An anti rolling control method of bridge crane based on neural network PID, involving the field of bridge crane, is combined with BP neural network and traditional PID control, and the neural network is used as an on-line estimator, and the optimal PID control parameters are given in real time. An angle neural network PID controller and a position neural network PID controller are designed to control the swing angle and position of crane hoists. At the same time, a synchronous controller of motor speed is designed to compensate for the torque of the motor, which is caused by the load disturbance during the operation of the crane. The invention can not only realize the precise positioning of the crane, eliminate the swing of the crane, but also solve the rail gnawing phenomenon caused by the unequal speed of the two motor in the carriage of a crane.
【技术实现步骤摘要】
一种基于神经网络PID的桥式起重机防摇控制方法
本专利技术涉及桥式起重机领域,具体为设计的桥式起重机防摇定位控制系统同时具有防啃轨功能。
技术介绍
桥式起重机作为必不可少的运输工具,已广泛运用于车间、港口等场所。然而起重机在装卸货物和运输过程中,由于大车、小车的加减速以及外界干扰因素的影响,会使得负载来回摆动,不但影响生产效率还存在一定的安全隐患。而且随着自动化、机械化程度的提高,生产规模的不断扩大,生产效率的日益提高,起重机在现代化生产、运输过程中的应用越来越广,作用越来越大,因此对起重机的安全和效率提出越来越高的要求。一个好的起重机防摇控制系统可以避免一系列意外事故的发生,更能提高生产效率。起重机防摇控制经历了人工手动(依赖操作人员经验)方式,机械式防摆,以及电子式防摆。机械式防摆是通过机械手段来消耗吊物摆动的能量使其最终消除摇摆,这类防摆装置机构通常结构十分复杂,可靠性差,维修麻烦,而且防摆效果并不好;电子式防摆又分为开环和闭环两大类。开环防摇系统成本低,但由于起重机的运行环境很复杂,诸多未考虑的因素会干扰实际运行,可靠性无法得到保障。同时,开环的方法很难考虑到精确定位的问题。而传统的闭环控制是通过PID控制方式来调节吊物摆角的,但其灵敏度低,适应性差。桥式起重机运行过程中常出现的另一问题则是“啃轨”现象,在起重机的运行过程中有很多因素会导致大车电机转速不相等,如车轮摩擦变化、机械干扰、车体重心偏移、单边负载的突变等。啃轨的发生导致运行阻力增大,轨道侧面磨损加剧,车轮寿命急剧下降等。为避免运输过程中两电机转速不等导致的啃轨现象,需要采取一定的同步控制 ...
【技术保护点】
1.一种基于神经网络PID的桥式起重机防摇控制方法,其特征在于包括如下步骤:步骤1.给定桥式起重机大车的目标速度曲线,桥式起重机的大车按照给定的目标速度曲线运动;步骤2.将桥式起重机的目标速度与大车运行速度信号v作差后得到当前速度差e,将e输入位置神经网络PID控制器进行处理:所述的位置神经网络PID控制器包括BP神经网络和PID控制器两部分,BP神经网络对速度差e进行如下处理:其中,BP神经网络共有3层,输入层节点为x1,x2,x3,输入节点对应所选系统的运行状态量,取:x1(t)=e(t)‑e(t‑1);x2(t)=e(t);x3(t)=e(t)‑2e(t‑1)+e(t‑2) (1)式中:e(t)为最优预测形成的反馈偏差,BP神经网络从输出层向输入层反向传播误差,并逐层修改各层神经元的权系数ωij,取性能指标函数为:
【技术特征摘要】
1.一种基于神经网络PID的桥式起重机防摇控制方法,其特征在于包括如下步骤:步骤1.给定桥式起重机大车的目标速度曲线,桥式起重机的大车按照给定的目标速度曲线运动;步骤2.将桥式起重机的目标速度与大车运行速度信号v作差后得到当前速度差e,将e输入位置神经网络PID控制器进行处理:所述的位置神经网络PID控制器包括BP神经网络和PID控制器两部分,BP神经网络对速度差e进行如下处理:其中,BP神经网络共有3层,输入层节点为x1,x2,x3,输入节点对应所选系统的运行状态量,取:x1(t)=e(t)-e(t-1);x2(t)=e(t);x3(t)=e(t)-2e(t-1)+e(t-2)(1)式中:e(t)为最优预测形成的反馈偏差,BP神经网络从输出层向输入层反向传播误差,并逐层修改各层神经元的权系数ωij,取性能指标函数为:式中:yr为期望的设定值,y(t+1)为系统在t+1时刻的输出;用梯度最小法极小化性能指标,可以得到神经元网络控制器的加权系数修正式为:其中:式中:△u(t)=u(t)-u(t-1),u(t)为PID控制器的输出,得出:采用自适应神经元预测器:yp(t+1)=k∑ω′i(t)Pi(t)+y(t)-ym(t)(6)式中:ym为神经网络的学习输出;Pi为神经网络的输入,它由u(t)、u(t-1)、y(t)、y(t-1)参数组成。经过式(6)计算得到yp(t+1)逼近y(t+1),式(5)可写成:式中:η为学习速率;kv为神经元放大系数,它对控制系统的快速...
【专利技术属性】
技术研发人员:王大方,魏辉,徐泽绪,汪井威,汤志皓,蔡金逸,
申请(专利权)人:王大方,
类型:发明
国别省市:山东,37
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。