CN105883616A - 桥式吊车最短时间防摆轨迹实时生成方法 - Google Patents

Abstract

一种桥式吊车最短时间防摆轨迹实时生成方法，包括：1：利用离线最短时间规划方法输入大量L,v_max,θ_max,a_max生成相应组数的T_up和x_up构建加速阶段数据库，并利用机器学习算法计算出回归模型及参数；2.利用触摸屏输入一组参数L₀,v_max0,θ_max0,ξ_max0,x_f，其中L₀,v_max0,θ_max0,ξ_max0作为回归模型输入，计算得到加速阶段时间以及加速段运动轨迹3.如果生成三个阶段轨迹加速阶段、匀速阶段和减速阶段4.如果时，轨迹只有加速阶段和减速阶段；5.如果令v_max0＝v_max0/2，转到步骤3；结束。本发明能够在最短时间条件、最大摆角等条件限制下，实现桥式吊车的实时防摆轨迹生成。

Description

桥式吊车最短时间防摆轨迹实时生成方法

技术领域

本发明属于工业自动化领域，特别是涉及桥式吊车的最短时间防摆轨迹实时生成方法。

背景技术

众所周知，桥式吊车是一种十分典型的工程机械，它广泛的用于建筑业、制造业、港口业来运输各种各样的负载。伴随着高端工业自动化的快速发展，桥式吊车在实际应用中被提出更高的要求，桥式吊车通过吊绳带动实现负载运输。由于其特殊的机械构造，同时实现运行速度和抗摆角两项指标总是相矛盾。

当前，为了实现桥式吊车系统的快速安全操作，桥式吊车操作工人需要接受很长时间的培训，并在操作过程中不断总结经验以及吸取各种教训。具体在操作过程中，工人需要利用他们的经验并通过肉眼的观测来估计负载的位置与摆角大小，然后选择合理的动作序列来有效抑制负载的摆动。但依靠人工很难在时间约束、摆角约束等条件下，实现最快到达预定位置。

伴随着科技水平的快速发展，研究者们提出了许多吊车的反馈控制和轨迹规划方法。为了解决摆角和运输速度之间的矛盾，张雪波等[1]提出了一种利用凸优化的最短时间轨迹规划，但这种方法是一种离线方法，需要耗时比较长的时间。其他研究者们[2][3]提出了一些实时轨迹方法，但它们不能保证在复杂约束条件下的最短时间。

发明内容

本发明的目的是提供一种桥式吊车最短时间防摆轨迹实时生成方法，能够解决原有理论与技术存在的不足，很好的实现在最短时间条件下实时轨迹规划。

为了实现上述目的，本发明在借鉴前人的基础上提出使用机器学习回归的方法，根据训练完成回归模型，将触摸屏输入装置设置的参数输入到回归网络模型中计算出实时轨迹，避免了传统的查表方式占用内存过大的缺点，从而此项发明可以在DSP控制板上实现。

本发明采用如下技术方案：

一种桥式吊车最短时间防摆轨迹实时生成方法，用于人工操作员(1)通过现有的触摸屏遥控操作系统(2)来远程控制吊车(3)进行水平运动，该方法的具体步骤如下：

第1、通过桥式吊车的触摸屏遥控操作系统设置输入参数的值，控制吊车沿已建立坐标系x方向水平运动，其中，触摸屏遥控操作系统的界面组成包括数字虚拟键盘(6)；

所述坐标系中的x方向指沿水平方向向右，z方向垂直向下，y方向可由右手定则得到(如图2中所示)；

输入参数包括：最大摆角θ_max、最大速度v_max、最大加速度a_max、绳长L和目标运送位置x_f(5)；具体而言，最大摆角θ_max是用户设定的吊车缆绳允许的最大摆角，最大速度v_max是用户设定的吊车的最大水平运动速度，最大加速度a_max是用户设定的最大运动加速度，绳长L是吊车缆绳顶端到负载重心的长度，运送目标位置x_f是用户设定的吊车运行到目标坐标位置；

第2、令q＝[x v θ ε]^T为桥式吊车的状态向量，其中x表示桥式吊车运送位置、v表示桥式吊车运行速度、θ表示负载摆动角度、ε表示负载摆角速度，桥式吊车从起始状态q₀＝[0 0 0 0]^T到运送目标状态q_f＝[x_f 0 0 0]^T的过程中，生成的最短时间防摆轨迹经过二个阶段或三个阶段——加速阶段、匀速阶段和减速阶段，其中匀速段不存在时即为二个阶段，具体由算法判断，加速阶段与减速阶段的速度相互对称，其中加速阶段实时规划通过如下步骤得到：

第2.1、利用离线最短时间轨迹规划方法生成不同参数设置下的大量离线规划数据，构建数据库；

第2.2、根据第2.1步构建的数据库，利用机器学习算法构建回归模型并且训练模型参数；

第2.3、利用第2.2步得到的回归模型，进行实时加速阶段轨迹规划，利用得到的加速阶段轨迹，根据位置对称可以得到减速阶段的位置轨迹。

其中，第2.1步所述的加速阶段实时规划实现步骤中构建数据库具体步骤如下：

对系统参数包括绳长L，最大运动速度v_max，最大加速度a_max，最大允许摆角θ_max在用户设定的可能范围内进行均匀采样，即L∈{L₁,L₂......L_m}，v_max∈{v_max1,v_max2......v_maxn},θ_max∈{θ_max1,θ_max2......θ_maxp},a_max∈{a_max1,a_max2......a_maxq}，其中m×n×p×q分别为对L，v_max，a_max，θ_max采样点的个数，由用户设定。利用上述采样点，生成m×n×p×q组参数组合。对于每一组参数，设定加速阶段初始状态为q₀＝[0 0 0 0]^T，加速阶段终止状态为v＝v_max,θ＝0,ε＝0，使用离线最短时间规划算法，计算加速阶段轨迹运行时间T_up(L,v_max,θ_max,a_max)和运行轨迹x(L,v_max,θ_max,a_max,t),t∈[0,T_up]。因此，共生成m×n×p×q条加速阶段轨迹以及对应的加速时间，以此作为加速阶段数据库。

第2.2步所述构建回归模型具体步骤如下：

将计算的m×n×p×q组数据L,v_max,θ_max,a_max,x(L,v_max,θ_max,a_max,t),t∈[0,T_up],T_up(L,v_max,θ_max,a_max)归一化至[-0.5，0.5]区间，再将归一化后的L,v_max,θ_max,a_max作为机器学习算法的输入，归一化后的x(L,v_max,θ_max,a_max,t),t∈[0,T_up],T_up(L,v_max,θ_max,a_max)作为机器学习算法的输出，利用机器学习方法构建回归模型并训练模型参数，得到加速阶段时间以及加速阶段轨迹的回归模型其中用上标^来表示回归模型的输出。

进行整体最短时间防摆轨迹的实时轨迹规划具体步骤如下：

①首先利用触摸屏遥控操作系统在触摸屏上人工输入一组参数L₀,v_max0,θ_max0,a_max0，将其作为以上所述训练完毕的回归模型的输入，计算该组参数对应的加速阶段时间以及加速阶段运动轨迹

②如果则最短时间防摆轨迹生成三段轨迹，即加速阶段、匀速阶段和减速阶段；实时轨迹规划具体步骤如下：

a)、加速阶段实时轨迹既是步骤①中计算的加速阶段运动轨迹和加速阶段时间并设

b)、匀速阶段实时规划具体步骤：运动轨迹是运行时间并设

c)、减速阶段实时规划具体步骤：其与加速阶段对称，减速阶段运行时间与加速阶段运行时间长短相同减速阶段运行轨迹与加速阶段运行轨迹对称 结束；

③如果时，轨迹只有加速阶段和减速阶段；实时轨迹规划具体步骤如下：

a)、加速阶段实时轨迹与步骤②中a)相同；

b)、减速阶段实时规划具体步骤：其与加速阶段对称，减速阶段运行时间与加速阶段运行时间长短相同减速阶段运行轨迹与加速阶段运行轨迹对称结束；

④、如果令v_max0＝v _max0/2，转到步骤②；结束。

所述触摸屏遥控操作系统实现装置可从以下选取：

a)带有触摸屏的单片机开发板，其通过RS485总线与无线收发模块(4)相连，

b)平板电脑，

c)智能手机。

所述机器学习的算法包括以下方法：

a)BP算法，

b)SVM算法，

c)ELM算法。

本发明的优点和积极效果：

本发明提供的桥式吊车最短时间防摆轨迹实时生成方法可以实现在摆角约束下的实时最短轨迹规划，相对于离线最短时间轨迹规划方法实现了在约束条件下的实时轨迹控制；相对于其它利用查表的方法实现实时轨迹规划，本系统只需储存回归神经网络模型有限几个参数，比其它实时方法更节省内存空间，而且可以利用DSP平台计算实时最短时间防摆轨迹生成；本系统既解决了稳定性和最大速度之间的矛盾，又实现了实时最短时间轨迹生成。

附图说明

图1是本发明桥式吊车最短时间防摆轨迹实时生成方法流程图；

图2是触摸屏遥控操作系统远程控制桥式吊车操作整体示意图；

图3是触摸屏遥控操作系统示意图；

图4是使用离线最短时间防摆规划方法流程图；

图5是训练回归网络模型流程图；

图6是利用训练完成的回归模型回归运行轨迹和运行时间的流程图；

图7是利用最短时间防摆轨迹实时生成方法生成整体运行轨迹的流程图；

图8是实例一加速阶段运行轨迹图；

图9是实例一匀速阶段运行轨迹图；

图10是实例一减速阶段运行轨迹图；

图11是实例二加速阶段运行轨迹图；

图12是实例二减速阶段运行轨迹图；

图13是加速阶段运行时间实际值与预测值的对比图；

图14是加速阶段L＝2,a_max＝1,v_max＝2,θ_max＝0.1时，运动轨迹实际值与预测值的对比图；

图15是加速阶段L＝5,a_max＝1,v_max＝2,θ_max＝0.1时，运动轨迹实际值与预测值的对比图；

图16是加速阶段L＝7,a_max＝1,v_max＝2,θ_max＝0.1时，运动轨迹实际值与预测值的对比图；

具体实施方式

为了使本技术领域的人员更好地理解本发明方案，下面结合附图和实施方式对本发明作进一步的详细说明。

实施例1

参考图1，本发明提供的桥式吊车最短时间防摆轨迹实时生成方法分为以下三个步骤，每个步骤具体如下：

参见图2，人工操作员(1)通过现有的触摸屏遥控操作系统(2)来远程控制吊车(3)进行水平运动，

该方法的具体步骤如下：

第1步、通过桥式吊车的触摸屏遥控操作系统设置输入参数的值，控制吊车沿已建立坐标系x方向水平运动，参见图3，输入参数包括：最大摆角θ_max、最大速度v_max、最大加速度a_max、绳长L、目标运送位置x_f(5)；具体而言，最大摆角θ_max是用户设定的吊车缆绳允许的最大摆角，最大速度v_max是用户设定的吊车的最大水平运动速度，最大加速度a_max是用户设定的最大运动加速度，绳长L是吊车缆绳顶端到负载重心的长度，运送目标位置x_f是用户设定的吊车运行到目标坐标位置；

其中触摸屏遥控操作系统可以由带有触摸屏的单片机开发板，其通过RS485总线与无线收发模块(4)相连，或平板电脑，或智能手机组成；

令q＝[x v θ ε]^T为桥式吊车的状态向量，其中x表示桥式吊车运送位置、v表示桥式吊车运行速度、θ表示负载摆动角度、ε表示负载摆角速度，桥式吊车从起始状态q₀＝[0 00 0]^T到运送目标状态q_f＝[x_f 0 0 0]^T的过程中，生成的最短时间防摆轨迹经过二个阶段或三个阶段——加速阶段、匀速阶段和减速阶段，其中匀速段不存在时即为二个阶段，具体由算法判断，加速阶段与减速阶段的速度相互对称，其中加速阶段实时规划通过如下步骤得到：

第2步利用离线最短时间轨迹规划方法生成不同参数设置下的大量离线规划数据，构建数据库；

所述的构建数据库具体步骤如下：

第2.1、对系统参数包括绳长L，最大运动速度v_max，最大加速度a_max，最大允许摆角θ_max在用户设定的范围内进行均匀采样，即L＝{1,1.1,1.2,1.3……10}，v_max＝{0.1,0.2,0.3……2.5},θ_max＝{0.1,0.2,0.3,…..4}a_max＝{0.1,0.2,0.3……,1.5}，步长均为0.1，其中m×n×p×q＝90×24×39×14分别为对L，v_max，a_max，θ_max采样点的个数。利用上述采样点，生成90×24×39×14组参数组合。对于每一组参数，设定加速阶段初始状态为q₀＝[0 0 00]^T，加速阶段终止状态为v＝v_max＝2,θ＝0,ε＝0，使用离线最短时间规划算法，计算加速阶段轨迹运行时间T_up(L,v_max,θ_max,a_max)和运行轨迹x(L,v_max,θ_max,a_max,t),t∈[0T_up]，因此，共生成90×24×39×14条加速阶段轨迹以及其对应的加速时间，以此作为加速阶段数据库。

第2.2、根据第2.1步构建的数据库，利用机器学习算法构建回归模型并且训练模型参数；所述构建回归模型具体步骤如下：

将计算的90×24×39×14组数据L,v_max,θ_max,a_max,x(L,v_max,θ_max,a_max,t),t∈[0,T_up],T_up(L,v_max,θ_max,a_max)归一化至[-0.5，0.5]区间，再将归一化后的L,v_max,θ_max,a_max作为机器学习算法的输入，归一化后的x(L,v_max,θ_max,a_max,t),t∈[0,T_up],T_up(L,v_max,θ_max,a_max)作为机器学习算法的输出，利用机器学习方法构建回归模型并训练模型参数，得到加速阶段时间以及加速阶段轨迹的回归模型其中用上标^来表示回归模型的输出。

其中机器学习的方法包括以下方法：BP算法或SVM算法或ELM算法；

第2.3、利用第2.2步得到的回归模型，进行实时加速阶段轨迹规划，利用得到的加速阶段轨迹，根据位置对称得到减速阶段的位置轨迹。

第3步、参见图7，进行最短时间防摆轨迹的实时轨迹规划具体步骤如下：

①参见图6，首先利用触摸屏遥控操作系统在触摸屏上人工输入一组参数L₀＝2,v_max0＝2,θ_max0＝0.1,a_max0＝1,x_f＝6.5，其中L₀＝2,v_max0＝2,θ_max0＝0.1,a_max0＝1,将其作为第2.2步训练完毕的回归模型的输入，计算该组参数对应的加速阶段时间以及加速阶段运动轨迹；如图8所示；

②由于2.9803＜6.5/2，则最短时间防摆轨迹生成三段轨迹，即加速阶段、匀速阶段、减速阶段；各阶段实时轨迹规划具体步骤如下：

a)加速段实时轨迹既是①中计算的加速阶段运动轨迹(如图8所示)和加速阶段时间并设

b)匀速阶段实时规划具体步骤：运动轨迹是如图9所示，运行时间

c)减速阶段:实时规划具体步骤：与加速阶段对称，减速阶段运行时间与加速阶段运行时间长短相同减速段运行轨迹与加速段运行轨迹对称如图10所示；结束；

实施例2

建立离线数据库所输入参数和步骤与实施例一中的第一步、第二步完全相同；

第三步，1).向触摸屏输入L₀＝1.2,v_max0＝2,θ_max0＝0.1,a_max0＝1,x_f＝5.6096按照本发明方法计算，计算出如图11所示，和

2)由于轨迹只有加速阶段和减速阶段；然后；

i.加速阶段实时轨迹与第三步1)相同，如图11所示，

ii.减速阶段实时规划具体步骤：与加速阶段对称，减速阶段运行时间与加速阶段运行时间长短相同减速阶段运行轨迹与加速阶段运行轨迹对称如图12所示；结束；

为了更加直观的评价本算法的准确性，通过触摸屏输入许多组参数L＝[1,1.1,......9.9]a_max＝1,v_max＝2,θ_max＝0.1，使用本发明算法计算加速阶段运行时间(因为加速阶段和加速阶段对称，对于性能评价给出加速阶段图形即可)，如图13所示，横坐标为吊车绳长L，纵坐标为加速阶段运行时间，其实际值与预测值拟合误差很小，最大误差小于0.01s；加速阶段运行轨迹为了更直观进行观察将三维图形截取为L＝2，L＝5，L＝7时三个二维图形如图14、15、16所示,其横坐标加速阶段运行时间，纵坐标为加速阶段运行轨迹，图中最大拟合误差小于0.009m；从性能指标上评价本发明达到了良好的性能，且本发明所训练的神经网络模型仅需训练一次，即可以后应用在各类吊车当中。

参考文献

[1]Zhang,X.B.,Fang,Y.C.,N.Sun,N.:Minimum-Time Trajectory PlanningforUnderactuated Overhead Crane Systems with State and Control Constraints,IEEE Transactions on Industrial Electronics,vol.61,no.12,pp.6915-6925(2014).

[2]Sun,N.,Fang,Y.:An Ecient Online Trajectory Generating Method forUnderactuated Crane Systems,International Journal ofRobust and NonlinearControl,vol.24,no.11,pp.1653-1663(2014).

[3]Zhang M.H,Ma X,Chai H,et al.A novel online motion planning methodfor double-pendulum overhead cranes[J].Nonlinear Dynamics,2016:1-12.。

Claims (7)

1.一种桥式吊车最短时间防摆轨迹实时生成方法，用于人工操作员(1)通过现有的触摸屏遥控操作系统(2)来远程控制吊车(3)进行水平运动，

其特征在于：该方法的具体步骤如下：

第1、通过桥式吊车的触摸屏遥控操作系统设置输入参数的值，控制吊车沿已建立坐标系x方向水平运动；

输入参数包括：最大摆角θ_max、最大速度v_max、最大加速度a_max、绳长L和目标运送位置x_f(5)；

第2、令q＝[x v θ ε]^T为桥式吊车的状态向量，其中x表示桥式吊车运送位置、v表示桥式吊车运行速度、θ表示负载摆动角度、ε表示负载摆角速度，桥式吊车从起始状态q₀＝[0 00 0]^T到运送目标状态q_f＝[x_f 0 0 0]^T的过程中，生成的最短时间防摆轨迹经过二个阶段或三个阶段——加速阶段、匀速阶段和减速阶段，其中匀速段不存在时即为二个阶段，具体由算法判断，加速阶段与减速阶段的速度相互对称，其中加速阶段实时规划通过如下步骤得到：

第2.1、利用离线最短时间轨迹规划方法生成不同参数设置下的大量离线规划数据，构建数据库；

第2.2、根据第2.1步构建的数据库，利用机器学习算法构建回归模型并且训练模型参数；

第2.3、利用第2.2步得到的回归模型，进行实时加速阶段轨迹规划，利用得到的加速阶段轨迹，根据位置对称得到减速阶段的位置轨迹。

2.根据权利要求1所述的桥式吊车最短时间防摆轨迹实时生成方法，其特征在于所述的触摸屏遥控操作系统实现装置从以下选取：

a)带有触摸屏的单片机开发板，通过RS485总线与无线收发模块(4)相连，

b)平板电脑，

c)智能手机。

3.根据权利要求1所述的桥式吊车最短时间防摆轨迹实时生成方法，其特征在于第2.1步所述的构建数据库具体步骤如下：

对系统参数包括绳长L，最大运动速度v_max，最大加速度a_max，最大允许摆角θ_max在用户设定的范围内进行均匀采样，即L∈{L₁,L₂......L_m}，v_max∈{v_max1,v_max2......v_maxn},θ_max∈{θ_max1,θ_max2......θ_maxp},a_max∈{a_max1,a_max2......a_maxq}，其中m×n×p×q分别为对L，v_max，a_max，θ_max采样点的个数，由用户设定，利用上述采样点，生成m×n×p×q组参数组合，对于每一组参数，设定加速阶段初始状态为q₀＝[0 0 0 0]^T，加速阶段终止状态为v＝v_max,θ＝0,ε＝0，使用离线最短时间规划算法，计算加速阶段轨迹运行时间T_up(L,v_max,θ_max,a_max)和运行轨迹x(L,v_max,θ_max,a_max,t),t∈[0 T_up]，因此，共生成m×n×p×q条加速阶段轨迹以及对应的加速时间，以此作为加速阶段数据库。

4.根据权利要求3所述的桥式吊车最短时间防摆轨迹实时生成方法，其特征在于第2.2步所述构建回归模型具体步骤如下：

将计算的m×n×p×q组数据L,v_max,θ_max,a_max,x(L,v_max,θ_max,a_max,t),t∈[0,T_up],T_up(L,v_max,θ_max,a_max)归一化至[‐0.5，0.5]区间，再将归一化后的L,v_max,θ_max,a_max作为机器学习算法的输入，归一化后的x(L,v_max,θ_max,a_max,t),t∈[0,T_up],T_up(L,v_max,θ_max,a_max)作为机器学习算法的输出，利用机器学习方法构建回归模型并训练模型参数，得到加速阶段时间以及加速阶段轨迹的回归模型其中用上标^来表示回归模型的输出。

5.根据权利要求1所述的桥式吊车最短时间防摆轨迹实时生成方法，其特征在于所述的机器学习算法包括以下方法：

a)BP算法，

b)SVM算法，

c)ELM算法。

6.根据权利要求4所述的桥式吊车最短时间防摆轨迹实时生成方法，其特征在于进行最短时间防摆轨迹的实时轨迹规划具体步骤如下：

①首先利用触摸屏遥控操作系统在触摸屏上人工输入一组参数L₀,v_max0,θ_max0,a_max0，将其作为权利要求4训练完毕的回归模型的输入，计算该组参数对应的加速阶段时间以及加速阶段运动轨迹

②如果则最短时间防摆轨迹生成三段轨迹，即加速阶段、匀速阶段和减速段；实时轨迹规划具体步骤如下：

a)、加速阶段实时轨迹既是步骤①中计算的加速阶段运动轨迹和加速阶段时间并设

b)、匀速阶段实时规划具体步骤：运动轨迹是运行时间并设

c)、减速阶段实时规划具体步骤：与加速阶段对称，减速阶段运行时间与加速阶段运行时间长短相同减速阶段运行轨迹与加速阶段运行轨迹对称 结束；

③如果时，轨迹只有加速阶段和减速阶段；实时轨迹规划具体步骤如下：

a)、加速阶段实时轨迹与步骤②中a)相同；

b)、减速阶段实时规划具体步骤：与加速阶段对称，减速阶段运行时间与加速阶段运行时间长短相同减速阶段运行轨迹与加速阶段运行轨迹对称结束；

④、如果令v_max0＝v_max0/2，转到步骤②；结束。

7.用于实现权利要求1‐6任一项所述桥式吊车最短时间防摆轨迹实时生成方法的现有的触摸屏遥控操作系统。