英语原文共 5 页，剩余内容已隐藏，支付完成后下载完整资料
高架起重机的实用模糊控制器方案
张成军，石惠伟，徐国荣
（电子工程学院，清华大学，中国，桃园320，中国台湾）
摘要：本文介绍了基于模糊的桥式起重机控制设计。文中没有分析复杂的非线性起重机系统，所提出的方法是控制起重机的简单但有效的方式。用双模糊控制器处理反馈信息，桥式起重机的位置和负载的摆动角度，以在起重机运输重载时抑制摇摆并加快运输速度。这种方法简化了起重机控制器的设计过程; 除此之外，当控制模糊系统时，双控制器方法减少了尼罗数。最后，通过起重机模型的实验结果展示了该方案的有效性。
关键词：桥式起重机; 模糊控制
1.介绍
桥式起重机系统广泛应用于工业领域以移动搬运重型货物。因此，抗摇摆和位置控制已经成为能够进行灵活的空间自动输送的用于自动化起重机系统的核心技术的要求。
起重机控制的目的是在尽可能快地将小车移动到期望位置的同时减小负载的摆动。然而，桥式起重机具有严重的问题：运动所需的起重机加速度总是引起不期望的负载摆动。这种负载的摆动通常降低工作效率，并且有时会引起负载损坏甚至导致安全事故。因此，需要更快的货物处理速度，这对精确控制起重机的运动提出了更高的要求，才能便于提高其动态性能[1-3]。
传统上，起重机操作者以加速运动，均匀运动，减速运动，蠕动运动和断裂的步骤驱动小车。图1显示了桥式起重机常规作业的距离-速度参考曲线[4,5]。有经验的起重机工人小心地驾驶小车以保持负载不受严重摆动。然而，保守的控制方法在现代工业中是无效的。本研究提出了模糊双控制器来控制桥式起重机。
不少人已经进行了各种实验以解决负载摆动的问题。他们大多集中在控制对负载的抑制，而不考虑起重机运动中的位置误差[6]。此外，一些作者已经考虑了优化技术来控制起重机。他们使用最小的时间控制技术来最小化负载摆动[7-9]。由于负载的摆动取决于小车的运动和加速度，所以最小化周期时间和最小化负载摆动是存在部分冲突的不同要求。此外，有许多论文调查了控制器设计的稳定性问题[10〜12]，但这些研究缺乏实验来说明其有效性。
图1 桥式起重机常规操作的距离-速度参考曲线
本研究为起重机的防摆动和精确位置控制提供了一个实用的解决方案。应用小车的位置，负载的摆动角度及其微分来获得桥式起重机的适当控制输入。两个模糊逻辑控制器（FLC）用于分别处理反馈信号，摆动角度和小车位置及其微分。模糊规则是根据起重机工人的经验设计的。这种分离方法的主要优点是大大降低起重机控制系统的计算复杂性。因此，用于实现控制系统的总模糊尼罗数小于常规模糊系统的规则数。此外，在设计所提出的模糊控制器时，不需要提前的起重机系统的数学模型。因此，所提出的算法非常容易实现。
本文组织如下。第2章回顾了起重机控制系统的模糊双控制器结构。在第3章中，与传统的起重机控制方法相比，提出了起重机控制系统的实验结果，以说明所提出的模糊方法的优点。第4章对本文进行了总结。
在本文中，基于神经的模糊逻辑滑动模式控制与移动滑动面已被设计用于桥式起重机的监控。已经建立了起重机的数学模型，并且已经获得运动方程。首先，在滑模控制的设计中确定了固定滑动面的合适的滑动面系数。通过使用基于神经的模糊逻辑算法来移动滑动表面，以消除常规滑动模式控制的缺点。通过应用这种控制算法，控制性能令人难以置信地增加。在该应用中，在负载运送到由3kg负载和100cm绳长度的起重机1m远的目标时，更新了受影响的控制器的参数并实现了他们的训练。为了显示控制器对参数不确定性的不敏感性，负载的值取为8kg，并且绳索的长度取为3m，并且实现了用于不同目标的控制。MATLAB程序用于求解数值，并以图形方式展示以检查结果。获得的结果显示了基于神经的模糊逻辑滑模控制算法的成功。
2.起重机的模糊逻辑控制器
桥式起重机系统的物理设备如图2所示。桥式起重机模型长度为5米，高度为2米。图3的框图示出了所提出的模糊逻辑起重机控制系统。在该图中，具有分辨率2000PPR（每轮脉冲）的两个编码器安装在起重机的小车上以检测运动位置和摆动角度。来自高架起重机的反馈信号作为模糊控制器的输入变量。在关注的滑动模式控制设计中，在至此的部分中解释，考虑恒定滑动，并且通过确定定义的函数的滑动表面常数来应用控制。然而，进行的研究表明，当滑动表面假定为活动性能的控制器增加量令人难以置信。在本章中，设计了基于神经的模糊滑模控制算法。
图2.桥式起重机的物理设备
图3.模糊逻辑起重机控制系统框图
有两个类似的模糊逻辑控制器：位置控制器和摆动控制器，分别处理运动位置和摆动角度信息以驱动桥式起重机。 双模糊控制器像常规PD型控制器一样工作。在设计中，选择误差ep及其导数误差p作为模糊位置控制器的输入语言变量，其中
ep =目标d-当前位置 （1）
（2）
本文中初始滑车位置设置为零。索引k表示第k个采样时间。此外，模糊摇摆控制器的输入语言变量被选择为摇摆角e0及其导数e，其中
e=负载摆动角 （3） （4）
负载的左摆动被定义为正摆动，而负载的右摆动为负摆动。在模糊模糊化，推理过程和去模糊化过程之后，将各个位置控制器和摆动控制器的输出语言变量表示为uprsquo;和utheta;。驱动手推车的实际功率定义为u.
（5）
基于模糊的位置控制器和摆动控制器的设计过程在以下步骤[13]中描述。
步骤1：此步骤将输入信号模糊化为模糊变量。输入和输出空间被分成相互重叠的五个模糊区域。通常，每个区域由语言标记。用于双控制器的输入变量的这些语言术语被给定为NL，NS，AZ，PS和PL。一个使用三角形和梯形隶属函数来模糊化输入语言变量。图6 图4（a）〜（d）示出了分别从小车位置编码器和摆动角编码器获得的的相应隶属函数。使用成员函数以便澄清任何成员对模糊集合的成员资格。x条目成员到模糊集合的成员资格可以表示为lA（x）。在模糊逻辑中，隶属函数的选择留给用户的经验，并且在本研究中，已经执行高斯隶属函数。在电力层，x和dx/dt变量用作条目，以完成模糊工作区域，并为每个条目选择了3个隶属函数。属于隶属函数的参数是c和a。这些功能如下所示：
输入变量ep和ep的范围分别是[-d/6，d/6]和[-200,200]，分别是[-40,40]和[-40,40]输出变量up和u为[-5,5]。输出变量up和u的语言条件被定义为五个模糊单形，其在图4中表示。如图4（e）所示，控制直流电动机的伺服驱动器以驱动桥式起重机。
图4.数据成员群组表
步骤2：该步骤为每个输入变量引入模糊化函数，以表示相关的测量不确定性。 一般来说，模糊化函数f的目的是解释输入变量的测量，每个输入变量由实数表示，作为相应数量的更现实的模糊近似。提出的论文在模糊过程中应用模糊单形函数。这意味着输入变量的测量直接用于模糊推理机。在本研究中处理的起重机模型的汽车质量被设定为22kg，并且其绳索长度被设定为100cm。阻尼系数B取为0.2Ns/m，阻尼系数b取为0.1Nms。负载质量取3kg，根据这些参数设计控制器。起重机的质量可以根据其将承载的负载的类型而改变。此外，负载的托架高度也影响绳索的长度。因此，通过改变系统中的一些参数来重复控制，以便显示所设计的控制器的成功。
步骤3：为了实现模糊逻辑控制系统，位置控制器和摆动控制器由二十五个IF-THEN规则组成，具有以下形式
（6）
其中A，B和C是从表示语言状态NL，NS，AZ，PS和PL的模糊数集合中选择的模糊数，在（6）中的符号“*”表示p或0。模糊规则由误差及其导数形成，其后果根据起重机工人的经验和判断决定。 由于每个输入变量具有五个语言变量，位置控制器和摆动控制器的可能的非冲突模糊规则的总数为2*52=50.规则基础在表1和表2展示了。这些模糊规则能被很容易得理解。
表1.模糊位置控制器的规则映射
表2.模糊回转控制器规则图
步骤4：设计者必须选择合适的推理和去模糊化方法来设计模糊控制器。推理和去模糊化过程将从模糊规则获得的结论转换为单个实数。在某种意义上，得到的实数总结了由模糊集合对输出变量的可能值施加的弹性约束。
对于每个输入单元对（e*和e*），计算它们与每个推理规则j的前项的兼容性程度beta;j（e*和e*）。当beta;j（e*和e*）gt; O时，第j个规则被触发。至少有一个规则在模糊控制器设计中为所有可能的输入对启动。 min-min-max推理方法用于给本文中所有的规则下结论。
为了获得解模糊的实值，利用最常用的质心方法来去模糊推理结果。模糊位置和摆动控制器的输出分别为uprsquo;和utheta;rsquo;。
所提出的双控制器结构提供了一种容易但有效的方式来很好地控制模糊系统。本文中的双控制器将模糊规则的输入前提分成位置和摆动角部分两部分。因此，位置控制器和摆动控制器仅具有M/2个模糊前提，每个包含N个语言项，则用于本系统的必要角色数为2*NM/ 2。规则编号大大减少。例如，位置控制器和摆动控制器都具有两个输入语言变量。四个输入语言变量被分成五个部分。因此控制起重机的必要规则数减少至50。与传统的模糊方案相比，分离的双控制器方法有助于使模糊控制比平常更容易。此外，所提出的双控制器结构适合于任何使用模糊控制应用。
3.实验结果
有几个实验结果说明基于模糊的起重机控制系统的优点。编码器的数据使我们随时了解小车和负载摆动角度的真实位置。在模糊化，模糊推理和去模糊化的过程之后，每个模糊控制器获得控制值。作者使用控制值的和uprsquo;和utheta;rsquo;来驱动小车。模糊控制器将控制小车直到目标距离小于0.01d，同时负载摆动角小于10单位。符号d是到目标的初始距离。对于使用2000PPR的编码器，摆动单位等于360/2000度。
实验说明了模糊方案的优点。我们使用常规方法来控制起重机以进行比较。当根据如图1所示的速度参考曲线操作起重机时，机构的摩擦和限制使得小车在固定位置精确停止变得不可能，因此需要额外制动小车达到目标。我们在实验中使用了120cm长的软线。运输负荷为3kg。到目标的距离是39500个归一化单位，即d=39500。假设小车的位置在开始时是0归一化单位，图5（a）示出了通过常规控制方法输送重负载时的小车的位置和负载的摆动角度。人们可以很容易地发现，摆动太严重，从而损坏负载。图5（b）显示了基于模糊的方法的结果。显然，小车停在正确的位置，摆动可以忽略不计，同时负载的运输时间缩短。稳态误差是由一些气流引起的。当朝向目的地运输负载时，尤其通过常规方法更难以限制摇摆。然而，图5（b）示出了通过模糊方法的负载摆动也非常平滑。将起重机固定在固定位置并限制载荷摇摆的性能优于常规方案。
图5：用120厘米的软线运输3公斤负载
4.结论
本文提供基于模糊的双控制器来控制桥式起重机。通过应用所提出的方法，不仅提高了传送速度，而且负载的摆动非常平滑。此外，所提出的方法将输入语言变量分为两部分，位置变量和挥杆变量。因此，实现系统只需要50条规则。所提出的分离算法有助于减少模糊控制器的计算复杂性。实验结果证明，该方法提高了桥式起重机控制系统的性能。因此提高了工作效率。尽管使用滑动模式控制（SMC）获得了成功的结果，但是控制信号的颤动导致如图（a）和（b）所示的适用性方面的问题。当研究结果获得基于神经的模糊逻辑滑动模式控制与移动滑动面（NF-MSMC）时，控制信号的改进被清楚地观察到。
参考资料
[1] Y.lzuno，T.lzuma，H.Yasutsune，et al速度跟踪伺服控制系统包括行波型超声波电机和可行性评价[J] IEEE Trans. Ind.Applicat.1998,34（1）：126-132.
[2] F.L. Lewis，W.K.Tim，L.Z.Wang，et al.死区补偿在运动控制系统中使用自适应模糊逻辑控制[J] IEEE Trans.控制系统技术 ，1999,7（6）：731-742。
[3] S.T. Lin，A.K.Htmng.工业机器人分层模糊力控制[J] IEEE Trans IndElectron，1998,45（4）：646-65
剩余内容已隐藏，支付完成后下载完整资料
资料编号：[139873]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
