CN106744386A - 单缸插销式多级顺序伸缩路径优化方法 - Google Patents
单缸插销式多级顺序伸缩路径优化方法 Download PDFInfo
- Publication number
- CN106744386A CN106744386A CN201611214032.7A CN201611214032A CN106744386A CN 106744386 A CN106744386 A CN 106744386A CN 201611214032 A CN201611214032 A CN 201611214032A CN 106744386 A CN106744386 A CN 106744386A
- Authority
- CN
- China
- Prior art keywords
- arm
- collection
- joint
- contracting
- pin
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B66—HOISTING; LIFTING; HAULING
- B66C—CRANES; LOAD-ENGAGING ELEMENTS OR DEVICES FOR CRANES, CAPSTANS, WINCHES, OR TACKLES
- B66C23/00—Cranes comprising essentially a beam, boom, or triangular structure acting as a cantilever and mounted for translatory of swinging movements in vertical or horizontal planes or a combination of such movements, e.g. jib-cranes, derricks, tower cranes
- B66C23/62—Constructional features or details
- B66C23/64—Jibs
- B66C23/70—Jibs constructed of sections adapted to be assembled to form jibs or various lengths
- B66C23/701—Jibs constructed of sections adapted to be assembled to form jibs or various lengths telescopic
- B66C23/705—Jibs constructed of sections adapted to be assembled to form jibs or various lengths telescopic telescoped by hydraulic jacks
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B66—HOISTING; LIFTING; HAULING
- B66C—CRANES; LOAD-ENGAGING ELEMENTS OR DEVICES FOR CRANES, CAPSTANS, WINCHES, OR TACKLES
- B66C23/00—Cranes comprising essentially a beam, boom, or triangular structure acting as a cantilever and mounted for translatory of swinging movements in vertical or horizontal planes or a combination of such movements, e.g. jib-cranes, derricks, tower cranes
- B66C23/62—Constructional features or details
- B66C23/64—Jibs
- B66C23/70—Jibs constructed of sections adapted to be assembled to form jibs or various lengths
- B66C23/701—Jibs constructed of sections adapted to be assembled to form jibs or various lengths telescopic
- B66C23/708—Jibs constructed of sections adapted to be assembled to form jibs or various lengths telescopic locking devices for telescopic jibs
Abstract
本发明涉及一种单缸插销式多级顺序伸缩路径优化方法,属于单缸插销式多级顺序伸缩路径优化方法。将每个臂节的中间状态按这三种状态抽取,进行排列组合,生成多组中间状态集tM{},要寻找的缩臂极限组合必产生于这些生成的中间状态集。将这些中间状态集依次送入评估公式系列,所有评估公式都满足的状态集,为缩臂极限状态集。本发明流程简明清晰、特别适合程序实现,尤其当臂节数n、销孔数量m增多时,程序也能很方便的实施。
Description
技术领域
本发明属于单缸插销式多级顺序伸缩路径优化方法,单缸插销式多级顺序伸缩是以一节驱动缸顺序推动多节伸缩臂/套,每节臂/套上有数个销孔位置,臂节尾部的臂销与其外部臂节的销孔锁定,从而使伸缩臂/套逐级伸长到需求的长度,汽车起重机的单缸插销式多级伸缩臂是典型的多级顺序伸缩机构。
背景技术
本发明涉及的“单缸插销式顺序伸缩”是指:用一个伸缩油缸,依次顶伸或回缩每个臂节到某个臂销孔位置,油缸的行程只有一节臂长。伸缩按照:“从外到内缩、从内到外伸”的原则。以五节伸缩臂为例,伸时按照第五、四、三、二、一节臂的顺序;缩时按照第一、二、三、四、五节臂的顺序,“先进后出”或“先出后进”,类似堆栈原理。如图1所示。
因为伸缩油缸的总行程等于一节臂长,可以用每节臂占用的油缸行程长度、同时也是该臂节的插销位置,表示臂节长度;而所有臂节长度的组合,即是臂长。如果用数字1、2、3、4分别表示油缸总行程的0%、45%、90%、100%,可用一个数组表示臂长、即臂长组合,也称臂长状态集。数组{1 1 1 1 1},表示五节臂全缩(见图1-a);数组{4 4 4 4 4}表示五节臂全伸(见图1-c);数组{3 3 2 2 1},表示有五节伸缩臂,从臂1开始,各节臂的伸出量分别是:90%,90%,45%,45%,0%油缸总行程(见图1-b)。
因此,顺序伸缩的特点:
(一):臂长是离散的组合值,是不连续的;
(二):臂长组合是有限的。例如:五节伸缩臂,每节臂上有四个销孔位置,则理论组合数为45=1024,即最多有1024种臂长。
(三):更换臂长麻烦,必须将臂节逐节全部缩回,然后逐节伸至新的臂长组合,因此伸缩效率低,速度慢。
实际上,更换臂长,从一个臂长组合切换到另一个臂长组合,有时候并不需要全缩吊臂,某些臂节位置可以保持,或者提前伸至目标位置,这样可以节省伸缩步数,缩短伸缩时间。
节省一步往往意味效率提升10%以上,因此,如何精简伸缩步数,提高伸缩效率,实现任意臂长组合伸缩路径优化,对顺序伸缩类问题非常有意义。
目前,顺序伸缩路径优化问题研究甚少,例如,单缸插销技术虽得到广泛运用,但是国内外主机厂都没有较好的路径优化方法。
文献1《单缸插销式伸缩臂轨迹的优化控制方法及控制系统》,公开号CN101670984A,采用即时判断的方式,每次缩一节臂,程序判断该位置的油缸行程是否满足要求?若满足要求则可以保持前面臂节;若不满足长度要求,必须再缩一节臂,再判断一次;如此多次缩臂后,达到要求的油缸长度,才从最末节臂开始伸臂。这种“走一步、算一步”,是一种程序实现方法,不是表征事物特征的算法模型,不能预先规划优化路径,优化效果有限。
文献2《单缸插销式伸缩臂的控制方法、设备、系统以及工程机械》,申请公布号CN104340884A,虽然提出了多级顺序伸缩路径优化问题的核心:寻找缩臂极限组合,但是对算法全局性统筹和逻辑整体性把握有欠缺。流程图复杂:按油缸停留的位置,停在第n节臂,则调用第n个子程序,子程序模块多;同时,按油缸停留位置,将程序划分为尾部算法和头部算法两部分。算法繁杂,程序体量大,占用资源。优化时一律采用“缩1”处理,没有考虑其它位置可能性,因此对于随机组合,难以达到深度或极度优化。
例如:从附图2a可以看出,对于从臂长当前状态集{2 2 2 2 2}伸至臂长目标状态集{2 1 2 1 2},文献2可以实现优化,优化后只需要4步完成伸缩切换;优化前需要7步。但是从附图2b可知,对于从当前状态集{1 4 4 1 1}伸至目标状态集{2 2 2 2 2},文献2不能实现优化,仍需要7步完成。
发明内容
本发明提供一种单缸插销式多级顺序伸缩路径优化方法;
不同于文献1只是一种程序实现方法,不能预先规划路径,只能“缩一步,算一步”;本发明给出了路径优化问题的系统解决方法,只要输入单缸插销式伸缩臂当前状态集和目标状态集,系统就能规划出最优路径。
针对文献2流程复杂、程序体量大;对路径优化问题的认识未达到根本层面,优化时一律采用“缩1”处理,没有考虑其它位置可能性,因此对于随机组合难以达到深度优化的缺点,本发明同时考虑了“停在原位”“伸至目标位”和“缩1”,三种位置的可能性,优化效果更好、力度更大。
本专利可以有效减少伸缩步数,从而提升伸缩效率。
本发明采取的技术方案是,伸缩臂具有n节臂,包括下列步骤:
步骤(1):接收伸缩臂当前状态集{A[1]、A[2]…A[n]}、伸缩臂目标状态集{T[1]、T[2]…T[n]};其中:n为伸缩臂节数;
A[i]为第i节臂的当前状态,A[i]的值为m,m为正整数,表示臂节上分布的销孔位置,如:第1个销孔、第2个销孔……第m个销孔,每个销孔对应不同的油缸行程;臂节插销在不同的销孔中,从而有不同的伸出长度;
伸缩臂当前状态集{A[1]、A[2]…A[n]}是:有n节伸缩臂,每节臂当前伸出的长度的集合;
T[i]为第i节臂的目标状态,T[i]的值为m,m为正整数,表示臂节上分布的销孔位置,如:第1个销孔、第2个销孔……第m个销孔,每个销孔对应不同的油缸行程;臂节插销在不同的销孔中,从而有不同的伸出长度;
伸缩臂目标状态集{T[1]、T[2]…T[n]}是:有n节伸缩臂,每节臂目标伸出的长度的集合;
步骤(2):根据所述伸缩臂当前状态集、所述伸缩臂目标状态集,以及可用于伸缩的伸缩油缸行程,计算缩臂极限状态集{O[1]、O[2]…O[n]};
所述缩臂极限状态集是指:多级顺序伸缩更换臂长时,是将臂节先顺序缩回,然后再顺序伸出;通过油缸有效行程判断,某些臂节可以不用缩回,就可以越过它顺序伸缩其它臂节;或者某些臂节无需先缩,可以直接将其伸至目标位,不影响后续臂节的伸缩;这些可以保留的臂节、可以先伸至目标位的臂节、和其它需缩回的臂节,加上开始切换到伸出的最末臂节状态的组合,称为缩臂极限状态集;缩臂极限状态集的总长度一定在伸缩油缸总行程(一节臂长)范围内,路径优化算法的目的是寻找缩臂极限状态集;
O[i]为第i节臂的缩臂极限状态,O[i]的值为m,m为正整数,表示臂节上分布的销孔位置,如:第1个销孔、第2个销孔……第m个销孔,每个销孔对应不同的油缸行程;臂节插销在不同的销孔中,从而有不同的伸出长度;
缩臂缩臂极限状态集{O[1]、O[2]…O[n]}是:有n节伸缩臂,每节臂缩臂极限长度的集合;
步骤(3):根据所述当前伸缩状态集、所述目标伸缩状态集、以及所计算得出的缩臂极限状态集,按照顺序伸缩臂的原则,规划伸缩路径:从所述伸缩臂当前状态集——所述缩臂极限状态集,为顺序缩臂;从所述缩臂极限状态集——所述伸缩臂目标状态集,为顺序伸臂;
顺序缩臂是指:先缩第1节臂、再缩第2节臂……最后缩第n节臂;
顺序伸臂是指:先伸第n节臂、再伸第n-1节臂……最后伸第1节臂;
步骤(2)得出的所述缩臂极限状态集可能是一个,也可能是多个,若得出多个,则将得出的多个所述缩臂极限状态集均按步骤3所述方法规划伸缩路径;然后从中选出,从所述伸缩臂当前状态集——所述伸缩臂目标状态集使用步数最少的所述缩臂极限状态集,作为最优路径。
本发明在所述步骤(2)中执行以下步骤:
步骤(21):将当前状态集{A[1],A[2],…,A[n-1]}和目标状态集{T[1],T[2],…,T[n-1]}进行排列组合:从第1节臂开始,直到第n-1节臂,依次执行:在第i节臂中选取A[i]或者T[i],作为中间状态集第i节臂的元素tM{i,j},j为第j个排列组合出的臂长组合状态集,i为该臂长组合状态集中第i节臂,总共得出2(n-1)个中间状态集,加上最末节臂状态恒取T[n],于是组成含2(n-1)个集合的中间状态集tM{};
步骤(22):设定评估条件,评估公式系列如下:其中,n节伸缩臂共n个评估公式:
i=1时,C[1]<=1? (1)
i=2时,C_tM[1,j]+C[2]<=1? (2)
i=3时,C_tM[1,j]+C_tM[2,j]+C[3]<=1? (3)
……
i=n时,C_tM[1,j]+C_tM[2,j]+...+C_tM[n-1,j]+C[n]<=1? (n)
j:排列组合所得中间状态集的个数,当臂节数为n时,j=2(n-1);
C_tM[i,j]:排列组合后所得的中间状态集tM{}中,第j个状态集,第i节臂的行程,取值为0%-100%;
C[i]:第i节臂所需的最大行程,取值为0%-100%;C[i]=Max(C_A[i],C_T[i]);
C_A[i]:第i节臂当前的行程,取值为0%-100%;
C_T[i]:第i节臂目标的行程,取值为0%-100%;
步骤(23):将得出的中间状态集tM{}中所有集合逐一运用公式(1)~公式(n)评估,满足所有n个评估公式的为缩臂极限状态集,选出;
步骤(24):待2(n-1)个中间状态集都评估完成后,将第1节臂缩1(全缩),生成新的当前状态集{1,A[2],A[3],…,A[n-1]}和目标状态集{1,T[2],T[3],…,T[n-1]},进行排列组合,得出2(n-2)个中间状态集,加上最末节臂恒取T[n],于是组成含2(n-2)个集合的中间状态集tM{};
步骤(25):重复步骤(23);
步骤(26):待2(n-2)个中间状态集都评估完成后,将第1、2节臂缩1(全缩),生成新的当前状态集{1,1,A[3],…,A[n-1]}和目标状态集{1,1,T[3],…,T[n-1]},进行排列组合,得出2(n-3)个组合,加上最末节臂恒取T[n],于是组成含2(n-3)个集合的中间状态集tM{};
步骤(27):重复步骤(23);
步骤(28):类似步骤(26)循环,待前(n-2)节臂全缩完后,生成新的当前状态集{1,1,…,1,A[n-1]}和目标状态集{1,1,…,1,T[n-1]},进行排列组合,得出21=2个组合,加上最末节臂恒取T[n],于是组成含2个集合的中间状态集tM{},重复步骤(23)。
本发明的积极效果在于:
1、提出排列组合的思想,排列组合算法逻辑简明、流程只按一个顺序执行、没有复杂的网络分支和程序嵌套,非常利于程序实现。
本发明的思路很简明、清晰,其核心思想是:每节臂可伸缩的位置不外乎三种“停在原位A[i]”、“伸至目标位T[i]”、以及“全缩1”。因此,将每个臂节的中间状态按这三种状态抽取,进行排列组合,生成多组中间状态集tM{},要寻找的缩臂极限组合必产生于这些生成的中间状态集。将这些中间状态集依次送入评估公式系列,所有评估公式都满足的状态集,为缩臂极限状态集。
2、创建了评估公式系列,评估公式系列是评判中间状态集是否为缩臂极限状态集的标准。
依据行程判断原理组建评估公式,n节伸缩臂有n个评估公式。只有满足所有评估公式的中间状态集,才是缩臂极限状态集。评估公式是缩臂极限状态集的选拔条件。
3、优化效率高、优化效果好,当臂节数n很多、销孔数量m很多时,也能很方便实施。
本发明流程简明清晰、特别适合程序实现,尤其当臂节数n、销孔数量m增多时,程序也能很方便的实施。
虽然由于算法的“缩1”处理只从起始臂节开始,向末尾臂节逐级传递,忽略了中间臂节“缩1”的可能性。因此,理论上,当臂节数n取值大,并且每节臂上布置的销孔数m很多时,可能发生中间臂节“缩1”状态解的漏解。但是针对目前实际应用中最多7节伸缩臂,每节臂4个销孔位置的路径优化问题,是完全胜任、能达到优化效果、运算效率还要高出很多。
本发明是一种相当高效、易实施、并满足当前工况技术要求的计算方法。
附图说明
图1为顺序伸缩原理示意图;
图2a文献2能实现优化的示例;
图2b文献2优化效果不佳的示例;
图3求取缩臂极限状态集的行程判断流程简图;
图4排列组合法缩臂极限组合对应的伸缩步序图;
图5不同优化方法效果对比图。
具体实施方式
包括下列步骤:
步骤(1):伸缩臂具有n节臂,接收伸缩臂当前状态集{A[1]、A[2]…A[n]}、伸缩臂目标状态集{T[1]、T[2]…T[n]};其中:n为伸缩臂节数;
A[i]为第i节臂的当前状态,A[i]的值为m,m为正整数,表示臂节上分布的销孔位置,如:第1个销孔、第2个销孔……第m个销孔,每个销孔对应不同的油缸行程;臂节插销在不同的销孔中,从而有不同的伸出长度;
伸缩臂当前状态集{A[1]、A[2]…A[n]}是:有n节伸缩臂,每节臂当前伸出的长度的集合;
T[i]为第i节臂的目标状态,T[i]的值为m,m为正整数,表示臂节上分布的销孔位置,如:第1个销孔、第2个销孔……第m个销孔,每个销孔对应不同的油缸行程;臂节插销在不同的销孔中,从而有不同的伸出长度;
伸缩臂目标状态集{T[1]、T[2]…T[n]}是:有n节伸缩臂,每节臂目标伸出的长度的集合;
步骤(2):根据所述伸缩臂当前状态集、所述伸缩臂目标状态集,以及可用于伸缩的伸缩油缸行程,计算缩臂极限状态集{O[1]、O[2]…O[n]};
所述缩臂极限状态集是指:多级顺序伸缩更换臂长时,是将臂节先顺序缩回,然后再顺序伸出;通过油缸有效行程判断,某些臂节可以不用缩回,就可以越过它顺序伸缩其它臂节;或者某些臂节无需先缩,可以直接将其伸至目标位,不影响后续臂节的伸缩;这些可以保留的臂节、可以先伸至目标位的臂节、和其它需缩回的臂节,加上开始切换到伸出的最末臂节状态的组合,称为缩臂极限状态集;缩臂极限状态集的总长度一定在伸缩油缸总行程(一节臂长)范围内,路径优化算法的目的是寻找缩臂极限状态集;
O[i]为第i节臂的缩臂极限状态,O[i]的值为m,m为正整数,表示臂节上分布的销孔位置,如:第1个销孔、第2个销孔……第m个销孔,每个销孔对应不同的油缸行程;臂节插销在不同的销孔中,从而有不同的伸出长度;
伸缩臂缩臂极限状态集{O[1]、O[2]…O[n]}是:有n节伸缩臂,每节臂缩臂极限长度的集合;
步骤(3):根据所述当前伸缩状态集、所述目标伸缩状态集、以及所计算得出的缩臂极限状态集,按照顺序伸缩臂的原则,规划伸缩路径:从所述伸缩臂当前状态集——所述缩臂极限状态集,为顺序缩臂;从所述缩臂极限状态集——所述伸缩臂目标状态集,为顺序伸臂;
顺序缩臂是指:先缩第1节臂、再缩第2节臂……最后缩第n节臂;
顺序伸臂是指:先伸第n节臂、再伸第n-1节臂……最后伸第1节臂;
步骤(2)得出的所述缩臂极限状态集可能是一个,也可能是多个,若得出多个,则将得出的多个所述缩臂极限状态集均按步骤3所述方法规划伸缩路径;然后从中选出,从所述伸缩臂当前状态集——所述伸缩臂目标状态集使用步数最少的所述缩臂极限状态集,作为最优路径。
本发明在所述步骤(2)中执行以下步骤:
步骤(21):将当前状态集{A[1],A[2],…,A[n-1]}和目标状态集{T[1],T[2],…,T[n-1]}进行排列组合:从第1节臂开始,直到第n-1节臂,依次执行:在第i节臂中选取A[i]或者T[i],作为中间状态集第i节臂的元素tM{i,j},j为第j个排列组合出的臂长组合状态集,i为该臂长组合状态集中第i节臂,总共得出2(n-1)个中间状态集,加上最末节臂状态恒取T[n],于是组成含2(n-1)个集合的中间状态集tM{};
步骤(22):设定评估条件,评估公式系列如下:其中,n节伸缩臂共n个评估公式:
i=1时,C[1]<=1? (1)
i=2时,C_tM[1,j]+C[2]<=1? (2)
i=3时,C_tM[1,j]+C_tM[2,j]+C[3]<=1? (3)
……
i=n时,C_tM[1,j]+C_tM[2,j]+...+C_tM[n-1,j]+C[n]<=1? (n)
j:排列组合所得中间状态集的个数,当臂节数为n时,j=2(n-1);
C_tM[i,j]:排列组合后所得的中间状态集tM{}中,第j个状态集,第i节臂的行程,取值为0%-100%;
C[i]:第i节臂所需的最大行程,取值为0%-100%;C[i]=Max(C_A[i],C_T[i]);
C_A[i]:第i节臂当前的行程,取值为0%-100%;
C_T[i]:第i节臂目标的行程,取值为0%-100%;
步骤(23):将得出的中间状态集tM{}中所有集合逐一运用公式(1)~公式(n)评估,满足所有n个评估公式的为缩臂极限状态集,选出;
步骤(24):待2(n-1)个中间状态集都评估完成后,将第1节臂缩1(全缩),生成新的当前状态集{1,A[2],A[3],…,A[n-1]}和目标状态集{1,T[2],T[3],…,T[n-1]},进行排列组合,得出2(n-2)个中间状态集,加上最末节臂恒取T[n],于是组成含2(n-2)个集合的中间状态集tM{};
步骤(25):重复步骤(23);
步骤(26):待2(n-2)个中间状态集都评估完成后,将第1、2节臂缩1(全缩),生成新的当前状态集{1,1,A[3],…,A[n-1]}和目标状态集{1,1,T[3],…,T[n-1]},进行排列组合,得出2(n-3)个组合,加上最末节臂恒取T[n],于是组成含2(n-3)个集合的中间状态集tM{};
步骤(27):重复步骤(23);
步骤(28):类似步骤(26)循环,待前(n-2)节臂全缩完后,生成新的当前状态集{1,1,…,1,A[n-1]}和目标状态集{1,1,…,1,T[n-1]},进行排列组合,得出21=2个组合,加上最末节臂恒取T[n],于是组成含2个集合的中间状态集tM{},重复步骤(23)。
下边通过具体实例来进一步说明本发明。
实例:臂节数n=5,臂节上共有4个销孔,m取值为1、2、3、4,分别对应油缸行程的0%、45%、90、100%;求从当前状态集{1 4 4 2 1},到目标状态集{2 1 2 1 2}的优化路径
(一)求取最优缩臂极限组合
1、由前述流程步骤(21),取当前状态集A的前四个元素{1 4 4 2}和目标状态集T的前4个元素{2 1 2 1}进行排列组合,得出25-1=16个排列组合集,将T[5]=2,作为第5个元素补充进入16个组合集,得出一个包含16个数据集的中间状态集tM{},如下:
{2 1 2 1 2};{1 1 2 1 2};
{2 1 2 2 2};{1 1 2 2 2};
{2 1 4 1 2};{1 1 4 1 2};
{2 1 4 2 2};{1 1 4 2 2};
{2 4 2 1 2};{1 4 2 1 2};
{2 4 2 2 2};{1 4 2 2 2};
{2 4 4 1 2};{1 4 4 1 2};
{2 4 4 2 2};{1 4 4 2 2};
2、由前述流程步骤(22),将上述16个组合依次输入评估公式系列,n=5,共有5个评估公式,其中:j的取值为1——16,i的取值为1——5。
i=1时,C[1]<=1?
i=2时,C_tM[1,j]+C[2]<=1?
i=3时,C_tM[1,j]+C_tM[2,j]+C[3]<=1?
i=4时,C_tM[1,j]+C_tM[2,j]+C_tM[3,j]+C[4]<=1?
i=5时,C_tM[1,j]+C_tM[2,j]+C_tM[3,j]+C_tM[4,j]+C[5]<=1?
3、上述16个数据集中,通过所有5个评估公式的数据集是:{1 1 2 1 2},{1 1 1 22},{1 1 1 1 2},因此,该三个数据集都是缩臂极限状态集。
将它们分别按顺序伸缩的原则,进行路径规划,从当前状态集——到缩臂极限状态集是顺序缩;从缩臂极限状态集——到目标状态集是顺序伸,规划出的路径如图4。
表1当前状态集{1 4 4 2 1}到目标状态集{2 1 2 1 2}的排列组合法优化解集
优化解 | K值 | 缩臂极限组合 | 步数 |
a | K=0、1、2 | 1-1-2-1-2 | 5 |
b | K=3 | 1-1-1-2-2 | 6 |
c | K=4 | 1-1-1-1-2 | 6 |
从表1可知:当k=0、1、2时,所得缩臂极限状态集{1 1 2 1 2}为深度最优解,只要五步完成伸缩。
(二)该实例与现有优化方法效果对比
下边是3种方法对该实例进行路径规划的结果,从步序图可看出:
未作优化的缩臂极限状态集是{1 1 1 1 1};文献2的方法无法实现优化,它的缩臂极限状态集也是{1 1 1 1 1};本发明排列组合优化法求出的缩臂极限状态集是{1 1 21 1},只需要5步,见图5。
表2:从当前状态集{1 4 4 2 1},到目标状态集{2 1 2 1 2}的不同方法优化对比
序号 | 优化方式 | 缩臂极限组合 | 步数 | 优化力度 |
a | 未优化 | 1-1-1-1-1 | 6 | 0% |
b | 文献二 | 1-1-1-1-1 | 6 | 0% |
c | 本发明 | 1-1-2-1-2 | 5 | 17% |
从表2看出,此例中本发明能达到最佳优化效果,效率比未作优化提升17%。
(1)本发明可普遍适用到n级伸缩臂,每节臂上有m个销孔位置。
基于目前应用的钢材料结构特性:钢材重,所以吊臂的节数n不能太多,单缸插销式伸缩臂的臂节数目前最多为8节;常用的伸缩臂节数为4——7节。若将来采用轻型材料做吊臂,如碳纤维,吊臂节数可能大大超过8节,n>8,本发明同样适用。
本发明的实例是以5节伸缩臂,每节臂上有4个臂销孔,且每个销孔位置占用的油缸行程为0%、45%、90%和100%为例,进行阐述,实际不局限于臂节数、不局限于销孔数量,该方法都适用。
(2)本发明普遍适用于单缸插销式多级顺序伸缩的路径优化问题。
本发明是以单缸插销顺序伸缩臂为例进行阐述,实际不局限于单缸插销起重机伸缩臂。
(3)本发明提出的排列组合只是在三种位置上选择:“臂节伸至目标”、“臂节停留原位”、“臂节全缩”,实际上,臂节可以停留在销孔的任意位置,都可以作为优化的停驻路径,都可以参与排列组合:如“伸至2号位”、“伸至3号位”……。
Claims (2)
1.一种单缸插销式多级顺序伸缩路径优化方法,伸缩臂具有n节臂,其特征在于,包括下列步骤:
步骤(1):接收伸缩臂当前状态集{A[1]、A[2]…A[n]}、伸缩臂目标状态集{T[1]、T[2]…T[n]};其中:n为伸缩臂节数;
A[i]为第i节臂的当前状态,A[i]的值为m,m为正整数,表示臂节上分布的销孔位置,如:第1个销孔、第2个销孔……第m个销孔,每个销孔对应不同的油缸行程;臂节插销在不同的销孔中,从而有不同的伸出长度;
伸缩臂当前状态集{A[1]、A[2]…A[n]}是:有n节伸缩臂,每节臂当前伸出的长度的集合;
T[i]为第i节臂的目标状态,T[i]的值为m,m为正整数,表示臂节上分布的销孔位置,如:第1个销孔、第2个销孔……第m个销孔,每个销孔对应不同的油缸行程;臂节插销在不同的销孔中,从而有不同的伸出长度;
伸缩臂目标状态集{T[1]、T[2]…T[n]}是:有n节伸缩臂,每节臂目标伸出的长度的集合;
步骤(2):根据所述伸缩臂当前状态集、所述伸缩臂目标状态集,以及可用于伸缩的伸缩油缸行程,计算缩臂极限状态集{O[1]、O[2]…O[n]};
所述缩臂极限状态集是指:多级顺序伸缩更换臂长时,是将臂节先顺序缩回,然后再顺序伸出;通过油缸有效行程判断,某些臂节可以不用缩回,就可以越过它顺序伸缩其它臂节;或者某些臂节无需先缩,可以直接将其伸至目标位,不影响后续臂节的伸缩;这些可以保留的臂节、可以先伸至目标位的臂节、和其它需缩回的臂节,加上开始切换到伸出的最末臂节状态的组合,称为缩臂极限状态集;缩臂极限状态集的总长度一定在伸缩油缸总行程(一节臂长)范围内,路径优化算法的目的是寻找缩臂极限状态集;
O[i]为第i节臂的缩臂极限状态,O[i]的值为m,m为正整数,表示臂节上分布的销孔位置,如:第1个销孔、第2个销孔……第m个销孔,每个销孔对应不同的油缸行程;臂节插销在不同的销孔中,从而有不同的伸出长度;
缩臂缩臂极限状态集{O[1]、O[2]…O[n]}是:有n节伸缩臂,每节臂缩臂极限长度的集合;
步骤(3):根据所述当前伸缩状态集、所述目标伸缩状态集、以及所计算得出的缩臂极限状态集,按照顺序伸缩臂的原则,规划伸缩路径:从所述伸缩臂当前状态集——所述缩臂极限状态集,为顺序缩臂;从所述缩臂极限状态集——所述伸缩臂目标状态集,为顺序伸臂;
顺序缩臂是指:先缩第1节臂、再缩第2节臂……最后缩第n节臂;
顺序伸臂是指:先伸第n节臂、再伸第n-1节臂……最后伸第1节臂;
步骤(2)得出的所述缩臂极限状态集可能是一个,也可能是多个,若得出多个,则将得出的多个所述缩臂极限状态集均按步骤3所述方法规划伸缩路径;然后从中选出,从所述伸缩臂当前状态集——所述伸缩臂目标状态集使用步数最少的所述缩臂极限状态集,作为最优路径。
2.根据权利要求1所述的一种单缸插销式多级顺序伸缩路径优化方法,其特征在于,在所述步骤(2)中执行以下步骤:
步骤(21):将当前状态集{A[1],A[2],…,A[n-1]}和目标状态集{T[1],T[2],…,T[n-1]}进行排列组合:从第1节臂开始,直到第n-1节臂,依次执行:在第i节臂中选取A[i]或者T[i],作为中间状态集第i节臂的元素tM{i,j},j为第j个排列组合出的臂长组合状态集,i为该臂长组合状态集中第i节臂,总共得出2(n-1)个中间状态集,加上最末节臂状态恒取T[n],于是组成含2(n-1)个集合的中间状态集tM{};
步骤(22):设定评估条件,评估公式系列如下:其中,n节伸缩臂共n个评估公式:
i=1时,C[1]<=1? (1)
i=2时,C_tM[1,j]+C[2]<=1? (2)
i=3时,C_tM[1,j]+C_tM[2,j]+C[3]<=1? (3)
……
i=n时,C_tM[1,j]+C_tM[2,j]+...+C_tM[n-1,j]+C[n]<=1? (n)
j:排列组合所得中间状态集的个数,当臂节数为n时,j=2(n-1);
C_tM[i,j]:排列组合后所得的中间状态集tM{}中,第j个状态集,第i节臂的行程,取值为0%-100%;
C[i]:第i节臂所需的最大行程,取值为0%-100%;C[i]=Max(C_A[i],C_T[i]);
C_A[i]:第i节臂当前的行程,取值为0%-100%;
C_T[i]:第i节臂目标的行程,取值为0%-100%;
步骤(23):将得出的中间状态集tM{}中所有集合逐一运用公式(1)~公式(n)评估,满足所有n个评估公式的为缩臂极限状态集,选出;
步骤(24):待2(n-1)个中间状态集都评估完成后,将第1节臂缩1(全缩),生成新的当前状态集{1,A[2],A[3],…,A[n-1]}和目标状态集{1,T[2],T[3],…,T[n-1]},进行排列组合,得出2(n-2)个中间状态集,加上最末节臂恒取T[n],于是组成含2(n-2)个集合的中间状态集tM{};
步骤(25):重复步骤(23);
步骤(26):待2(n-2)个中间状态集都评估完成后,将第1、2节臂缩1(全缩),生成新的当前状态集{1,1,A[3],…,A[n-1]}和目标状态集{1,1,T[3],…,T[n-1]},进行排列组合,得出2(n-3)个组合,加上最末节臂恒取T[n],于是组成含2(n-3)个集合的中间状态集tM{};
步骤(27):重复步骤(23);
步骤(28):类似步骤(26)循环,待前(n-2)节臂全缩完后,生成新的当前状态集{1,1,…,1,A[n-1]}和目标状态集{1,1,…,1,T[n-1]},进行排列组合,得出21=2个组合,加上最末节臂恒取T[n],于是组成含2个集合的中间状态集tM{},重复步骤(23)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611214032.7A CN106744386B (zh) | 2016-12-22 | 2016-12-22 | 单缸插销式多级顺序伸缩路径优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611214032.7A CN106744386B (zh) | 2016-12-22 | 2016-12-22 | 单缸插销式多级顺序伸缩路径优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106744386A true CN106744386A (zh) | 2017-05-31 |
CN106744386B CN106744386B (zh) | 2018-04-10 |
Family
ID=58919589
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611214032.7A Active CN106744386B (zh) | 2016-12-22 | 2016-12-22 | 单缸插销式多级顺序伸缩路径优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106744386B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109292650A (zh) * | 2017-06-26 | 2019-02-01 | 北汽福田汽车股份有限公司 | 副臂 |
CN111017750A (zh) * | 2019-12-09 | 2020-04-17 | 三一汽车起重机械有限公司 | 单缸插销式吊臂、吊臂操作方法和起重机 |
CN111039199A (zh) * | 2019-12-30 | 2020-04-21 | 徐州重型机械有限公司 | 单缸插销式伸缩臂和起重机 |
CN114835022A (zh) * | 2022-07-04 | 2022-08-02 | 长沙孚盛科技有限公司 | 伸缩臂的控制方法、装置、伸缩臂和起重机 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4434902A (en) * | 1981-03-05 | 1984-03-06 | Fmc Corporation | Apparatus for extending and retracting a manual boom section |
WO2007052339A1 (ja) * | 2005-11-01 | 2007-05-10 | Kato Works Co., Ltd. | クレーンのブーム伸縮装置 |
CN101670984A (zh) * | 2009-09-29 | 2010-03-17 | 长沙中联重工科技发展股份有限公司 | 单缸插销式伸缩臂轨迹的优化控制方法及控制系统 |
CN101746681A (zh) * | 2008-12-09 | 2010-06-23 | 徐州重型机械有限公司 | 单缸插销式伸缩臂起重机及其臂长测量方法、测量装置 |
CN104340884A (zh) * | 2014-08-20 | 2015-02-11 | 中联重科股份有限公司 | 单缸插销式伸缩臂的控制方法、设备、系统以及工程机械 |
CN105460809A (zh) * | 2014-12-17 | 2016-04-06 | 徐州重型机械有限公司 | 一种伸缩臂伸缩控制系统、方法以及起重机 |
-
2016
- 2016-12-22 CN CN201611214032.7A patent/CN106744386B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4434902A (en) * | 1981-03-05 | 1984-03-06 | Fmc Corporation | Apparatus for extending and retracting a manual boom section |
WO2007052339A1 (ja) * | 2005-11-01 | 2007-05-10 | Kato Works Co., Ltd. | クレーンのブーム伸縮装置 |
CN101746681A (zh) * | 2008-12-09 | 2010-06-23 | 徐州重型机械有限公司 | 单缸插销式伸缩臂起重机及其臂长测量方法、测量装置 |
CN101670984A (zh) * | 2009-09-29 | 2010-03-17 | 长沙中联重工科技发展股份有限公司 | 单缸插销式伸缩臂轨迹的优化控制方法及控制系统 |
CN104340884A (zh) * | 2014-08-20 | 2015-02-11 | 中联重科股份有限公司 | 单缸插销式伸缩臂的控制方法、设备、系统以及工程机械 |
CN105460809A (zh) * | 2014-12-17 | 2016-04-06 | 徐州重型机械有限公司 | 一种伸缩臂伸缩控制系统、方法以及起重机 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109292650A (zh) * | 2017-06-26 | 2019-02-01 | 北汽福田汽车股份有限公司 | 副臂 |
CN109292650B (zh) * | 2017-06-26 | 2020-04-14 | 北汽福田汽车股份有限公司 | 副臂 |
CN111017750A (zh) * | 2019-12-09 | 2020-04-17 | 三一汽车起重机械有限公司 | 单缸插销式吊臂、吊臂操作方法和起重机 |
CN111039199A (zh) * | 2019-12-30 | 2020-04-21 | 徐州重型机械有限公司 | 单缸插销式伸缩臂和起重机 |
CN114835022A (zh) * | 2022-07-04 | 2022-08-02 | 长沙孚盛科技有限公司 | 伸缩臂的控制方法、装置、伸缩臂和起重机 |
Also Published As
Publication number | Publication date |
---|---|
CN106744386B (zh) | 2018-04-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106744386B (zh) | 单缸插销式多级顺序伸缩路径优化方法 | |
CN101670984B (zh) | 单缸插销式伸缩臂轨迹的优化控制方法及控制系统 | |
CN103383569B (zh) | 基于线性时序逻辑的移动机器人最优巡回路径设定方法 | |
CN104340884B (zh) | 单缸插销式伸缩臂的控制方法、设备、系统以及工程机械 | |
CN102097866A (zh) | 中长期机组组合优化方法 | |
CN103577897B (zh) | 一种土地利用空间布局智能优化的种群初始化方法 | |
CN103199544A (zh) | 电力系统的无功优化方法 | |
CN110188880A (zh) | 一种深度神经网络的量化方法及装置 | |
CN107816243A (zh) | 高强钢柱‑普通钢梁钢支撑‑低屈服点钢连梁可复位结构 | |
CN109961237A (zh) | 动态局部最优树的综合调度方法 | |
CN103514308A (zh) | 设计风力发电机叶片的方法和装置 | |
CN109101721A (zh) | 不确定环境下基于区间直觉模糊信息的多无人机任务分配方法 | |
CN106022601A (zh) | 一种多目标资源配置方法 | |
CN106410816A (zh) | 基于改进纵横交叉算法的多目标无功优化方法及系统 | |
CN106019940A (zh) | 基于ukf神经网络的转炉炼钢工艺成本控制方法及系统 | |
CN102419599B (zh) | 基于人工鱼群算法的太阳能电池最大功率点跟踪方法 | |
CN104360906A (zh) | 一种基于差分约束系统与迭代模的高层次综合调度方法 | |
CN103941627B (zh) | 一种基于plc编程中sfc到梯形图的转换方法 | |
CN106527151B (zh) | 一种带负载六自由度空间机械臂的路径搜索方法 | |
CN106744389B (zh) | 一种高效的单缸插销式多级顺序伸缩路径优化方法 | |
CN104965981B (zh) | 一种可逆变流岸电网侧控制器多参数优化方法 | |
CN107370191A (zh) | 一种基于改进蚁群算法的火电机组发电计划制作方法 | |
CN116757411A (zh) | 一种面向航天复杂构件的双资源柔性作业车间调度方法 | |
CN204994358U (zh) | 无内立柱大型单拱棚 | |
CN109816115A (zh) | 一种基于改进Q-learning算法的最短路径问题的解决方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |