CN115520784A - 负载搬运机械的动态挠曲补偿、协调提升机控制和防摆控制 - Google Patents

负载搬运机械的动态挠曲补偿、协调提升机控制和防摆控制 Download PDF

Info

Publication number
CN115520784A
CN115520784A CN202210723509.3A CN202210723509A CN115520784A CN 115520784 A CN115520784 A CN 115520784A CN 202210723509 A CN202210723509 A CN 202210723509A CN 115520784 A CN115520784 A CN 115520784A
Authority
CN
China
Prior art keywords
velocity
target
floating base
suspended load
torques
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
Application number
CN202210723509.3A
Other languages
English (en)
Inventor
尤霍·维霍宁
穆罕默德·M·阿里夫
彼得里克·弗拉基米尔
卡罗尔·阿恩特
大卫·布兰科·穆莱罗
维勒·凯尔基
尤索·纳斯卡利
马尔科·拉西宁
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.)
Cargotec Finland Oy
Original Assignee
Cargotec Finland Oy
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 Cargotec Finland Oy filed Critical Cargotec Finland Oy
Publication of CN115520784A publication Critical patent/CN115520784A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B66—HOISTING; LIFTING; HAULING
    • B66C—CRANES; LOAD-ENGAGING ELEMENTS OR DEVICES FOR CRANES, CAPSTANS, WINCHES, OR TACKLES
    • B66C13/00—Other constructional features or details
    • B66C13/18—Control systems or devices
    • B66C13/22—Control systems or devices for electric drives
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B66—HOISTING; LIFTING; HAULING
    • B66C—CRANES; LOAD-ENGAGING ELEMENTS OR DEVICES FOR CRANES, CAPSTANS, WINCHES, OR TACKLES
    • B66C13/00—Other constructional features or details
    • B66C13/04—Auxiliary devices for controlling movements of suspended loads, or preventing cable slack
    • B66C13/06—Auxiliary devices for controlling movements of suspended loads, or preventing cable slack for minimising or preventing longitudinal or transverse swinging of loads
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B66—HOISTING; LIFTING; HAULING
    • B66C—CRANES; LOAD-ENGAGING ELEMENTS OR DEVICES FOR CRANES, CAPSTANS, WINCHES, OR TACKLES
    • B66C13/00—Other constructional features or details
    • B66C13/04—Auxiliary devices for controlling movements of suspended loads, or preventing cable slack
    • B66C13/06—Auxiliary devices for controlling movements of suspended loads, or preventing cable slack for minimising or preventing longitudinal or transverse swinging of loads
    • B66C13/063—Auxiliary devices for controlling movements of suspended loads, or preventing cable slack for minimising or preventing longitudinal or transverse swinging of loads electrical
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B66—HOISTING; LIFTING; HAULING
    • B66C—CRANES; LOAD-ENGAGING ELEMENTS OR DEVICES FOR CRANES, CAPSTANS, WINCHES, OR TACKLES
    • B66C13/00—Other constructional features or details
    • B66C13/04—Auxiliary devices for controlling movements of suspended loads, or preventing cable slack
    • B66C13/08—Auxiliary devices for controlling movements of suspended loads, or preventing cable slack for depositing loads in desired attitudes or positions
    • B66C13/085—Auxiliary devices for controlling movements of suspended loads, or preventing cable slack for depositing loads in desired attitudes or positions electrical
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B66—HOISTING; LIFTING; HAULING
    • B66C—CRANES; LOAD-ENGAGING ELEMENTS OR DEVICES FOR CRANES, CAPSTANS, WINCHES, OR TACKLES
    • B66C13/00—Other constructional features or details
    • B66C13/16—Applications of indicating, registering, or weighing devices
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B66—HOISTING; LIFTING; HAULING
    • B66C—CRANES; LOAD-ENGAGING ELEMENTS OR DEVICES FOR CRANES, CAPSTANS, WINCHES, OR TACKLES
    • B66C13/00—Other constructional features or details
    • B66C13/18—Control systems or devices
    • B66C13/46—Position indicators for suspended loads or for crane elements
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B66—HOISTING; LIFTING; HAULING
    • B66C—CRANES; LOAD-ENGAGING ELEMENTS OR DEVICES FOR CRANES, CAPSTANS, WINCHES, OR TACKLES
    • B66C13/00—Other constructional features or details
    • B66C13/18—Control systems or devices
    • B66C13/48—Automatic control of crane drives for producing a single or repeated working cycle; Programme control
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B66—HOISTING; LIFTING; HAULING
    • B66C—CRANES; LOAD-ENGAGING ELEMENTS OR DEVICES FOR CRANES, CAPSTANS, WINCHES, OR TACKLES
    • B66C19/00—Cranes comprising trolleys or crabs running on fixed or movable bridges or gantries
    • B66C19/002—Container cranes
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B66—HOISTING; LIFTING; HAULING
    • B66C—CRANES; LOAD-ENGAGING ELEMENTS OR DEVICES FOR CRANES, CAPSTANS, WINCHES, OR TACKLES
    • B66C23/00—Cranes comprising essentially a beam, boom, or triangular structure acting as a cantilever and mounted for translatory of swinging movements in vertical or horizontal planes or a combination of such movements, e.g. jib-cranes, derricks, tower cranes
    • B66C23/18—Cranes comprising essentially a beam, boom, or triangular structure acting as a cantilever and mounted for translatory of swinging movements in vertical or horizontal planes or a combination of such movements, e.g. jib-cranes, derricks, tower cranes specially adapted for use in particular purposes
    • B66C23/36—Cranes comprising essentially a beam, boom, or triangular structure acting as a cantilever and mounted for translatory of swinging movements in vertical or horizontal planes or a combination of such movements, e.g. jib-cranes, derricks, tower cranes specially adapted for use in particular purposes mounted on road or rail vehicles; Manually-movable jib-cranes for use in workshops; Floating cranes
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B66—HOISTING; LIFTING; HAULING
    • B66C—CRANES; LOAD-ENGAGING ELEMENTS OR DEVICES FOR CRANES, CAPSTANS, WINCHES, OR TACKLES
    • B66C23/00—Cranes comprising essentially a beam, boom, or triangular structure acting as a cantilever and mounted for translatory of swinging movements in vertical or horizontal planes or a combination of such movements, e.g. jib-cranes, derricks, tower cranes
    • B66C23/62—Constructional features or details
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B66—HOISTING; LIFTING; HAULING
    • B66C—CRANES; LOAD-ENGAGING ELEMENTS OR DEVICES FOR CRANES, CAPSTANS, WINCHES, OR TACKLES
    • B66C23/00—Cranes comprising essentially a beam, boom, or triangular structure acting as a cantilever and mounted for translatory of swinging movements in vertical or horizontal planes or a combination of such movements, e.g. jib-cranes, derricks, tower cranes
    • B66C23/62—Constructional features or details
    • B66C23/64—Jibs
    • B66C23/68—Jibs foldable or otherwise adjustable in configuration
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B66—HOISTING; LIFTING; HAULING
    • B66F—HOISTING, LIFTING, HAULING OR PUSHING, NOT OTHERWISE PROVIDED FOR, e.g. DEVICES WHICH APPLY A LIFTING OR PUSHING FORCE DIRECTLY TO THE SURFACE OF A LOAD
    • B66F9/00—Devices for lifting or lowering bulky or heavy goods for loading or unloading purposes
    • B66F9/06—Devices for lifting or lowering bulky or heavy goods for loading or unloading purposes movable, with their loads, on wheels or the like, e.g. fork-lift trucks
    • B66F9/065—Devices for lifting or lowering bulky or heavy goods for loading or unloading purposes movable, with their loads, on wheels or the like, e.g. fork-lift trucks non-masted
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B66—HOISTING; LIFTING; HAULING
    • B66F—HOISTING, LIFTING, HAULING OR PUSHING, NOT OTHERWISE PROVIDED FOR, e.g. DEVICES WHICH APPLY A LIFTING OR PUSHING FORCE DIRECTLY TO THE SURFACE OF A LOAD
    • B66F9/00—Devices for lifting or lowering bulky or heavy goods for loading or unloading purposes
    • B66F9/06—Devices for lifting or lowering bulky or heavy goods for loading or unloading purposes movable, with their loads, on wheels or the like, e.g. fork-lift trucks
    • B66F9/075—Constructional features or details
    • B66F9/0755—Position control; Position detectors
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B66—HOISTING; LIFTING; HAULING
    • B66F—HOISTING, LIFTING, HAULING OR PUSHING, NOT OTHERWISE PROVIDED FOR, e.g. DEVICES WHICH APPLY A LIFTING OR PUSHING FORCE DIRECTLY TO THE SURFACE OF A LOAD
    • B66F9/00—Devices for lifting or lowering bulky or heavy goods for loading or unloading purposes
    • B66F9/06—Devices for lifting or lowering bulky or heavy goods for loading or unloading purposes movable, with their loads, on wheels or the like, e.g. fork-lift trucks
    • B66F9/075—Constructional features or details
    • B66F9/20—Means for actuating or controlling masts, platforms, or forks
    • B66F9/24—Electrical devices or systems
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B66—HOISTING; LIFTING; HAULING
    • B66C—CRANES; LOAD-ENGAGING ELEMENTS OR DEVICES FOR CRANES, CAPSTANS, WINCHES, OR TACKLES
    • B66C19/00—Cranes comprising trolleys or crabs running on fixed or movable bridges or gantries
    • B66C19/007—Cranes comprising trolleys or crabs running on fixed or movable bridges or gantries for containers

Landscapes

  • Engineering & Computer Science (AREA)
  • Mechanical Engineering (AREA)
  • Transportation (AREA)
  • Structural Engineering (AREA)
  • Automation & Control Theory (AREA)
  • Geology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Civil Engineering (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Control And Safety Of Cranes (AREA)
  • Geophysics And Detection Of Objects (AREA)
  • Carriers, Traveling Bodies, And Overhead Traveling Cranes (AREA)

Abstract

各种示例性实施例涉及诸如悬挂负载的目标的运动控制。一种设备可以包括：浮动基座，其包括外感受观测系统，该外感受观测系统被配置成测量至少一个目标相对于随浮动基座移动的参考坐标框架的位置或速度。浮动基座还可以包括惯性测量单元，该惯性测量单元被配置成测量浮动基座相对于惯性参考坐标框架的至少一个惯性状态。可以基于浮动基座的所述至少一个惯性状态来执行对所述至少一个目标的位置或速度补偿。

Description

负载搬运机械的动态挠曲补偿、协调提升机控制和防摆控制
技术领域
各种示例性实施例大体上涉及负载搬运的领域。特别是，一些示例性实施例涉及用于诸如例如堆场起重机、正面吊运机、跨运车等的负载搬运机械的动态挠曲补偿、协调提升机控制或防摆控制。
背景技术
在工业的各个领域中，重负载的高效搬运可能是所期望的。例如，由于在堆场环境中发生的强风和其它外部干扰，起吊和搬运货物集装箱可能是有挑战性的。由于各种原因，可能进一步希望减小负载搬运机械的不同部件的质量，这可能对控制负载的移动造成进一步挑战。
发明内容
提供本发明内容是为了以简化的形式介绍一些概念，这些概念将在下面的具体实施方式中进一步描述。本发明内容不旨在标识所要求保护的主题的关键特征或必要特征，也不旨在用于限制所要求保护的主题的范围。
示例性实施例能够改进(多个)目标(例如，诸如集装箱的悬挂负载)的移动的控制。该益处和其它益处可以由独立权利要求的特征实现。在从属权利要求、描述和附图中提供了另外的有利实现形式。
根据第一方面，一种设备可以包括：浮动基座，其包括外感受观测系统，该外感受观测系统被配置成测量至少一个目标相对于随浮动基座移动的参考坐标框架的位置或速度，其中，浮动基座还包括惯性测量单元，该惯性测量单元被配置成测量浮动基座相对于惯性参考坐标框架的至少一个惯性状态；以及用于基于浮动基座的所述至少一个惯性状态对所述至少一个目标执行位置或速度补偿的手段。
根据第一方面的示例性实施例，该设备还可以包括：用于基于对所述至少一个目标的测量位置或速度以及浮动基座的所述至少一个惯性状态的统计推断来执行位置或速度补偿的手段。
根据第一方面的示例性实施例，浮动基座可以包括配置成提升或操纵所述至少一个目标的吊臂，或者浮动基座可以包括起重机的大梁。
根据第一方面的示例性实施例，浮动基座可以包括沿着起重机的大梁可移动的小车。浮动基座的所述至少一个惯性状态可以包括小车的加速度。该设备还可以包括：用于确定小车相对于大梁的位置的手段；以及用于进一步基于小车相对于大梁的位置对所述至少一个目标执行位置或速度补偿的手段。
根据第一方面的示例性实施例，该设备还可以包括：用于利用卡尔曼滤波器融合小车的位置和小车的加速度的手段；用于基于小车的位置和卡尔曼滤波器的输出的相减确定自适应滤波器的误差信号的手段；以及用于利用自适应滤波器对所述至少一个目标的测量位置或速度进行滤波以对所述至少一个目标执行位置或速度补偿的手段。
根据第一方面的示例性实施例，自适应滤波器可以包括递归最小二乘滤波器。
根据第一方面的示例性实施例，该设备还可以包括：用于利用第一神经网络融合小车的位置和小车的加速度的手段；以及用于基于所述至少一个目标的被测量位置或速度和第一神经网络的输出通过第二神经网络对所述至少一个目标执行位置或速度补偿的手段。
根据第一方面的示例性实施例，所述至少一个目标的位置或速度可以指示所述至少一个目标沿着惯性参考坐标框架的基本上平行于大梁的第一轴线的位置或速度。小车的加速度可以指示小车沿着第一轴线的加速度。
根据第一方面的示例性实施例，该设备还可以包括：用于测量小车相对于大梁的速率的手段；以及用于基于小车相对于大梁的速率相对于时间的积分来确定小车相对于大梁的位置的手段。
根据第一方面的示例性实施例，起重机可以是沿着惯性参考坐标框架的基本上垂直于大梁的第二轴线可移动的。所述至少一个目标的位置或速度可以进一步指示所述至少一个目标沿着第二轴线的位置或速度，并且小车的加速度可以进一步指示小车沿着第二轴线的加速度。
根据第一方面的示例性实施例，该设备还可以包括：用于测量起重机相对于第二轴线的速率的手段；以及用于进一步基于起重机相对于第二轴线的速率相对于时间的积分来确定小车的位置的手段。
根据第一方面的示例性实施例，该设备还可以包括：用于基于所述至少一个目标的位置或速度执行所述至少一个目标的运动控制的手段。
根据第一方面的示例性实施例，所述至少一个目标可以包括悬挂负载。
根据第二方面，一种设备可以包括：多个提升机，其用于操作悬挂负载；用于确定笛卡尔空间力或速度以用于控制悬挂负载的移动的手段；用于基于多变量映射函数将笛卡尔空间力或速度映射到多个提升机的多个张力或扭矩的手段；用于利用多变量映射函数的至少一个中性元素调节多个张力或扭矩的手段，使得多个张力或扭矩中的每一个高于或等于阈值，其中，所述至少一个中性元素的调节不改变笛卡尔空间力或速度到多个张力或扭矩的映射。
根据第二方面的示例性实施例，笛卡尔空间力或速度可以被配置成控制悬挂负载的平面移动和/或平面旋转。
根据第二方面的示例性实施例，笛卡尔空间力或速度可以被配置成控制悬挂负载沿着惯性参考坐标框架的第一轴线和第二轴线的平面移动以及围绕惯性参考坐标框架的第三轴线的平面旋转。
根据第二方面的示例性实施例，第一轴线和第二轴线可以彼此垂直并平行于地面。第三轴线可以垂直于第一轴线和第二轴线。
根据第二方面的示例性实施例，多变量映射函数可以包括雅可比矩阵的子集，并且所述至少一个中性元素可以在雅可比矩阵的子集的零空间内。
根据第二方面的示例性实施例，雅可比矩阵的子集可以包括雅可比矩阵的列，该雅可比矩阵的列对应于第一轴线和第二轴线的笛卡尔空间力的线性力分量和第三轴线的笛卡尔空间力的扭矩分量。
根据第二方面的示例性实施例，多个提升机可以在第一组连接点处固定地联接到起重机的小车，并且在第二组连接点处固定地联接到起重机的上架。上架可以被配置成附接到悬挂负载。该设备还可以包括：用于基于第一组连接点和第二组连接点的位置确定对应于多个提升机的方向的多个笛卡尔单位向量
Figure BDA0003712524820000031
的手段；用于确定从上架的中心到第二组连接点的多个笛卡尔扭矩臂向量
Figure BDA0003712524820000032
的手段，其中，雅可比矩阵的转置JT具有大小6×N，并且其中
Figure BDA0003712524820000033
其中，N≥4是多个提升机的数量，并且×表示向量积，并且其中，多个张力或扭矩τ满足FC＝JTτ，其中，FC包括笛卡尔空间力。
根据第二方面的示例性实施例，小车可以是沿着起重机的大梁可移动的，并且该设备还可以包括：用于确定小车相对于大梁的位置的手段；以及用于基于小车相对于大梁的位置确定第一组连接点的位置的手段。
根据第二方面的示例性实施例，该设备还可以包括：用于确定上架的位置的手段；以及用于基于上架的位置确定第二组连接点的位置的手段。
根据第二方面的示例性实施例，该设备还可以包括：用于基于线性控制器确定笛卡尔空间力或速度的手段，该线性控制器被配置成基于至少指示悬挂负载的移动的一组期望输入值和反馈数据来控制悬挂负载的移动。
根据第二方面的示例性实施例，该设备还可以包括：用于将至少一个笛卡尔空间力或速度校正项应用于笛卡尔空间力或速度的手段。
根据第二方面的示例性实施例，该设备还可以包括：用于将至少一个提升机空间张力或扭矩校正项应用于多个张力或扭矩的手段。
根据第二方面的示例性实施例，该设备还可以包括：用于基于将多变量映射函数的反函数应用于与多个提升机相关联的提升机空间测量数据来确定提升机反馈数据的手段，其中，线性控制器还被配置成基于提升机反馈数据来控制悬挂负载的移动。
根据第二方面的示例性实施例，提升机空间测量数据可以包括以下中的至少一个：多个绞车速度、多个绞车位置、多个绞车扭矩或多个提升机的误差。
根据第二方面的示例性实施例，根据第二方面的任何示例性实施例的设备可以包括根据第一方面的任何示例性实施例的设备。
根据第三方面，一种设备可以包括：多个提升机，其用于操作悬挂负载；用于确定笛卡尔空间力或速度以用于控制悬挂负载的移动的手段；用于将笛卡尔空间力或速度映射到多个提升机的多个张力或扭矩的手段；用于基于第一神经网络确定至少一个第一防摆控制项的手段，该第一神经网络被配置成将悬挂有效负载离地面的高度和悬挂负载的质量作为输入；用于基于所述至少一个第一防摆控制项和与悬挂负载相关联的至少两个速度来调节笛卡尔空间力或速度或多个张力或扭矩的手段；以及用于将多个张力或扭矩施加到多个提升机以控制悬挂负载的移动的手段。
根据第三方面的示例性实施例，该设备还可以包括：用于基于第二神经网络确定至少一个第二防摆控制项的手段，该第二神经网络被配置成将有效负载离地面的高度、有效负载的质量以及风速率和/或风向作为输入；用于进一步基于所述至少一个第二防摆控制项来调节笛卡尔空间力或速度或多个张力或扭矩的手段。
根据第三方面的示例性实施例，所述至少一个第一防摆控制项可以包括防摆控制矩阵，并且笛卡尔空间力或速度或多个张力或扭矩的调节可以包括防摆控制矩阵和包括与悬挂负载相关联的所述至少两个速度的速度向量的乘法或求和。
根据第三方面的示例性实施例，所述至少一个第二防摆控制项可以包括防摆控制向量，并且笛卡尔空间力或速度或多个张力或扭矩的调节还可以包括将防摆控制向量与防摆控制矩阵和速度向量的乘法或求和的结果相加。
根据第三方面的示例性实施例，该设备还可以包括：用于基于所述至少一个第一防摆控制项和/或所述至少一个第二防摆控制项来调节多个张力或扭矩的手段。第一神经网络可以被配置成确定用于提升机空间控制的防摆控制项。
根据第三方面的示例性实施例，所述至少两个速度可以包括相对于悬挂负载静止的至少两个参考点的速度。
根据第三方面的示例性实施例，所述至少两个参考点的速度可以包括相对于第一轴线和第二轴线的速度，其中，第一轴线和第二轴线彼此垂直并平行于地面。
根据第三方面的示例性实施例，所述至少两个参考点可以包括联接到多个提升机的吊具的至少两个角或悬挂负载的至少两个角。吊具可以被配置成附接到悬挂负载。
根据第三方面的示例性实施例，该设备还可以包括：用于基于所述至少一个第一防摆控制项和/或所述至少一个第二防摆控制项来调节笛卡尔空间力或速度的手段。第一神经网络可以被配置成确定用于笛卡尔空间控制的第一防摆控制项。
根据第三方面的示例性实施例，所述至少两个速度可以包括悬挂负载相对于第一轴线的线速度、悬挂负载相对于第二轴线的线速度和悬挂负载相对于第三轴线的角速度。第一轴线和第二轴线可以彼此垂直并平行于地面，并且第三轴线可以垂直于第一轴线和第二轴线。
根据第三方面的示例性实施例，该设备还可以包括：线性控制器，其被配置成基于一组期望输入值和指示悬挂负载的移动的反馈数据来确定用于控制悬挂负载的移动的笛卡尔空间力或速度。
根据第三方面的示例性实施例，第一神经网络可以包括基于利用第一奖励函数或第二奖励函数的强化学习来训练的神经网络，第一奖励函数包括在由第一轴线和第二轴线限定的平面处的悬挂负载的线速度和角速度，第二奖励函数包括与悬挂负载相关联的所述至少两个速度以及多个张力或扭矩与所支持的最大防摆扭矩值之间的比率。
根据第三方面的示例性实施例，第二神经网络可以包括基于具有代价函数的梯度下降算法训练的神经网络，该代价函数包括悬挂负载的稳态位置和稳态方位。
根据第二方面的示例性实施例，根据第二方面的任何示例性实施例的设备可以包括根据第三方面的任何示例性实施例的设备。
根据第四方面，一种方法可以包括：通过联接到浮动基座的外感受观测系统测量至少一个目标相对于随浮动基座移动的参考坐标框架的位置或速度；通过惯性测量单元测量浮动基座相对于惯性参考坐标框架的至少一个惯性状态；以及基于浮动基座的所述至少一个惯性状态对所述至少一个目标执行位置或速度补偿。
根据第四方面的示例性实施例，该方法还可以包括：基于对所述至少一个目标的测量位置或速度以及浮动基座的所述至少一个惯性状态的统计推断来执行位置或速度补偿。
根据第四方面的示例性实施例，浮动基座可以包括配置成提升或操纵所述至少一个目标的吊臂，或者浮动基座可以包括起重机的大梁。
根据第四方面的示例性实施例，浮动基座可以包括沿着起重机的大梁可移动的小车。浮动基座的所述至少一个惯性状态可以包括小车的加速度。该方法还可以包括：确定小车相对于大梁的位置；以及进一步基于小车相对于大梁的位置对所述至少一个目标执行位置或速度补偿。
根据第四方面的示例性实施例，该方法还可以包括：利用卡尔曼滤波器融合小车的位置和小车的加速度；基于小车的位置和卡尔曼滤波器的输出的相减，确定自适应滤波器的误差信号；以及利用自适应滤波器对所述至少一个目标的测量位置或速度进行滤波以对所述至少一个目标执行位置或速度补偿。
根据第四方面的示例性实施例，自适应滤波器可以包括递归最小二乘滤波器。
根据第四方面的示例性实施例，该方法还可以包括：利用第一神经网络融合小车的位置和小车的加速度；以及基于所述至少一个目标的测量位置或速度和第一神经网络的输出，通过第二神经网络对所述至少一个目标执行位置或速度补偿。
根据第四方面的示例性实施例，所述至少一个目标的位置或速度可以指示所述至少一个目标沿着惯性参考坐标框架的基本上平行于大梁的第一轴线的位置或速度。小车的加速度可以指示小车沿着第一轴线的加速度。
根据第四方面的示例性实施例，该方法还可以包括：测量小车相对于大梁的速率；以及基于小车相对于大梁的速率相对于时间的积分来确定小车相对于大梁的位置。
根据第四方面的示例性实施例，起重机可以是沿着惯性参考坐标框架的基本上垂直于大梁的第二轴线可移动的。所述至少一个目标的位置或速度可以进一步指示所述至少一个目标沿着第二轴线的位置或速度，并且小车的加速度可以进一步指示小车沿着第二轴线的加速度。
根据第四方面的示例性实施例，该方法还可以包括：测量起重机相对于第二轴线的速率；以及进一步基于起重机相对于第二轴线的速率相对于时间的积分来确定小车的位置。
根据第四方面的示例性实施例，该方法还可以包括：基于所述至少一个目标的位置或速度执行所述至少一个目标的运动控制。
根据第四方面的示例性实施例，所述至少一个目标可以包括悬挂负载。
根据第五方面，一种方法可以包括：确定笛卡尔空间力或速度，以用于控制悬挂负载的移动，其中，悬挂负载能够与多个提升机一起操作；基于多变量映射函数将笛卡尔空间力或速度映射到多个提升机的多个张力或扭矩；以及利用多变量映射函数的至少一个中性元素调节多个张力或扭矩，使得多个张力或扭矩中的每一个高于或等于阈值，其中，所述至少一个中性元素的调节不改变笛卡尔空间力或速度到多个张力或扭矩的映射。
根据第五方面的示例性实施例，该方法还可以包括：基于笛卡尔空间力或速度来控制悬挂负载的平面移动和/或平面旋转。
根据第五方面的示例性实施例，该方法还可以包括：基于笛卡尔空间力或速度来控制悬挂负载沿着惯性参考坐标框架的第一轴线和第二轴线的平面移动以及围绕惯性参考坐标框架的第三轴线的平面旋转。
根据第五方面的示例性实施例，第一轴线和第二轴线可以彼此垂直并平行于地面。第三轴线可以垂直于第一轴线和第二轴线。
根据第五方面的示例性实施例，多变量映射函数可以包括雅可比矩阵的子集，并且所述至少一个中性元素可以在雅可比矩阵的子集的零空间内。
根据第五方面的示例性实施例，雅可比矩阵的子集可以包括雅可比矩阵的列，该雅可比矩阵的列对应于第一轴线和第二轴线的笛卡尔空间力的线性力分量和第三轴线的笛卡尔空间力的扭矩分量。
根据第五方面的示例性实施例，多个提升机可以在第一组连接点处固定地联接到起重机的小车，并且在第二组连接点处固定地联接到起重机的上架。上架可以被配置成附接到悬挂负载。该方法还可以包括：基于第一组连接点和第二组连接点的位置来确定对应于多个提升机的方向的多个笛卡尔单位向量
Figure BDA0003712524820000071
确定从上架的中心到第二组连接点的多个笛卡尔扭矩臂向量
Figure BDA0003712524820000072
其中，雅可比矩阵的转置JT具有大小6×N，并且其中
Figure BDA0003712524820000073
其中，N≥4是多个提升机的数量，并且×表示向量积，并且其中，多个张力或扭矩τ满足FC＝JTτ，其中，FC包括笛卡尔力。
根据第五方面的示例性实施例，小车可以是沿着起重机的大梁可移动的，并且该方法还可以包括：确定小车相对于大梁的位置；以及基于小车相对于大梁的位置确定第一组连接点的位置。
根据第五方面的示例性实施例，该方法还可以包括：确定上架的位置；以及基于上架的位置确定第二组连接点的位置。
根据第五方面的示例性实施例，该方法还可以包括：基于线性控制器确定笛卡尔空间力或速度，该线性控制器被配置成基于至少指示悬挂负载的移动的一组期望输入值和反馈数据来控制悬挂负载的移动。
根据第五方面的示例性实施例，该方法还可以包括：将至少一个笛卡尔空间力或速度校正项应用于笛卡尔空间力或速度。
根据第五方面的示例性实施例，该方法还可以包括：将至少一个提升机空间张力或扭矩校正项应用于多个张力或扭矩。
根据第五方面的示例性实施例，该方法还可以包括：基于将多变量映射函数的反函数应用于与多个提升机相关联的提升机空间测量数据来确定提升机反馈数据；由线性控制器基于提升机反馈数据来控制悬挂负载的移动。
根据第五方面的示例性实施例，提升机空间测量数据可以包括以下中的至少一个：多个绞车速度、多个绞车位置、多个绞车扭矩或多个提升机的误差。
根据第五的示例性实施例，根据第五方面的任何示例性实施例的方法可以包括第四方面的方法的任何示例性实施例。
根据第六方面，一种方法可以包括：确定笛卡尔空间力或速度，以用于控制悬挂负载的移动，其中，悬挂负载能够与多个提升机一起操作；将笛卡尔空间力或速度映射到多个提升机的多个张力或扭矩；基于第一神经网络确定至少一个第一防摆控制项，该第一神经网络被配置成将悬挂有效负载离地面的高度和悬挂负载的质量作为输入；基于所述至少一个第一防摆控制项和与悬挂负载相关联的至少两个速度来调节笛卡尔空间力或速度或多个张力或扭矩；以及将多个张力或扭矩施加到多个提升机以控制悬挂负载的移动。
根据第六方面的示例性实施例，该方法还可以包括：基于第二神经网络确定至少一个第二防摆控制项，该第二神经网络被配置成将有效负载离地面的高度、有效负载的质量以及风速率和/或风向作为输入；进一步基于所述至少一个第二防摆控制项来调节笛卡尔空间力或速度或多个张力或扭矩。
根据第六方面的示例性实施例，所述至少一个第一防摆控制项可以包括防摆控制矩阵，并且笛卡尔空间力或速度或多个张力或扭矩的调节可以包括防摆控制矩阵和包括与悬挂负载相关联的所述至少两个速度的速度向量的乘法或求和。
根据第六方面的示例性实施例，所述至少一个第二防摆控制项可以包括防摆控制向量，并且笛卡尔空间力或速度或多个张力或扭矩的调节还可以包括将防摆控制向量与防摆控制矩阵和速度向量的乘法或求和的结果相加。
根据第六方面的示例性实施例，该方法还可以包括：基于所述至少一个第一防摆控制项和/或所述至少一个第二防摆控制项来调节多个张力或扭矩。第一神经网络可以确定提升机空间控制的防摆控制项。
根据第六方面的示例性实施例，所述至少两个速度可以包括相对于悬挂负载静止的至少两个参考点的速度。
根据第六方面的示例性实施例，所述至少两个参考点的速度可以包括相对于第一轴线和第二轴线的速度，其中，第一轴线和第二轴线彼此垂直并平行于地面。
根据第六方面的示例性实施例，所述至少两个参考点可以包括联接到多个提升机的吊具的至少两个角或悬挂负载的至少两个角。吊具可以被配置成附接到悬挂负载。
根据第六方面的示例性实施例，该方法还可以包括：基于所述至少一个第一防摆控制项和/或所述至少一个第二防摆控制项来调节笛卡尔空间力或速度。第一神经网络可以确定用于笛卡尔空间控制的第一防摆控制项。
根据第六方面的示例性实施例，所述至少两个速度可以包括悬挂负载相对于第一轴线的线速度、悬挂负载相对于第二轴线的线速度和悬挂负载相对于第三轴线的角速度。第一轴线和第二轴线可以彼此垂直并平行于地面，并且第三轴线可以垂直于第一轴线和第二轴线。
根据第六方面的示例性实施例，该方法还可以包括：由线性控制器基于一组期望输入值和指示悬挂负载的移动的反馈数据来确定用于控制悬挂负载的移动的笛卡尔空间力或速度。
根据第六方面的示例性实施例，第一神经网络可以包括基于利用第一奖励函数或第二奖励函数的强化学习来训练的神经网络，第一奖励函数包括在由第一轴线和第二轴线限定的平面处的悬挂负载的线速度和角速度，第二奖励函数包括与悬挂负载相关联的所述至少两个速度以及多个张力或扭矩与所支持的最大防摆扭矩值之间的比率。
根据第六方面的示例性实施例，第二神经网络可以包括基于具有代价函数的梯度下降算法训练的神经网络，该代价函数包括悬挂负载的稳态位置和稳态方位。
根据第五方面的示例性实施例，根据第五方面的方法的任何示例性实施例的方法可以包括第六方面的方法的任何示例性实施例。
根据第七方面，计算机程序或计算机程序产品可以包括指令，该指令被配置成在执行时导致设备执行第四、第五和/或第六方面的方法的任何示例性实施例。
根据第八方面，一种设备可以被配置成执行第四、第五和/或第六方面的方法的任何示例性实施例。该设备可以例如包括至少一个处理器和包括程序代码的至少一个存储器，所述至少一个处理器和该程序代码被配置成在由所述至少一个处理器执行时导致该设备执行第四、第五和/或第六方面的方法的任何示例性实施例。
根据第九方面，一种系统可以包括：多个提升机，其用于操作悬挂负载，其中，多个提升机联接到包括外感受观测系统的浮动基座，该外感受观测系统被配置成测量悬挂负载相对于随浮动基座移动的参考坐标框架的位置或速度，并且其中，浮动基座还包括惯性测量单元，该惯性测量单元被配置成测量浮动基座相对于惯性参考坐标框架的至少一个惯性状态；用于基于浮动基座的所述至少一个惯性状态对悬挂负载执行位置或速度补偿的手段；用于确定笛卡尔空间力或速度以用于控制悬挂负载的移动的手段；用于基于第一神经网络确定至少一个第一防摆控制项的手段，该第一神经网络被配置成将悬挂有效负载离地面的高度和悬挂负载的质量作为输入；用于基于所述至少一个第一防摆控制项和与悬挂负载相关联的至少两个速度来调节笛卡尔空间力或速度或多个张力或扭矩的手段；用于基于多变量映射函数将经调节的笛卡尔空间力或速度映射到多个提升机的多个张力或扭矩的手段；用于利用多变量映射函数的至少一个中性元素调节多个张力或扭矩的手段，使得多个张力或扭矩中的每一个高于或等于阈值，其中，所述至少一个中性元素的调节不改变经调节的笛卡尔空间力或速度到多个张力或扭矩的映射；以及用于将多个张力或扭矩施加到多个提升机以控制悬挂负载的移动的手段。
上述方面的任何示例性实施例可以与(多个)相同或其它方面的一个或更多个其它示例性实施例相结合。然而，不同的方面也可以单独地实施。随着通过参考结合附图考虑的以下详细描述而变得更好理解，许多伴随特征将更容易意识到。
附图说明
所包括以提供对示例性实施例的进一步理解并构成本说明书的一部分的附图图示了示例性实施例，并且与说明书一起帮助理解示例性实施例。在附图中：
图1图示了根据一个或更多个示例性实施例的自动堆垛起重机(ASC)的示例；
图2图示了根据一个或更多个示例性实施例的正面吊运机的示例；
图3图示了配置成实践一个或更多个示例性实施例的设备的示例；
图4图示了根据一个或更多个示例性实施例的柔性起重机的弹簧系统模型的示例；
图5图示了根据一个或更多个示例性实施例的用于动态挠曲补偿的框图的示例；
图6图示了根据一个或更多个示例性实施例的在具有和不具有惯性测量单元(IMU)反馈的情况下测量的小车移动的示例；
图7图示了根据一个或更多个示例性实施例的滤波的和未滤波的负载定位测量系统(LPMS)信号的示例；
图8图示了根据一个或更多个示例性实施例的滤波的和未滤波的负载定位测量系统(LPMS)信号的另一个示例；
图9图示了根据一个或更多个示例性实施例的橡胶轮胎式龙门起重机(RTG)的示例；
图10图示了根据一个或更多个示例性实施例的用于协调提升机控制的控制架构的示例；
图11图示了根据一个或更多个示例性实施例的协调提升机控制器的性能的示例；
图12图示了根据一个或更多个示例性实施例的用于悬挂负载的运动控制的神经网络的示例；
图13图示了根据一个或更多个示例性实施例的用于训练防摆神经网络的风模型的示例；
图14图示了根据一个或更多个示例性实施例的关于施加到悬挂负载的不同风角和速率的模拟有效风力和扭矩的示例；
图15图示了根据一个或更多个示例性实施例的基于神经网络的笛卡尔空间防摆控制器的示例；
图16图示了根据一个或更多个示例性实施例的具有基于神经网络的前馈校正项的线性控制器的示例；
图17图示了根据一个或更多个示例性实施例的用于基于神经网络的提升机空间和笛卡尔空间控制器的振荡阻尼性能的示例；
图18图示了根据示例性实施例的用于动态挠曲补偿的方法的示例；
图19图示了根据示例性实施例的用于悬挂负载的运动学控制的方法的示例；和
图20图示了根据示例性实施例的用于悬挂负载的防摆控制的方法的示例。
在附图中，类似的附图标记用于表示类似的部分。
具体实施方式
现在将详细参考示例性实施例，其示例在附图中图示。下面结合附图提供的详细描述旨在作为本示例的描述，并且不旨在表示可构造或利用本示例的唯一形式。描述阐述了示例的功能以及构造和操作该示例的步骤的顺序。然而，相同或等价的功能和顺序可以由不同的示例来实现。
本公开的示例性实施例涉及诸如悬挂负载的目标的运动控制。示例性实施例能够改进负载搬运机械中的控制性能。尽管已经参照诸如自动堆垛起重机(ASC)或橡胶轮胎式龙门起重机(RTG)的堆场起重机描述了一些示例性实施例，但应当意识到，示例性实施例可以应用于具有非刚性结构的任何类型的负载搬运机械(例如其它类型的起重机)中。此类负载搬运机械的其它示例包括轨道安装式龙门起重机(RMG)、船到岸(STS)起重机等。
图1图示了根据一个或更多个示例性实施例的自动堆垛起重机(ASC)的示例。ASC100可以被配置成搬运目标(未示出)，诸如例如货物集装箱。ASC 100可以包括以下部分中的一个或更多个：小车(trolley)101、锚链102、走道103、提升机104(例如，绳索或缆索)、第一柔性支腿(水侧)105、第二柔性支腿(陆侧)106、(多个)系梁107、第一槛梁(柔性侧)108、第一风暴制动器109、吊具110、上架111、楼梯112、转向架113、龙门马达114、第二槛梁(固定侧)115、第二风暴制动器116、电气室(E-house)117、缆索卷盘118、变压器室(trafo house)119、第一固定支腿(陆侧)120、第二固定支腿(水侧)121、(多个)系梁122、第一主大梁(陆侧)123或第二主大梁(水侧)124。小车101可以是沿着ASC 100的主大梁123、124可移动的。然而，在备选布置中，小车可以是沿着起重机的单个大梁可移动的。提升机104可以附接到小车101，并且因此沿着主大梁123、124移动小车可以导致提升机104和因此由吊具保持的目标相对于地面，即相对于惯性参考坐标框架(xi、yi、zi)的y轴线移动。目标可以是例如悬挂负载，其可以被配置成通过提升机104的张力静止地悬吊或在空气中操纵。
小车101还可以包括负载位置测量系统(LPMS，未示出)，例如相机、激光器或(多个)其它传感器，其被配置成跟踪吊具110、上架111和/或目标的移动，例如位置和/或速度。然而，LPMS可以相对于随小车101移动的参考坐标框架(xr、yr、zr)操作。参考坐标框架(xr、yr、zr)因此可以被锁定到小车101(浮动基座)。应当注意，诸如ASC 100的不同结构的挠曲的外部干扰可能导致对LPMS系统的外部干扰。因此，LPMS是外感受观测系统的示例。外感受观测系统的另一个示例是目标位置测量系统(TPMS)。TPMS可以被配置成测量目标位置，诸如例如集装箱或拖车的位置。目标位置可以包括将从其起吊负载或将把负载释放到其的位置。例如，TPMS可以被配置成测量目标集装箱的位置，当前操作的集装箱将释放在该位置上。小车101是易受外部干扰影响的浮动基座的示例，该外部干扰导致浮动基座相对于惯性参考坐标框架(xi、yi、zi)的非故意移动。在不包括小车的起重机(例如，提升机104直接附接到(多个)大梁123、124)的情况下，浮动基座可以包括起重机的至少一个大梁。
为了能够实现对由LPMS提供的信号的位置和/或速度补偿，小车101(或者一般地浮动基座)可以包括惯性测量单元(IMU)125。IMU 125可以固定地联接到小车101(浮动基座)。IMU 125可以包括用于测量IMU 125的至少一个惯性状态的电路。IMU 125可以测量小车101相对于惯性参考坐标框架(xi、yi、zi)(例如地面)的惯性状态。例如，IMU 125可以包括刚性地附接到小车101的线性加速度计。加速度计的一个量测轴线可以平行于小车在y方向上的运动。因此，惯性状态可以包括例如相对于y方向(基本上平行于(多个)大梁123、124)的小车的加速度。
由于ASC 100的挠曲，即使目标实际上相对于地面静止，LPMS也可以指示目标正在移动。当目标被有意地移动时，类似的错误可能叠加到LPMS输出。这降低了控制性能。IMU125能够补偿由于ASC 100的各种结构的挠曲而叠加到LPMS信号的外部干扰，如下文将进一步描述的。
图2图示了根据一个或更多个示例性实施例的正面吊运机的示例。正面吊运机200可以包括由一个或更多个部分形成的吊臂201。吊臂201可以被配置成提升或操纵目标(未示出)。吊臂201可以包括IMU 125。替代地，IMU 125可以位于达到正面吊运机200的主体203处。同样，IMU 125可以被配置成跟踪吊臂201相对于惯性参考坐标框架(xi、yi、zi)(例如地面)的移动。吊臂201可能易受外部干扰(诸如由风或吊臂201的快速移动导致的挠曲)的影响，并且因此吊臂201被提供为浮动基座的另一示例。由IMU 125获得的信息可以再次用来补偿叠加在外感受观测系统的测量结果上的外部干扰，该外感受观测系统被配置成跟踪吊具110和/或与其相关联的目标的移动和/或目标位置，诸如例如集装箱或拖车的位置。外感受观测系统可以位于正面吊运机200上的任何合适的地方，例如在吊臂201、主体203或本体连杆202上。外感受观测系统(例如LPMS或TPMS)可以包括例如配置成跟踪吊具110、负载和/或目标位置的相机或激光传感器。应当注意，ASC 100和正面吊运机200被提供为其中可以应用本公开的示例性实施例的浮动基座机器的示例。然而，示例性实施例可以应用于各种其它类型的机器，例如包括类似于ASC 100的提升布置的机器。这样的机器的示例包括图9的RTG 900。示例性实施例还可以应用于类似于作为浮动基座的正面吊运机200的包括吊臂的任何负载搬运机械，例如任何其它类型的起重机。
图3图示了配置成实践一个或更多个示例性实施例的设备的示例。设备300(例如负载搬运机械或其(多个)部件)可以包括至少一个处理器302。所述至少一个处理器302可以包括例如各种处理装置或处理器电路中的一个或更多个，诸如例如协处理器、微处理器、控制器、可编程逻辑控制器(PLC)、数字信号处理器(DSP)、带有或不带有附带DSP的处理电路，或者包括集成电路(诸如例如专用集成电路(ASIC)、现场可编程门阵列(FPGA)、微控制器单元(MCU)、硬件(HW)加速器、专用计算机芯片等)的各种其它处理装置。
设备300还可以包括至少一个存储器304。所述至少一个存储器304可以被配置成存储例如计算机程序代码等，例如操作系统软件和应用软件。所述至少一个存储器304可以包括一个或更多个易失性存储器装置、一个或更多个非易失性存储器装置和/或它们的组合。例如，所述至少一个存储器304可以实施为磁存储装置(诸如硬盘驱动器、软盘、磁带等)、光磁存储装置或半导体存储器(诸如掩模ROM、PROM(可编程ROM)、EPROM(可擦除PROM)、闪存ROM、RAM(随机存取存储器)等)。
设备300还可以包括通信接口308，该通信接口308被配置成使得设备300能够向其它装置发送信息和/或从其它装置接收信息。在一个示例中，设备300可以接收来自IMU 125和/或LPMS的信号，IMU 125和/或LPMS可以集成在设备300内或可以在设备300外部。通信接口可以被配置成提供至少一个无线电连接或有线连接。设备300还可以包括用户接口310。用户接口310可以包括输入装置，例如用于接收指示(多个)目标的期望移动的用户输入。用户接口310还可以包括输出装置，例如用于向用户提供各种控制信息。输入装置可以采取各种形式，诸如轮、控制杆、键盘、触摸屏、一个或更多个嵌入式控制按钮等。输出装置例如可以包括显示器、扬声器等。
当设备300被配置成实现某些功能时，设备300的某个部件和/或某些部件(诸如例如所述至少一个处理器302和/或所述至少一个存储器304)可以被配置成实现该功能。此外，当所述至少一个处理器302被配置成实现某些功能时，该功能可以使用包括在例如所述至少一个存储器304中的程序代码306来实现。
本文描述的功能可以至少部分地由诸如软件部件的一个或更多个计算机程序产品部件来执行。根据实施例，该设备包括处理器或处理器电路，诸如例如微控制器，其通过程序代码配置成当执行时执行所描述的操作和功能的实施例。替代地或附加地，本文描述的功能可以至少部分地由一个或更多个硬件逻辑部件来执行。例如但不限于，可以使用的硬件逻辑部件的说明性类型包括现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑器件(CPLD)、图形处理单元(GPU)。
设备300包括用于执行本文描述的至少一个示例性实施例的手段。在一个示例中，该手段包括所述至少一个处理器302、包括程序代码306的所述至少一个存储器304，该程序代码306被配置成在由所述至少一个处理器执行时导致设备300执行(多个)示例性实施例。
设备300可以包括例如负载搬运机械，诸如例如堆场起重机、ASC、RTG、正面吊运机、跨运车、桥式起重机、其它类型的起重机等。设备300可以替代地包括任何这样的机器的部件或子系统或与任何这样的机器相关联的部件或子系统。尽管设备300图示为单个设备，但应当意识到，在适用的情况下，设备300的功能可以分配给多个设备，例如以将示例性实施例实现为云计算服务。
图4图示了根据一个或更多个示例性实施例的柔性起重机的弹簧系统模型的示例。参照ASC 100描述弹簧模型系统。然而，类似的弹簧模型也可以提供用于其它类型的负载搬运机械。ASC 100的挠曲可以例如通过限定地面与(多个)主大梁(MG)123、124之间、(多个)主大梁123、124与小车(TR)101之间和/或小车101与上架(HB)111之间的挠度来建模。在小车101和上架111之间，提升机104的张力能够控制上架111的移动，并且因此也控制吊具110和目标的移动。已经观测到，起重机的周期性门架挠曲可以在例如从几厘米到几十厘米的范围内。因此，门架挠曲可能是显著的，例如与±5cm的集装箱定位目标相比。此外，挠曲可以发生在配置成产生提升机104的张力的绞车的控制带处。因为挠曲可能具有与由LPMS跟踪的集装箱运动相似的光谱特征，所以引入延迟的滤波(例如，低/高/带通)可能不能为所有用例提供充分的解决方案。这种滤波方法甚至可能降低动态操作条件下的控制性能。
图5图示了根据一个或更多个示例性实施例的用于动态挠曲补偿的框图的示例。动态挠曲补偿系统500可以接收指示目标的位置的第一输入信号，该信号在图5的示例中由LPMS位置信号表示。通常，第一信号可以包括从观测系统接收的信号，该观测系统被配置成测量目标相对于随观测系统移动的参考坐标框架(xr、yr、zr)的位置或速度。观测系统可以位于浮动基座处。因此，观测系统可以是外感受观测系统，它可能易受影响观测系统的移动的外力的影响。参考坐标框架(xr、yr、zr)可以随浮动基座移动。参考坐标框架(xr、yr、zr)可以相对于浮动基座和/或观测系统静止。
可以从IMU 125接收第二输入信号，IMU 125可以被配置成测量浮动基座相对于惯性参考坐标框架(xi、yi、zi)的惯性状态。在该示例中，第二输入信号包括小车(TR)101的加速度。通常，挠曲补偿系统500可以基于浮动基座的惯性状态对目标执行位置或速度补偿。位置或速度补偿可以基于对目标的测量位置或速度以及浮动基座的惯性状态的统计推断。统计推断可以包括目标的测量位置或速度与浮动基座的惯性状态的传感器融合。然而，该系统可以被扩展以为多个目标提供类似的操作。此外，补偿可以基于测量浮动基座的多个惯性状态，例如相对于惯性参考坐标框架(xi、yi、zi)的多个轴线的加速度。因此，可以执行多维位置或速度补偿。
当动态挠曲补偿被应用到ASC 100、RTG或包括沿着至少一个大梁可移动的小车的其它类型的起重机时，挠曲补偿系统500还可以接收指示小车101相对于起重机的大梁的位置的第三输入信号。第三信号例如可以包括小车相对于大梁的速率。然后，可以例如使用离散时间积分器501(KTs/(z-1))基于小车101的速率来确定小车相对于大梁的位置。然后可以基于小车101相对于大梁的位置来执行对目标的位置或速度补偿。小车101的位置和IMU信号(信号“2”)两者可以以足够高且同步的采样率采样。
小车101的位置和加速度可以利用位置估计滤波器502(例如卡尔曼滤波器)融合。位置估计滤波器502的输出可以包括具有扰动加速度的小车(TR)的位置，例如由相对于重力在y方向上的几何变化导致的位移。因此，位置估计滤波器502的输出信号可以包括与门架挠曲叠加的小车101的位置。
在卡尔曼滤波器的情况下，定位估计滤波器502的第n个输出样本
Figure BDA0003712524820000151
可以基于下式确定
Figure BDA0003712524820000152
其中，
Figure BDA0003712524820000153
是定位估计滤波器502的前一输出样本，k是常数，T是采样间隔，Δxn-1是小车101的位置的变化，并且
Figure BDA0003712524820000154
是惯性测量单元125的前一输出，在图5的示例中是小车101的加速度。然而，有可能用卡尔曼滤波器变体或粒子滤波器代替上面描述的静止卡尔曼滤波器。
例如，通过从位置估计滤波器502的输出中减去小车的位置，可以从位置估计滤波器输出中提取由小车运动和门架挠曲(TR扰动加速度)导致的位移。相减可以例如通过加法器503来实现，其中一个输入被反转。这改进了运动控制，因为在没有任何补偿的情况下，LPMS可能错误地解释小车运动、车轮/门架挠曲等，以指示目标正在摇摆。
所获得的信号可以作为误差信号提供给自适应滤波器504，例如递归最小二乘(RLS)滤波器。可以利用自适应滤波器504过滤目标的测量位置或速度，以执行位置或速度补偿。因此，位移可以通过自适应滤波器504，该自适应滤波器504可以利用优化算法调节位移以匹配LPMS读数中的误差幅度和相位特性，例如在y方向上。以这种方式，依赖于LPMS读数的任何运动控制器(例如，防摆控制器)接收高带宽反馈，而没有由浮动基座的周期性结构变化或挠曲导致的误差模式。例如，由于在小车101上的IMU 125参考重力(惯性参考坐标框架)，IMU 125可以感测小车的加速度和由周期性结构变化导致的加速度两者。然后，该信息有利地用来纠正LPMS信号。防摆控制可以替代地称为主动振荡阻尼。
在RLS的情况下，可以基于以下程序来实现自适应滤波器504：
初始化：
Figure BDA0003712524820000155
P＝δ-1I，
其中，向量
Figure BDA0003712524820000161
包括滤波器的自适应权重，δ是正常数，并且I是单位矩阵。滤波器的阶数可以是例如8。对于每个时间点n＝1,2…,计算：
π(n)＝P(n-1)u(n)，
Figure BDA0003712524820000162
Figure BDA0003712524820000163
以及
P(n)＝λ-1P(n-1)-λ-1k(n)uH(n)P(n-1),
其中，u(n)是自适应滤波器的输入，在图5的示例中是LPMS位置样本的向量，ξ*(n)是误差信号的复共轭，并且λ是常数，例如λ＝0.99。然而，可以使用另一个自适应滤波器或神经网络来代替RLS算法。
因此，图5的(多个)示例性实施例提供了用于补偿LPMS定位读数中的误差的基于低成本传感器融合的方法。误差可能源于例如弹性应变或导致周期性挠曲的部件之间的反作用力交换。这种误差可以是时变的，并且依赖于小车101中的绞车、(多个)主大梁123、124、车轮等上的减小的惯性质量。补偿这些误差能够提高负载搬运机械的控制性能。因为叠加在LPMS读数上的误差可能占据频域中的控制带，例如，可以应用卡尔曼滤波和自适应RLS滤波的组合来实现三输入误差消除器。
替代地，小车101的位置(或速度)和加速度可以由神经网络融合。神经网络可以将小车101的位置(或速度)和加速度作为输入，例如类似于位置估计滤波器502。例如，可以通过提供小车101的位置(或速度)和加速度集作为训练数据并使用基于非神经网络的系统(例如卡尔曼滤波器)的融合结果作为地面实况数据来训练神经网络。类似地，可以使用另一神经网络来基于目标的测量位置或速度和位置估计滤波器502的或代替位置估计滤波器502的神经网络的输出对目标执行位置或速度补偿。
图6图示了根据一个或更多个示例性实施例的在具有和不具有惯性测量单元(IMU)反馈的情况下测量的小车移动的示例。y轴线上的位移以归一化的距离单位提供。将小车位置与y方向加速度融合的位置估计滤波器502(在该示例中为卡尔曼滤波器)的输出由曲线601图示为相对于y轴线的位移。由小车101的位置传感器观测到的位置由曲线602图示。有效地，位置估计滤波器502以无漂移的方式对小车101的加速度进行双重积分，并将它们与小车的内部运动状态组合。该示例测量结果揭示了未被小车101的位置传感器观测到的挠度。
图7和图8图示了根据一个或更多个示例性实施例的滤波的和未滤波的负载定位测量系统(LPMS)信号的示例。图7图示了对于未滤波的LPMS(圆)、滤波的LPMS(三角形)和用作外部静止观测器的激光传感器(正方形)来说相对于时间(秒)的测量集装箱位移(y轴线)。在y轴线上的位移再次以归一化的距离单位提供。右图是左图的缩放版本。图8类似地图示了集装箱的测量速度(mm/sec)。通过比较未滤波的LPMS输出与激光传感器的输出，观测到周期性挠曲导致叠加在LPMS输出上的振荡信号分量。值得注意的是，未滤波的LPMS输出的导数在接近被测试的负载搬运机械(RTG)的运动的固有频率时改变了符号。这可能导致RTG的绞车接收错误的控制命令。例如，反馈可能导致控制器不能保证缆索预张力的具有挑战性的情况。因此，缆索下垂和不期望的变化可能发生在辅助绳索与上架之间的角度中，上架施加脉冲并通过运动方向上的下一次变化激发集装箱振荡(例如，使辅助绳索松弛或甚至产生使门架摇晃的鞭梢效应)。如从图中可以看出，所公开的导致滤波LPMS读数的动态挠曲补偿方法几乎完全抑制了这种行为，而不引入延迟。然后，可以基于由滤波的LPMS读数提供的目标的位置或速度来执行负载搬运机械的运动控制。因此，系统的控制性能可以大大提高。
设计在操作期间没有非塑性变化的高惯量堆场起重机可能具有挑战性。这些现象可能破坏LPMS读数，导致随机的、不希望的绞车致动。所公开的动态挠曲补偿方法将小车的位置与源于起重机几何形状的时变变化的加速度融合在一起，该加速度可以如上所述地调节。因此，例如在大幅摇摆的情况下(例如，防摆控制)或者为了目标的精细定位，实现了更快的振荡阻尼。为了估计和补偿产生挠曲的误差，可以使用安装在小车101上的IMU 125来参考重力。IMU 125可以包括例如廉价的MEMS(微机电系统)加速度计。所公开的方法可以允许设计具有较轻材料的起重机，并因此提供成本效益。此外，所公开的机载计算可以在不对在现代计算平台上运行的分散控制解决方案进行任何改变或任何显著改变的情况下实现。此外，如上文所指出，所公开的挠曲补偿方法不限于考虑在y方向(小车101的移动的方向)上的振荡。替代地或附加地，类似的方法可以应用于x方向(垂直于y方向)。例如，RTG可以是在x方向上可移动的。扩展挠曲补偿以还考虑x方向加速度(由IMU 125测量)使得例如由于车轮制动所激发的弹性变化而引起的x方向扰动能够被补偿。TPMS系统也可以受益于所公开的解决方案。
图9图示了根据一个或更多个示例性实施例的橡胶轮胎式龙门起重机(RTG)的示例。尽管RTG 900被用作描述用于协调提升机控制的方法的参考，但上述公开的用于执行动态挠曲补偿的示例性实施例也可以单独地或与本文公开的协调提升机控制方法结合地应用于RTG 900。因此，RTG 900可以包括例如刚性地安装在RTG的小车上的IMU 125。类似于ASC 100，小车可以是沿着RTG的(多个)大梁可移动的。协调提升机控制解决方案可以使用滤波的LPMS读数，基于由IMU 125获得的惯性测量结果对该读数进行位置或速度补偿。然而，应当注意的是，可以在没有IMU 125的情况下应用协调提升机控制解决方案，例如，使用未滤波的LPMS信号作为本文描述的控制操作的基础。
RTG 900或一般地任何合适类型的起重机可以包括用于操作由集装箱902表示的悬挂负载的提升机104。提升机104可以在相应的连接点Ai处联接(例如固定地)到小车101。提升机104可以在相应的连接点Bi处联接(例如固定地)到上架111。上架111可以被配置成例如借助于吊具110附接到集装箱902。RTG 900可以是沿着方向x(龙门方向)可移动的。小车101可以是在y方向(小车方向)上沿着大梁可移动的。
本文描述的协调提升机控制方法提供了用于提升机104的力-扭矩映射方法以及基于该方法的相关运动控制拓扑。该映射可以用来实现笛卡尔空间运动控制。例如，给定影响吊具的力(例如，由于集装箱与风的相互作用)，映射基于上架111上的连接点Bi和在小车101处的连接点Ai的位置产生用于提升机104的匹配扭矩分布。因为可以使用LPMS系统来跟踪上架111上的连接点Bi的物理布局，所以小车101中的绞车的最大能力变得可用于在工作空间中的每个点处控制吊具110。这意味着该映射非常适合于例如辅助用户和防摆控制的开发。如果有小车101和上架111以及将它们连接到彼此的提升机104的布置的CAD(计算机辅助设计)模型，可以提取专用于力或速度映射的控制器架构的一部分。
(协调提升机)控制器可以命令系统在x和/或y方向上移动，和/或围绕z轴线(歪斜方向)旋转。然后可以基于力映射将该命令转换到提升机坐标空间(例如，关节空间、缆索空间、绳索空间)，以确定每个缆索对于引起期望的力被施加到集装箱902的作用。例如，提升逆变器可以使用映射的命令与提升机构一起工作以产生期望的缆索张力，期望的缆索张力导致在x方向、y方向和/或歪斜方向上影响吊具110的力向量。因此，控制工程师可能不需要针对特定部署执行辅助提升机控制器的任何现场调谐。通过最小化控制调谐，这提供了手动和自动RTG的部署所需的工程过程中的显著改进。此外，可以保留对现有系统的向后兼容性。
在图9的示例中，风扰动力Fd从右侧影响集装箱902。笛卡尔空间控制力Fc可以经由提升机104施加到集装箱902，以导致集装箱902的期望移动或保持集装箱静止而不管风扰动力Fd(防摆情况)。
力-扭矩映射可以由基于例如从CAD模型提取的系统的几何形状确定的多变量映射函数来执行。可以限定对应于提升机104的方向的多个笛卡尔单位向量
Figure BDA0003712524820000181
这些单位向量可以具有等于1的长度和反映相应提升机的方向的方向，即相应连接点Ai和Bi之间的方向。单位向量可以基于在任何给定时间的连接点(Ai,Bi)的位置动态地确定。例如，可以首先确定小车101相对于(多个)大梁的位置，并且然后可以基于小车101相对于(多个)大梁的位置来确定连接点Ai的位置。类似地，可以首先确定上架111的位置(包括方位)(例如基于滤波的或未滤波的LPMS读数)，并且然后可以基于上架111的位置确定连接点Bi的位置。此外，可以例如基于上架111的当前位置来确定从上架111的中心(C)到连接点Bi的笛卡尔扭矩臂向量
Figure BDA0003712524820000182
提升机104的张力(或扭矩)由τi表示。张力向量可以限定为τ＝[τ1,τ2,…,τN]T。由提升机104的张力τi限定的空间可以称为提升机(坐标)空间。
根据示例性实施例，多变量映射函数可以包括雅可比矩阵J，其转置JT可以由下式给出
Figure BDA0003712524820000191
其中，×表示向量积。因此，矩阵JT可以具有大小6×N，其中N≥4是提升机104的数量。张力(或扭矩)可以满足方程FC＝JTτ，其中FC包括笛卡尔力FC＝[fx,fy,fz,frx,fry,frz,]T，其中fx、fy和fz是笛卡尔空间力相对于轴线x、y和z的线性力分量，并且其中frx、fry和frz是笛卡尔空间力相对于轴线x、y和z的扭矩分量。大小6×N可以对应于相对于任何方向的空间运动的一般情况。
图10图示了根据一个或更多个示例性实施例的用于协调提升机控制的控制体系结构的示例。
协调提升机控制器1000的输入块1002可以获得(多个)期望输入值，例如xd、
Figure BDA0003712524820000192
其中，
Figure BDA0003712524820000193
表示期望的上架位置或速度xd的一阶导数和二阶导数。由操作人员或自动化系统创建的期望命令可以确定集装箱902的期望运动。期望运动可以是变化的输入或对零速率和零加速度的请求。
协调提升机控制器1000还可以包括或能够访问RTG 900(或者一般地所讨论的起重机)的CAD模型1004。CAD模型1004可以包括关于起重机的几何形状的信息，例如，关于小车101和上架111上的有效提升机附接点位置(例如相对于它们的质心)的信息。该信息可以提供用于各种类型的起重机和各种(辅助)提升机设计。信息可以本地存储在起重机处，或者它可以被远程访问，例如通过网络连接从服务器下载，该网络连接可以例如由通信接口308提供。
映射功能块1006可以使用由CAD模型1004提供的信息来创建多变量映射函数(例如雅可比函数)的代数方程。例如，映射功能块1006可以使用图9中所示的附接点和缆索方向的向量，并创建多变量映射矩阵，例如雅可比矩阵J。笛卡尔空间可以用六个维度(x,y,z,rx,ry,rz)来表征。提升机几何形状可以基于各组连接点来限定。如上文所指出，一组连接点(Ai)可以相对于小车101静止。一组连接点(Bi)可以附接到移动的上架111。因此，该组连接点Ai能够从CAD模型1002获得。Bi的初始值也可以从CAD 1002模型获得，但是在每个控制周期，它们可以根据当前上架坐标(由LPMS信号或期望值生成)来移动。结果是，可以通过动态地更新各组连接点来保持提升机的方向的充分逼近。然后，可以使用多变量映射来映射笛卡尔空间和提升机空间之间的速度、力和/或误差。
线性控制器1008可以确定用于控制集装箱902的移动的笛卡尔空间力。线性控制器1008可以接收指示至少集装箱902的移动的(多个)期望输入值和反馈数据作为输入。例如，可以应用具有或不具有重力或现有提升力的补偿的线性PD控制(比例微分)。尽管线性控制器1008被描述为提供力作为其输出，但该线性控制器可以替代地被配置成提供速度作为其输出。另外，协调提升机控制器1000的其它功能可以被配置成作用于速度而不是力。
在块1010处，一个或更多个笛卡尔空间校正项1012可以应用于线性控制器1008的输出，以获得在力分布块1014处进行力-扭矩映射处理的笛卡尔空间力Fc。(多个)笛卡尔空间校正项1012可以例如通过将它们与线性控制器的输出相加和/或通过将线性控制器1008的输出与(多个)校正项相乘来应用。(多个)笛卡尔空间校正项1012可以例如利用神经网络生成，如下文将进一步描述的那样。
力分布块1014可以基于多变量映射函数将笛卡尔空间力Fc映射到提升机104的张力或扭矩。然而，所得到的张力或扭矩可以利用多变量映射函数的至少一个中性元素来调节，使得张力或扭矩中的每一个高于或等于阈值。这能够避免提升机下垂或松弛，并因此确保可以基于具有刚性提升机104的假设来控制系统。多变量映射函数的中性元素可以是其调节不改变笛卡尔空间力Fc到提升机104的张力或扭矩的映射的元素。例如，中性元素可以在雅可比矩阵J的子集的零空间内，如下文将进一步描述的那样。
例如，假设提升机104的数量为四个，力分布块1014可以应用最新生成的4×6雅可比矩阵(J4×6)。这里，6D空间可以包括线速度方向(vx、vy、vz)和角速度方向(wx、wy、wz)。然而，如果集装箱902的期望移动被限制为平面移动和旋转，则仅6D空间的分量的子集可以是相关的。例如，如果线性控制器1008被配置成控制集装箱902相对于地面(例如，惯性参考坐标框架的x轴线和y轴线)的平面移动和围绕竖直轴线(z)的平面旋转，则只有分量x(龙门方向)、y(小车方向)和rz(围绕竖直轴线的旋转)可以是对于线性控制器1008来说相关的。因此，矩阵J4×6可以被简化为仅覆盖平面运动，这导致4×3雅可比矩阵(J4×3)。这引入了一个冗余度，用于对雅可比求逆，并有可能基于矩阵J4×3的零空间优化张力(马达扭矩)。因此，多变量映射函数可以包括雅可比矩阵(例如J4×6)的子集(例如J4×3)。(多个)中性元素可以在雅可比矩阵的子集的零空间内。雅克比矩阵的子集可以通过选择雅克比矩阵的列来确定，雅克比矩阵的列对应于x轴线和y轴线的笛卡尔空间力的线性力分量和z轴线的笛卡尔空间力的扭矩分量。给定最小张力τ0，可以使用代数优化方法来保证最小张力，同时将笛卡尔空间力Fc从笛卡尔空间映射到提升机空间。τ0的值可以例如基于机械限制(缆索下垂/松弛)或基于提升机构的要求来确定。在N个提升机的一般情况下，对应于选定方向(例如平面运动)的雅可比矩阵的子集的大小可以是3×N。降维的一个示例是选择空间的平面元素(x、y、歪斜)，降维至3×N，如上所述。
力分布块1014可以充当笛卡尔空间和提升机空间之间的边界线。在力分布块1014之前，可以在块1010处应用与集装箱902、吊具110、上架111或小车101相关联的笛卡尔空间控制项。在力分布块1014之后，可以在块1016处应用一个或更多个提升机空间校正项1018。(多个)提升机空间校正项1018可以例如通过将它们与力分布块1014的输出(多变量映射函数的输出)相加和/或通过将力分布块1014的输出与(多个)校正项1018相乘来应用。这使得与提升机104、马达驱动器或滑轮相关联的控制和/或估计项能够应用于提升机空间。例如，如果风朝小车方向吹，则力分布块1014可以将风力转换到提升机空间中，以确定风力对每个提升机的影响程度。马达驱动器1020可以用来将确定的张力或扭矩施加到提升机104。力分布块1014的反向使用能够识别施加特定缆索张力的结果。例如，有可能确定在给定位置由一定张力拉动每个提升机对主提升方向的影响程度。力分布块的另一个益处是有可能使用它来基于零空间分量符号的分析检查起重机设计的可行性。
通常，可能希望一旦系统获得关于对这种补偿的需求的信息就应用校正。因此，校正项可以应用于笛卡尔空间或提升机空间或两者。例如，参考牛顿定律F＝ma，如果希望对40吨的集装箱在小车方向上产生2m/s2的加速度，则安全的假设是至少需要800000N的力。该力值可以用作笛卡尔空间中的校正项。然后，有可能使用雅可比矩阵的第一列来进行平衡，并求解第一个提升机在所需力中的份额是多少。所获得的值可以作为提升机空间中的校正项来应用。因此，(多个)前馈校正项可以通过考虑已知的动力学来改善行为。替代地，诸如例如神经网络的人工智能(AI)算法可以从起重机行为中学习以创建(多个)这样的校正项。例如，基于模型的非线性控制、反馈线性化、扭矩补偿或逆动态控制是作为校正项在图示块上部署的可能方法。
LPMS 1024可以至少跟踪例如由马达驱动器1020(例如，联接到提升机104的绞车)影响的集装箱902的移动，或者一般地起重机机械部件1022的移动。LPMS 1024可以向线性控制器1008提供至少指示集装箱902的移动的反馈。
可选地，在反馈校正块1026处，可以将一个或更多个校正应用于LPMS信号。在堆场起重机中，可能希望检测和控制其有效负载(例如集装箱902)的运动。操作人员或自动化系统应当能够在惯性参考坐标框架中并相对于外部观测器的视点提供精确的运动控制。因此，可能希望在不显著影响集装箱902的轨迹的情况下校正内部动力学、传感器不精确度、致动器反冲、轮胎挠度以及它们的非线性性。在将LPMS信号传递到线性控制器1008之前，可以在反馈校正块1026内校正这些非线性性。例如，动态挠曲补偿系统500可以在反馈校正块1026处实现为反馈校正算法。类似地，基于相机的运动控制的结果可以在协调提升机控制架构内用作反馈校正。
协调提升机控制器1000还可以包括逆力分布块1028。在力分布块1014处，雅可比矩阵可以用于将力映射到扭矩。然而，在使用雅可比来映射速度方面有相当大的潜力。例如，代替来自LPMS 1024的反馈，可以通过绞车速度的基于逆雅可比的映射来获得上架速度。逆力分布块1028可以例如接收绞车速度向量
Figure BDA0003712524820000211
作为输入，并应用逆雅可比映射以通过
Figure BDA0003712524820000212
Figure BDA0003712524820000213
导出上架速度。
通常，逆力分布块1028可以基于将力分布块1014的多变量映射函数的反函数应用于与提升机104相关联的提升机空间测量数据来确定提升机反馈数据。提升机空间测量数据可以包括例如绞车速度、绞车位置、绞车扭矩或与提升机104相关联的误差。线性控制器1008可以基于提升机反馈数据来控制集装箱902的移动。(多个)反馈校正也可以可选地应用于提升机反馈数据。逆力分布1028可以用于例如提供粗略的位置或速度反馈。然后，该系统可以通过其它手段(例如利用视觉系统)增强，以提供更高的分辨率。如果逆力分布是基于根据提升结构确定的雅可比映射，即使是低精度反馈也不会导致任何稳定性问题。
图11图示了根据一个或更多个示例性实施例的协调提升机控制器的性能的示例。左图图示了以归一化的角度单位计的角误差，并且右图图示了以归一化的距离单位计的x-位置误差(圆)和y-位置误差(正方形)。协调提升机控制器1000在t＝20s被启用。可以观察到，协调提升机控制器1000设法在少于20秒内阻尼振荡。因此，包括笛卡尔空间的力/速度到提升机空间的张力/扭矩的映射的协调提升机控制器1000提供了用于集装箱902的运动控制的高效解决方案。
图12图示了根据一个或更多个示例性实施例的神经网络的示例。神经网络1200可以被配置成(通过训练)执行特定任务，例如执行作为动态挠曲补偿系统500的一部分的定位滤波器502的传感器融合，或者生成用于线性控制器(例如在协调提升机控制器1000内)的笛卡尔或提升机空间校正项。神经网络1200作为AI算法的示例提供。然而，可以改为使用任何合适的AI算法。神经网络1200可以包括输入层、一个或更多个隐藏层和输出层。输入层的节点i1至in可以连接到第一隐藏层的m个节点(n11至n1m)中的一个或更多个。第一隐藏层的节点可以连接到第二隐藏层的k个节点(n21至n2k)中的一个或更多个。应当意识到，尽管图12的示例神经网络图示了两个隐藏层，但神经网络也可以应用任何数量和任何类型的隐藏层。神经网络1200还可以包括输出层。最末隐藏层的节点可以连接到输出层的一个或更多个节点o1至oj。应当注意，节点的数量对于网络的每一层可能不同。节点也可以称为神经元、计算单元或基本计算单元。层中的一个或更多个可以是全连接层，例如，其中每个节点连接到前一层的每个节点的层。每个层可以从一个或更多个先前层获取输入，并提供其输出作为后续层中的一个或更多个的输入。某一层的节点可以从前层中的一个或更多个的节点获取输入，并向后层中的一个或更多个提供输出。节点还可以从后续层中的一个或更多个接收反馈。
每个节点1201可以被配置成从一个或更多个先前层的一个或更多个节点接收一个或更多个输入a1至an并且基于接收到的输入值计算输出。输入可以与参数相关联，以调节特定输入对输出的影响。例如，与输入a1至an相关联的权重w1至wn可以用来乘以输入值a1至an。节点1201还可以被配置成将输入组合为输出或激活。例如，节点1201可以被配置成对修改后的输入值求和。还可以应用偏置或偏移b来将常数加到修改后的输入的组合上。权重和偏置可以是可训练的参数。例如，当针对特定任务训练神经网络时，可以更新与不同输入和不同节点相关联的权重和/或偏置的值，使得与执行该任务相关联的误差减少到可接受的水平。此外，可以应用激活函数f来控制节点1201何时以及如何提供输出。作为示例，神经网络1200可以包括具有四个隐藏层的全连接神经网络，每个隐藏层具有128个节点。节点1201的激活函数可以包括ReLU(修正线性单元)函数。
将一组输入数据馈送通过神经网络1200的层以产生输出可以称为前向传播。在此过程期间，神经网络1200的权重和偏置影响单个节点的激活，并且因此影响由输出层提供的输出。如上文所指出，神经网络1200可以被训练以针对某些(看不见的)输入数据产生期望的输出。在训练期间，可以改变神经网络的属性(例如，权重)，使得其输出变得尽可能接近期望输出。
在监督学习中，由神经网络1200生成的输出可以与期望输出(例如为训练目的提供的地面实况数据)进行比较，以例如通过损失函数或代价函数计算误差值。训练可以通过最小化或减小输出的误差来执行，输出的误差可以通过损失函数或代价函数来评估。更新神经网络然后可以基于计算关于神经网络1200的可训练参数的导数来执行。这可以例如使用反向传播算法来完成，该反向传播算法确定从网络的最后一层开始的每一层的梯度，直到确定了不同层的可训练参数的梯度。因此，神经网络可以使用梯度下降算法来训练。每一层的参数可以相应地更新，使得损失被迭代地降低。在强化学习的情况下，神经网络1200可以基于当对神经网络1200进行改变时将最大化的累积奖励来训练，而不需要地面实况数据。下面公开了用于训练神经网络1200以确定用于悬挂负载的运动控制的防摆控制项的方法。
图13图示了根据一个或更多个示例性实施例的用于训练防摆神经网络的风模型的示例。对防摆控制的需要可能源于例如在港口地区中普遍存在的风力状况。风可以引入导致集装箱902的振荡的力和扭矩，这在集装箱拾取和放置操作中通常是不期望的。在所公开的运动控制解决方案中，施加到集装箱902的中心的力/扭矩可以用来对由风导致的状态的扰动建模。风力状况可以由风速率和方向来表示。风力状况和力/扭矩之间的映射可以由风模拟模型确定，该模型的示例在图13中提供。由风导致的压力变化可以在集装箱902周围产生力分布(黑色箭头)。合力被认为是有效的力/扭矩值，并且它们可能根据负载角以及风的角度和速率而变化。
图14图示了根据一个或更多个示例性实施例的关于施加到悬挂负载的不同风角和风速率的模拟有效风力和扭矩的示例。曲线1401和1402分别图示了对于不同的风角的风速率5m/s和20m/s的相对于x轴线(Fx)和y轴线(Fy)的力。交叉线表示由另一个模拟模型获得的模拟结果。动态风模型能够确保基于神经网络的防摆方法抑制在可变风力状况下风影响的能力。
图15图示了根据一个或更多个示例性实施例的基于神经网络的笛卡尔空间防摆控制器的示例。笛卡尔空间控制器1502之后可以是包括多变量力/扭矩映射函数(例如，具有零空间优化的雅可比映射)的力分布块1014，其以解析形式结合了物理提升布置。因此，可以通过解析方式确定每个提升机的作用，以在惯性参考坐标框架中产生作用在集装箱902上的力，例如，以匹配由风产生的力。在(多个)神经网络的训练阶段中，系统动力学块1504可以包括系统动力学模拟器。在操作((多个)神经网络的推理阶段)期间，块1504可以包括真实的起重机系统。然而，应当注意，训练也可以在真实的起重机系统中发生。系统动力学块1504可以提供与集装箱902相关联的速度，例如包括相对于集装箱902静止的至少两个参考点(例如集装箱902的顶角)的速度的速度向量v，作为笛卡尔空间控制器1502的输入。笛卡尔空间控制器1502还可以从系统动力学块1504接收集装箱902离地面的当前高度(h)和/或集装箱902的质量(m)。笛卡尔空间控制器1502可以根据系统的给定状态确定防摆系统的笛卡尔空间力。笛卡尔空间控制器1502可以是例如以下形式
f＝M(h,m)v+b(h,m,w)
其中，M(h,m)和b(h,m,w)分别是第一和第二(笛卡尔空间)防摆控制项。然而，应当注意，第二防摆项的使用可以是可选的，并且因此在一些示例性实施例中也可以不存在风(w)测量/估计块1506。向量v∈R3可以包括集装箱902(或吊具/上架)相对于x轴线和y轴线的线速度以及在歪斜方向上的角速度。风速度w∈R2可以指示风向和速率。防摆控制项可以分别通过第一和第二神经网络生成。第一防摆控制项可以是矩阵，例如M∈R3x3。第二防摆控制可以是向量，例如b∈R3。由笛卡尔空间控制器确定的力f然后可以被分布成期望的张力或绞车扭矩以阻尼振荡。然而，应当注意，防摆控制可以施加在确定为导致集装箱902的期望移动的笛卡尔空间力的顶部上。还应当意识到，笛卡尔空间控制器可以替代地被配置成作用于集装箱902的速度，例如以输出速度而不是笛卡尔空间力f。
可以应用强化学习(RL)来训练第一神经网络以确定第一防摆控制项M(h,m)。类似地，可以训练神经网络以确定第二防摆控制项b(h,m,w)。第一神经网络可以使用具有奖励函数的强化学习来训练，该奖励函数包括集装箱902在xy平面处的线速度和角速度。根据示例性实施例，奖励函数可以包括
r＝0.5exp(103‖vlin‖2)+0.5exp(105‖vang‖2)
其中，vlin包括相对于x轴线和y轴线的线速度，并且vang包括围绕z轴线的角速度。当在集装箱902的不同高度和质量上利用这样的奖励函数训练第一神经网络时，第一神经网络学习输出合适的第一防摆控制项M(h,m)。可以应用该控制项以由笛卡尔空间控制器1502确定适当的笛卡尔空间力，以便阻尼集装箱902的振荡。这能够减轻具有不同质量的集装箱的不希望的摇摆，并且也考虑到集装箱的当前高度。
第二神经网络(第二防摆控制项)的训练可以例如基于梯度下降算法来执行，该算法具有包括集装箱902的稳态位置和稳态方位的代价函数。在第二神经网络的训练期间，第一防摆校正项可以保持固定。例如，代价函数可以包括
c＝102‖x‖2+102‖γ‖2，
其中，x是稳态集装箱位置，并且γ是稳态集装箱方位。在优化的每个步骤中，可以基于使用第二防摆控制项阻尼集装箱摇摆来确定稳态位置和方位。当在集装箱902的不同高度和质量以及风速度上利用这种代价函数训练第二神经网络时，第二神经网络学习输出合适的第二防摆控制项b(h,m,w)，该第二防摆控制项可以应用来基于当前风速度调节笛卡尔空间力。
类似地，有可能设计一种基于神经网络的提升机空间防摆控制器，该控制器直接从系统的给定状态确定提升机的扭矩的张力。用于控制提升机绞车的扭矩的张力的提升机空间控制器可以例如为以下形式
τ＝σ(V(h,m)v+b(h,m,w)，
其中，V(h,m)和b(h,m,w)分别是第一和第二(提升机空间)防摆控制项。符号σ(·)表示箝位函数，其可以用来确保控制器输出服从给定的系统限制。类似的箝位函数也可以应用于笛卡尔空间控制器1502。同样，第二防摆控制项的使用可以是可选的。
可以应用强化学习来训练第一神经网络以确定第一(提升机空间)防摆控制项V(h,m)。可以训练第二神经网络以确定第二(提升机空间)防摆控制项b(h,m,w)。第一神经网络同样可以使用强化学习来训练，该强化学习具有奖励函数，该奖励函数包括与集装箱902相关联的速度以及在张力或扭矩与所支持的最大防摆扭矩值之间的比率。根据示例性实施例，奖励函数可以包括
r＝0.95exp(102‖v‖2)+0.05exp(‖τ/τmax-0.5‖2)，
其中，v∈R4包括集装箱902的例如两个顶角相对于x轴线和y轴线的速度，τ∈R4表示施加到提升机的张力或扭矩，并且τmax是由系统支持的扭矩值的最大张力。奖励函数中的第一项表示系统的阻尼，并且第二项用作稳定学习过程的正则化。优化可以在可变的吊具高度和集装箱重量下通过使用域随机化来执行，在域随机化中，状态在每一幕的开始处被随机地采样。结果是，第一神经网络学习输出合适的第一防摆控制项V(h,m)，该第一防摆控制项导致由提升机空间控制器生成适当的提升机空间张力或扭矩，以便阻尼集装箱902的振荡。因此，经RL训练的第一神经网络被训练以产生用于随集装箱质量和高度变化的矩阵V(·)的系数。有效地，这之后是与集装箱速度的乘法，从而变为线性控制结构，并由此增加鲁棒性。类似于笛卡尔控制器1502，第二神经网络可以被训练以输出合适的第二(提升机空间)防摆校正项b(h,m,w)，其也考虑风速度w。
图16图示了根据一个或更多个示例性实施例的具有基于神经网络的前馈校正项的线性控制器的示例。线性控制器1602可以类似于线性控制器1008。例如，线性控制器1602可以包括P控制器，并且被配置成基于从LPMS 1024接收的信号来控制集装箱902的移动。线性控制器1602可以基于LPMS反馈和/或集装箱902的期望移动(例如，保持集装箱902静止的命令)来确定笛卡尔空间力。
在块1604处，可以确定笛卡尔空间前馈项。可以基于通过第一神经网络在为笛卡尔空间控制训练时生成的第一(笛卡尔空间)防摆校正项M(h,m)来确定笛卡尔空间前馈校正项。第一神经网络可以将集装箱902的质量(m)和离地面的当前高度(h)作为输入。第一防摆校正项M(h,m)可以与集装箱902的当前速度v相乘以获得笛卡尔空间前馈校正项。替代地，可以将第一防摆校正项M(h,m)与集装箱902的当前速度v相加以获得笛卡尔空间前馈校正项。因此，基于神经网络的前馈项可以基于LPMS 1024来确定，该LPMS 1024可以提供集装箱902的当前速度的估计。可选地，在将校正应用于由线性控制器1602输出的笛卡尔空间力之前，可以将第二防摆校正项b(h,m,w)与第一防摆校正项相加。如上所述，第二防摆校正项可以通过第二神经网络生成，该第二神经网络被配置成除集装箱902的质量和当前高度之外还将风速度w(风速率和/或风向)作为输入。当前速度v可以包括集装箱902(或吊具110)相对于x轴线和y轴线的线速度和集装箱902相对于z轴线的角速度，即，相对于彼此垂直并平行于地面的两个轴线的线速度和相对于垂直于地面的轴线的角速度。
在块1606处，由线性控制器1602确定的笛卡尔空间力可以通过笛卡尔空间前馈校正项调节。笛卡尔空间前馈校正项可以例如与由线性控制器1602确定的笛卡尔空间力相加或相乘。
在块1608处，所得到的笛卡尔空间力可以映射到提升机的张力或扭矩，例如，如参照力分布块1014所述。
在块1610处，张力或扭矩可以例如通过起重机的辅助提升绞车施加到提升机104，以控制集装箱902的移动。
LPMS 1024可以监测起重机和/或集装箱902，并向线性控制器1602提供指示起重机或集装箱902的移动的反馈。
尽管线性控制器1602被描述为输出笛卡尔空间力，但它可以替代地被配置成作用于速度。在这种情况下，基于神经网络的笛卡尔空间前馈项可以应用于由线性控制器1602确定的速度。
作为笛卡尔空间前馈校正项1604的备选方案，图16的控制系统可以替代地被配置成控制集装箱902在提升机空间中的移动。因此，在将笛卡尔空间力映射(1608)到提升机空间的张力或扭矩之后，可以应用提升机空间校正项。
可以基于通过第一神经网络在为提升机空间控制训练时生成的第一(提升机空间)防摆校正项V(h,m)来确定提升机空间校正项。第一神经网络可以将集装箱902的质量(m)和离地面的当前高度(h)作为输入。第一防摆校正项V(h,m)可以与集装箱902的当前速度v相乘以获得提升机空间校正项。因此，基于神经网络的提升机空间前馈项可以基于LPMS1024来确定，该LPMS 1024可以提供集装箱902的当前速度的估计。通常，集装箱902的速度可以包括当正在利用起重机提升或操纵集装箱时相对于集装箱902静止的至少两个参考点的速度。参考点可以例如包括集装箱902的角或吊具110的角。参考点的速度可以包括例如相对于x轴线和y轴线(即彼此垂直并平行于地面的两个轴线)的速度。可选地，在力映射块1608之后，在将校正应用于提升机空间张力或扭矩之前，第二防摆校正项b(h,m,w)可以与第一防摆校正项V(h,m)相加。第二防摆校正项同样可以通过第二神经网络生成，该第二神经网络被配置成除集装箱902的质量和当前高度之外还将风速度w作为输入。
图17图示了根据一个或更多个示例性实施例的用于基于神经网络的提升机空间和笛卡尔空间控制器的振荡阻尼性能的示例。针对提升机空间控制器(“x”)和笛卡尔空间控制器(“o”)两者图示了集装箱902的x位置、y位置和方位。x位置和y位置以归一化的距离单位提供，并且方位以归一化的角度单位提供。可以观察到，两个控制器能够几乎同时阻尼摇摆，并且它们的性能因此是相当的。然而，提升机空间控制器可以在没有关于起重机运动学或提升布置的任何外部现有知识的情况下实现。另外，提升机空间控制器不需要解决控制架构内部的优化问题，即，控制器可以基于从LPMS观测结果到辅助提升机绞车的张力或扭矩的纯映射来实现。然而，笛卡尔空间控制器从强化学习的角度来看提供了较不复杂的优化，控制器参数的数量较少，并且因此可以允许在没有LPMS系统的情况下实现，以在不牺牲防摆性能的情况下实现成本节约。笛卡尔空间控制器还可以通过修改关于提升几何/运动学的现有知识而能够转移到其它运动学起重机结构。因此，笛卡尔空间控制器可以应用于不同的提升机几何形状，而不需要大量的参数调谐。笛卡尔空间控制器还能够解决在推理期间的零空间优化问题，从前向运动学建模的角度来看，这可能与机器人领域的实践和趋势兼容，并且因此可以支持广泛的控制应用。
如上所述，动态挠曲补偿方法可以与协调提升机控制方法结合使用。此外，提升机协调控制方法可以利用在笛卡尔空间或提升机空间中的(多个)基于神经网络的校正项来增强。这些方法中的一个或更多个可以在系统或设备内结合。例如，这样的系统可以实施在ASC 100或RTG 900中。因此，本公开的不同方面可以单独地实施，或者组合地实施，以提供整体运动控制系统。
图18图示了根据示例性实施例的用于动态挠曲补偿的方法的示例。
在1801处，该方法可以包括通过联接到浮动基座的外感受观测系统测量至少一个目标相对于随浮动基座移动的参考坐标框架的位置或速度。
在1802处，该方法可以包括通过惯性测量单元测量浮动基座相对于惯性参考坐标框架的至少一个惯性状态。
在1803处，该方法可以包括基于浮动基座的所述至少一个惯性状态对所述至少一个目标执行位置或速度补偿。
图19图示了根据示例性实施例的用于悬挂负载的运动学控制的方法的示例。
在1901处，该方法可以包括确定笛卡尔空间力或速度，以用于控制悬挂负载的移动，其中，悬挂负载能够与多个提升机一起操作。
在1902处，该方法可以包括基于多变量映射函数将笛卡尔空间力或速度映射到多个提升机的多个张力或扭矩。
在1903处，该方法可以包括利用多变量映射函数的至少一个中性元素调节多个张力或扭矩，使得多个张力或扭矩中的每一个高于或等于阈值，其中，所述至少一个中性元素的调节不改变笛卡尔空间力或速度到多个张力或扭矩的映射。
图20图示了根据示例性实施例的用于悬挂负载的防摆控制的方法的示例。
在2001处，该方法可以包括确定笛卡尔空间力或速度，以用于控制悬挂负载的移动，其中，悬挂负载能够与多个提升机一起操作。
在2002处，该方法可以包括将笛卡尔空间力或速度映射到多个提升机的多个张力或扭矩。
在2003处，该方法可以包括基于第一神经网络确定至少一个第一防摆控制项，该第一神经网络被配置成将悬挂有效负载离地面的高度和悬挂负载的质量作为输入。
在2004处，该方法可以包括基于至少一个第一防摆控制项和与悬挂负载相关联的至少两个速度来调节笛卡尔空间力或速度或多个张力或扭矩。
在2005处，该方法可以包括将多个张力或扭矩施加到多个提升机以控制悬挂负载的移动。
该方法的另外的特征直接来自于本文描述的设备和系统的功能和参数，如在所附权利要求书、整个说明书和附图中所描述的，并且因此在此不再重复。如结合各种示例性实施例所描述的，还可以应用该方法的不同变体。
一种设备可以被配置成执行或导致执行本文描述的方法的任何方面。此外，一种计算机程序可以包括配置成在执行时导致设备执行本文描述的方法的任何方面的指令。此外，一种设备可以包括用于执行本文描述的(多种)方法的任何方面的手段。根据示例性实施例，该手段包括至少一个处理器和包括程序代码的至少一个存储器，所述至少一个处理器和程序代码被配置成在由所述至少一个处理器执行时导致(多种)方法的任何方面的执行。
本文给出的任何范围或装置值都可以在不失去所追求的效果的情况下被扩展或改变。另外，任何实施例可以与另一实施例组合，除非明确地不允许。
尽管已经用特定于结构特征和/或动作的语言描述了主题，但应当理解，在所附权利要求书中限定的主题不一定限于上述特定特征或动作。相反，上述特定特征和动作被公开为实现权利要求书的示例，并且其它等效的特征和动作旨在落入权利要求书的范围内。
应当理解，上述益处和优点可以涉及一个实施例，或者可以涉及几个实施例。实施例不限于解决所述问题中的任何或全部的那些实施例或具有所述益处和优点中的任何或全部的那些实施例。还应当理解，对“一”项目的引用可以指这些项目中的一个或更多个。
本文描述的方法的步骤或操作可以以任何合适的顺序执行，或者在适当的情况下同时执行。另外，在不脱离本文描述的主题的范围的情况下，可以从任何方法中删除个别块。在不失去所追求的效果的情况下，上述任何实施例的方面可以与所描述的其它实施例中的任一个的方面相结合，以形成另外的实施例。
术语“包括”在本文中用来表示包括所标识的方法、块或元素，但是这样的块或元素不包括排他性列表，并且方法或设备可以包含附加的块或元素。
应当理解，上述描述仅作为示例给出，并且本领域技术人员可以进行各种修改。上述规格、示例和数据提供了示例性实施例的结构和使用的完整描述。尽管上文已经以一定程度的特殊性或参照一个或更多个单独实施例描述了各种实施例，但本领域技术人员可以在不脱离本说明书的范围的情况下对所公开的实施例进行许多修改。

Claims (16)

1.一种设备，包括：
浮动基座，其包括外感受观测系统，所述外感受观测系统被配置成测量至少一个目标相对于随所述浮动基座移动的参考坐标框架的位置或速度，其中，所述浮动基座还包括惯性测量单元，所述惯性测量单元被配置成测量所述浮动基座相对于惯性参考坐标框架的至少一个惯性状态；以及
用于基于所述浮动基座的至少一个惯性状态对所述至少一个目标执行位置或速度补偿的手段。
2.根据权利要求1所述的设备，还包括用于基于对所述至少一个目标的测量位置或速度以及所述浮动基座的至少一个惯性状态的统计推断来执行位置或速度补偿的手段。
3.根据权利要求1所述的设备，其中，所述浮动基座包括配置成提升或操纵所述至少一个目标的吊臂，或者其中，所述浮动基座包括起重机的大梁。
4.根据权利要求1或权利要求2所述的设备，其中，所述浮动基座包括沿着起重机的大梁可移动的小车，其中，所述浮动基座的至少一个惯性状态包括所述小车的加速度，并且其中，所述设备还包括：
用于确定所述小车相对于所述大梁的位置的手段；以及
用于进一步基于所述小车相对于所述大梁的位置对所述至少一个目标执行位置或速度补偿的手段。
5.根据权利要求4所述的设备，还包括：
用于利用卡尔曼滤波器融合所述小车的所述位置和所述小车的加速度的手段；
用于基于所述小车的所述位置和所述卡尔曼滤波器的输出的相减来确定自适应滤波器的误差信号的手段；以及
用于利用所述自适应滤波器对所述至少一个目标的测量位置或速度进行滤波以对所述至少一个目标执行位置或速度补偿的手段。
6.根据权利要求5所述的设备，其中，所述自适应滤波器包括递归最小二乘滤波器。
7.根据权利要求4所述的设备，还包括：
用于利用第一神经网络融合所述小车的所述位置和所述小车的加速度的手段；以及
用于基于所述至少一个目标的测量位置或速度和所述第一神经网络的输出通过第二神经网络对所述至少一个目标执行位置或速度补偿的手段。
8.根据权利要求4至7中任一项所述的设备，其中，所述目标的位置或速度指示所述至少一个目标沿着所述惯性参考坐标框架的基本上平行于所述大梁的第一轴线的位置或速度，并且其中，所述小车的加速度指示所述小车沿着所述第一轴线的加速度。
9.根据权利要求8所述的设备，其中，所述起重机是沿着所述惯性参考坐标框架的基本上垂直于所述大梁的第二轴线可移动的，其中，所述至少一个目标的位置或速度进一步指示所述至少一个目标沿着所述第二轴线的位置或速度，并且其中，所述小车的加速度进一步指示所述小车沿着所述第二轴线的加速度。
10.根据前述权利要求中任一项所述的设备，还包括：
用于基于所述至少一个目标的位置或速度执行所述至少一个目标的运动控制的手段。
11.根据前述权利要求中任一项所述的设备，其中，所述至少一个目标包括悬挂负载。
12.根据权利要求1至11中任一项所述的设备，其中，所述参考坐标框架相对于所述浮动基座是静止的。
13.一种方法，包括：
通过联接到浮动基座的外感受观测系统测量至少一个目标相对于随所述浮动基座移动的参考坐标框架的位置或速度；
通过惯性测量单元测量所述浮动基座相对于惯性参考坐标框架的至少一个惯性状态；以及
基于所述浮动基座的至少一个惯性状态对所述至少一个目标执行位置或速度补偿。
14.一种设备，包括：
用于操作悬挂负载的多个提升机；
用于确定笛卡尔空间力或速度以用于控制所述悬挂负载的移动的手段；
用于基于多变量映射函数将所述笛卡尔空间力或速度映射到所述多个提升机的多个张力或扭矩的手段；
用于利用所述多变量映射函数的至少一个中性元素调节所述多个张力或扭矩的手段，使得所述多个张力或扭矩中的每一个高于或等于阈值，其中，所述至少一个中性元素的所述调节不改变所述笛卡尔空间力或速度到所述多个张力或扭矩的所述映射。
15.一种设备，包括：
用于操作悬挂负载的多个提升机；
用于确定笛卡尔空间力或速度以用于控制所述悬挂负载的移动的手段；
用于将所述笛卡尔空间力或速度映射到所述多个提升机的多个张力或扭矩的手段；
用于基于第一神经网络确定至少一个第一防摆控制项的手段，所述第一神经网络被配置成将所述悬挂有效负载离地面的高度和所述悬挂负载的质量作为输入；
用于基于所述至少一个第一防摆控制项和与所述悬挂负载相关联的至少两个速度来调节所述笛卡尔空间力或速度或所述多个张力或扭矩的手段；以及
用于将所述多个张力或扭矩施加到所述多个提升机以控制所述悬挂负载的移动的手段。
16.一种系统，包括：
多个提升机，用于操作悬挂负载，其中，所述多个提升机联接到浮动基座，所述浮动基座包括外感受观测系统，所述外感受观测系统被配置成测量所述悬挂负载相对于随所述浮动基座移动的参考坐标框架的位置或速度，并且其中，所述浮动基座还包括惯性测量单元，所述惯性测量单元被配置成测量所述浮动基座相对于惯性参考坐标框架的至少一个惯性状态；
用于基于所述浮动基座的至少一个惯性状态对所述悬挂负载执行位置或速度补偿的手段；
用于确定笛卡尔空间力或速度以用于控制所述悬挂负载的移动的手段；
用于基于第一神经网络确定至少一个第一防摆控制项的手段，所述第一神经网络被配置成将所述悬挂有效负载离地面的高度和所述悬挂负载的质量作为输入；
用于基于所述至少一个第一防摆控制项和与所述悬挂负载相关联的至少两个速度来调节所述笛卡尔空间力或速度或所述多个张力或扭矩的手段；
用于基于多变量映射函数将经调节的所述笛卡尔空间力或速度映射到所述多个提升机的多个张力或扭矩的手段；
用于利用所述多变量映射函数的至少一个中性元素调节所述多个张力或扭矩的手段，使得所述多个张力或扭矩中的每一个高于或等于阈值，其中，所述至少一个中性元素的所述调节不改变经调节的所述笛卡尔空间力或速度到所述多个张力或扭矩的所述映射；以及
用于将所述多个张力或扭矩施加到所述多个提升机以控制所述悬挂负载的移动的手段。
CN202210723509.3A 2021-06-24 2022-06-24 负载搬运机械的动态挠曲补偿、协调提升机控制和防摆控制 Pending CN115520784A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
FI20215750A FI129740B (en) 2021-06-24 2021-06-24 DYNAMIC BEND COMPENSATION, COORDINATED LIFTING CONTROL, AND SWIVEL PREVENTION IN CARGO HANDLING EQUIPMENT
FI20215750 2021-06-24

Publications (1)

Publication Number Publication Date
CN115520784A true CN115520784A (zh) 2022-12-27

Family

ID=82258472

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210723509.3A Pending CN115520784A (zh) 2021-06-24 2022-06-24 负载搬运机械的动态挠曲补偿、协调提升机控制和防摆控制

Country Status (5)

Country Link
US (1) US20220411234A1 (zh)
EP (1) EP4144681A3 (zh)
CN (1) CN115520784A (zh)
AU (1) AU2022204468B2 (zh)
FI (3) FI129740B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116969334A (zh) * 2023-09-14 2023-10-31 华侨大学 一种多天车协同作业系统

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116692677B (zh) * 2023-06-07 2024-01-30 南京工业大学 基于卡尔曼滤波器的桥式起重机离散滑模控制方法及系统
CN117196261B (zh) * 2023-11-06 2024-02-27 江苏省港口集团信息科技有限公司 一种基于场桥作业范围的任务指令分配方法
CN117720012B (zh) * 2024-02-08 2024-05-07 泰安市特种设备检验研究院 基于扩展卡尔曼滤波的吊车系统模型预测控制方法及系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050103738A1 (en) * 2003-11-14 2005-05-19 Alois Recktenwald Systems and methods for sway control
US20150203334A1 (en) * 2014-01-17 2015-07-23 Mi-Jack Products, Inc. Crane Trolley and Hoist Position Homing and Velocity Synchronization
CN107215777A (zh) * 2017-07-14 2017-09-29 武汉理工大学 一种起重机智能防摇摆控制系统及其精确定位方法
US20210122615A1 (en) * 2018-06-26 2021-04-29 Liebherr-Components Biberach Gmbh Crane And Method For Controlling Such A Crane

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6496765B1 (en) * 2000-06-28 2002-12-17 Sandia Corporation Control system and method for payload control in mobile platform cranes
US7367464B1 (en) * 2007-01-30 2008-05-06 The United States Of America As Represented By The Secretary Of The Navy Pendulation control system with active rider block tagline system for shipboard cranes
EP3566998B1 (en) * 2018-05-11 2023-08-23 ABB Schweiz AG Control of overhead cranes
CN113003415B (zh) * 2021-02-02 2023-01-10 北京拓疆者智能科技有限公司 一种塔吊自稳定控制方法及系统

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050103738A1 (en) * 2003-11-14 2005-05-19 Alois Recktenwald Systems and methods for sway control
US20150203334A1 (en) * 2014-01-17 2015-07-23 Mi-Jack Products, Inc. Crane Trolley and Hoist Position Homing and Velocity Synchronization
CN107215777A (zh) * 2017-07-14 2017-09-29 武汉理工大学 一种起重机智能防摇摆控制系统及其精确定位方法
US20210122615A1 (en) * 2018-06-26 2021-04-29 Liebherr-Components Biberach Gmbh Crane And Method For Controlling Such A Crane

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116969334A (zh) * 2023-09-14 2023-10-31 华侨大学 一种多天车协同作业系统
CN116969334B (zh) * 2023-09-14 2023-12-22 华侨大学 一种多天车协同作业系统

Also Published As

Publication number Publication date
FI130420B (en) 2023-08-22
EP4144681A2 (en) 2023-03-08
US20220411234A1 (en) 2022-12-29
AU2022204468B2 (en) 2023-12-07
FI20215750A1 (en) 2022-08-15
FI20225356A1 (en) 2022-12-25
EP4144681A3 (en) 2023-04-26
AU2022204468A1 (en) 2023-01-19
FI130370B (en) 2023-07-31
FI20225354A1 (en) 2022-12-25
FI129740B (en) 2022-08-15

Similar Documents

Publication Publication Date Title
CN115520784A (zh) 负载搬运机械的动态挠曲补偿、协调提升机控制和防摆控制
Yang et al. Observer-based nonlinear control for tower cranes suffering from uncertain friction and actuator constraints with experimental verification
Hoang et al. Neural network-based adaptive tracking control of mobile robots in the presence of wheel slip and external disturbance force
Liu et al. Adaptive sliding mode fuzzy control for a two-dimensional overhead crane
Masoud et al. Sway reduction on container cranes using delayed feedback controller
Masoud et al. Cargo pendulation reduction of ship-mounted cranes
EP3851302A1 (en) Vehicle-mounted motion simulation platform based on active suspension, and control method therefor
Pérez-Alcocer et al. A robust approach for trajectory tracking control of a quadrotor with experimental validation
Miranda-Colorado et al. A family of anti-swing motion controllers for 2D-cranes with load hoisting/lowering
CN113064433A (zh) 机器人迈步控制方法、装置、机器人控制设备及存储介质
Omran et al. Optimal task space control design of a Stewart manipulator for aircraft stall recovery
Pertsch et al. Modelling and control of coupled bending and torsional vibrations of an articulated aerial ladder
Cisneros et al. Robust humanoid control using a QP solver with integral gains
Brandão et al. Side-pull maneuver: A novel control strategy for dragging a cable-tethered load of unknown weight using a UAV
JP2018185747A (ja) 非線形システムの制御方法、二足歩行ロボットの制御装置、二足歩行ロボットの制御方法及びそのプログラム
CN116300466A (zh) 一种旋翼无人机集群协同吊运点质量载荷的鲁棒控制方法
ur Rehman et al. Adaptive input shaper for payload swing control of a 5-DOF tower crane with parameter uncertainties and obstacle avoidance
CN114102584A (zh) 一种小型高机动救援机器人行走及作业稳定控制方法
Xiao et al. Adaptive quaternion-based output feedback control for flexible spacecraft attitude tracking with input constraints
Zhou et al. An improved cerebellar model articulation controller based on the compound algorithms of credit assignment and optimized smoothness for a three-axis inertially stabilized platform
Chen et al. Integrating local motion planning and robust decentralized fault-tolerant tracking control for search and rescue task of hybrid UAVs and biped robots team system
Belguith et al. Modeling and Control of Quadrotor Transporting Cable-Suspended Load in the Longitudinal & Lateral Planes
Zhang et al. Com shifter and body rotator for step-by-step teleoperation of bipedal robots
Rigatos et al. Nonlinear optimal control for the 4-DOF underactuated robotic tower crane
Schlott et al. A crane-based five-axis manipulator for antenna tests

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
CB03 Change of inventor or designer information

Inventor after: Youho Vichonin

Inventor after: Mohamed M. Arif

Inventor after: Vladimir Petrick

Inventor after: Carol Arndt

Inventor after: David Blanco Mulero

Inventor after: Weiler Kelky

Inventor after: Yoso Naskali

Inventor after: Marco Rashinin

Inventor before: Youho Vichonin

Inventor before: Mohammed M. Arif

Inventor before: Petrick Vladimir

Inventor before: Carol Arndt

Inventor before: David Blanco Mulero

Inventor before: Weiler Kelky

Inventor before: Yoso Naskali

Inventor before: Marco Rashinin

CB03 Change of inventor or designer information
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination