CN110240072A - 一种用于起重机伸缩臂的控制方法 - Google Patents

Abstract

本发明公开了一种用于起重机伸缩臂的控制方法，包括：步骤一、获取起重机伸缩臂的倾斜角度α、起重机伸缩臂的伸出长度L、起吊的货物重量m和货物被吊起的高度h；并且根据所述起重机伸缩臂的倾斜角度α、所述起重机伸缩臂的伸出长度L、所述起吊的货物重量m和所述货物被吊起的高度h得到起重机伸缩臂的负载系数η；步骤二、获取环境风速v_f、起重机伸缩臂旋转速度ω、起重机吊具的起升速度v_h、起重机伸缩臂的伸缩速度v和起重机伸缩臂的负载系数η，并且确定起重机伸缩臂的伸缩速度等级；步骤三、根据所述起重机的伸缩速度等级对所述重机伸缩臂的伸缩速度进行调整。

Description

一种用于起重机伸缩臂的控制方法

技术领域

本发明属于起重机控制技术领域，特别涉及一种用于起重机伸缩臂的控制方法。

背景技术

起重机是指在一定范围内垂直提升和水平搬运重物的多动作起重机械。起重设备有的工作特点是做间歇性运动，即在一个工作循环中取料、运移、卸载等动作的相应机构是交替工作的，起重机在市场上的发展和使用越来越广泛。

起重器搬运货物时，需要根据货物的起始位置和最终放置位置改变伸缩臂的长短。起重机伸缩臂的伸缩机构形式有液压缸加绳排式和单缸插销式两种。一般情况下，5节臂节以上起重机只能采用单缸插销式伸缩方式。采用单缸插销式伸缩机构的起重机具有吊臂自重轻、起重量大、吊臂臂节数多的优点，为大吨位起重机广泛应用。

单缸插销式伸缩系统的基本原理是，吊重时或伸缩已完成时，吊臂两两之间通过承载销互销，伸缩油缸不承载。当需要对某节吊臂进行伸缩时，伸缩油缸带动其上的插销机构伸缩至对应的吊臂尾部，将工作销插入吊臂缸销孔，再缩承载销，承载销解锁后，伸或缩油缸，从而带动吊臂进行伸缩操作。

在现有技术中，起重机伸缩臂的伸缩速度一般为固定速度，如果速度设置较慢，会导致起重机效率较低，而如果设定速度较快，则会导致起重机伸缩臂伸缩不稳定而造成危险。

发明内容

本发明针对现有技术的缺陷，提供了一种用于起重机伸缩臂的控制方法，本发的目的是根据起重机的当前运行情况和环境风速判断起重机伸缩臂的伸缩速度等级，并根据伸缩速度等级对起重机伸缩臂的伸缩速度进行调整，从而提高起重机的效率及安全性。

本发明提供的技术方案为：

一种用于起重机伸缩臂的控制方法，包括：

步骤一、获取起重机伸缩臂的倾斜角度α、起重机伸缩臂的伸出长度L、起吊的货物重量m和货物被吊起的高度h；并且根据所述起重机伸缩臂的倾斜角度α、所述起重机伸缩臂的伸出长度L、所述起吊的货物重量m和所述货物被吊起的高度h得到起重机伸缩臂的负载系数η；

步骤二、获取环境风速v_f、起重机伸缩臂旋转速度ω、起重机吊具的起升速度v_h、起重机伸缩臂的伸缩速度v和起重机伸缩臂的负载系数η，并且确定起重机伸缩臂的伸缩速度等级；

步骤三、根据所述起重机的伸缩速度等级对所述重机伸缩臂的伸缩速度进行调整。

优选的是，在所述步骤二中，起重机伸缩臂的负载系数为：

其中，κ₁、κ₂、κ₃、κ₄分别为经验参数；α为起重机伸缩臂的倾斜角度；L为起重机伸缩臂的伸出长度，L₀为设定的基准伸出长度；m为起吊的货物重量，m₀为起重机起吊的额定重量；h为货物被吊起的高度，h₀为设定的基准高度。

优选的是，在所述步骤二中，通过BP神经网络确定起重机伸缩臂的伸缩速度等级，包括如下步骤：

步骤1、将获取的参数进行规格化，确定三层BP神经网络的输入层神经元向量x＝{x₁,x₂,x₃,x₄,x₅}，其中，x₁为环境风速系数，x₂为起重机伸缩臂旋转速度系数，x₃为起重机吊具的起升速度系数、x₄为起重机伸缩臂的伸缩速度系数、x₅为起重机伸缩臂的负载系数；

步骤2、所述输入层向量映射到隐藏层，所述隐藏层向量y＝{y₁,y₂,…,y_m}，m为隐藏层节点个数；

步骤3、得到输出层神经元向量o＝{o₁,o₂,o₃}；其中，o₁为设定的第1速度等级，o₂为设定的第2速度等级，o₃为设定的第3速度等级；所述输出层神经元值为k为输出层神经元序列号，k＝{1,2,3}，i为设定的第i个速度等级，i＝{1,2,3}，当o_k为1时，起重机伸缩臂的伸缩速度处于o_k对应的速度等级。

优选的是，当起重机伸缩臂的伸缩速度处于第1速度等级时，将起重机伸缩臂的伸缩速度调整为：

其中，δ₁为经验参数；v_f为环境风速，v_f-0为基准环境风速；ω为起重机伸缩臂旋转速度，ω₀为起重机伸缩臂的基准旋转速度；v_h为起重机吊具的起升速度，v_h-0为起重机吊具的基准起升速度；η为起重机伸缩臂的负载系数，e为自然对数的底数。

优选的是，当起重机伸缩臂的伸缩速度处于第3速度等级时，将起重机伸缩臂的伸缩速度调整为：

其中，δ₃为经验参数；v_f为环境风速，v_f-0为基准环境风速；ω为起重机伸缩臂旋转速度，ω₀为起重机伸缩臂的基准旋转速度；v_h为起重机吊具的起升速度，v_h-0为起重机吊具的基准起升速度；η为起重机伸缩臂的负载系数，e为自然对数的底数。

优选的是，当起重机伸缩臂的伸缩速度处于第2速度等级时，保持当前重机伸缩臂的伸缩速度。

优选的是，在所述步骤2中，进行规格化的公式为：

其中，X_j分别为参数v_f、ω、v_h、v，j＝1,2,3,4；X_jmax和X_jmin分别为相应参数中的最大值和最小值。

优选的是，所述隐藏层节点个数为4个。

优选的是，所述隐藏层及所述输出层的激励函数均采用S型函数f_j(x)＝1/(1+e^-x)。

本发明的有益效果是：

本发明提供的用于起重机伸缩臂的控制方法，能够根据起重机的当前运行情况和环境风速判断起重机伸缩臂的伸缩速度等级，并根据伸缩速度等级对起重机伸缩臂的伸缩速度进行调整，从而提高起重机的效率及安全性。

具体实施方式

下面对本发明做进一步的详细说明，以令本领域技术人员参照说明书文字能够据以实施。

本发明提供了一种用于起重机伸缩臂的控制方法，主要适用于单缸插销式伸缩方式的伸缩臂的控制，包括如下步骤：

步骤一、在起重机运行过程中，按照采样周期获取起重机伸缩臂的倾斜角度α、起重机伸缩臂的伸出长度L、起吊的货物重量m和货物被吊起的高度h；并且根据所述起重机伸缩臂的倾斜角度α、所述起重机伸缩臂的伸出长度L、所述起吊的货物重量m和所述货物被吊起的高度h得到起重机伸缩臂的负载系数η。

步骤二、按照采样周期获取环境风速v_f、起重机伸缩臂旋转速度ω、起重机吊具的起升速度v_h、起重机伸缩臂的伸缩速度v和起重机伸缩臂的负载系数η，并且确定起重机伸缩臂的伸缩速度等级。

步骤三、根据所述起重机的伸缩速度等级对所述重机伸缩臂的伸缩速度进行调整。

在另一个实施例中，所述的用于起重机伸缩臂的控制方法是通过起重机伸缩臂的控制系统实现的。所述的起重机伸缩臂的控制系统包括：角度传感器，器安装在起重机伸缩臂上靠近驾驶室的一端，用于检测起重机伸缩臂的倾斜角度α，其中，所述的倾斜角度α是指起重机伸缩臂与水平面之间的夹角；位移传感器，其采用红外线传感器，安装在伸缩油缸上，用于检测起重机伸缩臂的伸出长度L；重量传感器，其安装在起重机吊具处，用于检测起重机起吊的货物重量m；高度传感器，其采用红外线传感器，用于测量货物被吊起的高度h，其中，货物被吊起的高度h是指货物从起始位置到当前位置之间的高度差；风速传感器，其安装在起重机伸缩臂上靠近吊具的一端，用于检测环境风速v_f；转速传感器，其安装在起重机伸缩臂上，用于检测起重机伸缩臂的旋转速度ω；第一速度传感器，其安装在起重机吊具上，用于检测起重机吊具的起升速度v_h；第二速度传感器，其安装在起重机伸缩臂前端(靠近吊具的一端)，用于检测起重机伸缩臂的伸缩速度v。所述的起重机伸缩臂的控制系统还包括：数据采集模块，其与角度传感器、位移传感器、重量传感器、高度传感器、风速传感器、转速传感器、第一速度传感器和第二速度传感器分别电联，用于采集上述传感器采集的信息；数据接收与存储模块，其接收所述数据采集模块发送的信息；以及信息运算与处理模块，其接收所述数据接收与存储模块发送的信息，根据接收到的数据进行计算得到伸缩臂的伸缩速度等级，并且进一步根据伸缩臂的伸缩速度等级计算得到调整的速度值；信息运算及处理模块与电流控制模块连接，并将速度转化为电流变量，电流控制模块控制通过起重机伸缩臂中的伸缩机构的变量泵的电流来改变起重机伸缩臂的伸缩速度。

在另一个实施例中，确定起重机伸缩臂的负载系数为：

式中，κ₁、κ₂、κ₃、κ₄分别为经验参数；α为起重机伸缩臂的倾斜角度；L为起重机伸缩臂的伸出长度，单位m；L₀为设定的基准伸出长度，单位m；m为起吊的货物重量，单位Kg；m₀为起重机起吊的额定重量，单位Kg；h为货物被吊起的高度，单位m；h₀为设定的基准高度，单位m。

在另一个实施例中，设定L₀＝2～3m，h₀＝4～5m，κ₁＝0.15～0.20，κ₂＝0.10～0.15，κ₃＝0.25～0.35，κ₄＝0.11～0.16。

在另一个实施例中，在所述步骤二中，通过BP神经网络确定起重机伸缩臂的伸缩速度等级，包括如下步骤：

步骤1、建立BP神经网络模型。

BP模型上各层次的神经元之间形成全互连连接，各层次内的神经元之间没有连接，输入层神经元的输出与输入相同，即o_i＝x_i。中间隐含层和输出层的神经元的操作特性为：

o_pj＝f_j(net_pj)

其中，p表示当前的输入样本，ω_ji为从神经元i到神经元j的连接权值，o_pi为神经元j的当前输入，o_pj为其输出；f_j为非线性可微非递减函数，取为S型函数，即f_j(x)＝1/(1+e^-x)。

本发明采用的BP网络体系结构由三层组成，第一层为输入层，共n个节点，对应了表示设备工作状态的n个检测信号，这些信号参数由数据预处理模块给出；第二层为隐藏层，共m个节点，由网络的训练过程以自适应的方式确定；第三层为输出层，共p个节点，由系统实际需要输出的响应确定。

该网络的数学模型为：

输入向量：x＝(x₁,x₂,...,x_n)^T

中间层向量：y＝(y₁,y₂,...,y_m)^T

输出向量：o＝(o₁,o₂,...,o_p)^T

本发明中，输入层节点数为n＝5，输出层节点数为p＝3，隐藏层节点数m由下式估算得出：

输入层5个参数分别表示为：x₁为环境风速系数，x₂为起重机伸缩臂旋转速度系数，x₃为起重机吊具的起升速度系数、x₄为起重机伸缩臂的伸缩速度系数、x₅为起重机伸缩臂的负载系数；

由于传感器获取的数据属于不同的物理量，其量纲各不相同。因此，在数据输入人工神经网络之前，需要将数据规格化为0-1之间的数。而负载系数η为计算得到的系数，无量纲，因此没有进行规格化计算。

归一化的公式为其中，x_j为输入层向量中的参数，X_j分别为参数v_f、ω、v_h、v，j＝1,2,3,4；X_jmax和X_jmin分别为相应参数中的最大值和最小值。

具体而言，对于环境风速v_f，通过下式进行规格化后，得到环境风速系数x₁：

其中，v_f-min和v_f-max分别为风速传感器测量的最小风速和最大风速。

同样的，对于起重机伸缩臂旋转速度ω，通过下式进行规格化，得到起重机伸缩臂旋转速度系数x₂：

其中，ω_min和ω_max分别为设定的最小起重机伸缩臂旋转速度和最大起重机伸缩臂旋转速度。

对于起重机吊具的起升速度v_h，通过下式进行规格化后，得到起重机吊具的起升速度系数x₃：

其中，v_h-min和v_h-max分别为设定的最小起重机吊具的起升速度和最大起重机吊具的起升速度。

对于起重机伸缩臂的伸缩速度v，通过下式进行规格化后，得到起重机伸缩臂的伸缩速度系数x₄：

其中，v_min和v_max分别为设定的最小起重机伸缩臂的伸缩速度和最大起重机伸缩臂的伸缩速度。

由于负载系数η无需规格化，所以有x₅＝η。

输出层3个参数分别表示为：其中，o₁为设定的第1速度等级，o₂为设定的第2速度等级，o₃为设定的第3速度等级；所述输出层神经元值为k为输出层神经元序列号，k＝{1,2,3}，i为设定的第i个速度等级，i＝{1,2,3}；当o_k为1时，起重机伸缩臂的伸缩速度处于o_k对应的速度等级。

步骤2、进行BP神经网络的训练。

建立好BP神经网络节点模型后，即可进行BP神经网络的训练。根据历史经验数据获取训练的样本，并给定输入节点i和隐含层节点j之间的连接权值，隐层节点j和输出层节点k之间的连接权值。

(1)训练方法

BP神经网络的子网采用单独训练的方法；训练时，首先提供一组训练样本，每一个样本由输入样本和理想输出值组成，当网络的所有实际输出值与其理想输出值一致时，训练结束；否则，通过修正权值，使网络的理想输出值与实际输出值一致；各子网训练时的输出样本如表1所示。

表1 BP神经网络子网训练输出样本

(2)训练算法

BP网络采用误差反向传播(Backward Propagation)算法进行训练。

第三步：输入新的样本或新一周期样本，直到网络收敛，在训练时各周期中样本的输入顺序要重新随机排序。

BP算法采用Levenberg-Marquardt优化算法求非线性函数极值，Levenberg-Marquardt优化算法能够使得网络学习时间更短，能有效地抑制网络陷于局部极小。其权值调整率选为：

Δω＝(J^TJ+μI)^-1J^Te

其中，J为误差对权值微分的雅可比(Jacobian)矩阵，I为输入向量，e为误差向量，变量μ是一个自适应调整的标量，用来确定学习是根据牛顿法还是梯度法来完成。

在系统设计时，系统模型是一个仅经过初始化的网络，权值需要根据在使用过程中获得的数据样本进行学习调整，为此设计了系统的自学习功能。在指定了学习样本及数量的情况下，系统可以进行自学习，以不断完善网络性能。

步骤3、信息运算与处理模块得到起重机伸缩臂的伸缩速度的等级，所述第1速度等级表示当前伸缩臂伸缩速度较慢，在保证稳定性的前提下还有可以提高速度的空间；所述第2速度等级表示起重机伸缩臂的伸缩速度处于正常阈值内，速度合适，保持当前伸缩速度即可；所述第3速度等级表示起重机伸缩臂的伸缩速度过快，如果继续保持当前伸缩速度，可能会出现安全问题。

其中，起重机伸缩臂的起始伸缩速度为设定的标准速度v₀，该标准速度为根据起重机伸缩臂的机械性能标定，即为常规起重机伸缩臂的设定值。

在另一个实施例中，在所述步骤三中，根据起重机的伸缩速度等级对所述重机伸缩臂的伸缩速度进行调整，具体包括：

当起重机伸缩臂的伸缩速度处于第1速度等级时，将起重机伸缩臂的伸缩速度调整为：

其中，δ₁为经验参数；v_f为环境风速，单位m/s；v_f-0为基准环境风速，单位m/s；ω为起重机伸缩臂旋转速度，单位rpm；ω₀为起重机伸缩臂的基准旋转速度，单位rpm；v_h为起重机吊具的起升速度，单位m/min；v_h-0为起重机吊具的基准起升速度，单位m/min；η为起重机伸缩臂的负载系数，e为自然对数的底数；设定v_f-0＝3～3.3m/s，ω₀＝1～1.5rpm，v_h-0＝10～15m/min，δ₁＝1.08～1.10。通过上述公式进行起重机伸缩臂的速度调整，能够在保证起重机伸缩臂运行安全稳定的前提下，尽量提高起重机的搬运效率。

当起重机伸缩臂的伸缩速度处于第3速度等级时，将起重机伸缩臂的伸缩速度调整为：

其中，δ₃为经验参数；v_f为环境风速，单位m/s；v_f-0为基准环境风速，单位m/s；ω为起重机伸缩臂旋转速度，单位rpm；ω₀为起重机伸缩臂的基准旋转速度，单位rpm；v_h为起重机吊具的起升速度，单位m/min；v_h-0为起重机吊具的基准起升速度，单位m/min；η为起重机伸缩臂的负载系数，e为自然对数的底数；设定v_f-0＝3～3.3m/s，ω₀＝1～1.5rpm，v_h-0＝10～15m/min，δ₃＝1.12～1.15。通过上述公式进行起重机伸缩臂的速度调整，能够提高起重机伸缩臂的运行安全性，避免事故的发生。

当起重机伸缩臂的伸缩速度处于第2速度等级时，保持当前重机伸缩臂的伸缩速度。

尽管本发明的实施方案已公开如上，但其并不仅仅限于说明书和实施方式中所列运用，它完全可以被适用于各种适合本发明的领域，对于熟悉本领域的人员而言，可容易地实现另外的修改，因此在不背离权利要求和等同范围所限定的一般概念下，本发明并不限于特定的细节。

Claims (9)

1.一种用于起重机伸缩臂的控制方法，其特征在于，包括如下步骤：

步骤一、获取起重机伸缩臂的倾斜角度α、起重机伸缩臂的伸出长度L、起吊的货物重量m和货物被吊起的高度h；并且根据所述起重机伸缩臂的倾斜角度α、所述起重机伸缩臂的伸出长度L、所述起吊的货物重量m和所述货物被吊起的高度h得到起重机伸缩臂的负载系数η；

步骤二、获取环境风速v_f、起重机伸缩臂旋转速度ω、起重机吊具的起升速度v_h、起重机伸缩臂的伸缩速度v和起重机伸缩臂的负载系数η，并且确定起重机伸缩臂的伸缩速度等级；

步骤三、根据所述起重机的伸缩速度等级对所述重机伸缩臂的伸缩速度进行调整。

2.根据权利要求1所述的用于起重机伸缩臂的控制方法，其特征在于，在所述步骤二中，起重机伸缩臂的负载系数为：

其中，κ₁、κ₂、κ₃、κ₄分别为经验参数；α为起重机伸缩臂的倾斜角度；L为起重机伸缩臂的伸出长度，L₀为设定的基准伸出长度；m为起吊的货物重量，m₀为起重机起吊的额定重量；h为货物被吊起的高度，h₀为设定的基准高度。

3.根据权利要求1或2所述的用于起重机伸缩臂的控制方法，其特征在于，在所述步骤二中，通过BP神经网络确定起重机伸缩臂的伸缩速度等级，包括如下步骤：

步骤1、将获取的参数进行规格化，确定三层BP神经网络的输入层神经元向量x＝{x₁,x₂,x₃,x₄,x₅}，其中，x₁为环境风速系数，x₂为起重机伸缩臂旋转速度系数，x₃为起重机吊具的起升速度系数、x₄为起重机伸缩臂的伸缩速度系数、x₅为起重机伸缩臂的负载系数；

步骤2、所述输入层向量映射到隐藏层，所述隐藏层向量y＝{y₁,y₂,…,y_m}，m为隐藏层节点个数；

步骤3、得到输出层神经元向量o＝{o₁,o₂,o₃}；其中，o₁为设定的第1速度等级，o₂为设定的第2速度等级，o₃为设定的第3速度等级；所述输出层神经元值为k为输出层神经元序列号，k＝{1,2,3}，i为设定的第i个速度等级，i＝{1,2,3}，当o_k为1时，起重机伸缩臂的伸缩速度处于o_k对应的速度等级。

4.根据权利要求3所述的用于起重机伸缩臂的控制方法，其特征在于，当起重机伸缩臂的伸缩速度处于第1速度等级时，将起重机伸缩臂的伸缩速度调整为：

其中，δ₁为经验参数；v_f为环境风速，v_f-0为基准环境风速；ω为起重机伸缩臂旋转速度，ω₀为起重机伸缩臂的基准旋转速度；v_h为起重机吊具的起升速度，v_h-0为起重机吊具的基准起升速度；η为起重机伸缩臂的负载系数，e为自然对数的底数。

5.根据权利要求4所述的用于起重机伸缩臂的控制方法，其特征在于，当起重机伸缩臂的伸缩速度处于第3速度等级时，将起重机伸缩臂的伸缩速度调整为：

其中，δ₃为经验参数；v_f为环境风速，v_f-0为基准环境风速；ω为起重机伸缩臂旋转速度，ω₀为起重机伸缩臂的基准旋转速度；v_h为起重机吊具的起升速度，v_h-0为起重机吊具的基准起升速度；η为起重机伸缩臂的负载系数，e为自然对数的底数。

6.根据权利要求5所述的用于起重机伸缩臂的控制方法，其特征在于，当起重机伸缩臂的伸缩速度处于第2速度等级时，保持当前重机伸缩臂的伸缩速度。

7.根据权利要求6所述的用于起重机伸缩臂的控制方法，其特征在于，在所述步骤2中，进行规格化的公式为：

其中，X_j分别为参数v_f、ω、v_h、v，j＝1,2,3,4；X_jmax和X_jmin分别为相应参数中的最大值和最小值。

8.根据权利要求7所述的用于起重机伸缩臂的控制方法，其特征在于，所述隐藏层节点个数为4个。

9.根据权利要求8所述的用于起重机伸缩臂的控制方法，其特征在于，所述隐藏层及所述输出层的激励函数均采用S型函数f_j(x)＝1/(1+e^-x)。