CN114967470A - 一种散货码头门机定位无模型自适应控制方法 - Google Patents
一种散货码头门机定位无模型自适应控制方法 Download PDFInfo
- Publication number
- CN114967470A CN114967470A CN202210655832.1A CN202210655832A CN114967470A CN 114967470 A CN114967470 A CN 114967470A CN 202210655832 A CN202210655832 A CN 202210655832A CN 114967470 A CN114967470 A CN 114967470A
- Authority
- CN
- China
- Prior art keywords
- trolley
- displacement
- bulk cargo
- model
- equation
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 42
- 238000006073 displacement reaction Methods 0.000 claims abstract description 42
- 230000003044 adaptive effect Effects 0.000 claims abstract description 15
- 238000013499 data model Methods 0.000 claims abstract description 8
- 238000012545 processing Methods 0.000 claims abstract description 5
- 230000008859 change Effects 0.000 claims description 9
- 238000004422 calculation algorithm Methods 0.000 claims description 7
- 230000009471 action Effects 0.000 claims description 6
- 238000009795 derivation Methods 0.000 claims description 4
- 230000008569 process Effects 0.000 abstract description 8
- 238000004088 simulation Methods 0.000 abstract description 7
- 238000013461 design Methods 0.000 abstract description 4
- 230000011664 signaling Effects 0.000 abstract 1
- 230000001133 acceleration Effects 0.000 description 6
- 230000005484 gravity Effects 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 238000005381 potential energy Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000011217 control strategy Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000013016 damping Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 229910052731 fluorine Inorganic materials 0.000 description 1
- 125000001153 fluoro group Chemical group F* 0.000 description 1
- 230000005764 inhibitory process Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
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
本发明公开了一种散货码头门机定位无模型自适应控制方法。针对散货码头门机在作业过程中因为负载多样性造成的台车难以精准定位问题,设计控制方案如下:通过定位编码器得到台车位移量;根据拉格朗日方程建立散货码头门机系统动力学方程并转化成状态空间方程;对其进行紧格式动态线性化处理获得数据模型;计算位移伪偏导数估计律;设计位移无模型自适应控制器;利用控制器输出控制信号,控制台车变频器调整台车驱动电机运行速度,从而实现不同负载下台车的精准定位。该方法采用无模型自适应控制方法,通过利用门机系统的数据信息完成控制器的设计,实现台车精准定位,提高门机作业效率,最后通过数值仿真验证了控制方法的有效性。
Description
技术领域
本发明属于散货码头门机控制领域,涉及一种散货码头门机定位无模型自适应控制方法。
背景技术
门机是一种广泛应用于散货码头的吊运设备,在码头干散货运输中起到非常关键的作用,是一种典型的系统自由度数量多于独立控制量数目的欠驱动系统。因为码头港口货物种类繁多复杂,门机在运输干散货时会因为负载不确定性造成台车难以精准定位问题,无法快速准确将货物运送到指定位置,导致门机作业效率低。因此散货码头门机定位的问题也引起了国内外研究学者广泛的关注。
目前,国内外研究学者提出了多种方法,比如PID控制、模糊控制及自适应控制等基于模型的控制理论方法。M.Park等人将模糊控制和滑模控制两种方法结合起来,通过定义一个滑模面,将其作为输入量来制定模糊规则,这样可以获得合适的控制变量,同时利用模糊规则来对滑模面参数进行在线的调整,其控制效果明显,且对外界干扰不敏感,有较强的鲁棒性,但是当控制系统的参数发生变化时,还需花大量时间来调整该模糊规则。彭海军等人采用区间模型描述不确定性,提出基于Chebyshev代理模型法的不确定性轨迹优化求解方法,取得较好的控制效果;Benhidjeb等人提出模糊逻辑控制和最优控制方法进行仿真验证,建立了精准系统模型及准确的模糊规则库。然而,上述研究均是基于模型的控制方法,控制精度依赖于系统模型精度,但在负载不确定性产生的参数变化情况下,将面临重新整定控制参数等问题,其稳定性和控制精度也很难保障。
针对负载时变和参数自适应问题,Chwa,Dongkyoung通过引入基于台车定位误差的滑模面,设计了一种有限时间跟踪的鲁棒控制器,降低了对参数变化的敏感性,在负载质量不确定情况下实现了台车的准确定位与负载摆幅的有效抑制,但在参数变化较大情况下会影响控制器响应速度,其控制效果仍有提升空间;袁智等人采用基于神经网络的桥式起重机定位系统设计,对载重质量变化具有良好的适应性,但神经网络控制算法需要大量实验数据训练,且训练时间较长;孙宁设计了参数不确定情况下欠驱动桥式起重机的自适应控制器,通过使用自适应控制方法对参数不确定和外部扰动进行自适应调整,能实现台车的精准定位并消除残留摆动,该方法可显著提高控制精度,但该算法对控制器的运算能力要求较高,控制成本较大。基于以上原因,探究有效易用、成本较低、在不确定负载下有较强参数自适应性的控制器,对于散货码头门机台车精准定位应用具有重要意义。
针对散货码头门机在作业过程中因为负载不确定性造成的台车难以精准定位问题,本发明提出一种基于无模型自适应控制的散货码头门机定位控制方法,该方法是一种典型数据驱动控制方法,它只需要利用被控系统的输入数据和输出数据对控制器进行设计与分析,不依赖被控系统数学模型,方法简单且计算量少,具有较强的抗干扰性能。
发明内容
本发明为了解决散货码头门机负载不确定性造成的台车难以精准定位问题,提供了一种不依赖系统模型、在负载时变情况下具有较强的参数自适应性的控制方法,并将其应用于散货码头门机定位控制中,可以实现对未知非线性受控系统的参数自适应控制,实现了良好的台车精准定位效果,保障被控系统的稳定性,提高了作业效率和运行安全性。
为实现上述发明目的,本发明采取了如下的技术方案:
一种散货码头门机定位无模型自适应控制方法,包括下述步骤:
(1)台车位移量的采集:在固定绳长下,台车在驱动电机作用下正常作业,通过定位编码器得到散货码头门机台车位移x;
(2)根据拉格朗日方程建立散货码头门机系统非线性动力学方程:
将非线性动力学方程转化为状态空间方程:
Y=CX+Du
(3)对门机系统状态空间方程进行紧格式动态线性化处理,获得数据模型:
建立散货码头门机系统的离散时间非线性系统:
Δx(k+1)=f(x(k),…,x(k-mx),u(k),…,u(k-mu));
上述系统满足以下条件:
该系统关于u(k)的偏导数存在且连续;
该系统满足广义Lipschitz条件,对任意的k,当|Δu(k)|≠0时,有|Δx(k+1)|≤Q|Δu(k)|;其中,x*(k+1)为系统有界的期望输出信号,u*(k)为系统有界的输入信号;Δx(k+1)为相邻两个时刻的输出变化,Δu(k)为相邻两个时刻的输入变化;故Δx(k+1)=x(k+1)-x(k),Δu(k)=u(k)-u(k-1);Q为一个正常数;
由散货码头门机系统动力学方程可得下述两式:
Δx(k+1)=f(x(k),x(k-1),x(k-2),u(k))-f(x(k),x(k-1),x(k-2),u(k-1))
+f(x(k),x(k-1),x(k-2),u(k-1))-f(x(k-1),x(k-2),x(k-3),u(k-1));
=BΔu(k)+ξ(k)
ξ(k)=f(x(k),x(k-1),x(k-2),u(k-1))-f(x(k-1),x(k-2),x(k-3),u(k-1));
(4)计算台车位移的伪偏导数估计律:
(5)设计台车位移的无模型自适应控制器:
考虑如下控制准则函数:
J[u(k)]=|x*(k+1)-x(k+1)|2+λ|u(k)-u(k-1)|2;
记λ为权重因子,x*(k+1)为期望台车位移量;将步骤(3)中动态线性化的数据模型带入输入准则函数,对u(k)求导,并令其求导结果等于零,可得控制算法:
其中,ρ∈(0,1]是步长因子,λ>0为权重因子,用来控制输入量变化;x*(k+1)为期望台车位移量;
(6)根据散货码头门机作业特点,在固定绳长下,台车在驱动电机作用下正常作业,定位编码器将采集到的台车位移量在k-1时刻以x(k-1)输出为反馈位移量信号,与期望位移量形成的误差变量Δx(k-1)经无模型自适应控制器计算输出相应的控制信号,控制台车变频器调整台车驱动电机运行速度,从而实现不同负载下台车的精准定位。
相比现存技术,本发明的特点优势在于:针对散货码头门机负载不确定性造成的台车难以精准定位问题,采用的无模型自适应控制方法仅使用门机系统的输入输出数据,在负载不确定性下系统无须进行精确建模;设计步骤如下:通过定位编码器得到台车位移量;根据拉格朗日方程建立门机系统动力学方程并转化成状态空间方程;对其进行紧格式动态线性化处理获得其数据模型;计算台车位移的伪偏导数估计律;设计台车位移的无模型自适应控制器,利用控制器输出控制信号,控制台车变频器调整台车驱动电机运行速度,从而实现不同负载下台车的精准定位。本方法能有效的改善散货码头门机台车难以精准定位问题,提高门机作业效率。
结合附图阅读本发明的具体实施方式后,其特点和优势将得到进一步的明确。
附图说明:
图1为散货码头门机运动二维模型简化示意图;
图2为本发明提出的一种散货码头门机定位无模型自适应控制方法实施例的流程图;
图3为本发明提出的一种散货码头门机定位无模型自适应控制方法的结构框图;
图4为相同条件下MFAC精准定位与未进行精准定位下台车位移-时间曲线对比图;
具体实施方式
以下将结合附图,对本发明进行进一步的详细描述。
本发明针对散货码头门机在作业过程中因为负载不确定性造成的台车难以精准定位问题,提出了一种散货码头门机定位无模型自适应控制方法。在作业过程中,以台车作为推进装置,对散货码头门机定位无模型自适应控制方法进行详细说明。
参见图1所示,在建立散货码头门机简易运动二维模型时,由于作业过程中包含的变量较多,同时不排除外界风力或者摩擦的干扰,因此系统较为复杂,为了方便研究就简化了模型,但是在建模的同时需要建立一些合理的假设:
(1)在建立台车模型时忽略整个门架造成的运行干扰因素;
(2)因为吊重质量远远大于吊绳质量,所以建模时吊绳质量可忽略;
(3)设置摩擦系数μ,将台车运行过程中与其他机构间产生的阻力等效为线性阻尼;
(4)门架和台车的驱动力f均为可控;
参见图2所示,本发明例的散货码头门机定位无模型自适应控制方式,具体有以下流程:
步骤S1:散货码头门机台车位移的采集:在固定绳长下,台车在驱动电机作用下正常作业,通过定位编码器得到台车位移x;
步骤S2:建立散货码头门机简易二维模型,在台车运行过程中,包含的变量较多,同时存在一些风力或者摩擦等外界干扰,而拉格朗日方程中不含有约束反力,只需要对主动力分析即可建立散货码头门机系统非线性动力学方程,其一般表达式为:
其中:L=T-V,L为拉格朗日算子;T为系统动能;V为系统势能;qi为质量系的广义坐标;i为质量系的自由度数;fi为除了系统自身重力外第i个广义坐标上的广义外力;根据模型位置关系可以得到方程:
吊重沿x和y轴方向的速度分量分别为;
门机系统的动能为T:
选取O为零势能点,势能V:
V=-mglcosθ (5)
其中:M为台车质量;m为吊重质量;xM为台车水平位移;xm为吊重水平位移;θ为吊重摆角;g为重力加速度;摩擦系数为μ;
吊重系统的拉格朗日算子为L:
建立关于台车驱动力fx的拉格朗日方程:
整理得到台车驱动力fx的拉格朗日方程:
建立关于吊重摆角θ的拉格朗日方程:
整理得到关于吊重摆角θ的拉格朗日方程:
整理得到关于散货码头门机系统的非线性动力学方程:
将非线性动力学方程转化为状态空间方程:
步骤S3:对门机系统状态空间方程进行紧格式动态线性化处理,获得数据模型:
建立离散时间非线性系统:
Δx(k+1)=f(x(k),…,x(k-mx),u(k),…,u(k-mu)) (15)
上述系统满足以下条件:
该系统关于u(k)的偏导数存在且连续;
该系统满足广义Lipschitz条件,对任意k,当|Δu(k)|≠0时,有|Δx(k+1)|≤Q|Δu(k)|;其中,x*(k+1)为系统有界的期望输出信号,u*(k)为系统有界的输入信号;Δx(k+1)为相邻两个时刻的输出变化,Δu(k)为相邻两个时刻的输入变化;故Δx(k+1)=x(k+1)-x(k),Δu(k)=u(k)-u(k-1);Q为一个正常数;
由动力学方程可得下述两式:
ξ(k)=f(x(k),x(k-1),x(k-2),u(k-1))-f(x(k-1),x(k-2),x(k-3),u(k-1))(17)
步骤S4:计算台车位移的伪偏导估计律:
步骤S5:设计台车位移的无模型自适应控制器:
考虑如下控制准则函数:
J[u(k)]=|x*(k+1)-x(k+1)|2+λ|u(k)-u(k-1)|2 (21)
记λ为权重因子,x*(k+1)为期望台车位移量;将步骤(3)中动态线性化的数据模型代入输入准则函数,对u(k)求导,并令其求导结果等于零,可得控制算法:
其中,ρ∈(0,1]是步长因子,λ>0为权重因子,用来控制输入量变化;x*(k+1)为期望台车位移量;
步骤S6:根据散货码头门机作业特点,在固定吊绳长下,台车在驱动电机作用下正常作业,定位编码器将采集到的台车位移量在k-1时刻以x(k-1)输出为反馈位移信号,与期望位移形成的误差变量Δx(k-1)经无模型自适应控制器计算输出相应的控制信号,控制台车变频器调整台车驱动电机运行速度,从而实现不同负载下台车的精准定位。
本实施例所用的控制方法是一种散货码头门机定位无模型自适应控制方法,为欠驱动散货码头门机台车在作业时由于负载不确定性导致台车难以精准定位造成作业效率低,存在安全隐患问题提供有效的解决方案;因为系统动态模型建立较为复杂,以及存在其他不确定干扰因素,所以提供一种无模型自适应控制策略,其不依赖准确模型,只需要系统提供一些输入输出数据,通过算法计算输出控制就可以满足台车精准定位需求。
下面对散货码头门机系统在实施本发明控制算法下进行仿真分析:
在MATLAB/Simulink仿真环境下建立散货码头门机作业控制系统,设置摩擦参数μ=0.2,重力加速度g=9.8m/s2,设置给定位移为x=5m,设置驱动力f=1200N,台车机构总质量为M=300kg,吊重质量m=80kg,吊绳长度l=4m。对模型进行仿真后得到位移-时间曲线。由仿真曲线图4可以看出,将仿真时间设置50s,未进行精准定位控制下虽然有较快的响应,上升时间较短,但是存在超调现象;在使用无模型自适应控制器后,台车运行轨迹定位得到了明显的优化,能实现理想的台车精准定位。
综合上述分析,本实施例提出了一种散货码头门机定位无模型自适应控制方法,可以通过在线调整关于台车位移的伪偏导数,保证了散货码头门机作业系统位移跟踪误差的有界性。通过仿真实验结果证明,在加入无模型自适应控制器后,实现了台车的精准定位,提高了门机作业效率。
以上所述的具体描述,对发明的目的、技术方案和有益效果进行了进一步的详细说明,所应理解的是,实施例仅用于解释本发明,并不用于限定本发明的保护范围。任何本领域技术人员,在不脱离本发明的精神和范围内,均可作各种更动与修改,因此本发明的保护范围应当以权利要求所限定的范围为准。
Claims (4)
1.一种散货码头门机定位无模型自适应控制方法,所述方法包括下述步骤:
(1)台车位移量的采集:在固定绳长下,台车在驱动电机作用下运行,通过定位编码器得到散货码头门机台车位移x;
(2)根据拉格朗日方程建立散货码头门机系统非线性动力学方程,将其转化成状态空间方程;
(3)对门机系统状态空间方程进行紧格式动态线性化处理,获得数据模型:
Δx(k+1)=x(k+1)-x(k),Δu(k)=u(k)-u(k-1);
其中,x(k)为k时刻门机台车的位移输出,u(k)为k时刻的系统控制输入;
(4)计算台车位移的伪偏导数估计律:
(5)设计台车位移的无模型自适应控制器:
将步骤(3)中动态线性化的数据模型代入输入准则函数,对u(k)求导,并令其求导结果等于零,可得控制算法:
其中,ρ∈(0,1]是步长因子,λ>0为权重因子,用来控制输入量变化;x*(k+1)为期望台车位移量。
2.根据权利要求1所述的方法,其特征在于:步骤(3)的具体内容为:
(31)建立台车位移的离散时间非线性系统:
Δx(k+1)=f(x(k),…,x(k-mx),u(k),…,u(k-mu));
(32)上述系统满足以下条件:
该系统关于u(k)的偏导数存在且连续;
该系统满足广义Lipschitz条件,对任意的k,当|Δu(k)|≠0时,有|Δx(k+1)|≤Q|Δu(k)|;其中,x*(k+1)为系统有界的期望输出信号,u*(k)为系统有界的输入信号;Δx(k+1)为相邻两个时刻的输出变化,Δu(k)为相邻两个时刻的输入变化;故Δx(k+1)=x(k+1)-x(k),Δu(k)=u(k)-u(k-1);Q为一个正常数;
(33)由状态空间方程可得下述两式:
Δx(k+1)=f(x(k),x(k-1),x(k-2),u(k))-f(x(k),x(k-1),x(k-2),u(k-1))+f(x(k),x(k-1),x(k-2),u(k-1))-f(x(k-1),x(k-2),x(k-3),u(k-1));
=BΔu(k)+ξ(k)
ξ(k)=f(x(k),x(k-1),x(k-2),u(k-1))-f(x(k-1),x(k-2),x(k-3),u(k-1));
4.根据散货码头门机作业特点,在固定绳长下,台车在驱动电机作用下正常作业,定位编码器将采集到的台车位移量在k-1时刻以x(k-1)输出为反馈位移量信号,与期望位移量形成的误差变量Δx(k-1)经无模型自适应控制器计算输出相应的控制信号,控制台车变频器调整台车驱动电机运行速度,从而实现不同负载下台车的精准定位。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210655832.1A CN114967470A (zh) | 2022-06-10 | 2022-06-10 | 一种散货码头门机定位无模型自适应控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210655832.1A CN114967470A (zh) | 2022-06-10 | 2022-06-10 | 一种散货码头门机定位无模型自适应控制方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114967470A true CN114967470A (zh) | 2022-08-30 |
Family
ID=82961146
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210655832.1A Pending CN114967470A (zh) | 2022-06-10 | 2022-06-10 | 一种散货码头门机定位无模型自适应控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114967470A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117075479A (zh) * | 2023-09-15 | 2023-11-17 | 秦皇岛燕大滨沅科技发展有限公司 | 一种用于散货港口的均匀配料控制系统及方法 |
-
2022
- 2022-06-10 CN CN202210655832.1A patent/CN114967470A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117075479A (zh) * | 2023-09-15 | 2023-11-17 | 秦皇岛燕大滨沅科技发展有限公司 | 一种用于散货港口的均匀配料控制系统及方法 |
CN117075479B (zh) * | 2023-09-15 | 2024-05-03 | 滨沅国科(秦皇岛)智能科技股份有限公司 | 一种用于散货港口的均匀配料控制系统及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Feng et al. | A new adaptive sliding mode controller based on the RBF neural network for an electro-hydraulic servo system | |
CN105329777B (zh) | 带有持续扰动的可升降桥式吊车系统的模糊控制方法 | |
CN106959610B (zh) | 桥式吊车系统apd-smc控制器、桥式吊车系统及控制方法 | |
CN109740240B (zh) | 可消除负载摆动的塔式吊车自适应积分滑模控制器设计方法及系统 | |
CN109911773B (zh) | 一种单参数调整的欠驱动吊车作业全过程自抗扰控制方法 | |
CN112817231A (zh) | 一种具有强鲁棒性的机械臂高精度跟踪控制方法 | |
CN111153328B (zh) | 一种基于lqr的吊装系统的防摇控制方法及系统 | |
CN109991850B (zh) | 一种磁悬浮系统预测控制方法及系统 | |
CN113955637B (zh) | 一种三维双摆桥式吊车的防摆控制方法及控制系统 | |
CN115157238A (zh) | 一种多自由度机器人动力学建模和轨迹跟踪方法 | |
CN113086844B (zh) | 基于二阶滑模干扰观测器的变绳长桥式吊车防摇定位控制方法 | |
CN110456646A (zh) | 基于ekf的锚杆钻机钻臂摆角自适应滑模控制系统设计方法 | |
Pezeshki et al. | Control of overhead crane system using adaptive model-free and adaptive fuzzy sliding mode controllers | |
CN114967470A (zh) | 一种散货码头门机定位无模型自适应控制方法 | |
Zhu et al. | Neural network-based time optimal trajectory planning method for rotary cranes with obstacle avoidance | |
Toxqui et al. | Anti-swing control for overhead crane with neural compensation | |
Sun et al. | Adaptive fuzzy tracking control for vibration suppression of tower crane with distributed payload mass | |
Qian et al. | Finite-time neural network-based hierarchical sliding mode antiswing control for underactuated dual ship-mounted cranes with unmatched sea wave disturbances suppression | |
Miao et al. | Artificial-neural-network-based optimal Smoother design for oscillation suppression control of underactuated overhead cranes with distributed mass beams | |
CN112462608A (zh) | 一种高速列车离散滑模轨迹及速度跟踪控制方法 | |
CN116239022A (zh) | 桥式吊车定位防摆无模型自适应控制方法 | |
Sun et al. | Designing and application of fuzzy PID control for overhead crane systems | |
CN114995148A (zh) | 一种散货码头门机防摇无模型自适应控制方法 | |
CN109917643A (zh) | 深水安装升沉补偿反馈控制系统 | |
CN111487867B (zh) | 一种液体晃动模型参考自适应抑制运动控制方法 |
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 |