防摇控制优化方法，其特征在于：所述步骤2具体包括以下步骤：对于桥式起重机械和对应的定位防摇控制器，选取起重机运行过程中的9个预设参数和4个变量作为起重机运行状态数据，其中，9个预设参数分别为：行车质量、负载质量、负载吊绳长度以及6个设置的控制器参数；4个变量分别为：行车运行速度、行车运行加速度、行车位移距离、负载摆动角度，这4个变量均可以在起重机运行过程中通过传感器采集到；通过改变起重机预设参数，获取至少50组起重机变量的变化数据，并与对应的参数组数据合并作为预处理数据的样本。4.根据权利要求3所述的一种基于模型迭代补偿的起重机定位防摇控制优化方法，其特征在于：所述步骤3具体包括以下步骤：对于桥式起重机械，研究采用的拉格朗日动力学模型为：对于桥式起重机械，研究采用的拉格朗日动力学模型为：对于桥式起重机械，研究采用的拉格朗日动力学模型为：G(q)＝[0 mglsinθ]
T
ꢀꢀꢀ
(1.6)U＝[F 0]
T
ꢀꢀꢀ
(1.7)其中，q表示起重机系统的状态向量，M(q)表示系统的惯量矩阵，C(q)表示系统的向心
‑
柯氏力矩阵，G(q)表示系统的重力因子向量，U表示系统的驱动力向量即系统的输入向量，M为行车质量，m为负载...

【专利技术属性】
技术研发人员：陆海舟，马向华，叶银忠，
申请(专利权)人：上海应用技术大学，
类型：发明
国别省市：