CN107991869A - 一种曳引机自适应控制系统 - Google Patents

一种曳引机自适应控制系统 Download PDF

Info

Publication number
CN107991869A
CN107991869A CN201711225729.9A CN201711225729A CN107991869A CN 107991869 A CN107991869 A CN 107991869A CN 201711225729 A CN201711225729 A CN 201711225729A CN 107991869 A CN107991869 A CN 107991869A
Authority
CN
China
Prior art keywords
traction machine
motor
sensor
population
adaptive control
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.)
Pending
Application number
CN201711225729.9A
Other languages
English (en)
Inventor
吉卫喜
范小斌
马玉娟
李申
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Haian Shenling Electrical Appliance Manufacturing Co Ltd
Jiangnan University
Original Assignee
Haian Shenling Electrical Appliance Manufacturing Co Ltd
Jiangnan University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Haian Shenling Electrical Appliance Manufacturing Co Ltd, Jiangnan University filed Critical Haian Shenling Electrical Appliance Manufacturing Co Ltd
Priority to CN201711225729.9A priority Critical patent/CN107991869A/zh
Publication of CN107991869A publication Critical patent/CN107991869A/zh
Pending legal-status Critical Current

Links

Classifications

    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05BCONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/0265Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion
    • G05B13/027Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion using neural networks only
    • GPHYSICS
    • G05CONTROLLING; REGULATING
    • G05BCONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B13/00Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
    • G05B13/02Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
    • G05B13/04Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
    • G05B13/042Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance

Landscapes

  • Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Feedback Control In General (AREA)

Abstract

一种曳引机自适应控制系统,涉及扶梯动力装置应用和节能领域。采用多传感器感知的原理对曳引机的相关运行参数进行实时监控,并通过PID控制器实时接收传感器采集的信号对扶梯曳引机进行实时控制。提取曳引机运行参数等相关特征信息;根据所述相关特征信息,建立神经网络模型描述曳引机运行参数对扶梯曳引机的影响,并基于所建立的神经网络模型,采用差分进化算法优化神经网络的权值;根据建立的优化模型对扶梯曳引机进行自适应控制。该方法通过控制器对运行参数进行自动识别和自动校正,增强曳引机对运行环境的适应性。

Description

一种曳引机自适应控制系统
技术领域
本发明属于扶梯动力装置应用和节能领域,具体涉及一种扶梯曳引机自适应控制系统。
背景技术
随着城市建设的加快,在百货商店、大型超市、候车室、候机厅、地铁站等客流量集中的地方,都普遍设有为数可观的自动扶梯。与此同时,越来越多的人注意到,自动扶梯的人体乘坐舒适度和能耗问题,又是新的技术挑战。对于曳引式自动扶梯,人们日常关注的是它的乘坐舒适度、快速性等指标,但这些性能指标又是相互对立的,在保证足够人体舒适度的情况下就很难兼顾运行的时间。对于自动扶梯运行过程中减速上行和加速下行时产生的制动能量,通常是经由电阻以热能的形式消耗掉,这样不仅造成巨大的能量浪费,同时由于这些耗能电阻发热使环境温度升高,造成故障。若能将自动扶梯回馈的能量进行再利用,将能节约很大一部分能量,对于庞大的自动扶梯使用数量而言,每年将产生可观的经济效益。可见对扶梯驱动装置节能技术和自适应控制的开发潜力巨大、意义非凡。
目前市场上现有的自动扶梯设备的设计,主要考虑的是人体乘坐的舒适度,而这是以降低自动扶梯运行速度为前提的。此外,自动扶梯在设计时不仅要考虑速度的指标,还有自动扶梯电流的控制、转矩脉动的抑制、低功耗节能等因素都是自动扶梯设计需重点考虑的因素,但上述因素间又是相互抑制的,目前的自动扶梯设计中还未能很好地解决上述问题。
发明内容
本发明提供一种曳引机自适应控制系统,通过综合考虑自动扶梯电流的控制、位置的控制、转矩脉动的抑制、低功耗节能,实时计算并控制电机输出系统所需的功率,达到曳引机的输出功率与系统所需功率的精确匹配,降低功耗和噪音的目的。
本发明包括检测单元、计算单元、存储单元、控制单元,
所述检测单元与曳引机系统相连,所述检测单元包括电流传感器、加速度传感器、温度传感器、速度传感器、扭矩传感器;所述电流传感器、加速度传感器、温度传感器、速度传感器、扭矩传感器用于检测曳引机的电机电流、电机加速度、减速机油温、电机速度、曳引机输出扭矩相关运行参数信息;
所述计算单元与所述检测单元连接,所述计算单元与所述检测单元相连,根据所述提取的曳引机运行参数,计算当前工况下系统所需的曳引机输出功率P0,通过建立BP神经网络模型拟合建立起输入量与输出量之间的非线性映射关系;
所述存储单元与所述计算单元相连,根据所述BP神经网络模型,采用差分进化算法训练神经网络的权值,所述存储单元存储有曳引机功率特性匹配表和电机转速分配数据库;
所述控制单元与所述计算单元相连,通过神经网络的自学习能力,在线调整某种最优控制规律下的PID控制器的三个参数:比例系数kp、微分系数ki和积分系数kd,实现某种性能指标的最优化,根据所述优化模型对扶梯曳引机进行自适应控制调节。
所述差分进化算法具体步骤有:
步骤101,确定所述差分进化算法控制参数。差分进化算法控制参数包括:种群规模、变异算子、交叉算子、最大迭代次数,并随机产生初始种群;
步骤102,确定所述PID控制器三个参数:比例系数kp、微分系数ki和积分系数kd的上下限;
步骤103,根据所述步骤控制的结果对初始种群进行评价,即计算初始种群中每个个体的适应度值.;
步骤104,根据所述步骤计算得到的适应度函数值来判断迭代次数是否达到最大;
步骤105,所述步骤的判断结果若是迭代次数达到最大迭代次数,则进化终止,将此时的最佳个体作为解输出;若否,继续;
步骤106,根据所述步骤进行变异和交叉操作,对边界条件进行处理,得到临时种群;
步骤107,根据所述步骤对临时种群进行评价,计算临时种群中每个个体的适应度值;
步骤108,进行选择操作,得到新种群;
步骤109,满足控制要求,输出全局最优值及其适应度函数值后,结束优化过程。
本发明算法构成上使用的是BP神经网络模型,并使用差分进化算法优化神经网络权值和阈值;针对基于神经网络的多个变量控制及辨识问题,通过拆分网络结构,实现对耦合变量的解耦,将被控系统的参数不确定转移到神经网络权值调整上。
本发明提供的技术方案,综合考虑扶梯运行的速度曲线约束;运行的电流约束,要求扶梯有足够的启动转矩和尽量小的启动电流;转矩约束,在负载不同的情况下,通过调节合适的转矩,使扶梯在额定速度和零速情况下抑制转矩的脉动;低功耗约束,在扶梯高效运行的前提下,尽量降低扶梯动力装置的功率消耗;基于上述所述约束条件,采用差分进化算法优化神经网络模型,实现扶梯自适应控制。
本发明所述曳引机系统包括电机、减速机箱体,所述电机通过支腿、螺栓固定支撑在所述减速机箱体外,所述减速机箱体内设置有涡轮、蜗杆,电机输出端通过连轴装置与所述蜗杆一端连接,涡轮蜗杆相互啮合,涡轮的输出轴设置在减速机箱体的输出端面上,所述电流传感器、加速度传感器分别设置在所述电机上,电流传感器与电机的电路系统对应连接,所述加速度传感器与电机的转子对应连接,温度传感器设置在所述减速机箱体内,所述速度传感器与电机的输出轴对应连接,所述扭矩传感器与所述涡轮输出轴对应连接。通过电流传感器、加速度传感器、温度传感器、速度传感器、扭矩传感器用于检测曳引机的电机电流、电机加速度、减速机油温、电机速度、曳引机输出扭矩相关运行参数信息,达到数据收集和检测的目的。
附图说明
图1为本发明的一种结构示意图;
图2为本发明所述曳引机系统检测单元安装示意图;
图3为图2的A-A向剖面图;
图4为图2的俯视图;
图5为本发明所涉及的BP神经网络结合差分进化算法寻优流程图。
具体实施例
如图1所示,本曳引机自适应控制系统包括检测单元6、计算单元7、存储单元8、控制单元9,
如图2、3、4所示,检测单元6与曳引机系统相连,检测单元6包括电流传感器1、加速度传感器2、温度传感器3、速度传感器4、扭矩传感器5;电流传感器1、加速度传感器2、温度传感器3、速度传感器4、扭矩传感器5用于检测曳引机的电机电流、电机加速度、减速机油温、电机速度、曳引机输出扭矩相关运行参数信息;
计算单元7与所述检测单元6连接,计算单元6与所述检测单元相连,根据所述提取的曳引机运行参数,计算当前工况下系统所需的曳引机输出功率P0,通过建立BP神经网络模型拟合建立起输入量与输出量之间的非线性映射关系;
存储单元8与所述计算单元7相连,根据BP神经网络模型,采用差分进化算法训练神经网络的权值,所述存储单元存储有曳引机功率特性匹配表和电机转速分配数据库;
控制单元9与所述计算单元8相连,通过神经网络的自学习能力,在线调整某种最优控制规律下的PID控制器的三个参数:比例系数kp、微分系数ki和积分系数kd,实现某种性能指标的最优化,根据所述优化模型对扶梯曳引机进行自适应控制调节。
差分进化算法具体步骤有:
步骤101,确定所述差分进化算法控制参数。差分进化算法控制参数包括:种群规模、变异算子、交叉算子、最大迭代次数,并随机产生初始种群;
步骤102,确定所述PID控制器三个参数:比例系数kp、微分系数ki和积分系数kd的上下限;
步骤103,根据所述步骤控制的结果对初始种群进行评价,即计算初始种群中每个个体的适应度值.;
步骤104,根据所述步骤计算得到的适应度函数值来判断迭代次数是否达到最大;
步骤105,所述步骤的判断结果若是迭代次数达到最大迭代次数,则进化终止,将此时的最佳个体作为解输出;若否,继续;
步骤106,根据所述步骤进行变异和交叉操作,对边界条件进行处理,得到临时种群;
步骤107,根据所述步骤对临时种群进行评价,计算临时种群中每个个体的适应度值;
步骤108,进行选择操作,得到新种群;
步骤109,满足控制要求,输出全局最优值及其适应度函数值后,结束优化过程。
上述算法构成上使用的是BP神经网络模型,并使用差分进化算法优化神经网络权值和阈值;针对基于神经网络的多个变量控制及辨识问题,通过拆分网络结构,实现对耦合变量的解耦,将被控系统的参数不确定转移到神经网络权值调整上。
综合考虑扶梯运行的速度曲线约束;运行的电流约束,要求扶梯有足够的启动转矩和尽量小的启动电流;转矩约束,在负载不同的情况下,通过调节合适的转矩,使扶梯在额定速度和零速情况下抑制转矩的脉动;低功耗约束,在扶梯高效运行的前提下,尽量降低扶梯动力装置的功率消耗;基于上述所述约束条件,采用差分进化算法优化神经网络模型,实现扶梯自适应控制。
如图2、3、4所示,曳引机系统包括电机10、减速机箱体11,电机10通过支腿、螺栓固定支撑在减速机箱体11外,减速机箱体11内设置有涡轮、蜗杆,电机输出端10通过连轴装置与蜗杆一端连接,涡轮、蜗杆相互啮合,涡轮的输出轴12设置在减速机箱体11的输出端面上,电流传感器1、加速度传感器2分别设置在电机10上,电流传感器1与电机10的电路系统对应连接,加速度传感器2与电机10的转子对应连接,温度传感器3设置在减速机箱体11内,速度传感器4与电机10的输出轴对应连接,扭矩传感器5与涡轮输出轴12对应连接。

Claims (2)

1.一种曳引机自适应控制系统,其特征在于包括检测单元、计算单元、存储单元、控制单元,
所述检测单元与曳引机系统相连,所述检测单元包括电流传感器、加速度传感器、温度传感器、速度传感器、扭矩传感器;所述电流传感器、加速度传感器、温度传感器、速度传感器、扭矩传感器用于检测曳引机的电机电流、电机加速度、减速机油温、电机速度、曳引机输出扭矩相关运行参数信息;
所述计算单元与所述检测单元连接,所述计算单元与所述检测单元相连,根据所述提取的曳引机运行参数,计算当前工况下系统所需的曳引机输出功率P0,通过建立BP神经网络模型拟合建立起输入量与输出量之间的非线性映射关系;
所述存储单元与所述计算单元相连,根据所述BP神经网络模型,采用差分进化算法训练神经网络的权值,所述存储单元存储有曳引机功率特性匹配表和电机转速分配数据库;
所述控制单元与所述计算单元相连,通过神经网络的自学习能力,在线调整某种最优控制规律下的PID控制器的三个参数:比例系数kp、微分系数ki和积分系数kd,实现某种性能指标的最优化,根据所述优化模型对扶梯曳引机进行自适应控制调节;
所述差分进化算法具体步骤有:
(1)确定所述差分进化算法控制参数。差分进化算法控制参数包括:种群规模、变异算子、交叉算子、最大迭代次数,并随机产生初始种群;
(2)确定所述PID控制器三个参数:比例系数kp、微分系数ki和积分系数kd的上下限;
(3)根据所述步骤控制的结果对初始种群进行评价,即计算初始种群中每个个体的适应度值.;
(4)根据所述步骤计算得到的适应度函数值来判断迭代次数是否达到最大;
(5)所述步骤的判断结果若是迭代次数达到最大迭代次数,则进化终止,将此时的最佳个体作为解输出;若否,继续;
(6)根据所述步骤进行变异和交叉操作,对边界条件进行处理,得到临时种群;
(7)根据所述步骤对临时种群进行评价,计算临时种群中每个个体的适应度值;
(8)进行选择操作,得到新种群;
(9)满足控制要求,输出全局最优值及其适应度函数值后,结束优化过程。
2.根据权利要求1所述的曳引机自适应控制系统,其特征在于所述曳引机系统包括电机、减速机箱体,所述电机通过支腿、螺栓固定支撑在所述减速机箱体外,所述减速机箱体内设置有涡轮、蜗杆,电机输出端通过连轴装置与所述蜗杆一端连接,涡轮蜗杆相互啮合,涡轮的输出轴设置在减速机箱体的输出端面上,所述电流传感器、加速度传感器分别设置在所述电机上,电流传感器与电机的电路系统对应连接,所述加速度传感器与电机的转子对应连接,温度传感器设置在所述减速机箱体内,所述速度传感器与电机的输出轴对应连接,所述扭矩传感器与所述涡轮输出轴对应连接。
CN201711225729.9A 2017-11-29 2017-11-29 一种曳引机自适应控制系统 Pending CN107991869A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201711225729.9A CN107991869A (zh) 2017-11-29 2017-11-29 一种曳引机自适应控制系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201711225729.9A CN107991869A (zh) 2017-11-29 2017-11-29 一种曳引机自适应控制系统

Publications (1)

Publication Number Publication Date
CN107991869A true CN107991869A (zh) 2018-05-04

Family

ID=62034378

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201711225729.9A Pending CN107991869A (zh) 2017-11-29 2017-11-29 一种曳引机自适应控制系统

Country Status (1)

Country Link
CN (1) CN107991869A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109947745A (zh) * 2019-03-28 2019-06-28 浪潮商用机器有限公司 一种数据库优化方法及装置
CN110244787A (zh) * 2019-06-28 2019-09-17 新奥数能科技有限公司 转速控制系统的调节方法及装置
CN114063442A (zh) * 2021-11-25 2022-02-18 中国船舶重工集团公司第七0七研究所 一种基于神经网络船舶拖曳作业pid航向控制方法
CN114671326A (zh) * 2022-03-01 2022-06-28 杭州优迈科技有限公司 自动扶梯或自动人行道驱动器控制方法、系统和设备

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109947745A (zh) * 2019-03-28 2019-06-28 浪潮商用机器有限公司 一种数据库优化方法及装置
CN109947745B (zh) * 2019-03-28 2021-08-20 浪潮商用机器有限公司 一种数据库优化方法及装置
CN110244787A (zh) * 2019-06-28 2019-09-17 新奥数能科技有限公司 转速控制系统的调节方法及装置
CN114063442A (zh) * 2021-11-25 2022-02-18 中国船舶重工集团公司第七0七研究所 一种基于神经网络船舶拖曳作业pid航向控制方法
CN114063442B (zh) * 2021-11-25 2023-04-28 中国船舶重工集团公司第七0七研究所 一种基于神经网络船舶拖曳作业pid航向控制方法
CN114671326A (zh) * 2022-03-01 2022-06-28 杭州优迈科技有限公司 自动扶梯或自动人行道驱动器控制方法、系统和设备

Similar Documents

Publication Publication Date Title
CN107991869A (zh) 一种曳引机自适应控制系统
CN106219342A (zh) 基于时频转换算法的电梯自诊断及预诊断系统和方法
MXPA04006495A (es) Sistema de control de bomba alternativa.
CN107187447A (zh) 一种基于车联网的车辆自适应巡航控制系统及其控制方法
CN102390390B (zh) 机车通风系统进气量调节控制方法
CN110338556A (zh) 电动升降桌及其控制方法
CN103939058B (zh) 风光储联合的游梁式抽油机智能平衡装置
CN101581940A (zh) 基于集成学习时间序列预测的隧道事件检测方法
CN201292954Y (zh) 水泵和/或风机高效节能控制系统
CN116730132A (zh) 智慧楼宇电梯运营用节能运行系统
CN105736434B (zh) 一种电厂风机的性能监控方法与系统
CN102155405A (zh) 一种潜油螺杆泵转速智能控制系统及控制方法
CN103967631A (zh) 一种柴油机动力性能在线识别装置和识别方法
CN110294380A (zh) 一种基于数据驱动的电梯制动器抱闸响应性能监测方法及监测装置
CN107607278A (zh) 一种振动台的节能降噪控制方法及装置
CN115373437A (zh) 一种用于煤流检测的传送带调速控制系统
CN101566059A (zh) 广适应的新型自动送钻装置
CN202023738U (zh) 一种潜油螺杆泵转速智能控制系统
CN105649792B (zh) 一种重型车辆发动机上坡辅助扭矩提升设备及提升方法
CN207903728U (zh) 一种扶梯踏板状态监测装置
CN104035364B (zh) 一种永磁耦合调速器控制装置
CN117090636A (zh) 特长隧道通风节能智能控制及配置优化方法
CN106092586A (zh) 一种发动机制动器功能性试验台及试验方法
CN108584660B (zh) 一种自动调节转向的扶手式三行道电梯
CN109421679A (zh) 一种车辆自适应主动刹车方法

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20180504

RJ01 Rejection of invention patent application after publication