具有对象年龄特征膜计算的桥式吊车神经网络建模方法技术

本发明专利技术公开了一种具有对象年龄特征膜计算的桥式吊车神经网络建模方法。步骤为：1)获得桥式吊车运行过程的输入和输出采样数据，建立桥式吊车RBF神经网络模型；2)分别将桥式吊车运行过程的位置和摆角的估计输出与实际输出采样数据的差值平方和作为目标函数；3)受生物细胞膜及胞内物质衰老现象的启发，抽象出一种具有对象年龄特征膜计算的桥式吊车神经网络建模方法；4)设定算法运行参数；5)运行具有对象年龄特征膜计算优化方法对桥式吊车RBF神经网络模型中的未知参数进行估计，通过最小化目标函数，得到模型中的未知参数估计值，将估计值带入桥式吊车RBF神经网络模型中，形成非线性模型。本发明专利技术建模方法具有抗早熟、局部搜索精度高，收敛快的特点。

【技术实现步骤摘要】
具有对象年龄特征膜计算的桥式吊车神经网络建模方法
本专利技术涉及一种具有对象年龄特征膜计算的桥式吊车神经网络建模方法。
技术介绍
桥式吊车是一类应用广泛的装配运输工具，其工作的关键是实现货物的准确、快速、无残摆运送。但是由于桥式吊车的控制量维数少于其被控量的自由度，属于非线性欠驱动性系统，当台车运动时，受摩擦力、风力的干扰，会引起货物的摆动，存在操作效率低、定位精度差、安全系数低等缺点。因此，必须对桥式吊车进行安全有效的控制，要达到这一目的，关键在于建立高精度的桥式吊车模型。研究者们采用机理建模的方法取得了不少成果，马博军等人同时考虑了台车在两个水平方向上运动对负载摆动的作用和吊绳长度变化对系统状态的影响，利用拉格朗日方程确定了三维桥式吊车系统的动力学模型。M.分析了桥式吊车支撑结构的动态特性，基于动力学方程建立了非线性吊车模型。基于机理建模，研究者们根据桥式吊车的机理和特征提出其模型结构，再选择合适的参数估计方法，求取模型参数。这些未知参数的估计值对所得到的桥式吊车数学模型的准确性有着重要影响。因此，在桥式吊车模型结构已知的情况下的建模问题，可以将桥式吊车模型的参数估计问题转化为优本文档来自技高网...

【技术保护点】
1.一种具有对象年龄特征膜计算的桥式吊车神经网络建模方法，其特征在于包括如下步骤：步骤1：获得桥式吊车系统水平方向的控制输入与输出采样数据作为样本数据，其中输入采样数据为吊车的水平控制力F，输出采样数据为水平方向的位置x和摆角θ；步骤2：建立桥式吊车2个RBF神经网络非线性模型，分别为位置RBF神经网络模型和摆角RBF神经网络模型，两个RBF神经网络模型均采用输入层‑隐含层‑输出层的3层结构；设定位置RBF神经网络模型输入变量个数为Pin,输入向量为[x(t‑1),x(t‑2),...,x(t‑m1),F(t‑1),F(t‑2),...,F(t‑n1)]，其中m1+n1＝Pin，输出变量数为P...

【技术特征摘要】
1.一种具有对象年龄特征膜计算的桥式吊车神经网络建模方法，其特征在于包括如下步骤：步骤1：获得桥式吊车系统水平方向的控制输入与输出采样数据作为样本数据，其中输入采样数据为吊车的水平控制力F，输出采样数据为水平方向的位置x和摆角θ；步骤2：建立桥式吊车2个RBF神经网络非线性模型，分别为位置RBF神经网络模型和摆角RBF神经网络模型，两个RBF神经网络模型均采用输入层-隐含层-输出层的3层结构；设定位置RBF神经网络模型输入变量个数为Pin,输入向量为[x(t-1),x(t-2),...,x(t-m1),F(t-1),F(t-2),...,F(t-n1)]，其中m1+n1＝Pin，输出变量数为Pout＝1，t为采样时刻；x(t)为t时刻的输出向量，即t时刻的水平方向的位置；F(t)为采样获得的t时刻吊车水平控制力，神经网络隐层结点数为Pl，径向基函数为高斯函数；设定摆角RBF神经网络模型输入变量个数为Ain,输入向量为[θ(t-1),θ(t-2),...,θ(t-m2),F(t-1),F(t-2),...,F(t-n2)]，其中m2+n2＝Ain，输出变量数为Aout＝1，t为采样时刻；θ(t)为t时刻的输出向量，即t时刻的摆角；神经网络隐层结点数为Al，径向基函数为高斯函数；步骤3：将采样得到的样本数据全部归一化到-1到1之间：其中，xij为归一化前第i个样本的第j个分量，xi′j为归一化后第i个样本的第j个分量，maxj和minj分别为样本数据中第j个分量的最大值和最小值；步骤4：将归一化后的数据输入到步骤2建立的位置RBF神经网络模型和摆角RBF神经网络模型中，其中的一部分数据作为训练样本，另一部分作为测试样本；分别针对位置RBF神经网络模型和摆角RBF神经网络模型，在N组采样数据中随机选取m组采样数据作为训练样本；每组采样数据有Pin+1和Ain+1个变量，前Pin和Ain个作为RBF神经网络模型输入，最后一个作为神经网络的模型参考输出；步骤5：在具有对象年龄特征膜计算的桥式吊车神经网络建模方法中，设置具有对象年龄特征膜计算优化方法的规则，包括改写规则、转位规则、粘贴规则、交流规则及衰老规则；步骤6：将位置RBF神经网络模型的输出与实际采样输出数据的差值平方和作为算法寻优的目标函数，通过最小化目标函数，得到位置RBF神经网络模型中未知参数的估计值，将估计值代入位置RBF神经网络，形成桥式吊车位置RBF神经网络模型，用于估计吊车在水平方向的位置；按相同方法形成桥式吊车摆角RBF神经网络模型，用于估计摆角。2.根据权利要求1所述的具有对象年龄特征膜计算的桥式吊车神经网络建模方法，其特征在于所述样本数据通过实验获得。3.根据权利要求1所述的具有对象年龄特征膜计算的桥式吊车神经网络建模方法，其特征在于，步骤4中随机选取的训练样本数m满足：4.根据权利要求1中所述的具有...

【专利技术属性】
技术研发人员：邵建智，王宁，
申请(专利权)人：浙江大学，
类型：发明
国别省市：浙江,33