CN115489957B - 一种智能传输系统 - Google Patents

一种智能传输系统 Download PDF

Info

Publication number
CN115489957B
CN115489957B CN202110616362.3A CN202110616362A CN115489957B CN 115489957 B CN115489957 B CN 115489957B CN 202110616362 A CN202110616362 A CN 202110616362A CN 115489957 B CN115489957 B CN 115489957B
Authority
CN
China
Prior art keywords
neural network
output
conveying line
model
input
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.)
Active
Application number
CN202110616362.3A
Other languages
English (en)
Other versions
CN115489957A (zh
Inventor
王婷
梅哲凡
李亚洲
丁晓红
王苏琪
金德飞
周恒瑞
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.)
Hefei Jiuzhou Longteng Scientific And Technological Achievement Transformation Co ltd
Original Assignee
Huaiyin Institute of Technology
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 Huaiyin Institute of Technology filed Critical Huaiyin Institute of Technology
Priority to CN202110616362.3A priority Critical patent/CN115489957B/zh
Publication of CN115489957A publication Critical patent/CN115489957A/zh
Application granted granted Critical
Publication of CN115489957B publication Critical patent/CN115489957B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • B65G41/00—Supporting frames or bases for conveyors as a whole, e.g. transportable conveyor frames
    • B65G41/001—Supporting frames or bases for conveyors as a whole, e.g. transportable conveyor frames with the conveyor adjustably mounted on the supporting frame or base
    • 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
    • B65G13/00—Roller-ways
    • B65G13/11—Roller frames
    • B65G13/12—Roller frames adjustable
    • 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
    • B65G47/00—Article or material-handling devices associated with conveyors; Methods employing such devices
    • B65G47/52—Devices for transferring articles or materials between conveyors i.e. discharging or feeding devices
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02P—CONTROL OR REGULATION OF ELECTRIC MOTORS, ELECTRIC GENERATORS OR DYNAMO-ELECTRIC CONVERTERS; CONTROLLING TRANSFORMERS, REACTORS OR CHOKE COILS
    • H02P23/00—Arrangements or methods for the control of AC motors characterised by a control method other than vector control
    • H02P23/0004—Control strategies in general, e.g. linear type, e.g. P, PI, PID, using robust control
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02P—CONTROL OR REGULATION OF ELECTRIC MOTORS, ELECTRIC GENERATORS OR DYNAMO-ELECTRIC CONVERTERS; CONTROLLING TRANSFORMERS, REACTORS OR CHOKE COILS
    • H02P23/00—Arrangements or methods for the control of AC motors characterised by a control method other than vector control
    • H02P23/0004—Control strategies in general, e.g. linear type, e.g. P, PI, PID, using robust control
    • H02P23/0018—Control strategies in general, e.g. linear type, e.g. P, PI, PID, using robust control using neural networks
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02P—CONTROL OR REGULATION OF ELECTRIC MOTORS, ELECTRIC GENERATORS OR DYNAMO-ELECTRIC CONVERTERS; CONTROLLING TRANSFORMERS, REACTORS OR CHOKE COILS
    • H02P8/00—Arrangements for controlling dynamo-electric motors rotating step by step
    • H02P8/14—Arrangements for controlling speed or speed and torque
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02P—CONTROL OR REGULATION OF ELECTRIC MOTORS, ELECTRIC GENERATORS OR DYNAMO-ELECTRIC CONVERTERS; CONTROLLING TRANSFORMERS, REACTORS OR CHOKE COILS
    • H02P8/00—Arrangements for controlling dynamo-electric motors rotating step by step
    • H02P8/40—Special adaptations for controlling two or more stepping motors

Landscapes

  • Engineering & Computer Science (AREA)
  • Power Engineering (AREA)
  • Mechanical Engineering (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Feedback Control In General (AREA)

Abstract

本发明涉及机械设备技术领域，公开了一种智能传输系统，包括移动式小车、一级输送线、二级输送线，一级输送线设于移动式小车上；二级输送线连接于一级输送线末端，移动式小车上还设置有用于调节一级输送线、二级输送线高度与角度的调节机构，调节机构上分别设置有若干驱动电机，智能传输系统还包括若干电动机转速控制器，电动机转速控制器的输出端分别与各对应的驱动电机连接。与现有技术相比，本发明便于将传输平台移动至合适位置，而且电动机转速控制器有效解决了现有同类型装备的电动机没有根据电动机转速变化的非线性、大滞后和变化复杂等特点，对电动机转速进行智能化预测与调节，从而极大的提高系统性能。

Description

一种智能传输系统
技术领域
本发明涉及机械设备技术领域，具体涉及一种智能传输系统。
背景技术
随着我国现代化建设的推进以及经济水平的提高，国内市场上加工行业的自动化水平也有所提高。对于一些大中型加工企业，从原材料的运输、加工，到半成品的包装等工序的自动化程度已经相当高，基本实现了从原材料到成品的全自动或者半自动加工工序。
在物品加工过程中，需要通过输送平台将货物运送至各个环节进行加工处理，而且在物品加工过程中往往需要将一批货物从一个地方移动至另一个地方进行加工，传统的做法是首先在一个地方将货物集中后通过运送车、叉车等运送至另一个地方，再通过人工将货物搬运到输送平台上进行运输、加工处理。这个过程浪费了很多人力物力，而且效率非常低。急需要一种可以移动的输送平台，利用其可移动性，减少人力成本。
在传输平台使用过程中必不可少的需要运用到驱动电机进行驱动相关设备移动或者进行调节，但是现有同类型装备的电动机没有根据电动机转速变化的非线性、大滞后和变化复杂等特点，对电动机转速进行智能化预测与调节，从而极大的影响系统性能。
发明内容
发明目的：针对现有技术中存在的问题，本发明提供一种智能传输系统，通过移动式小车便于将传输平台移动至合适位置，解决了传统的不可移动式的传输平台存在的无法调整位置的问题，而且通过两级输送线可以准确的将物品运送至目的地，另外利用电动机转速控制器有效解决了现有同类型装备的驱动电机没有根据其转速变化的非线性、大滞后和变化复杂等特点，对驱动转速进行智能化预测与调节，从而极大的提高了系统性能。
技术方案：本发明提供了一种智能传输系统，包括移动式小车、一级输送线、二级输送线，所述一级输送线设于移动式小车上；所述二级输送线连接于所述一级输送线末端，所述移动式小车上还设置有用于调节一级输送线、二级输送线高度与角度的调节机构，货物依次经一级输送线、二级输送线传输至目的地，所述调节机构上分别设置有若干驱动电机，所述智能传输系统还包括若干电动机转速控制器，所述电动机转速控制器的输出端分别与各对应的驱动电机连接；所述电动机转速控制器包括MSP430单片机、L298电动机驱动电路和转速传感器，所述MSP430单片机中的智能控制器的输出作为L298电动机驱动电路的输入，L298电动机驱动电路的输出作为被控制驱动电机的输入，转速传感器测量被控制驱动电机的转速实际值；智能控制器包括混合神经网络设定模型、NARX神经网络预测模型、NARX神经网络实时模型、PID控制器、混合神经网络控制器和DRNN神经网络预测模型；所述驱动电机转速给定值作为混合神经网络设定模型的输入，所述驱动电机转速给定值与DRNN神经网络预测模型输出的差作为NARX神经网络预测模型的输入，驱动电机转速给定值与转速传感器输出值的差作为NARX神经网络实时模型的输入，混合神经网络设定模型输出、NARX神经网络预测模型输出和NARX神经网络实时模型输出的和作为驱动电机转速给定优化值，驱动电机转速给定优化值与转速传感器输出值的差和差的变化率作为PID控制器的输入，PID控制器输出作为混合神经网络控制器的输入，混合神经网络控制器的输出作为智能控制器的输出和L298电动机驱动电路的输入，混合神经网络控制器输出和转速传感器输出作为DRNN神经网络预测模型的输入。
进一步地，所述混合神经网络设定模型由Adaline自适应滤波器模型和NARX神经网络模型组成，混合神经网络设定模型的输入作为Adaline自适应滤波器模型的输入，Adaline自适应滤波器模型的输出作为NARX神经网络模型的输入，NARX神经网络模型的输出作为混合神经网络设定模型的输出。
进一步地，所述混合神经网络控制器由1个按拍延迟线TDL(Tapped Delay Line)、Adaline神经网络模型、DRNN神经网络模型和动态递归小波神经网络模型组成，混合神经网络控制器的输入作为按拍延迟线TDL的输入，按拍延迟线TDL的输出包含当前时刻的输入信号和分别延迟了1到多个时间步的输入信号，按拍延迟线TDL的输出作为Adaline神经网络模型和DRNN神经网络模型的输入，Adaline神经网络模型和DRNN神经网络模型的输出分别作为动态递归小波神经网络模型的输入，动态递归小波神经网络模型的输出作为混合神经网络控制器的输出。
进一步地，所述调节机构包括一级输送线前端调节机构、一级输送线末端调节机构；
所述一级输送线前端调节机构包括丝杆调节组件A、圆盘、一对推杆以及输送线支架，所述圆盘贯穿螺纹连接于丝杆调节组件A一端，所述一对推杆对称固定于所述圆盘上，所述一级输送线下表面转动连接有输送线支架，所述推杆顶端与所述输送线支架连接；
所述一级输送线末端调节机构包括丝杆调节组件B、转动连接于一级输送线末端两侧的凸台，所述丝杆调节组件B中的丝杆贯穿螺纹连接于所述凸台；
进一步地，所述丝杆调节组件A与丝杆调节组件B结构相同，其均包括一个步进电机与丝杆，所述步进电机与其对应的电动机转速控制器连接。
进一步地，所述一级输送线末端还设置有防跳限高机构，所述防跳限高机构包括防跳限高框、一对防跳限高支架；所述防跳限高支架底端固定于所述移动式小车上，其上端与所述一级输送线末端连接，在一对防跳限高支架上还设置防跳限高框高度调节组件。
进一步地，所述防跳限高框高度调节组件包括如下结构：在防跳限高支架外侧壁两侧沿其竖直方向分别开设凹槽，一对凹槽内分别滑动连接有齿条，齿条的齿口方向向外侧；齿条上均啮合有第一从动齿轮，一对第一从动齿轮之间通过第一转动轴连接，第一转动轴上同轴设置第二从动齿轮，第二从动齿轮与第一主动齿轮啮合，第一步进电机输出轴与第一主动齿轮连接，所述第一步进电机与其对应的电动机转速控制器连接。
进一步地，所述移动式小车包括移动平台、一对转向轮、一对驱动轮、驱动机构以及转向机构，所述一对转向轮、一对驱动轮均通过轴连接于移动平台上，所述驱动机构与一对所述驱动轮驱动连接，所述转向机构与一对所述转向轮连接；所述移动式小车的移动平台前后两端下方还分别设有测距避障超声波传感器。
进一步地，所述移动式小车前后两端还设有防尘罩，所述防尘罩包括转动连接于移动平台下表面的卷放杆、卷于所述卷放杆上的隔离罩，所述卷放杆上设置有第五步进电机，所述卷放杆正下方位置设置有与所述隔离罩正对的接收槽，所述接收槽内底端设置有压力传感器，所述接收槽侧壁设置有红外线传感器，其均与所述控制器连接，所述控制器输出端与所述第五步进电机连接；当所述隔离罩放下时，所述测距避障超声波传感器位于所述隔离罩内。
有益效果：
1、本发明将整个传输平台设置在移动式小车上，通过移动式小车可以将传输平台移动至任何位置进行使用，通过两级输送线输送至不同的位置进行货物传输。混合神经网络设定模型输出、NARX神经网络预测模型输出和NARX神经网络实时模型输出的和作为电动机转速的优化设定值，从电动机给定、电动机转速预测和电动机转速的实际值的角度对电动机转速设定值进行优化设计，提高被控制电动机转速的响应速度、平稳性和准确性，提高电动机转速控制系统的鲁棒性。
2、本发明NARX神经网络模型是一种带输出反馈连接的动态递归神经网络，在拓扑连接关系上可等效为该输入时延的BP神经网络加上输出到输入的时延反馈连接，其结构由输入层、时延层、隐层和输出层构成，其中输入层节点用于NARX神经网络模型的输入，时延层节点用于输入信号和输出反馈信号的时间延迟，隐层节点利用激活函数对时延后的信号做非线性运算，输出层节点则用于将隐层输出做线性加权获得最终对输入信号的预测输出。
3、采用PID控制器和混合神经网络控制器对电动机转速的动静态联合控制，提高电动机转速控制的响应速度、精确性和鲁棒性。
4、在一级输送线与二级输送线之间的位置还设置防跳限高机构，防跳限高机构可以调整高度，根据现场实际需要进行调整防跳限高框的高度，一方面是用来限制货物的高度，另一方面是用来防止跳货，从而防止货物掉落。
5、本发明移动式小车通过前轮进行控制转向，后轮控制驱动前进，采用测距避障超声波传感器实现对移动式小车本身的定位、避障，以及对其做出合理的位置调整，使得传输平台的位置更加合理化。
6、在一级输送线上通过调节机构可以进行高度与角度调节，通过推杆和丝杆配合进行高精度的升降调整，和倾斜角度调整，根据现场实际需要调整其高度和角度。
附图说明
图1为本发明电动机转速控制器结构原理图；
图2为本发明整体结构示意图；
图3为本发明防跳限高机构结构示意图；
图4为本发明防跳限高机构驱动结构放大示意图；
图5为本发明一级输送线前端调节机构整体示意图；
图6为本发明一级输送线前端调节机构细节部分示意图；
图7为本发明移动式小车结构示意图；
图8为本发明移动式小车转向轮一端放大示意图；
图9为本发明移动式小车驱动轮一端方法示意图；
图10为本发明防尘罩上方隔离罩结构示意图；
图11为本发明防尘罩下方接收槽结构示意图。
其中，1-移动式小车，101-移动平台，102-转向轮，103-驱动轮，104-测距避障超声波传感器，105-第四步进电机，106-第二主动齿轮，107-第三从动齿轮，108-第二转动轴，109-舵机，110-卷放杆，111-隔离罩，112-第五步进电机，113-接收槽，114-压力传感器，115-红外线传感器，2-一级输送线，201-防跳限高框，202-防跳限高支架，203-凹槽，204-齿条，205-第一从动齿轮，206-第一转动轴，207-第二从动齿轮，208-第一主动齿轮，209-第一步进电机，210-第一丝杆，211-支撑柱，212-凸台，213-第二步进电机，214-第二丝杆，215-第三步进电机，216-圆盘，217-推杆，218-输送线支架，219-滑块，3-二级输送线。
具体实施方式
下面结合附图对本发明作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。
主要包括移动式小车1、一级输送线2、二级输送线3，一级输送线2设于移动式小车1上；二级输送线3连接于一级输送线2末端，货物依次经一级输送线2、二级输送线3传输至目的地。参见附图1，一级输送线2与二级输送线3均为滚筒传输，其上依次转动连接有滚筒，各滚筒均通过一个传动机构实现传输，货物在一级输送线2与二级输送线3的滚筒作用下向前移动，逐渐移动至其他设备上。传动机构可以是链条带动齿轮轴转动实现滚筒滚动。移动式小车1上还设置有用于调节一级输送线2、二级输送线3高度与角度的调节机构，调节机构上分别设置有若干驱动电机，智能传输系统还包括若干电动机转速控制器，电动机转速控制器的输出端分别与各对应的驱动电机连接。
在一级输送线2末端还设置有防跳限高机构，防跳限高机构包括防跳限高框201、一对防跳限高支架202。防跳限高支架202底端固定于移动式小车1上，其上端与一级输送线2末端连接。在防跳限高支架202上设置防跳限高框高度调节组件，防跳限高框201两端在防跳限高框高度调节组件作用下相对一对防跳限高支架202上下移动。
参见附图3与附图4，防跳限高框201为拱门结构，一对防跳限高支架202竖直固定在移动式小车1上。防跳限高框高度调节组件包括如下结构：在防跳限高支架202外侧壁两侧沿其竖直方向分别开设凹槽203，一对凹槽203内分别滑动连接有齿条204，齿条204的齿口方向向外侧。齿条204上均啮合有第一从动齿轮205，一对第一从动齿轮205之间通过第一转动轴206连接，第一转动轴206上同轴设置第二从动齿轮207，第二从动齿轮207与第一主动齿轮208啮合，第一步进电机209输出轴与第一主动齿轮208连接。为了便于限位第一转动轴206，在防跳限高支架202侧壁设置滑块219，第一转动轴206贯穿滑块219设置，而且滑块219不影响第一转动轴206转动，滑块219可以起到限位作用，限制第一转动轴206的自由度。第一步进电机209转动带动第一主动齿轮208转动，第一主动齿轮208转动带动第二从动齿轮207转动，实现第一转动轴206转动，带动齿条204上下移动。
在防跳限高支架202内还贯穿滑动设置一个支撑柱211，支撑柱211顶端与防跳限高框201底端连接，在齿条204带动防跳限高框201向上移动过程中支撑柱211在防跳限高支架202内滑动，对整个防跳限高框201起到限位作用。
一级输送线上还设有调节机构，调节机构包括一级输送线前端调节机构、一级输送线末端调节机构。
一级输送线前端调节机构包括丝杆调节组件A、圆盘216、一对推杆217以及输送线支架218。丝杆调节组件A包括第二丝杆214、第三步进电机215，第三步进电机215输出轴通过联轴器与第二丝杆214连接，圆盘216贯穿螺纹连接于第二丝杆214一端，一对推杆217对称固定于圆盘216上，一级输送线2下表面转动连接有输送线支架218，推杆217顶端与输送线支架218连接。第二丝杆214转动实现圆盘216上下移动，圆盘216带动一对推杆217上下移动，实现一级输送线2角度与高度调整。
一级输送线末端调节机构包括丝杆调节组件B，丝杆调节组件B包括第一丝杆210、第二步进电机213。第一丝杆210设置在防跳限高支架202上，第一丝杆210通过联轴器与第二步进电机213输出轴连接，第一丝杆210贯穿螺纹连接于一级输送线2末端两侧的凸台212上，实现固定一级输送线2的同时可以调节一级输送平台2的末端高度。凸台212可以相对一级输送线2做转动，保证一级输送平台2可以进行角度微调。
本发明使用的移动式小车1包括移动平台101、一对转向轮102、一对驱动轮103、驱动机构以及转向机构，一对转向轮102、一对驱动轮103均转动连接于移动平台101上，驱动机构与一对驱动轮103驱动连接，转向机构与一对转向轮102连接。移动式小车1的移动平台101前后两端下方还分别设有测距避障超声波传感器104，测距避障超声波传感器104与控制器(图中未示出)连接，控制器输出端与驱动机构以及转向机构连接。
本实施方式中，驱动机构为电机驱动，在移动平台101上设置第四步进电机105，第四步进电机105通过第二主动齿轮106啮合有第三从动齿轮107带动第二转动轴108转动，第二转动轴108上连接两个驱动轮103，实现两个驱动轮103转动。转向驱动也为电机驱动，两个转向轮102转动连接在移动平台101上，其上连接有舵机109，舵机109控制转向轮转向。舵机109、第四步进电机105、测距避障超声波传感器104与控制器(图中未示出)连接，通过测距避障超声波传感器104返回给控制器信号，控制器输出转向信号或者驱动信号给舵机109、第四步进电机105。此为现有技术，此处不做赘述。
在移动式小车1前后两端还设有防尘罩，防尘罩包括转动连接于移动平台101下表面的卷放杆110、卷于卷放杆110上的隔离罩111，卷放杆110上设置有第五步进电机112，卷放杆110正下方位置设置有接收槽113，接收槽113底端设置有压力传感器114，接收槽113侧壁设置有红外线传感器115，其均与控制器连接，控制器输出端与第五步进电机112连接。当隔离罩111拉下来后，测距避障超声波传感器104位于隔离罩111内。
在上述结构中，第一步进电机209、第二步进电机213、第三步进电机215均与一个对应的电动机转速控制器连接，用于控制上述驱动电机的转速。
本发明中电动机转速控制器结构参见附图1，包括MSP430单片机、L298电动机驱动电路和转速传感器，MSP430单片机中的智能控制器的输出作为L298电动机驱动电路的输入，L298电动机驱动电路的输出作为被控制电动机的输入，本发明中，被控制电动机即为上述的几个步进电机，也是本实施方式开头提到的驱动电机。转速传感器测量被控制电动机的转速实际值；智能控制器包括混合神经网络设定模型、NARX神经网络预测模型、NARX神经网络实时模型、PID控制器、混合神经网络控制器和DRNN神经网络预测模型；电动机转速给定值作为混合神经网络设定模型的输入，电动机转速给定值与DRNN神经网络预测模型输出的差作为NARX神经网络预测模型的输入，电动机转速给定值与转速传感器输出值的差作为NARX神经网络实时模型的输入，混合神经网络设定模型输出、NARX神经网络预测模型输出和NARX神经网络实时模型输出的和作为电动机转速给定优化值，电动机转速给定优化值与转速传感器输出值的差和差的变化率作为PID控制器的输入，PID控制器输出作为混合神经网络控制器的输入，混合神经网络控制器的输出作为智能控制器的输出和L298电动机驱动电路的输入，混合神经网络控制器输出和转速传感器输出作为DRNN神经网络预测模型的输入。
混合神经网络设定模型由Adaline自适应滤波器模型和NARX神经网络模型组成，混合神经网络设定模型的输入作为Adaline自适应滤波器模型的输入，Adaline自适应滤波器模型的输出作为NARX神经网络模型的输入，NARX神经网络模型的输出作为混合神经网络设定模型的输出。
混合神经网络控制器由1个按拍延迟线TDL(Tapped Delay Line)、Adaline神经网络模型、DRNN神经网络模型和动态递归小波神经网络模型组成，混合神经网络控制器的输入作为按拍延迟线TDL的输入，按拍延迟线TDL的输出包含当前时刻的输入信号和分别延迟了1到多个时间步的输入信号，按拍延迟线TDL的输出作为Adaline神经网络模型和DRNN神经网络模型的输入，Adaline神经网络模型和DRNN神经网络模型的输出分别作为动态递归小波神经网络模型的输入，动态递归小波神经网络模型的输出作为混合神经网络控制器的输出。
下面对本发明中的智能控制器的设计进行描述：
智能控制器包括混合神经网络设定模型、NARX神经网络预测模型、NARX神经网络实时模型、PID控制器、混合神经网络控制器和DRNN神经网络预测模型。
1、混合神经网络设定模型设计
混合神经网络设定模型由Adaline自适应滤波器模型和NARX神经网络模型组成，混合神经网络设定模型的输入作为Adaline自适应滤波器模型的输入，Adaline自适应滤波器模型的输出作为NARX神经网络模型的输入，NARX神经网络模型的输出作为混合神经网络设定模型的输出。
(1)、Adaline自适应滤波器模型设计：
Adaline自适应滤波器模型是由一个按拍延迟线TDL(Tapped Delay Line)与一个Adaline神经网络结合起来构成，输入信号从TDL延迟线输入，在TDL延迟线的输出端是一个R维向量P,包含当前时刻的输入信号和分别延迟了1到R-1时间步的输入信号，它的传输函数为线性函数，线性神经网络层的输出为：
a＝purelin(W·p+b)＝W·p+b (1)
Adaline神经网络的自适应线性单元(Adaptive Linear Element)是早期的神经网络模型之一，该神经网络的输入信号可写成向量的形式:X(K)＝[x0(K),x1(K),…xn(K)]T，每一组输入信号对应有一组权值向量相对应表示为:W(K)＝[k0(K),k1(K),…k(K)]，x0(K)等于负1时是Adaline神经网络的偏置值决定神经元的兴奋或抑制状态，可根据Adaline神经网络的输入向量和权值向量定义网络输出为：
在Adaline神经网络中，有一特殊输入即理想响应输出d(K)，把它送入Adaline神经网络中，然后通过网络的输出y(K)进行比较，将差值送到学习算法机制中，以调整权向量直到获得最佳权向量，y(K)与d(K)趋向一致，权向量的调整过程即为网络的学习过程，学习算法是学习过程的核心部分，Adaline神经网络的权值优化搜索算法采用LMS算法最小二乘法。
(2)NARX神经网络模型设计
NARX神经网络模型是一种带输出反馈连接的动态递归神经网络，在拓扑连接关系上可等效为有输入时延的BP神经网络加上输出到输入的时延反馈连接，其结构由输入层、时延层、隐层和输出层构成，其中输入层节点用于信号输入，时延层节点用于输入信号和输出反馈信号的时间延迟，隐层节点利用激活函数对时延后的信号做非线性运算，输出层节点则用于将隐层输出做线性加权获得最终网络输出。NARX神经网络模型第i个隐层节点的输出hi为：
NARX神经网络模型第j个输出层节点输出oj为：
本发明专利的NARX神经网络模型的输入为Adaline自适应滤波器模型的输出值，NARX神经网络模型输出作为混合神经网络设定模型的输出值。
2、NARX神经网络预测模型和NARX神经网络实时模型设计
电动机转速给定值与DRNN神经网络预测模型输出的差作为NARX神经网络预测模型的输入，电动机转速给定值与转速传感器输出值的差作为NARX神经网络实时模型的输入，混合神经网络设定模型输出、NARX神经网络预测模型输出和NARX神经网络实时模型输出的和作为电动机转速给定优化值；NARX神经网络预测模型和NARX神经网络实时模型的设计方法参照本专利的NARX神经网络模型的设计方法。
3、PID控制器设计
电动机转速给定优化值与转速传感器输出值的差和差的变化率作为PID控制器的输入，PID控制器输出作为混合神经网络控制器的输入；PID闭环控制器主要是由比例P、积分I微分D所构成的，主要是基于被控制电动机转速的误差和误差变化，通过比例、积分、微分进行控制量计算从而实现有效控制。PID闭环控制的重要基础在于比例控制，而积分控制可有效缩小稳态误差，但是极有可能会导致超调增加，微分控制能够促进大惯性系统响应速度加快，并有效降低超调，PID输入与输出u(t)的关系即：
其中，e(t)代表输入；u(t)代表输出；KP代表比例系数；KI代表积分系数；KD代表微分系数。
4、混合神经网络控制器设计
混合神经网络控制器由1个按拍延迟线TDL(Tapped Delay Line)、Adaline神经网络模型、DRNN神经网络模型和动态递归小波神经网络模型组成，混合神经网络控制器的输入作为按拍延迟线TDL的输入，按拍延迟线TDL的输出包含当前时刻的输入信号和分别延迟了1到多个时间步的输入信号，按拍延迟线TDL的输出作为Adaline神经网络模型和DRNN神经网络模型的输入，Adaline神经网络模型和DRNN神经网络模型的输出分别作为动态递归小波神经网络模型的输入，动态递归小波神经网络模型的输出作为混合神经网络控制器的输出。
(1)、Adaline神经网络模型设计
Adaline神经网络模型的输入为一个按拍延迟线TDL(Tapped Delay Line)的输出，Adaline神经网络模型的输出作为动态递归小波神经网络模型的一个输入，Hammerstein模型双并联神经网络的输入信号从按拍延迟线TDL输入，在按拍延迟线TDL的输出端是一个R维向量P,包含当前时刻的输入信号和分别延迟了1到R-1时间步的输入信号，它的传输函数为线性函数，Adaline神经网络模型的输出为：
a＝purelin(W·p+b)＝W·p+b (6)
Adaline神经网络的自适应线性单元(Adaptive Linear Element)是早期的神经网络模型之一，在Adaline神经网络中有一特殊输入即理想响应输出d(K)，把它送入Adaline神经网络中，然后通过网络的输出y(K)进行比较，将差值送到学习算法机制中，以调整权向量直到获得最佳权向量，y(K)与d(K)趋向一致，权向量的调整过程即为网络的学习过程，学习算法是学习过程的核心部分，Adaline神经网络的权值优化搜索算法采用LMS算法最小二乘法。
(2)DRNN神经网络模型设计
按拍延迟线TDL(Tapped Delay Line)的输出作为DRNN神经网络模型的输入，DRNN神经网络模型的输出作为动态递归小波神经网络模型的对应的输入，DRNN神经网络模型是一种具有反馈的动态回归神经网络和适应时变特性的能力，该网络能够更直接生动地反映电动机转速动态变化性能，DRNN神经网络模型为3层网络结构，其隐层为回归层，在本专利DRNN神经网络模型中，设为网络输入向量，其中Ii(t)为按拍延迟线TDL的DRNN网络输入层第i个神经元t时刻的输入，回归层第j个神经元的输出为Xj(t)，Sj(t)为第j个回归神经元输入总和，f(·)为S的函数，则O(t)为DRNN神经网络模型的输出。
则DRNN神经网络模型的输出层输出为：
(3)动态递归小波神经网络模型设计
动态递归小波神经网络模型以小波网络为基础的动态改进，动态小波递归神经网络WNN(Wavelet Neural Networks)理论基础以小波函数为神经元的激励函数并结合人工神经网络提出的一种前馈型网络，动态递归小波神经网络中小波的伸缩、平移因子以及连接权重在对误差能量函数的优化过程中被自适应调整。设动态递归小波神经网络的输入信号可以表示为输入的一维向量xi(i＝1,2,…,n)，输出信号表示为yk(k＝1,2,…,m)，动态递归小波神经网络预测模型输出的计算公式为：
公式中ωij输入层i节点和隐含层j节点间的连接权值，为小波基函数，bj为小波基函数的平移因子，aj小波基函数的伸缩因子，ωjk为隐含层j节点和输出层k节点间的连接权值。本专利的动态递归小波神经网络模型与普通静态递归小波神经网络的区别在于动态递归小波神经网络模型具有两个起存储网络“内部状态”的作用关联层节点，在两个关联层节点上增加了具有固定增益的自反馈环，增强时间序列特征信息的记忆性能,从而增强对电动机转速控制量演化轨迹的跟踪精度以确保更好的控制精度；第一关联层节点用来存储隐含层节点在前一时刻相点的状态,下一时刻再传递给隐含层节点；第二关联层节点是用来存储输出层节点在前一时刻相点的状态,下一时刻再传递给隐含层节点；隐含层和输出层的神经元的反馈信息都会影响动态递归小波神经网络模型的动态处理能力，两个关联层都属于动态递归小波神经网络模型内部的状态反馈,形成动态递归小波神经网络模型的递归性所特有的动态记忆性能，提高动态递归小波神经网络模型的准确性和动态性能；在动态递归小波神经网络模型的第一关联层节点与输出层节点之间增加了一组连接权值增强动态递归小波神经网络模型的动态逼近能力和提高控制电动机转速的精度。
5、DRNN神经网络预测模型的设计
混合神经网络控制器输出和转速传感器输出作为DRNN神经网络预测模型的输入，电动机转速给定值与DRNN神经网络预测模型输出的差作为NARX神经网络预测模型的输入；DRNN神经网络预测模型的设计方法参照本专利的DRNN神经网络模型的设计过程。
下面对该传输平台的工作原理作简单描述：
首先，通过测距避障超声波传感器104以及一对转向轮102、一对驱动轮103、第四步进电机105以及舵机109将移动式小车1移动至需要的位置，并通过上述的一级输送线末端调节机构、一级输送线前端调节机构调整好一级输送线2的高度与角度。通过防跳限高框高度调节组件调节防跳限高框201的高度，防止跳货。
其次，将货物放到一级输送线2上，开启一级输送线2、二级输送线3的滚筒输送，货物在一级输送线2、二级输送线3作用下向前移动，当需要将货物移动至另一个地方时，在二级输送线3末端设置一个阻挡物，将所有的货物输送至一级输送线2、二级输送线3上，利用移动式小车1的测距避障超声波传感器104以及一对转向轮102、一对驱动轮103、第四步进电机105以及舵机109将移动式小车1移动至另一个位置，并通过上述的一级输送线末端调节机构、一级输送线前端调节机构调整好一级输送线2的高度与角度后与新的设备进行对接。
上述实施方式只为说明本发明的技术构思及特点，其目的在于让熟悉此项技术的人能够了解本发明的内容并据以实施，并不能以此限制本发明的保护范围。凡根据本发明精神实质所做的等效变换或修饰，都应涵盖在本发明的保护范围之内。

Claims (5)

1.一种智能传输系统，其特征在于，包括移动式小车（1）、一级输送线（2）、二级输送线（3），所述一级输送线（2）设于移动式小车（1）上；所述二级输送线（3）连接于所述一级输送线（2）末端，所述移动式小车（1）上还设置有用于调节一级输送线（2）、二级输送线（3）高度与角度的调节机构，所述调节机构包括一级输送线前端调节机构、一级输送线末端调节机构；
所述一级输送线前端调节机构包括丝杆调节组件A、圆盘（216）、一对推杆（217）以及输送线支架（218），所述圆盘（216）贯穿螺纹连接于丝杆调节组件A一端，所述一对推杆（217）对称固定于所述圆盘（216）上，所述一级输送线（2）下表面转动连接有输送线支架（218），所述推杆（217）顶端与所述输送线支架（218）连接；
所述一级输送线末端调节机构包括丝杆调节组件B、转动连接于一级输送线（2）末端两侧的凸台（212），所述丝杆调节组件B中的丝杆贯穿螺纹连接于所述凸台（212）；
所述一级输送线（2）末端还设置有防跳限高机构，所述防跳限高机构包括防跳限高框（201）、一对防跳限高支架（202）；所述防跳限高支架（202）底端固定于所述移动式小车（1）上，其上端与所述一级输送线（2）末端连接，在一对防跳限高支架（202）上还设置防跳限高框高度调节组件；
所述防跳限高框高度调节组件包括如下结构：在防跳限高支架（202）外侧壁两侧沿其竖直方向分别开设凹槽（203），一对凹槽（203）内分别滑动连接有齿条（204），齿条（204）的齿口方向向外侧；齿条（204）上均啮合有第一从动齿轮（205），一对第一从动齿轮（205）之间通过第一转动轴（206）连接，第一转动轴（206）上同轴设置第二从动齿轮（207），第二从动齿轮（207）与第一主动齿轮（208）啮合，第一步进电机（209）输出轴与第一主动齿轮（208）连接，所述第一步进电机（209）与其对应的电动机转速控制器连接；
所述移动式小车包括移动平台（101）、一对转向轮（102）、一对驱动轮（103）、驱动机构以及转向机构，所述一对转向轮（102）、一对驱动轮（103）均通过轴连接于移动平台（101）上，所述驱动机构与一对所述驱动轮（103）驱动连接，所述转向机构与一对所述转向轮（102）连接；所述移动式小车（1）的移动平台（101）前后两端下方还分别设有测距避障超声波传感器（104）；
货物依次经一级输送线（2）、二级输送线（3）传输至目的地，所述调节机构上分别设置有若干驱动电机，所述智能传输系统还包括若干电动机转速控制器，所述电动机转速控制器的输出端分别与各对应的驱动电机连接；所述电动机转速控制器包括MSP430单片机、L298电动机驱动电路和转速传感器，所述MSP430单片机中的智能控制器的输出作为L298电动机驱动电路的输入，L298电动机驱动电路的输出作为被控制的驱动电机的输入，转速传感器测量被控制的驱动电机的转速实际值；智能控制器包括混合神经网络设定模型、NARX神经网络预测模型、NARX神经网络实时模型、PID控制器、混合神经网络控制器和DRNN神经网络预测模型；驱动电机转速给定值作为混合神经网络设定模型的输入，驱动电机转速给定值与DRNN神经网络预测模型的输出的差作为NARX神经网络预测模型的输入，驱动电机转速给定值与转速传感器输出值的差作为NARX神经网络实时模型的输入，混合神经网络设定模型的输出、NARX神经网络预测模型的输出和NARX神经网络实时模型的输出的和作为驱动电机转速给定优化值，驱动电机转速给定优化值与转速传感器输出值的差和差的变化率作为PID控制器的输入，PID控制器的输出作为混合神经网络控制器的输入，混合神经网络控制器的输出即为智能控制器的输出，混合神经网络控制器的输出和转速传感器的输出作为DRNN神经网络预测模型的输入。
2.根据权利要求1所述的智能传输系统，其特征在于，所述混合神经网络设定模型由Adaline自适应滤波器模型和NARX神经网络模型组成，混合神经网络设定模型的输入作为Adaline自适应滤波器模型的输入，Adaline自适应滤波器模型的输出作为NARX神经网络模型的输入，NARX神经网络模型的输出作为混合神经网络设定模型的输出。
3. 根据权利要求1所述的智能传输系统，其特征在于，所述混合神经网络控制器由1个按拍延迟线TDL( Tapped Delay Line)、Adaline神经网络模型、DRNN神经网络模型和动态递归小波神经网络模型组成，混合神经网络控制器的输入作为按拍延迟线TDL的输入，按拍延迟线TDL的输出包含当前时刻的输入信号和分别延迟了1到 多个 时间步的输入信号，按拍延迟线TDL的输出作为Adaline神经网络模型和DRNN神经网络模型的输入，Adaline神经网络模型和DRNN神经网络模型的输出分别作为动态递归小波神经网络模型的输入，动态递归小波神经网络模型的输出作为混合神经网络控制器的输出。
4.根据权利要求1所述的智能传输系统，其特征在于，所述丝杆调节组件A与丝杆调节组件B结构相同，其均包括一个步进电机与丝杆，所述步进电机与其对应的电动机转速控制器连接。
5.根据权利要求1所述的智能传输系统，其特征在于，所述移动式小车（1）前后两端还设有防尘罩，所述防尘罩包括转动连接于移动平台（101）下表面的卷放杆（110）、卷于所述卷放杆（110）上的隔离罩（111），所述卷放杆（110）上设置有第五步进电机（112），所述卷放杆（110）正下方位置设置有与所述隔离罩（111）正对的接收槽（113），所述接收槽（113）内底端设置有压力传感器（114），所述接收槽（113）侧壁设置有红外线传感器（115），其均与控制器连接，控制器的输出端与所述第五步进电机（112）连接；当所述隔离罩（111）放下时，所述测距避障超声波传感器（104）位于所述隔离罩（111）内。
CN202110616362.3A 2021-06-02 2021-06-02 一种智能传输系统 Active CN115489957B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110616362.3A CN115489957B (zh) 2021-06-02 2021-06-02 一种智能传输系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110616362.3A CN115489957B (zh) 2021-06-02 2021-06-02 一种智能传输系统

Publications (2)

Publication Number Publication Date
CN115489957A CN115489957A (zh) 2022-12-20
CN115489957B true CN115489957B (zh) 2023-07-18

Family

ID=84464583

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110616362.3A Active CN115489957B (zh) 2021-06-02 2021-06-02 一种智能传输系统

Country Status (1)

Country Link
CN (1) CN115489957B (zh)

Family Cites Families (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US3860104A (en) * 1973-04-19 1975-01-14 Indian Head Inc Bottle conveyor system including adjustable height continuous belt conveyor and positive lock spray shielded rotatable bottle carrier
DE3709835A1 (de) * 1987-03-25 1988-10-13 Gebhardt Foerdertech Be- und entladestation fuer lastkraftwagen und container
RU2042263C1 (ru) * 1990-10-08 1995-08-20 Научно-исследовательский институт приборов Генератор импульсных напряжений
CA2326032A1 (en) * 2000-06-30 2001-05-14 Ronald L. Plesh, Sr. Cooling bed plate transfer grid with rollers mounted thereto
SE519706C2 (sv) * 2001-08-03 2003-04-01 Flexlink Components Ab Arbetsmodul för anslutning till en huvudtransportör i ett konveyersystem innefattande en ändlös kedja, samt en transportenhet
US6905127B2 (en) * 2002-09-27 2005-06-14 Debbie A. Lester Retractable foot gear for disabled persons
JP5432458B2 (ja) * 2007-02-01 2014-03-05 学校法人神奈川大学 基材に芳香族ポリマーが結合した構造体の製造方法、並びに、導電性基材に結合した芳香族ポリマー鎖を有してなる構造体、及び該構造体を含む電子素子
CN101792055B (zh) * 2010-01-14 2012-11-14 江苏中煤矿山设备有限公司 矿用履带自移式转载机
CN102009598A (zh) * 2010-10-22 2011-04-13 张文 归一化交通侍服系统总论
CN103508192B (zh) * 2012-06-29 2016-01-20 江苏瑞新科技股份有限公司 上料系统及使用该上料系统的太阳能组件输送加工设备
CN103612869B (zh) * 2013-11-07 2015-11-25 中传重型装备有限公司 伸缩皮带机
CN203819959U (zh) * 2014-04-16 2014-09-10 苏州优点优唯医疗科技有限公司 一种自动搬运板
CN104150147B (zh) * 2014-07-31 2016-03-16 机械工业第四设计研究院有限公司 一种可伸缩升降辊床
CN104472737B (zh) * 2014-11-27 2018-03-06 浙江工业大学 欠驱动多杆式智能化茶叶连续振动理条机
CN104925450B (zh) * 2015-05-13 2018-05-08 中国汽车工业工程有限公司 烘干炉用辊子输送机
CN207258684U (zh) * 2017-07-28 2018-04-20 广东天图物流股份有限公司 一种用于物流的双层输送装置
CN207844177U (zh) * 2017-09-30 2018-09-11 广州达意隆包装机械股份有限公司 一种伸缩输送装置
CN207903558U (zh) * 2017-12-22 2018-09-25 长沙长泰机器人有限公司 自动装车输送系统
CN207903435U (zh) * 2017-12-29 2018-09-25 钟庆华 两级调速传输机构
CN109775234A (zh) * 2019-01-21 2019-05-21 金锋馥（滁州）输送机械有限公司 一种可调节的辊筒式输送机
CN111982042A (zh) * 2020-08-25 2020-11-24 淮阴工学院 一种用于参数测量的位移检测装置

Also Published As

Publication number Publication date
CN115489957A (zh) 2022-12-20

Similar Documents

Publication Publication Date Title
US11760570B2 (en) Storage and retrieval system
US11420338B2 (en) Assistive robot systems for container tilting
CN102145808B (zh) 工业型激光导引agv的双闭环控制系统及控制方法
WO2021244355A1 (zh) 一种货箱搬运机器人及其使用方法
CN106865243A (zh) 一种自动物料装车机械臂控制系统及其控制方法
CN105652869A (zh) 一种基于cmac和pid的全向移动机器人及移动控制方法
WO2021103128A1 (zh) 一种适用于植物工厂立体栽培的多区物流机器人、平台及运作方法
CN105320129A (zh) 一种无人驾驶自行车轨迹跟踪控制的方法
CN107037808B (zh) 基于滑模控制器的输送车寻迹方法
CN201993646U (zh) 工业型激光导引agv的双闭环控制系统
CN113093541B (zh) 一种欠驱动吊车微分平坦跟踪控制方法
Zhou et al. Model decoupling and control of the wheeled humanoid robot moving in sagittal plane
CN110597051A (zh) 基于RBF神经网络的Stewart稳定平台控制方法
CN214734175U (zh) 一种搬运装置
CN115489957B (zh) 一种智能传输系统
CN112091829A (zh) 一种喷砂除锈并联机器人补偿摩擦力突变模糊自适应滑模控制方法
CN107839787A (zh) 一种麦克纳姆轮全向移动机器人
CN111506075A (zh) 一种agv姿态调整方法及系统
CN117631664B (zh) 智能机器人精准移动及抓取方法
CN108674874B (zh) 一种仓储机器人
CN105867369A (zh) 一种带编码器运卷小车的水平位置精确定位控制方法
CN115432349A (zh) 一种可移动式智能传输系统
CN216510975U (zh) 可纵横运动的砌块搬运机器人及搬运系统
CN207225459U (zh) 一种具有防震功能的四轮独立驱动移动机器人
CN115407644A (zh) 基于pid算法的自动引导车路径自动调整方法

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
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right
TR01 Transfer of patent right

Effective date of registration: 20240612

Address after: 230000 Room 203, building 2, phase I, e-commerce Park, Jinggang Road, Shushan Economic Development Zone, Hefei City, Anhui Province

Patentee after: Hefei Jiuzhou Longteng scientific and technological achievement transformation Co.,Ltd.

Country or region after: China

Address before: 223005 Jiangsu Huaian economic and Technological Development Zone, 1 East Road.

Patentee before: HUAIYIN INSTITUTE OF TECHNOLOGY

Country or region before: China