【技术实现步骤摘要】
本专利技术涉及机电系统控制，尤其涉及一种基于神经网络的塔机自适应防摆避障反馈控制方法及系统。
技术介绍
1、在实际建筑工地或港口中，塔式起重机(简称塔机)因其运行效率高、工作空间大以及有效载荷能力强而发挥着重要作用。在实际施工现场中，不可避免地会出现建筑物和重型设备等障碍物，这对起重机的安全和高效运行提出了巨大挑战。目前，塔式起重机仍以人工操作为主，依靠操作人员的经验进行操控，其存在工作效率低、抗摆动能力差、事故风险高等问题，因此研究有效的塔式起重机自动控制系统具有重要意义。实际上，在利用塔机运输过程中，台车(或称为小车)或悬臂的加速或减速均可能会因固有惯性而导致附载的货物摆动，从而降低运输效率，并带来安全隐患。而由于塔式起重机固有的欠驱动特性、强耦合性和高非线性，防摆动控制系统的设计非常困难。此外，即使货物摆动被有效抑制，货物仍有可能与运输路径上的障碍物发生碰撞，从而带来事故风险。因此，如何设计一种有效的控制方法，在确保精确定位和消除摆动的同时实现自动避障是一项严峻的挑战。
2、为避免与障碍物碰撞，目前的研究多是借助移动机器人的启发式路径规划算法，为起重机设计无碰撞路径规划方法，例如利用粒子群优化算法、rrt路径规划算法、概率路线图算法和a*算法等为起重机生成无碰撞路径。虽然这些启发式路径规划算法可以为起重机提供最优的无碰撞起重路径，但它们并没有考虑到起重机的欠驱动特性和抑制摆动的实际需求。进一步的，目前还有研究主要采用轨迹规划方法同时解决了避障和抑制摆动问题，例如基于采用二分法的旋转起重机轨迹规划算法、针对双线锤
3、目前的多种起重机的避障算法/方法在抑制摆动和避障方面已取得较优的效果，但是，这些方法需要大量的时间来求解运动轨迹，即使在相同的施工环境中，若起始位置和目标位置发生变化，也需要重新规划运动轨迹，造成时间浪费。此外，由于缺乏状态反馈，这些方法对外界干扰和参数不确定性不具有很强的鲁棒性，可能会导致安全隐患和事故。
技术实现思路
1、为解决上述现有技术的不足，本专利技术提供了一种基于神经网络的塔机自适应防摆避障反馈控制方法及系统，通过利用塔式起重机的耦合特性，将避障任务转化为状态约束控制问题，并设计多个状态约束辅助项，将负载和台车位置限制在无碰撞范围内，实现负载避障和安全运行，同时利用神经网络逼近起重机系统的不确定/未知动态，以此构建自适应防摆避障反馈控制器，利用该控制器进行塔机运行控制，同时解决包括避障、不确定干扰、状态约束和非线性动态这些关键的、面向实际应用的控制问题，实现了精确定位、快速抑制摆动和避障，整个控制过程安全有效，具有较短的运输时间和较强的未知干扰鲁棒性。
2、第一方面，本专利技术提供了一种基于神经网络的塔机自适应防摆避障反馈控制方法。
3、一种基于神经网络的塔机自适应防摆避障反馈控制方法，包括：
4、利用拉格朗日法，建立四自由度塔式起重机系统的动力学模型；
5、基于动力学模型，以目标定位、抑制摆动、摆角约束、避障、运动区域约束和速度约束为控制目标，构建自适应防摆避障反馈控制器；所述构建包括：将塔机避障问题转化为状态约束问题，构建摆动约束项、避障约束项、物理限制约束项和速度限制约束项以及用于描述系统中不确定参数和外部干扰的辅助项；其中，利用径向基rbf神经网络对塔机的辅助项进行近似，并根据更新率优化近似的网络权重矩阵；
6、利用该控制器控制塔式起重机的悬臂转动角度和悬臂上台车位移，实现防摆避障移动控制。
7、第二方面，本专利技术提供了一种基于神经网络的塔机自适应防摆避障反馈控制系统。
8、一种基于神经网络的塔机自适应防摆避障反馈控制系统，包括：
9、模型搭建模块，用于利用拉格朗日法，建立四自由度塔式起重机系统的动力学模型；
10、控制器构建模块，用于基于动力学模型，以目标定位、抑制摆动、摆角约束、避障、运动区域约束和速度约束为控制目标，构建自适应防摆避障反馈控制器；所述构建包括：将塔机避障问题转化为状态约束问题，构建摆动约束项、避障约束项、物理限制约束项和速度限制约束项以及用于描述系统中不确定参数和外部干扰的辅助项；其中，利用径向基rbf神经网络对塔机的辅助项进行近似，并根据更新率优化近似的网络权重矩阵；
11、控制模块，用于利用该控制器控制塔式起重机的悬臂转动角度和悬臂上台车位移，实现防摆避障移动控制。
12、第三方面，本专利技术还提供了一种电子设备，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成第一方面所述方法的步骤。
13、第四方面，本专利技术还提供了一种计算机可读存储介质，用于存储计算机指令，所述计算机指令被处理器执行时，完成第一方面所述方法的步骤。
14、以上一个或多个技术方案存在以下有益效果：
15、1、本专利技术提供了一种基于神经网络的塔机自适应防摆避障反馈控制方法及系统，利用塔式起重机的耦合特性，将避障任务转化为状态约束控制问题，并设计多个状态约束辅助项，将负载和台车位置限制在无碰撞范围内，实现负载避障，并将小车和悬臂控制在运动范围和速度限制内，实现安全运行，同时利用神经网络逼近起重机系统的不确定/未知动态，以此构建自适应防摆避障反馈控制器，利用该控制器进行塔机运行控制，同时解决包括避障、不确定干扰、状态约束和非线性动态这些关键的、面向实际应用的控制问题，实现了精确定位、快速抑制摆动和避障，整个控制过程安全有效，具有较短的运输时间和较强的未知干扰鲁棒性。在此基础上，还利用李雅普诺夫(lyapunov)稳定性理论从理论上证明了所提控制方法及系统的收敛性和稳定性，并通过硬件实验验证了所提控制器的有效性。与现有方法相比，在存在相同外部干扰和不确定性的情况下，所提方法可减少70％的运输时间，极大提高运输效率。
16、2、本专利技术中，基于非线性反馈控制方法，将塔机避障问题转化为塔机的状态约束问题，基于构造的状态约束项，非线性控制器可将小车和臂架限制在无碰撞区域内以实现避障，而不是跟踪无碰撞的参考轨迹，这一方式消除了运动轨迹规划的需要，显著提高了运输效率。
17、3、本专利技术中，根据塔式起重机的耦合特性，设计了欠驱动摆动约束项，将载荷摆动角度限制在预定范围内，避免载荷摆动与障碍物碰撞，而且摆动约束项也有效地抑制了运输过程中的载荷摆动。
18、4、本专利技术在设计的控制方法中引入径向基rbf神经网络对不确定/未知动力学函数进行逼近，有效地提高了台车/悬臂的定位精度，提高了控制器对外部干扰和不确定参数的鲁棒性，提高安全性能。
本文档来自技高网...【技术保护点】
1.一种基于神经网络的塔机自适应防摆避障反馈控制方法，其特征在于，包括：
2.如权利要求1所述的基于神经网络的塔机自适应防摆避障反馈控制方法，其特征在于，所构建的动力学模型包括驱动状态量和非驱动状态量，其中驱动状态量包括悬臂转动角度和悬臂上的台车位移，非驱动状态量包括台车牵拉的负载在三维空间中摆角，该摆角包括负载在悬臂水平方向上的摆角和负载在悬臂垂直方向上的摆角。
3.如权利要求1所述的基于神经网络的塔机自适应防摆避障反馈控制方法，其特征在于，目标定位控制目标是指在设定时间内控制悬臂转动到目标角位置及控制台区移动到目标位置；
4.如权利要求1所述的基于神经网络的塔机自适应防摆避障反馈控制方法，其特征在于，所述摆动约束项和避障约束项作为控制器的非线性控制部分，分别将小车限制在无障碍区域内和将摆角限制在预设范围内，用于实现摆角约束和避障；
5.如权利要求4所述的基于神经网络的塔机自适应防摆避障反馈控制方法，其特征在于，所述摆动约束项、避障约束项、物理限制约束项和速度限制约束项的构建，包括：
6.如权利要求1所述的基于神经网络
7.如权利要求1所述的基于神经网络的塔机自适应防摆避障反馈控制方法，其特征在于，所述控制器表示为：
8.一种基于神经网络的塔机自适应防摆避障反馈控制系统，其特征在于，包括：
9.一种电子设备，其特征在于，包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令，所述计算机指令被处理器运行时，完成如权利要求1-7中任一项所述的一种基于神经网络的塔机自适应防摆避障反馈控制方法的步骤。
10.一种计算机可读存储介质，其特征在于，用于存储计算机指令，所述计算机指令被处理器执行时，完成如权利要求1-7中任一项所述的一种基于神经网络的塔机自适应防摆避障反馈控制方法的步骤。
...【技术特征摘要】
1.一种基于神经网络的塔机自适应防摆避障反馈控制方法，其特征在于，包括：
2.如权利要求1所述的基于神经网络的塔机自适应防摆避障反馈控制方法，其特征在于，所构建的动力学模型包括驱动状态量和非驱动状态量，其中驱动状态量包括悬臂转动角度和悬臂上的台车位移，非驱动状态量包括台车牵拉的负载在三维空间中摆角，该摆角包括负载在悬臂水平方向上的摆角和负载在悬臂垂直方向上的摆角。
3.如权利要求1所述的基于神经网络的塔机自适应防摆避障反馈控制方法，其特征在于，目标定位控制目标是指在设定时间内控制悬臂转动到目标角位置及控制台区移动到目标位置；
4.如权利要求1所述的基于神经网络的塔机自适应防摆避障反馈控制方法，其特征在于，所述摆动约束项和避障约束项作为控制器的非线性控制部分，分别将小车限制在无障碍区域内和将摆角限制在预设范围内，用于实现摆角约束和避障；
5.如权利要求4所述的基于神经网络的塔机自适应防摆避障反馈控制方法...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。