CN112249727A - 基于幂次积分趋近律的集装箱港口不确定装卸作业链滑模控制方法 - Google Patents
基于幂次积分趋近律的集装箱港口不确定装卸作业链滑模控制方法 Download PDFInfo
- Publication number
- CN112249727A CN112249727A CN202010902407.9A CN202010902407A CN112249727A CN 112249727 A CN112249727 A CN 112249727A CN 202010902407 A CN202010902407 A CN 202010902407A CN 112249727 A CN112249727 A CN 112249727A
- Authority
- CN
- China
- Prior art keywords
- container
- adder
- unit
- sliding mode
- port
- 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.)
- Withdrawn
Links
- 238000000034 method Methods 0.000 title claims abstract description 60
- 238000013459 approach Methods 0.000 title claims description 45
- 238000004088 simulation Methods 0.000 claims abstract description 12
- 244000145845 chattering Species 0.000 claims abstract description 5
- 238000004519 manufacturing process Methods 0.000 claims description 47
- 230000010354 integration Effects 0.000 claims description 23
- 238000013486 operation strategy Methods 0.000 claims description 14
- 238000004458 analytical method Methods 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 6
- 101000805163 Mus musculus Docking protein 2 Proteins 0.000 claims description 4
- 230000007246 mechanism Effects 0.000 claims description 4
- 230000008569 process Effects 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims 1
- 230000014509 gene expression Effects 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 4
- 230000003750 conditioning effect Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 239000002184 metal Substances 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000001276 controlling effect Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
- B65G—TRANSPORT OR STORAGE DEVICES, e.g. CONVEYORS FOR LOADING OR TIPPING, SHOP CONVEYOR SYSTEMS OR PNEUMATIC TUBE CONVEYORS
- B65G63/00—Transferring or trans-shipping at storage areas, railway yards or harbours or in opening mining cuts; Marshalling yard installations
- B65G63/002—Transferring or trans-shipping at storage areas, railway yards or harbours or in opening mining cuts; Marshalling yard installations for articles
- B65G63/004—Transferring or trans-shipping at storage areas, railway yards or harbours or in opening mining cuts; Marshalling yard installations for articles for containers
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B65—CONVEYING; PACKING; STORING; HANDLING THIN OR FILAMENTARY MATERIAL
- B65G—TRANSPORT OR STORAGE DEVICES, e.g. CONVEYORS FOR LOADING OR TIPPING, SHOP CONVEYOR SYSTEMS OR PNEUMATIC TUBE CONVEYORS
- B65G63/00—Transferring or trans-shipping at storage areas, railway yards or harbours or in opening mining cuts; Marshalling yard installations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Quality & Reliability (AREA)
- Entrepreneurship & Innovation (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种基于幂次积分趋近律的集装箱港口不确定装卸作业链滑模控制方法，依据集装箱港口装卸作业链的不确定特点，建立面向集装箱港口不确定非线性装卸作业链系统模型；在趋近律中设置系统状态变量的积分，提出基于幂次积分趋近律的滑模控制方法；考虑货运需求和装卸能力的不确定性，应用传统方法、准滑模控制、积分滑模控制和基于幂次积分趋近律的滑模控制方法，对不确定非线性装卸作业链系统进行仿真比较，验证了基于幂次积分趋近律的滑模控制方法的有效性。本发明的结果表明，基于幂次积分趋近律的滑模控制方法不仅可以在减少稳态误差和避免不确定引起的抖振之间取得平衡，而且可以优化不确定非线性装卸作业链系统的鲁棒性和柔性。
Description
技术领域
本发明涉及一种基于幂次积分趋近律的集装箱港口装卸作业链滑模控制方法。
背景技术
有效地规划和管理集装箱港口装卸作业链，可减少运输时间和相关运营成本。传统上，主要针对三类设备(岸桥、集卡/AGV、场桥) 对集装箱港口装卸作业链进行了单独研究。然而，集装箱港口装卸作业是同步运行的，单独地优化与控制作业链的某个方面并不能保证提高集装箱港口的整体作业效率。集装箱装卸设备的综合调度对于提高集装箱港口的效率至关重要，然而大多数研究通常考虑确定性环境，对不确定因素涉及较少。
实际上，集装箱港口经营者必须面对现实中的各种不确定因素和未知问题，比如：船舶到达时间、任务处理时间、设备可靠性、作业资源约束、天气多变性等。一旦出现这些不确定因素，作业人员就应该调整或重新安排生产任务以满足实际情况。但这种调整或重新安排会产生额外的费用，并影响其他作业计划的执行，如果一开始在作业计划时就考虑不确定性，从运筹学的角度生成抗扰动的鲁棒作业计划，则可以显著降低调整的风险，但大多数忽视了集装箱港口不确定装卸作业链固有的柔性问题。
控制方法可优化不确定系统行为，提高系统性能。然而，目前关于集装箱港口不确定装卸作业链的鲁棒性和柔性的控制方法研究还较少。滑模控制(SMC)具有快速响应，鲁棒性和跟踪性能良好(针对参数扰动或模型不确定性或未知干扰)的优势，广泛应用于许多复杂的工程系统，比如，动态网络、水下机器人，航天器等，却有着抖振的重要缺点。准滑模控制(QSMC)已被证明是一种有效的鲁棒控制技术，可以处理不确定性和抖振效应，但带来了很大的稳态误差，这在实践中是不可行的。实际的集装箱港口不确定装卸作业链系统要求稳态误差小，快速且鲁棒性好，柔性强，这给控制方法的设计带来了很大困难。因此，如何采取有效的控制方法来提高集装箱港口不确定装卸作业链的效率与效益，对集装箱港口运营管理至关重要。
发明内容
本发明公开了一种基于幂次积分趋近律的集装箱港口不确定装卸作业链滑模控制方法，不仅可以在减少稳态误差和避免不确定引起的抖振之间取得平衡，而且可以优化不确定装卸作业链系统的鲁棒性和柔性。
为了达到上述目的，本发明通过以下技术方案实现：
提供基于幂次积分趋近律的集装箱港口不确定装卸作业链滑模控制方法，该方法建立了面向集装箱港口不确定装卸作业链系统模型，该模型包含：
第一加法器，实际货运需求量FR与货运需求的不确定扰动f1输入所述第一加法器；
集装箱货运需求预测策略单元，第一加法器与所述集装箱货运需求预测策略单元连接；
期望前置时间单元，与所述集装箱货运需求预测策略单元连接；
第二加法器，与所述期望前置时间单元连接；
第一调节时间单元，与所述第二加法器连接；
第二调节时间单元，实际未满足的货运需求UFR输入到所述第二调节时间单元；
第三加法器，与所述集装箱货运需求预测策略单元、第一调节时间单元和第二调节时间单元连接；
非负约束单元，与所述第三加法器连接，所述非负约束单元的输出量为实际货物到达率ARATE；
生产运作策略单元，与所述非负约束单元连接；
第四加法器，生产能力的不确定扰动f2与生产运作策略单元输入到所述第四加法器；
生产能力上限单元，与所述第四加法器连接，输出为港口实际装卸能力COMRATE；
第五加法器，货物实际到达率ARATE与港口实际装卸能力 COMRATE输入到所述第五加法器；
第一积分单元，与所述第五加法器连接，该第一积分单元输入到第二加法器；
第六加法器，第一加法器与港口装卸能力COMRATE输入到所述第六加法器；
第二积分单元，与所述第六加法器连接，所述第二积分单元的输出量为实际未满足的货运需求UFR，并输入到第二调节时间单元。
优选地，
所述集装箱货运需求预测策略单元内设有集装箱需求策略函数
所述期望前置时间单元内设有期望前置时间参数TQ；
所述第一调节时间单元内设有第一调节时间参数TI；
所述第二调节时间单元内设有第二调节时间参数TU；
所述生产运作策略单元内设有生产运作策略函数
优选地，
所述模型构建所包含的控制环节：
第一加法器，所述实际货运需求量FR与所述货运需求的不确定扰动f1做加法运算输入第一加法器，运算结果输出到集装箱货运需求预测策略单元；
集装箱货运需求预测策略单元，以第一加法器的输出为输入，通过内设的集装箱货运需求预测策略函数
做乘积运算，输出平均集装箱货运需求量AVFR；TF是集装箱货运需求预测的时间常数；
期望前置时间单元，与所述集装箱货运需求预测策略单元连接获取所述平均集装箱货运需求量AVFR作为输入，与内设的期望前置时间参数TQ做乘积运算，输出期望的在处理集装箱货运需求量DFRIP；
第二加法器，连接所述期望前置时间单元获取所述期望的在处理集装箱货运需求量DFRIP做加法运算，还连接第一积分单元获取正在处理的集装箱货运需求量FRIP做减法运算，输出正在处理的集装箱货运需求差EFRIP；
第一调节时间单元，与所述第二加法器连接获取所述正在处理的集装箱货运需求差EFRIP作为输入，与内设的第一调节时间参数TI做除法运算，运算结果输出到第三加法器；
第二调节时间单元，将系统输出的实际未满足的集装箱货运需求 UFR作为输入，与内设的第二调节时间TU做除法运算，运算结果输出到第三加法器；
第三加法器，连接所述集装箱货运需求预测策略单元获取所述平均集装箱货运需求量AVFR做加法运算，连接第一调节时间单元做加法运算，还连接第二调节时间单元做加法运算，输出理论货物到达率 ARATE'；
非负约束单元，所述实际货物到达率ARATE需满足非负约束单元，即实际货物到达率ARATE是所述理论货物到达率ARATE'的非负数部分，即所述理论货物到达率ARATE'小于零时，取零作为所述实际货物到达率ARATE；所述理论货物到达率ARATE'大于等于零时，取理论货物到达率ARATE'作为所述实际货物到达率ARATE；
生产运作策略单元，将实际集装箱货物到达率ARATE作为输入，与内设的生产运作策略函数
做乘积运算，输出到第四加法器； TG是实际前置时间；
第四加法器，获取生产运作策略单元的输出作为输入，与所述生产能力的不确定扰动f2做加法运算输入第四加法器，运算结果理论港口生产能力COMRATE'输出到生产能力上限单元；
生产能力上限单元，所述实际港口生产能力COMRATE需满足生产能力上限单元，即港口生产能力存在上限COMRATEm，所述理论港口生产能力COMRATE'小于港口生产能力上限COMRATEm时，取理论港口生产能力COMRATE'作为所述实际港口生产能力 COMRATE；所述理论港口生产能力COMRATE'大于等于港口生产能力上限COMRATEm时，取港口生产能力上限COMRATEm作为所述实际港口生产能力COMRATE；
第五加法器，获取所述实际港口生产能力COMRATE做减法运算，还获取实际集装箱货物到达率ARATE做加法运算，运算结果输出到第一积分单元，第一积分单元的输出为正在处理的集装箱货运需求量FRIP；
第六加法器，获取所述实际港口生产能力COMRATE做减法运算，还获取第一加法器的输出做加法运算，运算结果输出到第二积分单元，第二积分单元的输出为实际未满足的集装箱货运需求UFR；
其中，TU,TF,TG,TQ,TI都是正实数。
提供一种幂次积分趋近律的集装箱港口不确定装卸作业链滑模控制方法，该方法基于面向集装箱港口不确定装卸作业链系统模型，该方法包含：
当港口生产能力comrate(t)小于或等于COMRATEm时，推导集装箱港口不确定装卸作业链系统的状态方程。建立准滑模控制机制，进行稳态误差分析；计算与比较x1积分趋近律和幂次积分趋近律。
仿真验证基于幂次积分趋近律的滑模控制(SMC-P)的性能，模拟了带有波动的fr、f1和f2的集装箱港口不确定装卸作业链系统。采用传统方法(TM)，准滑模控制(QSMC)和积分滑模控制(ISMC) 这三种方法与基于幂次积分趋近律的滑模控制(SMC-P)进行确定参数下的四种方法仿真分析、不同参数下的积分滑模控制(ISMC)和基于幂次积分趋近律的滑模控制(SMC-P)仿真分析。仿真结果表明，基于幂次积分趋近律的滑模控制方法不仅可以在减少稳态误差和避免不确定引起的抖振之间取得平衡，而且可以优化不确定装卸作业链系统的鲁棒性和柔性。
附图说明
图1是集装箱港口不确定装卸作业链系统模型；
图2a是确定参数下集装箱港口不确定装卸作业链ufr变化图；
图2b是确定参数下集装箱港口不确定装卸作业链arate变化图；
图3a是不同参数值c2下积分滑模控制(ISMC)的集装箱港口不确定装卸作业链ufr(t)变化图；
图3b是不同参数值ki下基于幂次积分趋近律的滑模控制 (SMC-P)的集装箱港口不确定装卸作业链ufr(t)变化图；
图3c是不同参数值c2下积分滑模控制(ISMC)的集装箱港口不确定装卸作业链arate(t)变化图；
图3d是不同参数值ki下基于幂次积分趋近律的滑模控制 (SMC-P)的集装箱港口不确定装卸作业链arate(t)变化图；
图3e是积分滑模控制(ISMC)与基于幂次积分趋近律的滑模控制(SMC-P)的集装箱港口不确定装卸作业链稳态误差比较图；
图3f是积分滑模控制(ISMC)与基于幂次积分趋近律的滑模控制(SMC-P)的集装箱港口不确定装卸作业链ITAE比较图。
具体实施方式
本发明根据集装箱港航供应链不确定的特点，提供一种基于幂次积分趋近律的集装箱港口不确定装卸作业链滑模控制方法，构建了面向集装箱港口不确定装卸作业链系统模型。当港口生产能力comrate(t) 小于或等于COMRATEm时，推导集装箱港口不确定装卸作业链系统的状态方程。建立准滑模控制机制，进行稳态误差分析；计算与比较 x1积分趋近律和幂次积分趋近律。针对带有波动的fr、f1和f2的集装箱港口不确定装卸作业链系统，采用传统方法(TM)，准滑模控制 (QSMC)和积分滑模控制(ISMC)这三种方法与基于幂次积分趋近律的滑模控制(SMC-P)进行确定参数下的四种方法仿真分析、不同参数下的积分滑模控制(ISMC)和基于幂次积分趋近律的滑模控制(SMC-P)仿真分析。本发明基于上述模型，得到一种基于幂次积分趋近律的集装箱港口不确定装卸作业链滑模控制方法。
集装箱港口不确定装卸作业链系统模型
集装箱港口不确定装卸作业链系统模型，如图1所示。该系统的输入是集装箱货运需求(FR)、货运需求的不确定扰动(f1)和生产能力的不确定扰动(f2)；输出是未满足的集装箱货运需求(UFR)。 ARATE'是理论货物到达率，等于avfr+ufr/TU+efrip/TI。COMRATE'是理论港口生产能力，可由arate和生产运作策略1/(1+TGs)计算后加上生产能力的不确定扰动(f2)；COMRATEm是COMRATE的上限。该模型包含两个不确定因素，货运需求的不确定扰动(f1)和生产能力的不确定扰动(f2)；两个非线性环节，集装箱货物的非负到达率ARATE，有限的集装箱装卸能力COMRATE。其中，TU,TF,TG,TQ,TI都是正实数。
基于幂次积分趋近律的集装箱港口不确定装卸作业链滑模控制方法仿真验证
按照本发明的上述部分，对基于幂次积分趋近律的集装箱港口不确定装卸作业链滑模控制方法进行仿真验证。
确定参数下的四种方法比较：
根据切换函数s＝c1x1+x2+c2∫x1dt，积分滑模控制(ISMC)中的c2＝2；根据
基于幂次积分趋近律的滑模控制 (SMC-P)中ki＝1.6。确定参数下，集装箱港口不确定装卸作业链系统中未满足的货运需求ufr变化趋势如图2a所示。从图2a可以看出：由TM获得的ufr持续增加，不能收敛到某个值。这是因为由于f2<0，comate容易小于fr和f1的总和。通过其他三种方法获得的ufr可以收敛到接近0的特定值。ISMC和SMC-P获得的ufr的收敛速度要快于 QSMC获得的ufr的收敛速度。ISMC和SMC-P获得的ufr波形之间几乎没有差异。
确定参数下，集装箱港口不确定装卸作业链系统中集装箱货物到达率arate变化趋势如图2b所示。从图2b可以看出：通过TM获得的集装箱货物到达率arate从2开始逐渐减小，然后在稍大于1的范围内波动。通过其他三种方法获得的集装箱货物到达率arate的波形彼此相似，开始时保持在1.3，10余天以后开始波动。在这两个过程的切换中，QSMC和SMC-P获得的集装箱货物到达率arate波形比 ISMC平滑。
四种方法(TM、QSMC、ISMC和SMC-P)获得的
调节时间和ITAE如表1所示。
表1确定参数下四种方法获得的结果比较
| 方法 | TM | QSMC | ISMC | SMC-P |
| e(60～100) | 10.6573 | 0.0141 | 0.0105 | 0.0027 |
| 调节时间 | — | 20.7 | 18 | 18.7 |
| ITAE | 35991.2012 | 122.3166 | 102.8073 | 68.6091 |
表1中，
是第60天到第100天的ufr最大值，用于描述稳态误差。TM获得的
比其他三种方法获得的
大得多。QSMC获得的
为0.0141，等于
这是
的最大值。ISMC和SMC-P获得的
小于QSMC获得的
SMC-P获得的
明显小于ISMC获得的
调节时间是以0.02作为ufr误差的衡量基准。由于TM获得的 ufr值始终大于0.02，因此TM列中没有调节时间的数据。QSMC的调节时间比ISMC和SMC-P的调节时间更长。SMC-P的调节时间比 ISMC的调节时间稍长。
ITAE是计算的前100天的ITAE。ITAE的值越大，则反映出系统的柔性越差，反之亦然。SMC-P获得的ITAE明显小于其他三种方法获得的ITAE。
鉴于此，确定参数下，ISMC和SMC-P都可以减少稳态误差。在稳态误差、调节时间和柔性方面，ISMC和SMC-P明显优于TM和 QSMC，且SMC-P比ISMC柔性更好。
不同参数下的积分滑模控制(ISMC)和基于幂次积分趋近律的滑模控制(SMC-P)比较：
不同参数下，集装箱港口不确定装卸作业链系统中未满足的货运需求ufr变化趋势如图3a、3b所示。为了区分具有不同参数下稳态误差和波动情况，在子图中绘制了从第40天到第80天的ufr值。从图 3a、3b可以看出：不同参数下两种方法获得的ufr总体变化趋势没有太大差异。但是，从子图中可以看出，不同参数下稳态误差是有差异的。ISMC获得的ufr中，c2越大，稳态误差越小。SMC-P获得的ufr 中，ki越大，稳态误差越小。SMC-P获得的ufr稳态误差小于ISMC 获得的ufr稳态误差。SMC-P获得的ufr波动情况明显小于ISMC获得的ufr波动情况。
不同参数下，集装箱港口不确定装卸作业链系统中集装箱货物到达率arate变化趋势如图3c、3d所示。从图3c、3d可以看出：当c2和ki较小时，例如c2＝1和2，ki＝0.8、1.6和2.4时，集装箱货物到达率arate曲线相对平滑，没有抖振。然而，随着参数c2和ki的增加，例如c2＝3、4和5，ki＝3.2和4.0，在第10天至第20天之间的抖振变得越来越严重。
不同参数下，集装箱港口不确定装卸作业链系统中稳态误差和 ITAE变化趋势如图3e、3f所示，其上和下横坐标分别属于ISMC的 c2和SMC-P的ki。左、右纵轴的坐标完全相同。从图3e、3f可以看出：随着c2或ki的增加，ISMC和SMC-P获得的稳态误差和ITAE值均逐渐减小。ISMC获得的稳态误差和ITAE值大于SMC-P获得的稳态误差和ITAE值。ISMC获得的最小稳态误差和ITAE值仍大于 SMC-P获得的最大稳态误差和ITAE值。
鉴于此，尽管ISMC和SMC-P都可以减少稳态误差，但是在减少稳态误差和避免抖振的均衡方面，SMC-P比ISMC更好。因此，面向集装箱港口不确定装卸作业链系统，在鲁棒性和柔性方面， SMC-P优于ISMC。但是，值得集装箱港口经营者关注的是：SMC-P 和ISMC之间存在相同的现象，随着参数的逐渐增加，稳态误差逐渐减小，而抖振可能出现并愈加严重。在集装箱港口的运营中，需要根据规划和管理目标选择合理的影响因素和适合的参数。
综上所述，确定参数和不同参数下的仿真结果验证了SMC-P对集装箱港口不确定装卸作业链系统的有效性。本发明提出的控制方法可以推介给集装箱港口运营商，以提供运营决策支持。
尽管本发明的内容已经通过上述优选实施例作了详细介绍，但应当认识到上述的描述不应被认为是对本发明的限制。在本领域技术人员阅读了上述内容后，对于本发明的多种修改和替代都将是显而易见的。因此，本发明的保护范围应由所附的权利要求来限定。
Claims (8)
1.一种基于幂次积分趋近律的集装箱港口不确定装卸作业链滑模控制方法，其特征在于，该方法建立了面向集装箱港口不确定装卸作业链系统模型，该模型包含：
第一加法器(1)，实际货运需求量FR与货运需求的不确定扰动f1输入所述第一加法器(1)；
集装箱货运需求预测策略单元(2)，第一加法器(1)与所述集装箱货运需求预测策略单元(2)连接；
期望前置时间单元(3)，与所述集装箱货运需求预测策略单元(2)连接；
第二加法器(4)，与所述期望前置时间单元(3)连接；
第一调节时间单元(5)，与所述第二加法器(4)连接；
第二调节时间单元(6)，实际未满足的货运需求UFR输入到所述第二调节时间单元(6)；
第三加法器(7)，与所述集装箱货运需求预测策略单元(2)、第一调节时间单元(5)和第二调节时间单元(6)连接；
非负约束单元(8)，与所述第三加法器(7)连接，所述非负约束单元(8)的输出量为实际货物到达率ARATE；
生产运作策略单元(9)，与所述非负约束单元(8)连接；
第四加法器(10)，生产能力的不确定扰动f2与生产运作策略单元(9)输入到所述第四加法器(10)；
生产能力上限单元(11)，与所述第四加法器(10)连接，输出为港口实际装卸能力COMRATE；
第五加法器(12)，货物实际到达率ARATE与港口实际装卸能力COMRATE输入到所述第五加法器(12)；
第一积分单元(13)，与所述第五加法器(12)连接，该第一积分单元(13)输入到第二加法器(4)；
第六加法器(14)，第一加法器(1)与港口装卸能力COMRATE输入到所述第六加法器(14)；
第二积分单元(15)，与所述第六加法器(14)连接，所述第二积分单元(15)的输出量为实际未满足的货运需求UFR，并输入到第二调节时间单元(6)。
2.如权利要求1所述的该方法建立了面向集装箱港口不确定装卸作业链系统模型，其特征在于，
所述集装箱货运需求预测策略单元(2)内设有集装箱需求策略函数
所述期望前置时间单元(3)内设有期望前置时间参数TQ；
所述第一调节时间单元(5)内设有第一调节时间参数TI；
所述第二调节时间单元(6)内设有第二调节时间参数TU；
所述生产运作策略单元(9)内设有生产运作策略函数
3.如权利要求2所述的采用面向集装箱港口不确定装卸作业链系统模型，来构建所包含的控制环节，
第一加法器(1)，所述实际货运需求量FR与所述货运需求的不确定扰动f1做加法运算输入第一加法器(1)，运算结果输出到集装箱货运需求预测策略单元(2)；
集装箱货运需求预测策略单元(2)，以第一加法器(1)的输出为输入，通过内设的集装箱货运需求预测策略函数
做乘积运算，输出平均集装箱货运需求量AVFR；TF是集装箱货运需求预测的时间常数；
期望前置时间单元(3)，与所述集装箱货运需求预测策略单元(2)连接获取所述平均集装箱货运需求量AVFR作为输入，与内设的期望前置时间参数TQ做乘积运算，输出期望的在处理集装箱货运需求量DFRIP；
第二加法器(4)，连接所述期望前置时间单元(3)获取所述期望的在处理集装箱货运需求量DFRIP做加法运算，还连接第一积分单元(13)获取正在处理的集装箱货运需求量FRIP做减法运算，输出正在处理的集装箱货运需求差EFRIP；
第一调节时间单元(5)，与所述第二加法器连接获取所述正在处理的集装箱货运需求差EFRIP作为输入，与内设的第一调节时间参数TI做除法运算，运算结果输出到第三加法器(7)；
第二调节时间单元(6)，将系统输出的实际未满足的集装箱货运需求UFR作为输入，与内设的第二调节时间TU做除法运算，运算结果输出到第三加法器(7)；
第三加法器(7)，连接所述集装箱货运需求预测策略单元(2)获取所述平均集装箱货运需求量AVFR做加法运算，连接第一调节时间单元(5)做加法运算，还连接第二调节时间单元(6)做加法运算，输出理论货物到达率ARATE'；
非负约束单元(8)，所述实际货物到达率ARATE需满足非负约束单元(8)，即实际货物到达率ARATE是所述理论货物到达率ARATE'的非负数部分，即所述理论货物到达率ARATE'小于零时，取零作为所述实际货物到达率ARATE；所述理论货物到达率ARATE'大于等于零时，取理论货物到达率ARATE'作为所述实际货物到达率ARATE；
生产运作策略单元(9)，将实际集装箱货物到达率ARATE作为输入，与内设的生产运作策略函数
做乘积运算，输出到第四加法器(10)；TG是实际前置时间；
第四加法器(10)，获取生产运作策略单元(9)的输出作为输入，与所述生产能力的不确定扰动f2做加法运算输入第四加法器(10)，运算结果理论港口生产能力COMRATE'输出到生产能力上限单元(11)；
生产能力上限单元(11)，所述实际港口生产能力COMRATE需满足生产能力上限单元(11)，即港口生产能力存在上限COMRATEm，所述理论港口生产能力COMRATE'小于港口生产能力上限COMRATEm时，取理论港口生产能力COMRATE'作为所述实际港口生产能力COMRATE；所述理论港口生产能力COMRATE'大于等于港口生产能力上限COMRATEm时，取港口生产能力上限COMRATEm作为所述实际港口生产能力COMRATE；
第五加法器(12)，获取所述实际港口生产能力COMRATE做减法运算，还获取实际集装箱货物到达率ARATE做加法运算，运算结果输出到第一积分单元(13)，第一积分单元的输出为正在处理的集装箱货运需求量FRIP；
第六加法器(14)，获取所述实际港口生产能力COMRATE做减法运算，还获取第一加法器(1)的输出做加法运算，运算结果输出到第二积分单元(15)，第二积分单元(15)的输出为实际未满足的集装箱货运需求UFR；
其中，TU,TF,TG,TQ,TI都是正实数。
4.一种基于幂次积分趋近律的集装箱港口不确定装卸作业链滑模控制方法，其特征在于，
使用权利要求1-3所述面向集装箱港口不确定装卸作业链系统模型，当港口生产能力comrate(t)小于或等于COMRATEm时，可得：
令Fun(s)＝FR(s)+F1(s)-F2(s)，fun(t)＝fr(t)+f1(t)-f2(t)，u(t)＝arate(t)，x1(t)＝ufr(t)。为了简便描述，下文中将“(t)”省略。可得，
令
则状态方程为：
5.如权利要求4所述基于幂次积分趋近律的集装箱港口不确定装卸作业链滑模控制方法，其特征在于，
建立准滑模控制机制：
采用线性切换函数式(4)，则切换函数s对时间的积分为式(5)。
s＝c1x1+x2 (4)
用u-和u+分别表示u(t)的上下限。由TG＞0可知，根据广义的滑模条件，可得式(6)和式(7)。为了使滑模面积尽可能地大，设定式(8)。将式(8)代入式(5)，可得式(9)。趋近律可以提高趋近过程的动态质量。为了有效地减少抖振，采用了基于饱和度函数的指数趋近律式(10)，其中，ε＞0,k＞0,Δ是一个小的正实数。当系统达到稳定时，s通常位于其边界层内，可得式(11)。由于不确定分量f1和f2是未知的，因此在计算滑模控制器的输出时暂不考虑它们，进而得式(12)。
稳态误差分析：
将式(12)代入式(9)，可得式(13)。令Δf(t)＝f1(t)-f2(t)，
可得式(14)。在式(14)的两侧进行拉普拉斯变换。为避免混淆，在拉普拉斯变换函数中使用v代替s作为复变量，进而得式(15)和式(16)。应用终值定理，可得式(17)和式(18)。如果
可得式(19)。由式(2)可知，式(4)也可表示为式(20)。在式(20)两边执行拉普拉斯变换后，可得式(21)，进而可推导得式(22)。应用终值定理，可得式(23)和式(24)。可见，若
使用饱和函数无法消除稳态误差。
S(v)＝c1·X1(v)+v·X1(v) (21)
6.如权利要求4所述基于幂次积分趋近律的集装箱港口不确定装卸作业链滑模控制方法，其特征在于，
基于x1积分的趋近律：
应用x1的积分作为趋近律，即
其中，ki是积分系数，ki>0。为了满足广义滑模条件
将绝对值符号添加到x1的积分中，然后将它们与符号函数sgn(s)相乘，再加上负号。类似于式(12)中u的计算，则有式(25)。将式(25)代入式(9)，可得式(26)。在式(26)两边执行拉普拉斯变换后，可得式(27)，进而可推导得出
根据式(22)和(27)，可以通过式(28)～式(31)推导出ufr的稳态误差，由此可得，趋近律中使用的积分可以有效消除稳态误差。
幂次积分趋近律：
如果趋近律中只有一个积分，则因为积分的值会随着时间逐渐增加，开始时的趋近速度较慢。为了提高趋近过程的动态质量，将指数趋近律与基于x1积分的趋近律相结合，提出了一种积分趋近律，如式(32)所示，其中，0＜α＜1，β＞0，ki＞0。式(32)的中括号内包含两个部分：原始指数趋近律和x1的积分。原始指数趋近律乘以1-e-β|s|，x1的积分乘以e-β|s|。当系统状态变量x1远离滑模面时，|s|相对较大，且e-β|s|≈0，(1-e-β|s|)≈1。此时，式(32)的趋近律类似于指数趋近律，可以提高趋近速度。随着系统状态变量x1接近滑模面，|s|变得越来越小，当|s|非常小的时候，e-β|s|≈1，(1-e-β|s|)≈0，此时x1的积分发挥着减弱稳态误差的重要作用。
期望e-β|s|和1-e-β|s|始终在0和1之间，因此将绝对值符号添加到指数部分的s中。为了确保广义滑模条件
不受x1的积分(x1的积分可能是正数或负数)的影响，在x1的积分上加上绝对值符号，并将指数趋近律与x1积分趋近律的和乘以符号函数sign(s)。
为了减少抖振并进一步提高趋近速度，类似于幂趋近律，将上述趋近律乘以|s|α，然后可得式(33)。类似于准滑模控制机制，基于幂次积分趋近律的滑模控制(SMC-P)输出可用式(34)进行计算。
7.如权利要求5-6所述基于幂次积分趋近律的集装箱港口不确定装卸作业链滑模控制方法，其特征在于，
仿真验证基于幂次积分趋近律的滑模控制(SMC-P)的性能，模拟了带有波动的fr、f1和f2的集装箱港口不确定装卸作业链系统。fr、f1和f2是具有偏移的正弦信号，如式(35-37)所示。其中，fr0＝1,A＝0.1,ω＝0.2,
f10＝0.05,A1＝0.005,ω1＝1,
f20＝-0.1,A2＝0.001,ω2＝1.5,
采用传统方法(TM)，准滑模控制(QSMC)和积分滑模控制(ISMC)这三种方法与基于幂次积分趋近律的滑模控制(SMC-P)进行比较。传统方法(TM)直接应用到集装箱港口不确定装卸作业链系统中进行模拟。准滑模控制(QSMC)和积分滑模控制(ISMC)中，应用了式(10)中的指数趋近律，并使用饱和度函数代替符号函数以减少抖振。
集装箱港口不确定装卸作业链系统中，TG＝2，TQ＝1.5，TF＝3，TU＝0.5，TI＝0.5，COMRATEm＝1.3。ufr、arate和comrate的初始值分别为1、0和0。期望UFR减少到0，或尽可能的小。
8.如权利要求7所述基于幂次积分趋近律的集装箱港口不确定装卸作业链滑模控制方法，其特征在于，
确定参数下的四种方法比较：
根据切换函数s＝c1x1+x2+c2∫x1dt，积分滑模控制(ISMC)中的c2＝2；根据式(25)，基于幂次积分趋近律的滑模控制(SMC-P)中ki＝1.6。绘制四种方法中ufr和arate的比较图。比较四种方法的稳态误差，调节时间和ITAE。
不同参数下的积分滑模控制(ISMC)和基于幂次积分趋近律的滑模控制(SMC-P)比较：
绘制由具有不同c2(c2＝1、2、3、4和5)值的ISMC和具有不同ki(ki＝0.8、1.6、2.4、3.2和4.0)值的SMC-P获得的ufr、arate、稳态误差、ITAE变化趋势图。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010902407.9A CN112249727A (zh) | 2020-09-01 | 2020-09-01 | 基于幂次积分趋近律的集装箱港口不确定装卸作业链滑模控制方法 |
| PCT/CN2021/099569 WO2022048229A1 (zh) | 2020-09-01 | 2021-06-11 | 基于幂次积分趋近律的集装箱港口不确定装卸作业链滑模控制方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010902407.9A CN112249727A (zh) | 2020-09-01 | 2020-09-01 | 基于幂次积分趋近律的集装箱港口不确定装卸作业链滑模控制方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112249727A true CN112249727A (zh) | 2021-01-22 |
Family
ID=74224559
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010902407.9A Withdrawn CN112249727A (zh) | 2020-09-01 | 2020-09-01 | 基于幂次积分趋近律的集装箱港口不确定装卸作业链滑模控制方法 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN112249727A (zh) |
| WO (1) | WO2022048229A1 (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2022048229A1 (zh) * | 2020-09-01 | 2022-03-10 | 上海海事大学 | 基于幂次积分趋近律的集装箱港口不确定装卸作业链滑模控制方法 |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7453227B2 (en) * | 2005-12-20 | 2008-11-18 | Intuitive Surgical, Inc. | Medical robotic system with sliding mode control |
| CN104574158B (zh) * | 2015-01-28 | 2017-10-10 | 上海海事大学 | 一种采用三前馈apiobpcs系统评估供应链弹性与运作成本的方法 |
| CN108899907B (zh) * | 2018-07-11 | 2021-05-25 | 太原科技大学 | 基于重复滑模控制的lclcl型有源电力滤波器控制方法 |
| CN110188371A (zh) * | 2019-04-10 | 2019-08-30 | 上海海事大学 | 可评估集装箱港口生产作业柔性的模型及其系统和方法 |
| CN110677034B (zh) * | 2019-10-09 | 2021-04-23 | 上海海事大学 | 一种基于幂次等速趋近律的dc-dc变换器滑模控制器及方法 |
| CN112249727A (zh) * | 2020-09-01 | 2021-01-22 | 上海海事大学 | 基于幂次积分趋近律的集装箱港口不确定装卸作业链滑模控制方法 |
-
2020
- 2020-09-01 CN CN202010902407.9A patent/CN112249727A/zh not_active Withdrawn
-
2021
- 2021-06-11 WO PCT/CN2021/099569 patent/WO2022048229A1/zh active Application Filing
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2022048229A1 (zh) * | 2020-09-01 | 2022-03-10 | 上海海事大学 | 基于幂次积分趋近律的集装箱港口不确定装卸作业链滑模控制方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2022048229A1 (zh) | 2022-03-10 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Marchetti et al. | A dual modifier-adaptation approach for real-time optimization | |
| Ellis et al. | Integrating dynamic economic optimization and model predictive control for optimal operation of nonlinear process systems | |
| AU733463B2 (en) | Method and apparatus for modeling dynamic and steady-state processes for prediction, control and optimization | |
| CN104698842B (zh) | 一种基于内点法的lpv模型非线性预测控制方法 | |
| EP0681714A1 (en) | A method of multivariable predictive control utilizing range control | |
| Xiong et al. | Neural network model-based on-line re-optimisation control of fed-batch processes using a modified iterative dynamic programming algorithm | |
| CN104270055B (zh) | 一种交流伺服系统位置环ip控制器的参数自校正方法 | |
| JP6662109B2 (ja) | 製品の状態予測装置、製品の状態制御装置、製品の状態予測方法及びプログラム | |
| Hu et al. | Integrated direct/indirect adaptive robust contouring control of a biaxial gantry with accurate parameter estimations | |
| CN109031949B (zh) | 一种智能制造系统协同控制方法 | |
| CN111522233A (zh) | 参数自整定的mimo异因子全格式无模型控制方法 | |
| Vargas-Villamil et al. | A model predictive control approach for real-time optimization of reentrant manufacturing lines | |
| Dong et al. | Dynamic control of a closed two-stage queueing network for outfitting process in shipbuilding | |
| Zheng et al. | An offline optimization and online table look-up strategy of two-layer model predictive control | |
| CN112249727A (zh) | 基于幂次积分趋近律的集装箱港口不确定装卸作业链滑模控制方法 | |
| Li et al. | Adaptive optimal trajectory tracking control of AUVs based on reinforcement learning | |
| Naderi et al. | Guaranteed feasible control allocation using model predictive control | |
| CN109613830B (zh) | 基于递减预测步长的模型预测控制方法 | |
| Jeong et al. | Experimental gradient estimation of multivariable systems with correlation by various regression methods and its application to modifier adaptation | |
| CN104111605B (zh) | 单输入单输出非自衡生产过程的控制器及控制方法 | |
| Thangavel et al. | Robust nmpc using a model-error model with additive bounds to handle structural plant-model mismatch | |
| CN109995278B (zh) | 一种考虑输入受限的电机伺服系统自调节控制方法 | |
| CN115202211B (zh) | 一种用于焙烧炉温度稳定控制的预测控制方法和设备 | |
| CN111522240B (zh) | 四旋翼飞行器mtmlp-arx模型、辨识方法、系统及存储介质 | |
| CN105182746B (zh) | 球罐系统的多模型自适应控制方法及系统 |
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 | ||
| WW01 | Invention patent application withdrawn after publication | ||
| WW01 | Invention patent application withdrawn after publication |
Application publication date: 20210122 |