带有完整约束的双吊车系统输入整形控制

作为一种重要的物料运输工具,桥式吊车在各类工业场景中发挥着举足轻重的作用.然而随着负载体积/质量的增大,很多时候不得不使用两台吊车来协同运送负载.目前对于这类双吊车系统的防摆研究仍然较少.本文针对这一情况,率先提出了一种输入整形控制方法.具体来说,首先分析了双吊车系统中存在的完整约束,通过对系统模型的合理简化,在不失准确性的情况下获得了台车位移与负载姿态角之间的近似动力学关系.在此基础上,求取出系统真实的振荡周期并设计出了合适的输入整形器.该整形器能够在不影响台车定位的情况下,充分抑制负载的摆动,并且对系统参数不确定性具有良好的鲁棒性.仿真和实验结果也证明了这一点.

基于免疫PID算法的吊车-双摆系统控制设计

为提高非线性吊车-双摆系统的控制特性,利用拉格朗日方程推导出吊车-双摆系统的数学模型,提出了免疫PID控制算法,设计出免疫PID控制器,对最优指标和PID参数进行寻优,并将该控制方法应用于系统中。与LQR算法结果相比,免疫控制方法寻优速度快,吊车-双摆系统的各项指标得到了显著改善。采用吊车-双摆工作平台进行验证实验,将实验结果与仿真结果进行比较。对比结果表明,基于免疫算法的吊车-双摆系统的动态特性得到了有效地改善,获得了较高的控制精度,提高了系统抗干扰能力和鲁棒性,验证了控制方法的准确性。

迭代学习控制在吊车-双摆系统中的应用研究

适用于双摆模型系统的吊车在运送相同批次,相同型号货物,并且在保证搬运货物的轨迹相同的情况下,其运动轨迹具有极高的重复特性。提出了基于迭代学习控制的吊车-双摆系统位置和速度控制方法,建立了吊车-双摆系统的静态模型,设计了关于位置和速度控制的迭代学习控制算法,理论上分析了算法的收敛性。仿真结果表明,在经过80次左右的学习之后,吊车-双摆系统的输出能够可以较好地跟踪上期望轨迹,获得较高的控制精度,验证了控制方法的有效性。

基于吊车—双摆系统的可拓控制仿真研究

在现有的可拓控制器的结构及算法基础上提出了一种基于最优控制理论的改进的可拓控制算法(LQR—EC),并应用于吊车—双摆这一单入多出系统。借助MATLAB仿真平台对其控制效果进行仿真研究。结果表明,LQR—EC算法具有原理简单、响应快速稳定等特点。

基于伪谱法的双摆吊车时间最优消摆轨迹规划策略

在工业生产过程中,桥式吊车系统经常会体现出双摆系统的特性,导致更多欠驱动状态量的出现,增大控制难度.基于此,论文提出了一种针对双摆桥式吊车系统的时间最优轨迹规划方法,可以得到全局时间最优且具有消摆能力的轨迹.具体而言,为方便地构造以时间为代价函数的优化问题,首先对系统运动学模型进行相应的变换;在此基础上,考虑包括两级摆角及台车速度和加速度上限值在内的多种约束,构造出相应的优化问题;然后,利用高斯伪谱法(Gauss-pseudospectral method,GPM)将该带约束的优化问题转化为更易于求解的非线性规划问题,且在转化过程中,可以非常方便地考虑轨迹约束.求解该非线性规划问题,即可得到时间最优的台车轨迹.不同于已有的大多数方法,该方法可获得全局时间最优的结果.最后,通过仿真与实验结果验证了这种时间最优轨迹规划方法具有满意的控制性能.

分组自适应模糊神经网络在双摆吊车上的应用

在工业生产中,若吊钩质量较大不能忽略,吊车会呈现出双摆系统特征,即吊钩绕台车进行一级摆动,同时负载绕吊钩进行二级摆动。针对这种欠驱动非线性系统控制问题,提出一种基于双摆桥式吊车系统的自适应神经网络与分组模糊控制相结合的控制策略。具体而言,采用改进的Takagi-Sugeno型神经网络模糊控制模型,利用分组模糊控制的方法,规避多输入模糊系统规则冗杂导致的时效性问题。因模糊控制不具备自适应与迭代优化参数的能力,引入神经网络模型借助混合算法,通过前向学习与反向学习,利用二次型最优控制理论设计得出的样本数据,不断优化模糊规则和隶属度函数,从而使控制器参数高精度逼近系统要求,满足双摆吊车高温熔融金属吊运的需求。最后仿真实验结果证明该控制策略不仅使双摆桥式吊车台车与负载快速、精确到达目标位置,还能够抑制吊钩与负载的摆动,提高了控制器性能。