基于PLC的集装箱龙门吊起升和大车机构控制线路设计外文翻译资料

 2022-03-29 10:03

Abstract:

In this paper, we proposed a hierarchical artificial neural network based adaptive fuzzy logic (HANNFL) control of flexible link carrying pendulum system which was assumed as scaled a tower crane system and capable to move in the horizontal plane. Simulation and experimental studies were realized to control position and tip displacement of the flexible link and swing angles of pendulum. The dynamic model of the system was obtained by using Lagrange formulation and three-dimensional solid modeling program. The results obtained from simulation and experimental works were compared and given by graphics and tables. The validity of simulations were verified by experimental studies and the performance of the desired controller was explored. The position, tip displacement and swing angle control of the system were carried out successfully both simulation and experimental studies and desired goals were achieved.

SECTION I.

INTRODUCTION

Gantry crane and Tower cranes are used frequently to move heavy loads in construction areas, factories and harbours. Generally crane operators move a crane link slowly to a desired position and make it stationary at the movement end. However, tower cranes have some serious problems: crane acceleration or deceleration always induces undesirable load swing. Disturbances, such as wind and rain, also decrease the crane performance and increase the oscillation of load. Furhermore, a crane operator may not effectively control a crane due to carelessness or lack of experience. Such problems decrease the work efficiency and in some cases cause damage to the loads and cause safety accidents. Thus, quick and smooth automatic load handling requires effective and exact crane motion control.

Studies in literature about crane control can be divided into three groups. The first groups researchers focused on position, vibraiton and oscillation control of crane which moves vertical plane [1][2][3][4][5]. The second groups researchers investigated control of overhead cranes and developed control technigues such as artificial neural network and fuzzy logic [6][7][8][9]. They used Euler-Bernoulli ve Lagrange formulations to obtain equations of motion of crane systems like first group researchers. Moreover some researchers prefered the finite element method to analyse of crane sysem. The third group researchers studied on flexible link carrying pendulum systems and assumed these systems as a crane moving in the horizontal plane [10][11][12]. The aim of the third group was to use the pendulum as passive vibration absorber of flexible link. In these studies, complex system dynamic equations for a crane were considered for the controller design. Additionally, most of these studies were realized by simulations and few of them was done by experimentally. Recent studies introduced neuro-fuzzy control with anti-swing property. These neuro-fuzzy based controllers did not apply mathematical equations of a crane system, thereby markedly reducing the computational costs.

In this paper, a hierarchical artificial neural network based adaptive fuzzy logic (HANNFL) control method was presented for flexible link carrying pendulum system which was assumed as a tower crane and capable to move in the horizontal plane. The proposed control method meets all the crane control objectives, including fast crane transportation, anti-swing load control. In addition, this paper focused on different type modeling tecnique called as 3D solid modeling for crane dynamic analysis. SolidWorks program was prefered to create 3D solid model of flexible link carrying pendulum system. Further MATLAB/SimMechanics program was used with SolidWorks program for simulations and experimental applications. Simulations and experimental studies were realized to control position and tip displacement of the flexible link and swing angles of pendulum. The Lagrange formulation also used in simulations to find dynamic behaviour of system and to verify realizm of 3D solid modeling technique. The swing angles of pendulum were simulated and oscillation responses under control action were obtained to design the proposed controller (HANNFL). The simulation results were discussed and used as a guide for experimental works.

The paper was organized as follows: Lagrange formulation and 3D solid modeling are addressed in Section 2. In Section 3, the proposed controller was illustrated. The ways to design an effective HANNFL controller including rules, membership functions, inference method were also described. In Section 4 simulation and experimental results that demonstrate the improvements of the proposed methods were discussed. In Section 5 the study was concluded with a summary.

SECTION II.

LAGRANGE FORMULATION AND 3D SOLID MODELING

A scaled tower crane model, which was built in laboratory, was shown in Fig. 1. Fig. 2 depicts the simplified system with flexible link and pendulum by top view. The front view of system was given in Fig. 3.

The dynamic model of the flexible link carrying pendulum system was obtained by Lagrange formulation and 3D solid modeling technique [12]. According to Lagrange formulation both kinetic and potential energy terms of flexible link and pendulum were obtained. The flexible link was modelled as a beam rotating aroud z-axis. Lagrange formulation was described L=Tminus;V and where T is total kinetic energy and V is total potential energy of system.

T=12JHubtheta;˙2 12JLink(theta;˙ eta;˙)2 12MpendulumV2s（1）

V=12Keta;2 Msgl(1minus;cosphi;)（2）

According to above equations, five equations of motion were written to define dynamic behavior of system as follows:

ddt(part;Lpart;theta;˙)minus;part;Lpart;theta;=TLminus;B.theta;˙（3

全文共38680字，剩余内容已隐藏，支付完成后下载完整资料

摘要：

在本文中，我们提出了一种基于层次人工神经网络的自适应模糊逻辑（HANNFL）控制柔性连杆摆动系统，该系统被假定为塔式起重机系统的缩放并且能够在水平面内移动。通过仿真和实验研究来控制柔性连杆的位置和尖端位移以及摆的摆动角度。 利用拉格朗日公式和三维实体建模程序，获得了系统的动力学模型。从模拟和实验工作中获得的结果进行比较，并由图形和表格给出。通过实验研究验证了模拟的有效性，并探索了所需控制器的性能。系统的位置，尖端位移和摆角控制都成功地进行了仿真和实验研究，并实现了预期的目标。

第一节

介绍

门式起重机和塔式起重机经常用于在施工区域，工厂和港口搬运重物。 通常，起重机操作员将起重机连杆缓慢移动到所需的位置，并使其在运动端固定。 然而，塔式起重机有一些严重的问题：起重机加速或减速总是导致不良装载摆动。 诸如风和雨等干扰也会降低起重机的性能并增加负载的振荡。 此外，由于粗心或缺乏经验，起重机操作员可能无法有效控制起重机。 这些问题会降低工作效率，并且在某些情况下会导致负载损坏并导致安全事故。 因此，快速平稳的自动负载处理需要有效且精确的起重机运动控制。

关于起重机控制的文献研究可分为三组。第一组研究人员集中在起重机的位置，振动和振动控制，它可以移动垂直平面[1] [2] [3] [4] [5]。第二组研究人员对桥式起重机的控制进行了研究，并开发了诸如人工神经网络和模糊逻辑等控制技术[6] [7] [8] [9]。他们使用Euler-Bernoulli ve Lagrange公式来获得起重机系统的运动方程，如第一组研究人员。此外，一些研究人员首选有限元法分析起重机系统。第三组研究人员研究了摆动系统的柔性连接，并将这些系统假设为在水平面上移动的起重机[10] [11] [12]。第三组的目标是使用钟摆作为柔性连杆的被动减振器。在这些研究中，控制器设计考虑了起重机的复杂系统动力学方程。此外，大部分研究都是通过模拟实现的，其中很少是通过实验完成的。最近的研究介绍了具有抗摆动特性的神经模糊控制。这些基于神经模糊的控制器没有应用起重机系统的数学方程，因此显着降低了计算成本。

本文提出了一种基于层次型人工神经网络的自适应模糊逻辑（HANNFL）控制方法，该方法适用于作为塔式起重机并能在水平面内移动的摆式系统。所提出的控制方法满足起重机控制的所有目标，包括快速起重机运输，防摆动负荷控制。此外，本文重点介绍了不同类型的建模技术，称为用于起重机动态分析的三维实体建模。 SolidWorks程序被优选创建柔性连接摆式系统的三维实体模型。进一步的MATLAB / SimMechanics程序与SolidWorks程序一起用于模拟和实验应用。模拟和实验研究实现了控制柔性连杆的位置和尖端位移以及摆的摆动角度。拉格朗日公式也被用于模拟以发现系统的动态行为并验证3D实体建模技术的真实性。仿真摆动摆角，得到控制作用下的振动响应，设计了该控制器（HANNFL）。模拟结果被讨论并用作实验工作的指导。

本文组织如下：第2节介绍拉格朗日公式和三维实体建模。在第3节中，说明了所提出的控制器。 还介绍了设计有效HANNFL控制器的方法，包括规则，隶属函数，推理方法。 在第4节中讨论了仿真和实验结果，证明了所提出的方法的改进。 在第5节中，研究总结了一个总结。

第二节。

拉格朗日配方和三维实体建模

在实验室中建立的缩放塔式起重机模型如图1所示。图2描绘了俯视图中带有柔性连杆和摆锤的简化系统。 系统的前视图如图3所示。

采用拉格朗日公式和三维实体建模技术，得到了摆杆系统柔性连杆的动力学模型。 根据拉格朗日公式，得到了柔性连杆和摆的动能和势能项。 灵活的链接被模拟为绕z轴旋转的光束。 拉格朗日公式描述为L = T-V，其中T是总动能，V是系统的总势能。

T=12JHubtheta;˙2 12JLink(theta;˙ eta;˙)2 12MpendulumV2s（1）

V=12Keta;2 Msgl(1minus;cosphi;)（2）

根据上述方程，编写五个运动方程来定义系统的动态行为如下：

d/dt(part;L/part;theta;˙)minus;part;L/part;theta;=TLminus;B.theta;˙（3）

d/dt(part;L/part;eta;˙)minus;part;L/part;eta;=0（4）

d/dt(part;L/part;phi;˙)minus;part;L/part;phi;=0（5）

d/dt(part;L/part;ϕ˙)minus;part;L/part;ϕ=0（6）

d/dt(part;Lpart;alpha;˙L)minus;part;Lpart;alpha;L=0（7）

其中[theta;，eta;，phi;，phi;，alpha;L]被定义为广义坐标向量，TL是启动转矩，B是阻尼系数。

通过使用拉格朗日公式，获得了运动方程，并且实现了所提出的建模技术，即3D实体建模方法。为此，首先针对SolidWorks CAD程序中设置的实际实验绘制了柔性连杆和摆系统。柔性连杆和摆的心理特性被考虑，如材料，尺寸和连杆的厚度。陶瓷台球用于建模钟摆的尖端质量。在伺服设备中，齿轮和直流伺服电机被假定为旋转接头。在模拟和实验结果进行比较时，本文末尾验证了这种方法。图4显示了柔性连杆摆动系统的计算机辅助模型设计。计算机辅助CAD模型通过Solid to MATLAB转换器程序转换为MATLAB / SimMechanics程序。SimMechanics模型如图5所示。这个模型被模拟和控制，以找出柔性连杆摆系统的动态行为，而不使用复微分方程。以这种方式，主要用于系统动态建模的微分方程不再需要了。此外，我们可以通过这种方式将实际系统属性作为材料（不锈钢柔性连接）与我们的模型相关联。

第三节。

HANNFL控制器设计

提出了一种基于分层人工神经网络的自适应模糊逻辑（HANNFL）控制器，以避免表征传统模糊系统的规则爆炸现象。 HANNFL控制器有两个子系统控制器，如基于快速和慢速人工神经网络的模糊逻辑控制器。这些子系统控制器根据其在控制方案中的重要性进行排序。慢速控制器处理系统的位置控制。快速控制器的使命是吸收运动过程中发生的振动。那么哪个控制参数对于用户来说是重要的，子系统控制器的重要性在层次上增加。在层次上，HANNFL控制器被划分为两个控制器，HANNFL控制器的推理系统的大小通过这种方法被减小。即使我们使用单个模糊逻辑控制器，根据控制器的输入和输出，规则库也可能绰绰有余。例如;一个带有两个变量（如位置和尖端偏转（theta;，eta;）和五个模糊集（标签））的模糊逻辑控制，则规则将从52 = 25减少到2times;51 = 10，减少60％。显然，取决于可以使用多少个输出以及按什么顺序，当它们被放入分层结构中时，规则库的大小将会不同地减小。在图6中说明了这种情况下的模糊逻辑控制器的规则库减少。

慢速和快速模糊逻辑控制器的隶属函数分别在图7和图8中给出。五个规则用于慢速和快速模糊逻辑控制器，两个规则被描述为一个例子：

如果位置误差较小，则控制动作CVS1。

如果尖端偏转是负大则控制动作是CVF1。

这里CVSi和CVFi（i = 1,2 ...）是慢速和快速模糊逻辑控制器的恒定值输出。

第四节。

结果与讨论

提出的HANNFL控制的有效性已通过模拟和实时实验进行了测试，并与PID控制器的性能进行了比较。 HANNFL控制器使我们能够控制所需的尖端位置，消除了连杆的振动，同时保持快速响应并减少了摆锤摆动。缩放塔式起重机系统的目标是选择转向30度旋转。

模拟和实验相对于此任务得以实现。通过这种方式，对控制系统的期望输入信号给出了步参考输入。图9和图10给出了PID控制器的位置和尖端偏转性能。根据图9和图10，可以说使用SolidWorks建模技术和拉格朗日公式得到的模拟结果与实验结果接近。此外，摆动振荡影响位置和尖端偏转响应并增加稳态误差。在图11和图12中，通过SolidWorks建模，拉格朗日公式和实验给出了HANNFL控制器在位置和端部偏转控制方面的性能。如图11和图12所示，HANNFL控制系统比PID控制器具有更好的位置和尖端偏转控制性能。所提出的HANNFL控制有效地降低了柔性连杆的位置稳态误差，如图11所示。

另外HANNFL控制终止了摆动振荡对系统位置响应的影响。根据图12可以说，柔性连杆的振动被HANNFL控制器的快速控制器减少和吸收。此外，使用SolidWorks建模技术和拉格朗日公式得到的仿真结果与HANNFL控制系统的实验结果相近。通过实验比较PID和HANNFL控制器在系统位置和端部偏转方面的性能，并在图13和图14中给出。

拟议的HANNFL控制成功地应用于比例塔式起重机系统的模拟和实验工作。由于HANNFL控制器的基础取决于PID控制器训练数据集。 HANNFL控制器提高了系统的PID控制性能。根据SolidWorks建模技术和图15和图16中的拉格朗日公式分别模拟HANNFL控制系统的[phi;，phi;，alpha;L]的摆摆角。模拟和实验工作“phi;”摆的摆动角度被定义为影响位置和振动控制的临界摆动角度比称为“phi;，alpha;L”的其他摆动角度更大。因为摆角“phi;”的平面与柔性连杆的旋转平面“x”相同。已经获得的关于摆角的模拟和实验结果表明，观察到“phi;，alpha;L”角小于摆角“phi;”。根据图15和图16，摆动角[phi;，phi;，alpha;L]在模拟中减少并在4.5秒后结束。使用SolidWorks建模技术获得的结果与拉格朗日公式的仿真结果接近。根据期望的任务，控制器对于摆式摆动是有效的，如在缩放塔式起重机系统的位置和末端偏转控制中。此外，图15中的摇摆角度结果比图16中得到的结果小。因此，这些结果表明HANNFL PID和HANNFL受控系统的评论摆动角“phi;”结果通过实验进行比较并且在图17中给出使用图像处理方法在实验工作期间测量了评论者摆角“phi;”，并在图18中给出。

第五节

结论

本研究提出了一种基于分层人工神经网络的自适应模糊逻辑（HANNFL）控制和不同类型的建模技术，称为三维实体建模，用于灵活连接摆动系统，假定为塔式起重机系统的缩放并能够在水平面内移动。 所提出的控制器保证了柔性连杆可以被驱动到摆动摆动减小的期望位置。 拉格朗日公式和实验工作被用来验证3D实体建模技术的真实性。 实验和仿真结果表明，即使在柔性连杆快速旋转时，所提出的控制方法也使摆摆动最小化。

鸣谢

这项工作得到了塞尔丘克大学科学研究项目协调员的支持（项目编号：06401020）。

为了确保锂电池混合式轮胎起重机（RTG）起重机的运行安全，研究了锂电池混合式RTG起重机的动态功率控制。本文介绍了锂电池混合动力RTG起重机的结构和开关模式。特别是在高容量电池和小型柴油发电机组的混合动力系统中，发电机组不会频繁地开启/关闭。大功率锂电池是减少港口排放的更好选择。建立了RTG混合动力起重机的动力学模型，分析了不同模式下的运行特性。通过协调控制负载功率，电池功率和柴油发电机组功率来实现安全运行。首次考虑了串联混合动力系统的电源管理策略，并考虑了GenSet的预热时间和冷却时间。通过实验数据验证了混合式RTG起重机的特点和节能情况。分析电池充电成本，与传统的RTG起重机相比，新型RTG节电70％。

对于具有多状态变量，强耦合和欠驱动的双摆起重机系统，数学模型是一个非线性二阶微分方程，控制器是一个多输入单输出系统，导致控制器设计的挑战。 现有的优秀方法大多以先进的控制理论或优化理论为基础，但难以投入实际应用。 本文设计了一种基于梯形加速度样条曲线规划的抗摆动位置控制器，在最大加速度，最大速度和最大摆动角的约束下，实现了有效防摆和精确位置的控制要求。 该方法具有很强的鲁棒性，能够适应不同绳索长度和负载质量，最重要的是它几乎可以应用于所有的控制器设备中，适用于工程应用。

起重机已被广泛应用于工厂，码头等场所作为典型的物料搬运设备，具有结构简单，成本低廉等特点。起重机的安全性和效率对实际生产具有重要意义。为了实现定位和摆动抑制的性能，在以下文献中已经研究了许多控制技术，例如滑模控制，具有神经补偿的桥式起重机的防摆控制，自适应模糊滑模控制，最优轨迹规划和跟踪以及最小时间轨迹规划。这些方法可以起到抑制负载摆动和实现精确定位的作用。然而，起重机被认为是这些技术的单摆系统。事实上，与有效载荷质量相比，吊钩质量中的双摆现象不可忽略，或者有效负载尺寸较大。与单摆起重机相比，双摆起重机具有更多的状态变量，变量之间的耦合关系更为复杂。同时，由于起重机系统欠驱动和高非线性特性，系统的稳定性更难以保持，这就对控制器的设计提出了更高的要求。

文中介绍了基于无源控制，输入整形，负载位置与倾斜角之间的解耦等复杂滑模控制的双摆起重机控制技术遗传算法，基于Gauss-pseudospectral方法的时间最优轨迹规划方案，基于轨迹规划的控制方法。总之，这些方法大多采用高层控制器或模糊控制和凸优化等优化方法。以PLC为代表的控制装置难以实现，适用于实际工程，但双摆式起重机的防摆控制和位置控制具有良好的控制效果。因此，本文设计了一种基于加速度规划的双摆起重机的防摆位置控制器。加速度曲线被假定为梯形曲线的形式。迭代自学习逼近算法用于计算满足最大加速度约束，最大速度，最大角度和目标位置的梯形加速度函数。有效实现起重机的防摆动和精确位置控制，确保起重机的安全运行。

lt;

全文共7806字，剩余内容已隐藏，支付完成后下载完整资料

资料编号：[14838]，资料为PDF文档或Word文档，PDF文档可免费转换为Word

原文和译文剩余内容已隐藏，您需要先支付 30元 才能查看原文和译文全部内容！立即支付

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。

您可能感兴趣的文章