二级摆型塔式吊车自适应神经网络跟踪控制方法及系统技术方案

本公开提供了一种二级摆型塔式吊车自适应神经网络跟踪控制方法及系统，构建二级摆型塔式吊车系统动力学模型，以s型的平滑轨迹作为所期待的目标轨迹，在控制率中引入障碍李雅普诺夫函数，构建基于障碍函数的自适应神经网络跟踪控制器，利用该控制器进行二级摆型塔式吊车的轨迹跟踪。

【技术实现步骤摘要】
二级摆型塔式吊车自适应神经网络跟踪控制方法及系统
本公开属于神经网络跟踪控制
，具体涉及一种二级摆型塔式吊车自适应神经网络跟踪控制方法及系统。
技术介绍
本部分的陈述仅仅是提供了与本公开相关的
技术介绍
信息，不必然构成在先技术。作为一类货物运输工具，塔式吊车已经成功应用于工业生产中。与其他类型的吊车相似，塔式吊车的待控自由度(degreesoffreedom,DOFs)的个数多于系统的控制输入的个数，因此其为典型的欠驱动非线性系统。目前塔式吊车几乎全部由人工进行操作，具有工作效率低、消摆能力差、人员伤亡事故风险高、培训熟练操作人员耗时长等缺点。因此，针对塔式吊车系统设计自动控制方法迫在眉睫。研究人员针对塔式吊车系统设计了一系列有意义的控制方法。根据是否需要实时状态反馈，可将现有方法大致分为开环控制方法以及闭环控制方法两类。输入整形和最优速度控制方法是两种常用的开环控制方法，具有结构简单，易于工程实现的优点。然而，当存在内、外部扰动时，大多数开环控制方法的整体控制性能将会受到很大的影响。在这种情况下，闭环控制方法由于对扰动不敏感，因此可能会提供更好的控制性能。现有的闭环方法，主要包括增益调度反馈方法,基于激光技术的跟踪方法,模型预测控制方法,递归神经网络方法,基于能量整形的控制方法,自适应SMC控制方法,自适应跟踪方法等，被用来提高单摆型塔式吊车系统的鲁棒性。但是，上述控制方法均忽略了挂钩质量以及挂钩的重心到负载重心之间的距离。在这种情况下，可将负载的摆动视为单摆运动。而在实际应用中，吊钩质量有时与负载质量相近而不容忽视，并且负载的尺寸也较大，吊钩与负载之间的距离不能直接忽略。在这种情况下，负载将会绕着吊钩摆动，产生二级摆动效应。与单摆模型相比，二级摆模型更接近实际情况。因此，尽管二级摆型塔式吊车系统相比单级摆型塔式吊车系统来说，具有更为复杂的动态特性，但对其控制问题进行理论和实践研究是十分必要的。众所周知，对于塔式吊车而言，吊钩和负载的质量、吊绳长度、摩擦力相关的系数通常是未知/不确定的。此外，由于塔式吊车通常工作于室外，因此不可避免地会遭遇一些外部干扰，例如空气阻力。并且，前面提到的控制方法均需假设执行器可以根据需要产生任何有界的控制输入。然而，与其它机电系统相似，许多执行器不可避免地存在死区和饱和非线性问题，这可能会恶化上述控制方法的控制性能，甚至导致失稳现象。因此，如何利用非理想的控制输入来获得满意的控制效果是非常有意义的。此外，现有的塔式吊车系统控制方法大多偏重于调节控制方法的设计，而忽略了轨迹跟踪控制器的设计。但由于规划的轨迹需要满足一些控制指标，如物理约束，工作效率等，因此轨迹规划方法在实际应用中可能更容易实现。
技术实现思路
本公开为了解决上述问题，提出了一种二级摆型塔式吊车自适应神经网络跟踪控制方法及系统，本公开充分考虑输入死区和饱和效应、跟踪误差约束、参数不确定性和外界干扰的问题,具有良好的控制性能以及鲁棒性。根据一些实施例，本公开采用如下技术方案：一种二级摆型塔式吊车自适应神经网络跟踪控制方法,构建二级摆型塔式吊车系统动力学模型，以s型的平滑轨迹作为所期待的目标轨迹，在控制率中引入障碍李雅普诺夫函数，构建基于障碍函数的自适应神经网络跟踪控制器，利用该控制器进行二级摆型塔式吊车的轨迹跟踪。作为可选择的实施方式，所述控制器的控制目标为在非理想控制输入的作用下，将系统的状态控制到期望的平衡点，即将悬臂和台车驱动到期望的轨迹上，同时抑制和消除吊钩和负载的摆动。作为可选择的实施方式，根据悬臂以及台车的跟踪误差，构造李雅普诺夫函数，设计带有跟踪误差约束的自适应神经网络跟踪控制器，将与吊钩和负载摆动相关的项引入到自适应神经网络跟踪控制器中。一种二级摆型塔式吊车自适应神经网络跟踪控制系统，包括：构建模块，被配置为构建二级摆型塔式吊车系统动力学模型；控制器设计模块，被配置为以s型的平滑轨迹作为所期待的目标轨迹，在控制率中引入障碍李雅普诺夫函数，构建基于障碍函数的自适应神经网络跟踪控制器，利用该控制器进行二级摆型塔式吊车的轨迹跟踪。一种计算机可读存储介质，其中存储有多条指令，所述指令适于由终端设备的处理器加载并执行所述的一种二级摆型塔式吊车自适应神经网络跟踪控制方法。一种终端设备，包括处理器和计算机可读存储介质，处理器用于实现各指令；计算机可读存储介质用于存储多条指令，所述指令适于由处理器加载并执行所述的一种二级摆型塔式吊车自适应神经网络跟踪控制方法。与现有技术相比，本公开的有益效果为：本公开提供了考虑输入死区和饱和效应、跟踪误差约束、参数不确定性和外界干扰的自适应神经网络跟踪控制方法。选择s型的平滑轨迹作为所期待的目标轨迹，能够使台车和悬臂平稳地运动至所期待的位置和角度，引入神经网络来解决系统不确定性、外部干扰以及非理想控制输入的问题。在控制率中引入了障碍李雅普诺夫函数，用以保证跟踪误差始终在允许的范围内，并且能够快速收敛至0。仿真结果表明所设计的跟踪控制器具有良好的控制性能以及鲁棒性。附图说明构成本公开的一部分的说明书附图用来提供对本公开的进一步理解，本公开的示意性实施例及其说明用于解释本公开，并不构成对本公开的不当限定。图1是二级摆型塔式吊车系统的原理图；图2是输入死区与饱和的示例图；图3是PD控制方法的仿真1结果；图4是本公开的控制方法的仿真1结果；图5是PD控制方法针对情形1的仿真结果；图6是本公开的控制方法针对情形1的仿真结果；图7是PD控制方法针对情形2的仿真结果；图8是本公开的控制方法针对情形2的仿真结果；图9是PD控制方法针对情形3的仿真结果；图10是本公开的控制方法针对情形3的仿真结果；图11是PD控制方法针对情形4的仿真结果；图12是本公开的控制方法针对情形4的仿真结果。具体实施方式：下面结合附图与实施例对本公开作进一步说明。应该指出，以下详细说明都是例示性的，旨在对本公开提供进一步的说明。除非另有指明，本文使用的所有技术和科学术语具有与本公开所属
的普通技术人员通常理解的相同含义。需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本公开的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。一种考虑输入死区和饱和效应、跟踪误差约束、参数不确定性和外界干扰的自适应神经网络跟踪控制方法。为了使台车和悬臂平稳地运动至所期待的位置和角度，选择s型的平滑轨迹作为所期待的目标轨迹。引入神经网络来解决系统不确定性、外部干扰以及非理想控制输入的问题。此外，在控制率中引入了障碍李雅普诺夫函数，用以保证跟踪误差始终在允许的范围内，并且能够快速收本文档来自技高网...

【技术保护点】
1.一种二级摆型塔式吊车自适应神经网络跟踪控制方法，其特征是：构建二级摆型塔式吊车系统动力学模型，以s型的平滑轨迹作为所期待的目标轨迹，在控制率中引入障碍李雅普诺夫函数，构建基于障碍函数的自适应神经网络跟踪控制器，利用该控制器进行二级摆型塔式吊车的轨迹跟踪。/n

【技术特征摘要】
1.一种二级摆型塔式吊车自适应神经网络跟踪控制方法，其特征是：构建二级摆型塔式吊车系统动力学模型，以s型的平滑轨迹作为所期待的目标轨迹，在控制率中引入障碍李雅普诺夫函数，构建基于障碍函数的自适应神经网络跟踪控制器，利用该控制器进行二级摆型塔式吊车的轨迹跟踪。


2.如权利要求1所述的一种二级摆型塔式吊车自适应神经网络跟踪控制方法，其特征是：所述控制器的控制目标为在非理想控制输入的作用下，将系统的状态控制到期望的平衡点，即将悬臂和台车驱动到期望的轨迹上，同时抑制和消除吊钩和负载的摆动。


3.如权利要求1所述的一种二级摆型塔式吊车自适应神经网络跟踪控制方法，其特征是：根据悬臂以及台车的跟踪误差，构造李雅普诺夫函数，设计带有跟踪误差约束的自适应神经网络跟踪控制器，将与吊钩和负载摆动相关的项引入到自适应神经网络跟踪控制器中。
<...

【专利技术属性】
技术研发人员：张梦华，景兴建，
申请(专利权)人：济南大学，景兴建，
类型：发明
国别省市：山东;37