CN112363398A - 一种控制输入受限下的桥吊系统有限时间滑模控制系统及方法 - Google Patents
一种控制输入受限下的桥吊系统有限时间滑模控制系统及方法 Download PDFInfo
- Publication number
- CN112363398A CN112363398A CN202011331399.3A CN202011331399A CN112363398A CN 112363398 A CN112363398 A CN 112363398A CN 202011331399 A CN202011331399 A CN 202011331399A CN 112363398 A CN112363398 A CN 112363398A
- Authority
- CN
- China
- Prior art keywords
- control
- bridge crane
- crane system
- sliding mode
- sliding
- 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
Images
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive 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
- G05B13/042—Adaptive 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)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Control And Safety Of Cranes (AREA)
Abstract
本发明提供的一种控制输入受限下的桥吊系统有限时间滑模控制系统及方法,包括以下步骤:步骤1,确定二维欠驱动桥吊系统的控制目标;步骤2,根据步骤1中得到的控制目标,结合分层滑模理论,构建系统的总滑模面;步骤3,根据步骤2中得到的系统的总滑模面构建系统的总控制律;步骤4,根据步骤3得到的系统的总控制律构建控制受限快速终端滑模控制器;本发明提出的方法具有两个的控制效果,能够为桥吊系统在各种复杂情况下快速消摆与精确、有效定位控制提供基础,使桥吊系统更好地应用于各种工业领域。
Description
技术领域
本发明属于欠驱动系统的控制技术,主要是一种控制输入受限下的桥吊系统有限时间滑模控制系统及方法。
背景技术
桥吊作为一种常见的室内转运设备,广泛使用在石油化工、航空航天、军工、采矿冶金、食品医药、垃圾处理等场所。但由于桥吊重物是利用绳索一类的柔性体,系统属于一类欠驱动系统,虽然可以使得吊车结构轻便,提高起重量,但也会带来负面影响,如起重机负载摆动,不能快速平稳吊运货物等。为此,桥吊控制的主要目标是在尽可能短时间内完成负载的快速、准确的转运,其中涉及到台车准确定位,以及摆角快速消除两大问题。
早期机械式消摆方法,主要通过在桥吊系统中安装阻尼器设备等方式,减弱系统摆动。但由于机械式消摆系统本身结构复杂笨重,使之工程应用受场景限制较大,同时也无法保证较高的运行效率,因此机械消摆技术也无法满足实际工业生产的需要。
随着计算机和电子技术不断发展,以及经典控制理论、现代控制理论逐渐成熟完善,传统机械消摆技术逐渐淘汰,随之涌现出了一些新的控制方法。近年来,众多国内外研究人员对桥吊系统控制方法进行大量深入研究,在各种控制方法方面也取得一定进展,大致包括输入整形、线性控制、最优控制、以及滑模控制等传统控制方法,以及神经网络控制、模糊控制、自适应控制等智能控制方法。总体上来说,考虑是否需要状态信息反馈因素,可将以上众多控制方法划分为开环、闭环控制方法。
针对桥吊系统,系统驱动力不可能无限大,必须要求控制系统能够在有界范围内实现有效控制,即考虑实际工程中执行器的饱和非线性特点,因此,必须设计一种考虑输入饱和、控制受限的控制方法,在尽可能实现更快的消摆速度的基础上,能够实现稳定控制;其次,基于传统滑模控制的鲁棒性不强、无限时间收敛性的问题,引入快速终端滑模控制;另外,需要考虑到基于传统快速终端滑模控制器结构设计复杂性,一方面解决滑模面构建时将角度信息与台车位置误差信息分别处理的问题,另一方面,在一些系统反馈量测量不准确的系统中难以获得预期效果,解决实现难度和实现效果上受影响的问题。
发明内容
本发明的目的在于提供一种桥吊系统有限时间滑模控制系统及方法,解决了现有技术中存在的上述不足。
为了达到上述目的,本发明采用的技术方案是:
本发明提供的一种桥吊系统有限时间滑模控制方法,包括以下步骤:
步骤1,确定桥吊系统的控制目标;
步骤2,根据步骤1中得到的控制目标,结合分层滑模理论,构建桥吊系统的总滑模面;
步骤3,根据步骤2中得到的桥吊系统的总滑模面构建桥吊系统的总控制律;
步骤4,根据步骤3得到的桥吊系统的总控制律构建控制受限快速终端滑模控制器;
步骤5,根据步骤4得到的控制受限快速终端滑模控制器控制桥吊系统的运行。
优选地,步骤1中,所述控制目标为:在台车作用下快速、准确地将负载运送至目标位置,同时保证负载在有限时间内摆动实现收敛,通过下式进行表示:
其中,T为误差有限收敛时间;e3表示引入抗摆信号后的摆角误差;e1表示引入抗摆信号后的定位误差,x1为台车实际位移信号,x1d为台车目标位置。
优选地,步骤2中,构建桥吊系统的总滑模面,具体方法是:
根据桥吊系统的状态方程和控制目标,得到控制目标的表达式:
其中,x1d为台车目标位置;
设包含位置信息和摆角信息的新的状态变量ξ的表达式如下:
ξ=ex+k1φ
其中,ξ∈R1;k1<0;φ=∫sinθdτ;
根据新的状态变量ξ得到桥吊系统的总滑模面:
其中,c1,c2均为严格正实数;q,p均为正奇数,且满足q<p<2q。
优选地,
根据步骤2中得到的桥吊系统的总滑模面构建桥吊系统的总控制律,具体方法是:
S301,构建桥吊系统的等效控制量:
对步骤2中得到的桥吊系统的总滑模面表达式进行求导,并与桥吊系统的状态方程相结合,得到桥吊系统的等效控制量;
S302,构建桥吊系统的切换控制量,其中,切换控制量的表达式如下:
其中,usw为切换控制量;k,Ω为严格正实数;P为介于[0,1]区间的正实数;γ为正实数;χ为正整数,饱和函数边界层厚度Λ=0.05;
S303,根据S301和S302得到的结果求得改进非线性趋近律耦合滑模面控制器的控制输入量为:
其中,k为严格正实数;Ω≥D;
S304,通过S303得到的结果求得桥吊系统的总控制律为:
其中,Q(S)=P+(1-P)exp(-γ|S|χ)>0。
优选地,步骤4中,根据步骤3得到的系统的总控制律构建控制受限快速终端滑模控制器,具体方法是:
S401,利用RBF神经网络构建桥吊系统输入饱和滑模控制器;
S403,设控制输入量为u=v+δ,则得桥吊系统等效控制律:
S404,根据S403得到的桥吊系统等效控制律,得到基于RBF网络补偿的耦合自适应滑模控制律;
S405,根据S404得到的耦合自适应滑模控制律得到控制受限快速终端滑模控制器。
一种桥吊系统有限时间滑模控制系统,包括控制器,以及存储能够在所述处理器上运行的计算机程序的存储器,所述处理器执行所述计算机程序时实现如所述方法。
优选地,所述控制器连接有运动控制板卡,用于将得到的控制信号通过控制板卡传输至桥吊系统。
一种计算设备,其特征在于,包括:
一个或多个处理器、存储器及一个或多个程序,其中一个或多个程序存储在所述存储器中并被配置为所述一个或多个处理器执行,所述一个或多个程序包括用于执行根据权利要求1至5所述的方法中的任一方法的指令。
与现有技术相比,本发明的有益效果是:
(1)将快速终端滑模控制方法引入到桥吊系统的消摆与定位控制中,实现了有限时间滑模控制,达到快速消摆的同时,能够精确定位,同时对于系统的不确定性具有强鲁棒性,包括外界扰动和系统参数摄动(绳长变化、负载质量变化、初始摆角),使得方法更具有实用性;
(2)考虑系统控制量饱和的约束,开展了控制输入受限条件下控制器的设计,设计了基于RBF网络控制受限逼近的滑模控制,抑制了系统抖振,提高了控制鲁棒性;
(3)使用准滑动模态和非线性趋近律减弱系统抖振,并设计了一种新型耦合状态量,将负载摆角信息耦合进台车位置这一驱动量中,加强了负载的欠驱动摆角与台车的驱动位置之间的联系;
(4)通过仿真实验研究,表明本发明提出的方法具有两个的控制效果,能够为桥吊系统在各种复杂情况下快速消摆与精确、有效定位控制提供基础,使桥吊系统更好地应用于各种工业领域。
附图说明
图1是二维欠驱动桥吊系统示意图;
图2是分层滑模控制原理图;
图3是基于RBF网络补偿桥吊系统控制结构图;
图4是系统动态响应曲线图;
图5是桥吊系统控制量曲线图;
图6是滑模函数曲线图;
图7是初始摆角扰动仿真结果;
图8是鲁棒性正交试验动力学响应曲线图;
图9是RBF神经网络的具体架构图。
具体实施方式
下面结合附图,对本发明进一步详细说明。
本发明提供的一种桥吊系统有限时间滑模控制方法,包括以下步骤:
步骤1,确定桥吊系统的控制目标,其中,桥吊系统为二维欠驱动,二维欠驱动桥吊系统的示意图如图1所示;
针对二维欠驱动桥吊系统通过式(1)进行表示,定义系统状态误差向量e=[e1,e2,e3,e4]T;ei=xi-xdi;xdi为控制目标,i=1,2,3,4:
其中,x=[x1,x2,x3,x4]T为系统状态向量,分别代表台车位置、速度、负载偏角以及角速度;u(t)为控制输入;Δ1,Δ2为不确定变量,且满足|Δ1,2|≤D;f1,f2,g1,g2为状态向量的非线性函数,表示为:
其中,M为台车质量;l为吊重绳长;m为负载质量。
桥吊系统的控制目标为:在台车作用下快速、准确地将负载运送至目标位置,同时保证负载在有限时间内摆动实现收敛,控制输入量的控制目标用如下公式表示:
其中,T为误差有限收敛时间;e3表示引入抗摆信号后的摆角误差;e1表示引入抗摆信号后的定位误差,x1为台车实际位移信号,x1d为台车目标位置。
步骤2,构建桥吊系统的总滑模面
将系统状态方程和分层滑模理论相结合,得到桥吊系统的非奇异终端总滑模面,其中,桥吊系统包括单独位置子系统和摆角子系统;
根据式(1)和式(3),得到控制目标的表达式:
其中,x1d为台车目标位置,ex表示引入抗摆信号后的位置误差、eθ表示引入抗摆信号后的摆角误差。
根据式(4)桥吊系统的非奇异终端滑模面,具体地:
为实现桥吊系统精确定位和快速消摆,不同于全驱动系统的解耦做法,二维欠驱动桥吊系统的控制问题依赖于动力学模型各状态量的耦合关系,基于此种增强变量耦合性思想,设计了包含位置信息和摆角信息的新状态量ξ:
ξ=ex+k1φ (5)
其中,ξ∈R1;k1<0;φ=∫sinθdτ。
将包含位置和摆角信息的变量ξ定义为新的状态变量,得到桥吊系统的总滑模面:
其中,c1,c2为严格正实数;q,p为正奇数,且满足q<p<2q。
步骤3,根据步骤2中得到的桥吊系统滑模面构建包含等效控制和切换控制的总控制律,具体地:
S301,构建桥吊系统的等效控制量
对步骤2中得到的桥吊系统总滑模面的表达式进行求导,得到式(7):
S301,构建桥吊系统的切换控制量
为保证桥吊系统能够到达耦合滑模面,设计桥吊系统的控制输入量为:
u=ueq+usw (9)
为了获得整个桥吊系统的控制输入量,需要确定切换控制部分,因此,切换控制量usw的选取应使如下所示的滑模到达条件成立:
同理,采用基于准滑动模态的改进非线性趋近律进行抖振抑制,则设:
其中,k,Ω为严格正实数;P为介于[0,1]区间的正实数;γ为正实数;χ为正整数,饱和函数可表示如下,其边界层厚度设为Λ=0.05。
可得切换控制量:
S303,求得改进非线性趋近律耦合滑模面控制器的控制输入量为:
其中,k为严格正实数;Ω≥D。
S304,由上式求得桥吊系统最终的总控制律:
其中,Q(S)=P+(1-P)exp(-γ|S|χ)>0。
因此,选择(4)式滑模函数,采用(11)式控制输入量,能够满足滑模到达条件,故桥吊系统的滑动面S是稳定,且各状态能够在有限时间收敛到平衡点,保证了整个控制桥吊系统的稳定性。
步骤4,根据步骤3得到的桥吊系统最终的总控制律构建控制受限快速终端滑模控制器;
采用改进趋近律设计的控制律虽然能够有效减弱系统抖振,但在控制量过大的情况时桥吊系统执行器硬件无法提供有效驱动力,因此必须在此基础上设计考虑输入饱和的控制方法。
本申请利用RBF神经网络构建桥吊系统输入饱和滑模控制器,具体的结构如图3所示:
RBF神经网络的具体架构如图9所示,其中输入层包括三个输入节点,隐含层包括五个隐节点,输出层有一个输出节点。
RBF神经网络的输入输出算法分别表示为:
δ=W*Th(x)+ε (16)
其中,x为神经网络输入;i表示第i个网络输入层输入;j表示第j个网络隐含层的输入;hj为隐含层第j个神经元输出;bj为隐含层第j个神经元高斯基函数宽度;W*为网络理想权值;ε为对δ的趋近误差;h(x)=[hj]T。
由控制器结构得,网络输入为系统状态向量x=v,网络输出为:
控制输入量为u=v+δ,代入(7)求得系统等效控制律为:
得到基于RBF网络补偿的耦合自适应滑模控制律:
代入(5)式,构建得到控制受限快速终端滑模控制器:
步骤5,根据步骤4得到的控制受限快速终端滑模控制器控制桥吊系统的运行。
通过Lyapunov函数验证该系统的稳定性,具体方法是:
基于此定义Lyapunov函数:
其中,γ1定义为正实数。于是有
不妨取自适应律:
代入上式,此时有:
由Lyapunov稳定性原理可知,该系统是稳定的。
系统收敛时间证明
定理针对(1)式欠驱动桥吊系统,采用(6)式滑模函数,可得到达滑模平衡状态收敛时间为:
证明:
由(6)式所示滑模面函数,可得
令ζ=ξ1-q/p可得
当桥吊系统状态到达平衡位置,即ξ=0时,ζ=0,t=tsi,求解(27)可得
故状态变量从任意非零初态ξ(0)收敛到达平衡点所需时间:
另外,滑模趋近时间也可以求取。快速终端滑模控制器设计选用Lyapunov函数需满足:
参数满足α>0,0<η<1,分离变量求解上式可得:
V1-η(t)≤V1-η(t0)-α(1-η)(t-t0),t0≤t≤tr (31)
根据设计需要,趋近时间tr满足
求得滑模趋近时间为
由此可见,通过合理选择参数,使滑模收敛时间和驱动时间均能在有限的短时间内。
仿真分析
采用等速趋近律普通滑模控制(SMC)、全局终端滑模控制(GTSM),以及本控制方法,进行对比仿真实验。
饱和控制范围设为[-5,5]N,桥吊系统物理参数分别设置为:台车质量m=9.5kg,重物质量M=5kg,绳长l=1m,控制目标位置向量设为:xd=[1,0,0,0]T,定义系统状态误差向量e=[e1,e2,e3,e4]T,ei=xi-xdi,xdi为控制目标,i=1,2,3,4,则控制目标另一种表述形式:e=[0,0,0,0]T。
采用非线性趋近律和准滑模控制器削弱系统抖振现象,准滑模控制器边界层厚度Λ=0.05,控制器参数见表1。
表1控制器参数表
三种控制律分别为:
三种控制方法滑模面分别为:
从仿真结果看出,图4动力学响应中,普通线性滑模收敛时间较长,台车定位时间和负载消摆时间远大于终端滑模控制,但线性滑模运行平稳性较好,台车速度和负载角速度均维持在较低水平,故普通滑模应用在桥吊系统防摆控制安全性较好,适用于在对效率要求不高的工作场所。
提出的控制方法与全局快速终端滑模控制效果相近,其中全局快速终端滑模能够在1.6s到达期望位置,所提方法均能够在2s内完成准确定位;在摆角抑制方面,提出的控制方法控制效果优于全局快速终端滑模,摆角范围较小,且均能够在2s内完成负载消摆,综合看出,提出的控制方法在考虑控制输入受限的情况下依旧维持有良好的控制效果,控制台车运行有良好的平顺性,应用防抖振技术削弱了系统高频抖振现象,满足了实际控制器的工作要求。
在系统控制输入量仿真图5中,原有控制量最大值维持在23N左右,经过提出方法中神经网络控制器对饱和误差进行补偿后,得到考虑控制饱和后的控制输入量,使得包括控制量在内的大范围控制量能够维持在较低水平,满足了执行器的工作条件及要求。
在图6中对系统滑模面进行了数值仿真,结果显示,使用分层原理的普通滑模面子系统的收敛速度较慢,仅能够在4s左右完成子系统状态收敛;相比之下,提出的控制方法以及全局快速终端滑模控制方法均采用耦合状态量单滑模技术,虽然滑模面收敛速度较普通滑模总滑模面的0.1s收敛速度略低,但是两种终端滑模面中包含有系统位置、负载摆角信息,能够在1.5s完成趋近过程,因此能够比普通滑模收敛速度更高。
为了模拟初始摆角对控制效果的影响,检验控制方法对存在初始摆角或角度干扰的工况的抗干扰能力,进行初始摆角干扰实验,得到如图7仿真结果。当初始摆角为正向摆角(与台车即将运行方向一致)0.3rad时,由于摆角过大会造成台车轻微超调,但仍处于可控范围;当初始摆角为反向摆角(与台车即将运行方向相反)0.3rad时,台车定位性能好,负载摆动范围小,因此提出的控制方法对初始摆角具有很好的抗干扰能力。
为了检验提出的控制方法对外界不确定因素的鲁棒性能,假设外界干扰包括摆角扰动、负载质量不确定、绳长不确定三种因素,每种因素设置3种水平,若进行全因素仿真试验,实验次数为27次,为能够全面研究各因素对控制方法影响的程度,且尽可能减少实验次数,使用正交试验,设计采用L9(34)进行9次试验,各因素水平划分如下:
M:M1=4.5kg,M2=5.0kg,M3=5.5kg
l:11=0.9m,l2=1.0m,l3=1.1m
dt:d1=D,d2=0,d3=-D
其中6s施加随机风载干扰函数设置为:
式中参数bi=0.1,ci=6。
根据正交表将负载质量、吊绳长度和风载荷三种因素的不同水平进行组合,对提出的耦合自适应滑模控制方法的鲁棒性进行测试,仿真结果如图8。
由仿真结果看出,3种因素组合对桥吊系统进行干扰,系统位置、摆角响应均处于可控范围。风载荷对系统响应干扰较大,其中位置波动和摆角波动分别能够在1.4s、1.7s内回到平衡位置;绳长和负载的参数测量不确定性对控制品质和效果影响很小。通过鲁棒性测试,可以看出提出控制方法能够有效抵御外界干扰和不确定因素的影响,保证稳定、准确的控制效果。
实现方法
在实际桥吊消摆与定位控制中,利用计算机搭建算法编程环境,根据实际应用中的桥式起重机系统选取适当的系统参数和控制参数,根据式(21)得到相应的控制信号,利用运动控制板卡将控制信号发送给桥吊系统,实现对起重机系统的实时控制,进而实现桥式起重机系统的控制目标。
本发明再一个实施例中,提供了一种终端设备,该终端设备包括处理器以及存储器,所述存储器用于存储计算机程序,所述计算机程序包括程序指令,所述处理器用于执行所述计算机存储介质存储的程序指令。处理器可能是中央处理单元(Central ProcessingUnit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor、DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable GateArray,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等,其是终端的计算核心以及控制核心,其适于实现一条或一条以上指令,具体适于加载并执行一条或一条以上指令从而实现相应方法流程或相应功能;本发明实施例所述的处理器可以用于执行上述的一种桥吊系统有限时间滑模控制方法。
本发明再一个实施例中,本发明还提供了一种存储介质,具体为计算机可读存储介质(Memory),所述计算机可读存储介质是终端设备中的记忆设备,用于存放程序和数据。可以理解的是,此处的计算机可读存储介质既可以包括终端设备中的内置存储介质,当然也可以包括终端设备所支持的扩展存储介质。计算机可读存储介质提供存储空间,该存储空间存储了终端的操作系统。并且,在该存储空间中还存放了适于被处理器加载并执行的一条或一条以上的指令,这些指令可以是一个或一个以上的计算机程序(包括程序代码)。需要说明的是,此处的计算机可读存储介质可以是高速RAM存储器,也可以是非不稳定的存储器(non-volatile memory),例如至少一个磁盘存储器。
可由处理器加载并执行计算机可读存储介质中存放的一条或一条以上指令,以实现上述实施例中有关电网中长期检修计划的校核方法的相应步骤;计算机可读存储介质中的一条或一条以上指令由处理器加载并执行上述的一种桥吊系统有限时间滑模控制方法。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。创新点及效果
(1)将快速终端滑模控制方法引入到桥吊系统的消摆与定位控制中,实现了有限时间滑模控制,达到快速消摆的同时,能够精确定位,同时对于系统的不确定性具有强鲁棒性,包括外界扰动和系统参数摄动(绳长变化、负载质量变化、初始摆角),使得方法更具有实用性。
(2)考虑系统控制量饱和的约束,开展了控制输入受限条件下控制器的设计,设计了基于RBF网络控制受限逼近的滑模控制,抑制了系统抖振,提高了控制鲁棒性。
(3)使用准滑动模态和非线性趋近律减弱系统抖振,并设计了一种新型耦合状态量,将负载摆角信息耦合进台车位置这一驱动量中,加强了负载的欠驱动摆角与台车的驱动位置之间的联系。
(4)通过仿真实验研究,表明本专利提出的方法具有两个的控制效果,能够为桥吊系统在各种复杂情况下快速消摆与精确、有效定位控制提供基础,使桥吊系统更好地应用于各种工业领域。
Claims (8)
1.一种桥吊系统有限时间滑模控制方法,其特征在于,包括以下步骤:
步骤1,确定桥吊系统的控制目标;
步骤2,根据步骤1中得到的控制目标,结合分层滑模理论,构建桥吊系统的总滑模面;
步骤3,根据步骤2中得到的桥吊系统的总滑模面构建桥吊系统的总控制律;
步骤4,根据步骤3得到的桥吊系统的总控制律构建控制受限快速终端滑模控制器;
步骤5,根据步骤4得到的控制受限快速终端滑模控制器控制桥吊系统的运行。
4.根据权利要求1所述的一种桥吊系统有限时间滑模控制方法,其特征在于,步骤3中,根据步骤2中得到的桥吊系统的总滑模面构建桥吊系统的总控制律,具体方法是:
S301,构建桥吊系统的等效控制量:
对步骤2中得到的桥吊系统的总滑模面表达式进行求导,并与桥吊系统的状态方程相结合,得到桥吊系统的等效控制量;S302,构建桥吊系统的切换控制量,其中,切换控制量的表达式如下:
其中,usw为切换控制量;k,Ω为严格正实数;P为介于[0,1]区间的正实数;γ为正实数;χ为正整数,饱和函数边界层厚度Λ=0.05;S303,根据S301和S302得到的结果求得改进非线性趋近律耦合滑模面控制器的控制输入量为:
其中,k为严格正实数;Ω≥D;
S304,通过S303得到的结果求得桥吊系统的总控制律为:
其中,Q(S)=P+(1-P)exp(-γ|S|χ)>0。
6.一种桥吊系统有限时间滑模控制系统,其特征在于,包括控制器,以及存储能够在所述处理器上运行的计算机程序的存储器,所述处理器执行所述计算机程序时实现如权利要求1-5中任一项所述方法。
7.根据权利要求6所述的一种桥吊系统有限时间滑模控制系统,其特征在于,所述控制器连接有运动控制板卡,用于将得到的控制信号通过控制板卡传输至桥吊系统。
8.一种计算设备,其特征在于,包括:
一个或多个处理器、存储器及一个或多个程序,其中一个或多个程序存储在所述存储器中并被配置为所述一个或多个处理器执行,所述一个或多个程序包括用于执行根据权利要求1至5所述的方法中的任一方法的指令。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011331399.3A CN112363398B (zh) | 2020-11-24 | 2020-11-24 | 一种控制输入受限下的桥吊系统有限时间滑模控制系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011331399.3A CN112363398B (zh) | 2020-11-24 | 2020-11-24 | 一种控制输入受限下的桥吊系统有限时间滑模控制系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112363398A true CN112363398A (zh) | 2021-02-12 |
CN112363398B CN112363398B (zh) | 2022-11-22 |
Family
ID=74534076
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011331399.3A Active CN112363398B (zh) | 2020-11-24 | 2020-11-24 | 一种控制输入受限下的桥吊系统有限时间滑模控制系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112363398B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113325715A (zh) * | 2021-06-10 | 2021-08-31 | 浙江理工大学 | 一种基于前馈控制的桥式起重的全局连续滑模控制方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5371669A (en) * | 1992-06-18 | 1994-12-06 | The United States Of America As Represented By The Administrator Of The National Aeronautics And Space Administration | Sliding mode control method having terminal convergence in finite time |
CN106249602A (zh) * | 2016-09-30 | 2016-12-21 | 山东大学 | 桥式吊车有限时间轨迹跟踪控制器及其设计方法 |
CN108875253A (zh) * | 2018-07-03 | 2018-11-23 | 曲阜师范大学 | 基于干扰观测器的欠驱动吊车系统的终端滑模消摆控制方法及系统 |
-
2020
- 2020-11-24 CN CN202011331399.3A patent/CN112363398B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5371669A (en) * | 1992-06-18 | 1994-12-06 | The United States Of America As Represented By The Administrator Of The National Aeronautics And Space Administration | Sliding mode control method having terminal convergence in finite time |
CN106249602A (zh) * | 2016-09-30 | 2016-12-21 | 山东大学 | 桥式吊车有限时间轨迹跟踪控制器及其设计方法 |
CN108875253A (zh) * | 2018-07-03 | 2018-11-23 | 曲阜师范大学 | 基于干扰观测器的欠驱动吊车系统的终端滑模消摆控制方法及系统 |
Non-Patent Citations (4)
Title |
---|
YUE MING 等: "Neural Network Based Terminal Sliding Mode Control for WMRs Affected by an Augmented Ground Friction With Slippage Effect", 《IEEE-CAA JOURNAL OF AUTOMATICA SINICA》 * |
吕僖禧: "控制输入受限下桥式起重机定位与消摆研究", 《中国优秀硕士学位论文全文数据库(电子期刊)工程科技Ⅱ辑》 * |
王杰 等: "控制受限欠驱动桥吊系统改性终端滑模控制", 《兵器装备工程学报》 * |
王杰 等: "欠驱动双摆吊车滑模控制研究", 《兵器装备工程学报》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113325715A (zh) * | 2021-06-10 | 2021-08-31 | 浙江理工大学 | 一种基于前馈控制的桥式起重的全局连续滑模控制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112363398B (zh) | 2022-11-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106406085B (zh) | 基于跨尺度模型的空间机械臂轨迹跟踪控制方法 | |
Tian et al. | Adaptive neuro-fuzzy control of a flexible manipulator | |
CN115157238A (zh) | 一种多自由度机器人动力学建模和轨迹跟踪方法 | |
Miranda-Colorado et al. | A family of anti-swing motion controllers for 2D-cranes with load hoisting/lowering | |
Sun et al. | An adaptive DE algorithm based fuzzy logic anti-swing controller for overhead crane systems | |
Nakazono et al. | Vibration control of load for rotary crane system using neural network with GA-based training | |
Zhai et al. | Observer-based adaptive fuzzy control of underactuated offshore cranes for cargo stabilization with respect to ship decks | |
CN108828959A (zh) | 一种新型的桥式起重机防摆与定位控制方法与装置 | |
CN112363398B (zh) | 一种控制输入受限下的桥吊系统有限时间滑模控制系统及方法 | |
Wang et al. | CMAC-based compound control of hydraulically driven 6-DOF parallel manipulator | |
Naik et al. | 2-DOF robot manipulator control using fuzzy PD control with SimMechanics and sliding mode control: A comparative study | |
Li et al. | Input-limited optimal control for overhead cranes with payload hoisting/lowering and double pendulum effects | |
Zebin et al. | Dynamic modeling and fuzzy logic control of a two-link flexible manipulator using genetic optimization techniques | |
Miao et al. | Artificial-neural-network-based optimal Smoother design for oscillation suppression control of underactuated overhead cranes with distributed mass beams | |
Kizir et al. | Fuzzy control of a real time inverted pendulum system | |
Arshad et al. | Deep Deterministic Policy Gradient to Regulate Feedback Control Systems Using Reinforcement Learning. | |
Abdelhedi et al. | Nonlinear PID and feedforward control of robotic manipulators | |
Benhellal et al. | Decoupled adaptive neuro-fuzzy sliding mode control applied in a 3D crane system | |
Wang et al. | Direct inverse control of cable-driven parallel system based on type-2 fuzzy systems | |
Cao et al. | Nonlinear model predictive control of shipboard boom cranes with ship roll motion | |
Abougarair | Position and Orientation Control of A Mobile Robot Using Intelligent Algorithms Based Hybrid Control Strategies | |
Duc et al. | Neural network structures for identification of nonlinear dynamic robotic manipulator | |
Ren et al. | Data-based adaptive output feedback tracking control for a class of nonlinear systems | |
Rani et al. | Intelligent tracking control of redundant robot manipulators including actuator dynamics | |
Li et al. | Combined adaptive backstepping and LQR control for inverted pendulum |
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 |