【技术实现步骤摘要】
本专利技术涉及钢板吊装控制，特别是指一种电自动调磁实现钢板精准吊运的方法和装置。
技术介绍
1、当前，多数钢厂采用电磁吊进行钢板吸附吊运。电磁吊是一种利用电磁铁产生磁力吊起物品的吊装设备。在实际吊运中，利用电磁铁吊具实现对单独摆放的单张钢板进行吊运比较容易，但对于堆放在一起的多张钢板，想要按需求精确吊运其中的一张或多张钢板却比较困难。这是因为，要从堆叠的钢板垛中准确吊运其中的一张或多张钢板时，通常依靠人工经验进行电流大小的调节来改变电磁铁的吸力。而吊起钢板所需电流的大小与钢板钢种、规格、数量、重量等都有关系，不是简单的线性关系。依靠人工经验进行手动调磁吊运时，经常会出现调节的磁力过大导致吊起多余的钢板或者磁力不足吊不起钢板，需要手动反复调节尝试，导致吊运效率低下，耽误现场物流转运。
技术实现思路
1、本专利技术提供了一种自动调磁实现钢板精准吊运的方法和装置，以解决目前电磁铁吊装过程中，依靠经验人工手工进行手动调磁吊运，难以根据吊运需求快速、精准控制电磁吊吊运磁力的技术问题，实现对电磁吊的电磁吸力进行智能精准控制，提高吊运效率和精度的技术效果。
2、为解决上述技术问题，本专利技术提供了如下技术方案：
3、一方面，本专利技术提供了一种自动调磁实现钢板精准吊运的方法，包括：
4、采集电磁铁吊具电磁铁的核心参数和历史吊运过程中的观测数据；
5、基于电磁铁吊具电磁铁的核心参数，对历史吊运过程中的观测数据进行预处理；
6、构建强化学习
7、获取当前待吊装的钢板的规格和数量，根据当前待吊装的钢板的规格和数量，利用训练好的强化学习模型得到电磁铁的最优电流，实现钢板吊运。
8、进一步地，所述电磁铁吊具电磁铁的核心参数包括：线圈匝数、工作电流、工作气隙长度、空气气隙长度、电磁铁铁芯磁导率以及空气磁导率。
9、进一步地，所述观测数据包括：吊运的钢板规格、数量以及所需的电流和磁力数据；其中，钢板规格包括：每层钢板的长度、宽度、厚度、密度以及磁导率。
10、进一步地，基于电磁铁吊具电磁铁的核心参数，对历史吊运过程中的观测数据进行预处理，包括：
11、采用插值、均值填补或直接删除的方式对观测数据中的缺失值进行处理；
12、通过设置数据上限和下限，剔除观测数据中的异常值；
13、使用min-max算法对观测数据进行归一化处理；
14、使用卡尔曼滤波递归算法，对观测数据进行平滑处理；其中，所述卡尔曼滤波递归算法以采集到的电流和磁力数据作为观测量；并以磁力与电流之间的函数关系作为状态预测方程，根据电磁铁吊具电磁铁的核心参数来预测磁力和电流。
15、进一步地，所述磁力与电流之间的函数关系表示为：
16、
17、其中，mk为吊运需要的磁力；n为吊起的钢板的总层数；n为线圈匝数；i为工作电流；μ0为空气磁导率；μ1为电磁铁铁芯磁导率；l1为工作气隙长度；l2为空气气隙长度；vi为第i层钢板的体积，vi＝liwiti，li为第i层钢板的长度，wi为第i层钢板的宽度，ti为第i层钢板的厚度；e为自然数底数；为衰减系数，表示电磁铁穿过每一层钢板时磁感应强度的衰减程度，μi为第i层钢板的磁导率；表示第i层钢板的体积，体积对应的磁场具有方向性，强调磁场在这个区域空间在每个点的方向性的贡献。
18、进一步地，强化学习模型以钢板的厚度、钢板的数量、电磁铁的电流以及电磁铁的磁力组成的向量作为状态空间；以电磁铁的电流的调节量作为动作空间。
19、进一步地，所述强化学习模型的奖励函数表示为：
20、
21、其中，rt为奖励函数值；α为惩罚系数；ft为当前磁力；fg为预期的目标磁力；δ为控制响应时间奖励的系数；tg为达到目标磁力时的时间步；t0为开始调整电流的时间步；表示达到目标磁力的速度，越快达到目标磁力，奖励越高。
22、进一步地，所述强化学习模型在训练过程中，使用梯度下降法最小化critic网络的损失函数，更新critic网络；使用策略梯度法更新actor网络的参数；通过软更新方式更新目标网络参数，以使得目标网络参数追随主网络的参数。
23、进一步地，所述自适应的学习率和更新频率，包括：
24、初始化学习率及调整：将critic网络初始学习率设为高于第一预设阈值的值，actor网络初始学习率设为低于第二预设阈值的值；
25、根据不同状态调整学习率：当钢板厚度差异大于第三预设阈值且数量大于第四预设阈值时，提高critic网络的学习率；当钢板数量不大于第三预设阈值或状态变化小于第五预设阈值时，降低critic网络的学习率；
26、通过监控控制偏差或者自适应调整更新频率，包括：1)监控学习过程调整更新频率：当钢板配置状态数量达一定值时，监控q值的误差变化情况；根据当前的控制误差，即目标磁力与实际磁力的偏差调整actor网络的更新频率；当电磁铁产生的磁力与目标磁力偏差大于第六预设阈值时，缩短actor网络的更新间隔；当电磁铁的磁力控制接近目标时，延长actor网络的更新频率；2)自适应调整更新频率：根据critic网络的稳定性调整actor网络的更新频率；如果critic网络的q值维持在预设范围内，则提高actor网络更新频率，否则，延迟更新；延迟更新策略为：设置参数k，表示critic网络更新k次后，actor网络才更新一次，actor网络更新的频率根据系统的复杂性自适应调整，即当状态变化大于第七预设阈值时，提高actor网络的更新频率；当状态趋于稳定时，降低更新频率。
27、另一方面，本专利技术还提供了一种用于实现上述方法的自动调磁实现钢板精准吊运的装置，所述装置包括处理器和存储器；其中，所述存储器中存储有至少一条指令，所述指令由所述处理器加载并执行，以实现上述方法。
28、本专利技术提供的技术方案带来的有益效果至少包括：
29、本专利技术通过将深度确定策略梯度ddpg算法与神经网络结合，设计了自适应优化的学习率和更新频率，提高了强化学习算法的收敛速度和实施精度，实现了对不同规格和不同数量钢板与电磁铁电流和磁力之间复杂关系的控制，并将训练好的策略网络集成到plc系统，通过plc系统的实时控制，实现磁力的自动调节，从而支持电磁铁吊具对多张钢板的精准吸吊，大幅提升了吊运精度和吊运效率，避免了钢板吸吊粘连等故障，进而切实降低了运营成本、提升了经济效益。
本文档来自技高网...【技术保护点】
1.一种自动调磁实现钢板精准吊运的方法，其特征在于，包括：
2.如权利要求1所述的自动调磁实现钢板精准吊运的方法，其特征在于，所述电磁铁吊具电磁铁的核心参数包括：线圈匝数、工作电流、工作气隙长度、空气气隙长度、电磁铁铁芯磁导率以及空气磁导率。
3.如权利要求1所述的自动调磁实现钢板精准吊运的方法，其特征在于，所述观测数据包括：吊运的钢板规格、数量以及所需的电流和磁力数据；其中，所述钢板规格包括：每层钢板的长度、宽度、厚度、密度以及磁导率。
4.如权利要求1所述的自动调磁实现钢板精准吊运的方法，其特征在于，基于电磁铁吊具电磁铁的核心参数，对历史吊运过程中的观测数据进行预处理，包括：
5.如权利要求4所述的自动调磁实现钢板精准吊运的方法，其特征在于，所述磁力与电流之间的函数关系表示为：
6.如权利要求1所述的自动调磁实现钢板精准吊运的方法，其特征在于，所述强化学习模型以钢板的厚度、钢板的数量、电磁铁的电流以及电磁铁的磁力组成的向量作为状态空间；以电磁铁的电流的调节量作为动作空间。
7.如权利要求6所述的自动调磁实
8.如权利要求6所述的自动调磁实现钢板精准吊运的方法，其特征在于，所述强化学习模型在训练过程中，使用梯度下降法最小化Critic网络的损失函数，更新Critic网络；使用策略梯度法更新Actor网络的参数；通过软更新方式更新目标网络参数，以使得目标网络参数追随主网络的参数。
9.如权利要求1所述的自动调磁实现钢板精准吊运的方法，其特征在于，所述自适应的学习率和更新频率，包括：
10.一种自动调磁实现钢板精准吊运的装置，其包括处理器和存储器；其中，所述存储器中存储有至少一条指令，其特征在于，所述指令由所述处理器加载并执行，以实现如权利要求1～9任一项所述的自动调磁实现钢板精准吊运的方法。
...【技术特征摘要】
1.一种自动调磁实现钢板精准吊运的方法，其特征在于，包括：
2.如权利要求1所述的自动调磁实现钢板精准吊运的方法，其特征在于，所述电磁铁吊具电磁铁的核心参数包括：线圈匝数、工作电流、工作气隙长度、空气气隙长度、电磁铁铁芯磁导率以及空气磁导率。
3.如权利要求1所述的自动调磁实现钢板精准吊运的方法，其特征在于，所述观测数据包括：吊运的钢板规格、数量以及所需的电流和磁力数据；其中，所述钢板规格包括：每层钢板的长度、宽度、厚度、密度以及磁导率。
4.如权利要求1所述的自动调磁实现钢板精准吊运的方法，其特征在于，基于电磁铁吊具电磁铁的核心参数，对历史吊运过程中的观测数据进行预处理，包括：
5.如权利要求4所述的自动调磁实现钢板精准吊运的方法，其特征在于，所述磁力与电流之间的函数关系表示为：
6.如权利要求1所述的自动调磁实现钢板精准吊运的方法，其特征在于，所述强化学习模型以钢板的厚度...
【专利技术属性】
技术研发人员：张学军，刘洋，彭功状，邵健，王晓晨，陈波，朱鹤，孟超，
申请(专利权)人：北京科技大学，
类型：发明
国别省市：
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。