CN115774399A - 权重实时优化液压爬模爬升同步控制系统、方法 - Google Patents
权重实时优化液压爬模爬升同步控制系统、方法 Download PDFInfo
- Publication number
- CN115774399A CN115774399A CN202310106855.1A CN202310106855A CN115774399A CN 115774399 A CN115774399 A CN 115774399A CN 202310106855 A CN202310106855 A CN 202310106855A CN 115774399 A CN115774399 A CN 115774399A
- Authority
- CN
- China
- Prior art keywords
- climbing
- control
- weight
- displacement
- synchronous
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 230000009194 climbing Effects 0.000 title claims abstract description 244
- 238000000034 method Methods 0.000 title claims abstract description 131
- 238000009415 formwork Methods 0.000 title claims abstract description 116
- 230000001360 synchronised effect Effects 0.000 title claims abstract description 112
- 238000005457 optimization Methods 0.000 title claims abstract description 30
- 238000012544 monitoring process Methods 0.000 claims abstract description 32
- 238000006073 displacement reaction Methods 0.000 claims description 135
- 241000283153 Cetacea Species 0.000 claims description 77
- 238000004088 simulation Methods 0.000 claims description 38
- 230000008569 process Effects 0.000 claims description 36
- 230000001976 improved effect Effects 0.000 claims description 30
- 230000000739 chaotic effect Effects 0.000 claims description 23
- 230000001133 acceleration Effects 0.000 claims description 18
- 230000008878 coupling Effects 0.000 claims description 17
- 238000010168 coupling process Methods 0.000 claims description 17
- 238000005859 coupling reaction Methods 0.000 claims description 17
- 238000006880 cross-coupling reaction Methods 0.000 claims description 14
- 230000001012 protector Effects 0.000 claims description 14
- 239000013598 vector Substances 0.000 claims description 13
- 238000013507 mapping Methods 0.000 claims description 12
- 238000005516 engineering process Methods 0.000 claims description 10
- 230000007246 mechanism Effects 0.000 claims description 9
- 239000011159 matrix material Substances 0.000 claims description 8
- 238000013079 data visualisation Methods 0.000 claims description 7
- 239000007788 liquid Substances 0.000 claims description 7
- 150000001875 compounds Chemical class 0.000 claims description 6
- 238000011217 control strategy Methods 0.000 claims description 6
- 230000019637 foraging behavior Effects 0.000 claims description 6
- 230000006870 function Effects 0.000 claims description 6
- 238000013528 artificial neural network Methods 0.000 claims description 4
- 229910000831 Steel Inorganic materials 0.000 claims description 3
- 230000002159 abnormal effect Effects 0.000 claims description 3
- 230000006399 behavior Effects 0.000 claims description 3
- 230000008859 change Effects 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 230000008602 contraction Effects 0.000 claims description 3
- 230000007423 decrease Effects 0.000 claims description 3
- 230000003247 decreasing effect Effects 0.000 claims description 3
- 238000013461 design Methods 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 239000010959 steel Substances 0.000 claims description 3
- 230000000630 rising effect Effects 0.000 claims description 2
- 238000012800 visualization Methods 0.000 claims 2
- 244000144980 herd Species 0.000 claims 1
- 238000012545 processing Methods 0.000 abstract description 7
- 238000010276 construction Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 11
- 238000004590 computer program Methods 0.000 description 10
- 230000000694 effects Effects 0.000 description 4
- 239000003921 oil Substances 0.000 description 3
- 230000007547 defect Effects 0.000 description 2
- 239000010720 hydraulic oil Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 241001503987 Clematis vitalba Species 0.000 description 1
- 238000009435 building construction Methods 0.000 description 1
- 230000002431 foraging effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 230000008093 supporting effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- E—FIXED CONSTRUCTIONS
- E04—BUILDING
- E04G—SCAFFOLDING; FORMS; SHUTTERING; BUILDING IMPLEMENTS OR AIDS, OR THEIR USE; HANDLING BUILDING MATERIALS ON THE SITE; REPAIRING, BREAKING-UP OR OTHER WORK ON EXISTING BUILDINGS
- E04G11/00—Forms, shutterings, or falsework for making walls, floors, ceilings, or roofs
- E04G11/06—Forms, shutterings, or falsework for making walls, floors, ceilings, or roofs for walls, e.g. curved end panels for wall shutterings; filler elements for wall shutterings; shutterings for vertical ducts
- E04G11/20—Movable forms; Movable forms for moulding cylindrical, conical or hyperbolical structures; Templates serving as forms for positioning blocks or the like
- E04G11/28—Climbing forms, i.e. forms which are not in contact with the poured concrete during lifting from layer to layer and which are anchored in the hardened concrete
Landscapes
- Engineering & Computer Science (AREA)
- Architecture (AREA)
- Mechanical Engineering (AREA)
- Civil Engineering (AREA)
- Structural Engineering (AREA)
- Feedback Control In General (AREA)
- Forms Removed On Construction Sites Or Auxiliary Members Thereof (AREA)
Abstract
本发明属于工程建设控制数据处理技术领域,公开了权重实时优化液压爬模爬升同步控制系统、方法。智能控制系统用于接收来自爬模状态传感系统的各类信号,并对信号进行运算,相互比对从而对同步系统的工作状态做出判断,输出控制信号至同步系统;同步系统用于接收到来自智能控制系统的控制信号,实时调整顶升速度,实现对爬模顶升行程的同步控制;爬模状态传感系统,用于完成系统状态的实时监测与反馈,将监测到的状态变量反馈给智能控制系统,实现液压爬模爬升同步控制系统的闭环同步控制。本发明运用滑模趋近律对观测偏差进行抑制,增强系统鲁棒性,达到消除匹配扰动和非匹配扰动等因素影响的目的,提高系统控制精度。
Description
技术领域
本发明属于工程建设控制数据处理技术领域,尤其涉及权重实时优化液压爬模爬升同步控制系统、方法。
背景技术
在国内建筑施工领域,液压油缸已经在爬模、低位顶模等模架体系中得到广泛应用,由于液压模架体系各支承点位的油缸受力不同,普通的液压模架体系较难做到精确同步顶升,而油缸顶升的同步性对于液压模架的结构安全具有重大影响,同步性较差轻则造成架体拉裂,影响模架使用安全,重则使架体严重倾斜甚至破坏,造成工程事故。
中国专利公开号CN106401175A,公开日:2017年02月15日,专利名称“液压爬模全自动爬升系统及其控制方法”公开了一种爬模爬升的同步控制技术方案:所述全自动爬升系统包括液压机械系统、数字传感系统及爬升控制系统。其中,所述数字传感系统包括位移传感器及“0-1”信号发射器,用以测量上防坠器、下防坠器之间的距离,并检测卡爪是否位于卡空中;所述爬升控制系统在判定液压油缸状态及卡爪与卡孔的位置关系后,智能切换液压油缸的伸缸、缩缸操作。
中国专利公开号CN216647156U,公开日:2022年05月31日,专利名称“一种液压爬模的智能控制系统”公开了一种爬模爬升的同步控制技术方案:爬模架升降时通过位移式传感器获取模架位移参数,主控单元控制器通过对比各个作业面模架的位移参数以判断整个爬模架各个位置是否升降同步,一旦同步误差超出15mm,主控单元控制器会控制相应的纠偏阀纠偏对应位置的油缸,以使同步误差回到5mm内,从而保证整个液压爬模装置升降时的爬模精度。
通过上述分析,现有技术存在的问题及缺陷为:现有技术已经提出一些爬模爬升的同步系统,但是现有的同步系统其位移监测方法单一,仅通过设置位移传感器监测位移,容易产生偶然性,难以具有极高的精度,同时上述的现有技术其控制系统采用并行控制和主从控制的传统控制方法,这是一种非耦合控制,即各液压回路中控制信号相互独立,其控制方式结构简单,但应对机械耦合、外界干扰和偏载等多种时变因素影响能力较小,受扰动因素影响易产生较大的同步误差。
解决上述问题及缺陷本发明带来的意义为:本发明针对上述问题通过设置多个方法位移监测,如采用激光位移计直接测量各架体顶升位移,速度传感器、加速度传感器采集爬模爬升工况下各架体顶升速度和加速度用于计算其各架体的顶升位移,和观测器采用图像识别技术在外部监测爬升时相邻架体顶升位移差量,采用交叉耦合位移补偿控制通过误差补偿对控制信号进行调节,最后通过对其权重进行实时优化控制,达到极高的同步精度,同时观测器采用感知系统感知在爬升过程障碍物,并进行安全判断。
同时根据接收来自传感器位移信号和压力信号,通过预设的反步控制算法,输出设置相应的虚拟控制量对系统状态变量和扰动进行重建及反馈补偿,运用滑模趋近律对观测偏差进行抑制,增强系统鲁棒性,达到消除匹配扰动和非匹配扰动等因素影响的目的,提高系统控制精度。
发明内容
为克服相关技术中存在的问题,本发明公开实施例提供了权重实时优化液压爬模爬升同步控制系统、方法。
所述技术方案如下:权重实时优化液压爬模爬升同步控制方法,包括以下步骤:
S1,爬模机分段进行爬升控制;
S2,爬模机整体进行爬升控制,各架体之间采用相邻偏差耦合位移同步控制策略,并取同一架体内液压缸平均位移做该爬模机的实际位移;
S3,多位移监测方法权重实时优化,将监测的各架体爬升位移同步误差作为输入量,各液压缸液流压力和流量作为输出量,建立RBF神经网络预测模型;基于层次分析法采用配对比较的方法,对不同方法监测的重要程度作出判断,构建决策矩阵,决策矩阵的特征向量对应各方法的权重比,确定多位移监测方法的初始权重wi;基于改进的鲸鱼WOA算法对进行权重的进一步优化,从而得到最优权重的近似解;
S4,基于改进的鲸鱼WOA算法对进行优化权重,令每个鲸鱼的位置代表一个权重的可行解,进行随机搜索最优权重,以及通过泡泡网觅食行为获得最优权重。
步骤S1中,所述爬模机分段进行爬升控制具体包括:
交叉耦合位移补偿控制对跟踪控制器输出控制量补偿;
位移误差定义为:
式中:eij表示第i个架体内第j个液压缸的位移误差;其中i表示第i个架体,j表示该架体内第j个泵控缸系统;yr表示液压缸的参考位移信号;yij表示第i个架体内第j个液压缸的实际位移;
交叉耦合位移补偿控制根据两液压缸的同步误差信号进行补偿,同一架体内,同步误差定义为:
式中:ei1表示第i个架体内两液压缸同步误差;yij+1表示第i个架体内第j+1个液压缸的实际位移;
交叉耦合位移补偿控制对跟踪控制器输出控制量补偿包括:
若ei1≥0,则在第i个架体内,第j+1个液压缸速度较快,应减小该液压缸的控制量;因此给第j+1个液压缸输出负的补偿控制信号,给第j个液压缸输出正的补偿控制信号;实现降低第j+1个液压缸的速度,提高第j个液压缸速度的控制目标;
若ei1≤0,则在第i个架体内,第j个液压缸速度较快,应减小该液压缸的控制量;因此给第j个液压缸输出负的补偿控制信号,给第j+1个液压缸输出正的补偿控制信号;实现降低第j个液压缸的速度,提高第j+1个液压缸速度的控制目标。
步骤S2中,所述各架体之间采用相邻偏差耦合位移同步控制策略,并取同一架体内液压缸平均位移做该爬模机的实际位移包括:
将第i个爬模机的实际位移分别与其相邻的前后两个爬模机实际位移分别作差,得到同步误差:
式中:ɛi表示第i个爬模机实际位移与其后一个爬模机实际位移的同步误差;yi表示第i个爬模机实际位移,为爬模机内液压缸的平均误差;
第i个爬模机与前后两爬模机的相邻偏差耦合位移误差表示为:
若ei≥0,对应的相邻偏差耦合补偿控制器输出正补偿控制量;若ei<0,对应的相邻偏差耦合补偿控制器输出负补偿控制量。
步骤S3中,基于改进的鲸鱼WOA算法对进行权重的进一步优化包括:改进的鲸鱼WOA算法为在鲸鱼WOA算法中加入混沌变异的特性,混沌方程如下:
式中:τ为混沌变量;当u介于3.56和4之间,使鲸鱼进入混沌的状态;
改进的鲸鱼WOA算法的具体步骤如下:
(1)将鲸鱼群中的鲸鱼全部映射到混沌方程的定义域(0,1)中,映射表达式为:
(3)将混沌序列映射到原鲸鱼群空间:
式中:i=1,2,…,n;n为该鲸鱼群中鲸鱼个数,通过映射变为一组混沌变异的鲸鱼种群,最后将该鲸鱼种群替换原鲸鱼种群进行迭代寻优。
步骤S4中,所述进行随机搜索最优权重包括:随机搜索阶段对应改进的鲸鱼WOA算法的全局探索阶段,随机寻找最优权重;在n个特征权重中,令每一个权重的可行解在D维空间内,则第i个权重的可行解表示为;更新公式为:
式中:a是一个权值向量,ai从2线性递减到0;T为最大迭代次数;r是[0,1]中的一个随机数;
当式(11)中的|A|≥1时,进入随机搜索阶段,根据各权重的可行解进行随机搜索最优权重;当|A|<1时,进入局部搜索阶段,采用泡泡网狩猎行为进行最优权重的搜索。
在一个实施例中,所述通过泡泡网觅食行为获得最优权重包括:泡泡网狩猎对应改进的鲸鱼WOA算法的局部搜索阶段,通过收缩包围和螺旋上升更新权重;其中收缩包围方式通过a从2线性递减到0,A为[-1,1]内的随机数来实现这种包围方式,表示为:
在进行螺旋更新权重时,当前权重以螺旋形运动趋向最优权重,螺旋更新权重表达式为:
假设每个个体选择收缩包围机制和螺旋更新权重机制的概率都为50%,即由随机产生的概率因子p值决定,当p≥0.5时,进入螺旋更新权重阶段;当p<0.5时,进入收缩包围阶段,即更新后的最优权重为:
本发明的另一目的在于提供一种权重实时优化液压爬模爬升同步控制系统,用于实现所述的权重实时优化液压爬模爬升同步控制方法,该系统包括:
智能控制系统,用于接收来自爬模状态传感系统的各类信号,并对信号进行运算,相互比对从而对同步系统的工作状态做出判断,输出控制信号至同步系统;
同步系统,用于接收到来自智能控制系统的控制信号,实时调整顶升速度,实现对爬模顶升行程的同步控制;
爬模状态传感系统,为感知层面,用于通过在同步系统中设置位移传感器、速度传感器、加速度传感器、压力传感器、流量传感器,并结合外部设计观测器,完成系统状态的实时监测与反馈,将监测到的状态变量反馈给智能控制系统,实现液压爬模爬升同步控制系统的闭环同步控制。
在一个实施例中,所述智能控制系统包括PLC控制单元、仿真分析系统和数据可视化系统;
所述PLC控制单元接收爬模状态传感系统反馈的各信号,并按传感器的类别进行汇总划分,对异常数据进行筛选过滤,随后通过预设的预处理算法处理各反馈数据,对液压缸同步误差进行运算,计算出补偿量,通过合理配置补偿系数分别对位移控制量进行补偿,发出控制信号给仿真分析系统;
所述仿真分析系统利用BIM技术建立数字孪生模型,同时将爬升过程各障碍物提前建入该数字孪生模型,进行爬模爬升的仿真模拟分析,并进行障碍物大小的参数分析,根据仿真分析结果对爬模结构安全性进行判断,确定影响爬模结构安全性的障碍物大小安全阈值,并根据控制信号中观测器所感知的障碍物大小和有限元分析安全阈值进行对比判断,随后将判断结果数据可视化发送给手机客户端;当结构安全时直接发送控制信号给同步系统;当存在安全隐患将由现场管理人员进行合理处理后,决定是否发出控制信号给同步系统进行爬模后续爬升;
数据可视化系统将实时监测反馈的数据转化为可视化数据并发送手机客户端。
在一个实施例中,所述智能控制系统采用主控制站与分控制站相组合的方式设置;
主控制站对各分控制站进行总体控制,分控制站用于一个爬升单元的爬升控制;
主控制站还用于同步爬升,位置固定,分控制站还用于自动化连续爬升控制。
在一个实施例中,所述同步系统包括液压缸、防坠爬升器和电液伺服阀;
防坠爬升器分别与液压缸上下两端连接,通过具有升降和防坠功能的棘爪机构,实现架体与导轨相互转换爬升;在爬升过程中,液压缸驱动上下防坠器交替支撑于钢导轨上,下防坠器爬升靴支撑于导轨上时,液压缸做伸缸作业,带动架体上升,待上防坠器爬升靴卡入下一个导轨槽内,液压缸切换为缩缸作业,架体不动,液压缸带动下防坠器上升;
所述电液伺服阀用于控制液压缸的运动速度和运动方向,根据按输入的控制信号连续、按比例地控制阀逐渐打开或关闭,从而控制同步系统的液流方向、流量和压力以调整顶升速度;
所述爬模状态传感系统包括位移传感器、速度传感器、加速度传感器、压力传感器、流量传感器、观测器以及信号发射器;其中,位移传感器采用激光位移计,用于采集爬模爬升工况下各架体顶升位移,通过信号发射器将该顶升位移变化转成电信号传输到智能控制系统;
速度传感器、加速度传感器用于采集爬模爬升工况下各架体顶升速度和加速度,用于计算各架体的顶升位移;
观测器采用图像识别技术在外部监测爬升时相邻架体顶升位移差量,同时感知在爬升过程是否存在障碍物及障碍物大小;
水平传感器用于采集爬模爬升工况下架体倾斜度信息;
压力传感器、流量传感器用于测量液压缸液流压力和流量;
信号发射器用于采集现场液压爬模各状态监测数据,并发送反馈给智能控制系统。
结合上述的所有技术方案,本发明所具备的优点及积极效果为:
第一、针对上述现有技术存在的技术问题以及解决该问题的难度,紧密结合本发明的所要保护的技术方案以及研发过程中结果和数据等,详细、深刻地分析本发明技术方案如何解决的技术问题,解决问题之后带来的一些具备创造性的技术效果,具体描述如下:本发明通过设置多个方法位移监测,如采用激光位移计直接测量各架体顶升位移,速度传感器、加速度传感器采集爬模爬升工况下各架体顶升速度和加速度用于计算其各架体的顶升位移,和观测器采用图像识别技术在外部监测爬升时相邻架体顶升位移差量,最后通过对其权重进行实时优化控制,达到极高的跟踪精度和同步精度,同时观测器采用感知系统感知在爬升过程障碍物,并进行安全判断。同时根据接收来自传感器位移信号和压力信号,通过预设的反步控制算法,输出设置相应的虚拟控制量对系统状态变量和扰动进行重建及反馈补偿,运用滑模趋近律对观测偏差进行抑制,增强系统鲁棒性,达到消除匹配扰动和非匹配扰动等因素影响的目的,提高系统控制精度。仿真结果表明,本方案中基于改进的鲸鱼算法权重优化交叉耦合位移补偿控制方法相比于传统的控制方法能有效提高液压爬模分段爬升和整体爬升过程中的同步精度和稳定性。
第二、把技术方案看作一个整体或者从产品的角度,本发明所要保护的技术方案具备的技术效果和优点,具体描述如下:基于改进的鲸鱼算法权重优化交叉耦合位移补偿控制方法增强了液压爬模同步控制系统鲁棒性,达到消除匹配扰动和非匹配扰动等因素影响的目的,提高系统控制精度,有效提高液压爬模分段爬升和整体爬升过程中的同步精度和稳定性。采用图像识别技术,有效感知在爬升过程障碍物,并进行安全判断,有效防止液压爬模爬升过程中的危险发生。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理;
图1是本发明实施例提供的权重实时优化液压爬模爬升同步控制系统示意图;
图2是本发明实施例提供的智能控制系统示意图;
图3是本发明实施例提供的同步系统示意图;
图4是本发明实施例提供的智能控制系统通过设置多个方法位移监测原理图;
图5是本发明实施例提供的权重实时优化液压爬模爬升同步控制方法原理图;
图6是本发明实施例提供的权重实时优化液压爬模爬升同步控制方法流程图;
图7(a)是本发明实施例提供的分段爬升空载工况下不同控制方法仿真模拟同步误差对比中采用传统控制方法,仿真模拟结果图;
图7(b)是本发明实施例提供的分段爬升空载工况下不同控制方法仿真模拟同步误差对比中采用本发明基于改进的鲸鱼算法权重优化交叉耦合位移补偿控制方法仿真模拟结果图;
图8(a)是本发明实施例提供的分段爬升外负载工况下不同控制方法仿真模拟同步误差对比中采用传统控制方法仿真模拟结果图;
图8(b)是本发明实施例提供的分段爬升外负载工况下不同控制方法仿真模拟同步误差对比中采用本方案中控制方法仿真模拟结果图;
图9(a)是本发明实施例提供的当液压爬模整体爬升时,整体爬升下不同控制方法仿真模拟同步误差对比中采用传统控制方法图;
图9(b)是本发明实施例提供的整体爬升下不同控制方法仿真模拟同步误差对比中采用本发明中的控制方法图;
图中:1、智能控制系统;1-1、PLC控制单元;1-2、仿真分析系统;1-3、数据可视化系统;2、同步系统;2-1、液压缸;2-2、防坠爬升器;2-3、电液伺服阀;3、爬模状态传感系统。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图对本发明的具体实施方式做详细的说明。在下面的描述中阐述了很多具体细节以便于充分理解本发明。但是本发明能够以很多不同于在此描述的其他方式来实施,本领域技术人员可以在不违背本发明内涵的情况下做类似改进,因此本发明不受下面公开的具体实施的限制。
一、解释说明实施例:
实施例1
如图1所示,权重实时优化液压爬模爬升同步控制系统包括:
智能控制系统1、同步系统2、爬模状态传感系统3。
智能控制系统1接收来自爬模状态传感系统3的各类信号,并对信号进行运算,相互比对从而对同步系统2的工作状态做出精准判断,输出控制信号至同步系统2;
同步系统2接收到来自智能控制系统1的控制信号,实时调整顶升速度,实现对爬模顶升行程的同步控制;
爬模状态传感系统3,为感知层面,通过在同步系统2中设置位移传感器、速度传感器、加速度传感器、压力传感器、流量传感器等各类传感器,并结合外部设计观测器,完成系统状态的实时监测与反馈,将监测到的状态变量反馈给智能控制系统1,实现液压爬模爬升同步控制系统的闭环同步控制。
在本发明实施例中,如图2所示,智能控制系统1包括PLC控制单元1-1、仿真分析系统1-2和数据可视化系统1-3。
PLC控制单元1-1接收爬模状态传感系统3反馈的各信号,并按传感器的类别进行汇总划分,对异常数据进行筛选过滤,随后通过预设的预处理算法处理各反馈数据,对液压缸2-1同步误差进行运算,计算出补偿量,通过合理配置补偿系数分别对位移控制量进行补偿,发出控制信号给仿真分析系统1-2。仿真分析系统1-2利用BIM技术建立数字孪生模型,同时将爬升过程各障碍物提前建入该数字孪生模型,进行爬模爬升的仿真模拟分析,并进行障碍物大小的参数分析,根据仿真分析结果对爬模结构安全性进行判断,确定影响爬模结构安全性的障碍物大小安全阈值,并根据控制信号中观测器所感知的障碍物大小和有限元分析安全阈值进行对比判断,随后将判断结果数据可视化发送给手机客户端。当结构安全时直接发送控制信号给同步系统2;当存在安全隐患将由现场管理人员进行合理处理后,决定是否发出控制信号给同步系统2进行爬模后续爬升。数据可视化系统1-3将实时监测反馈的数据转化为可视化数据并发送手机客户端。智能控制系统1采用主控制站与分控制站相组合的方式设置,主控制站对各分控制站进行总体控制,分控制站用于一个爬升单元的爬升控制。主控制站的控制主要用于同步爬升,位置固定,分控制站主要用于自动化连续爬升控制,为便携式操作端,具有可视化操作界面,操作人员可站在爬模架体外进行远程操作。
在本发明实施例中,如图3所示,同步系统2包括液压缸2-1、防坠爬升器2-2和电液伺服阀2-3。
防坠爬升器2-2分别与液压缸2-1上下两端连接,通过具有升降和防坠功能的棘爪机构,实现架体与导轨相互转换爬升。在爬升过程中,液压缸2-1驱动上下防坠器交替支撑于钢导轨上,下防坠器爬升靴支撑于导轨上时,液压缸2-1做伸缸作业,带动架体上升,待上防坠器爬升靴卡入下一个导轨槽内,液压缸2-1切换为缩缸作业,架体不动,液压缸2-1带动下防坠器上升;
由电液伺服阀2-3决定液压缸2-1的运动速度和运动方向,它根据按输入的控制信号连续、按比例地控制阀逐渐打开或关闭,从而控制同步系统2的液流方向、流量和压力以调整顶升速度。
在本发明实施例中,爬模状态传感系统3包括位移传感器、速度传感器、加速度传感器、压力传感器、流量传感器等各类测量感知单元,观测器以及信号发射器。其中,位移传感器采用激光位移计,用于采集爬模爬升工况下各架体顶升位移,通过信号发射器将该顶升位移变化转成电信号传输到智能控制系统1;速度传感器、加速度传感器用于采集爬模爬升工况下各架体顶升速度和加速度,用于计算其各架体的顶升位移;观测器采用图像识别技术在外部监测爬升时相邻架体顶升位移差量,同时感知在爬升过程是否存在障碍物及障碍物大小;水平传感器用于采集爬模爬升工况下架体倾斜度信息;压力传感器、流量传感器用于测量液压缸2-1液流压力和流量;信号发射器用于采集现场液压爬模各状态监测数据,并发送反馈给智能控制系统1。
实施例2
本发明实施例提供的权重实时优化液压爬模爬升同步控制方法中形成位移闭环控制系统包括以下步骤:
通过计算机或触摸屏设定指令值和参数,传感系统采集传感器信号并经过处理后传给智能控制系统1的PLC控制单元1-1,利用反馈信号与输入信号相比较得到偏差信号,经过恰当的控制运算后,使同步系统2爬模爬升向着减小偏差的方向变化,不断修正传送给伺服阀的信号,直至偏差等于零或足够小,从而使爬模的实际爬升与期望值相符,直到满足指标要求,形成位移闭环控制系统。
实施例3
如图4所示,本发明实施例提供的智能控制系统1通过设置多个方法位移监测,如采用激光位移计直接测量各架体顶升位移,速度传感器、加速度传感器采集爬模爬升工况下各架体顶升速度和加速度用于计算其各架体的顶升位移,和观测器采用图像识别技术在外部监测爬升时相邻架体顶升位移差量,最后通过对其权重进行实时优化控制,达到极高的跟踪精度和同步精度,同时观测器采用感知系统感知在爬升过程障碍物,并进行安全判断。
同时根据接收来自传感器位移信号和压力信号,通过预设的反步控制算法,输出设置相应的虚拟控制量对系统状态变量和扰动进行重建及反馈补偿,运用滑模趋近律对观测偏差进行抑制,增强系统鲁棒性,达到消除匹配扰动和非匹配扰动等因素影响的目的,提高系统控制精度。
实施例4
图5是本发明实施例提供的权重实时优化液压爬模爬升同步控制方法原理,图6是本发明实施例提供一种权重实时优化液压爬模爬升同步控制方法,该方法包括:
S1,在爬模机分段进行爬升控制;
S2,进行爬模机整体爬升控制;
各架体之间采用相邻偏差耦合位移同步控制策略,并取同一架体内液压缸2-1平均位移做该爬模机的实际位移;
S3,多位移监测方法权重实时优化;
将监测的各架体爬升位移同步误差作为输入量,各液压缸2-1液流压力和流量作为输出量,建立RBF神经网络预测模型;基于层次分析法采用配对比较的方法,对不同方法监测的重要程度作出判断,构建决策矩阵,决策矩阵的特征向量对应各方法的权重比,确定多位移监测方法的初始权重wi;基于改进的鲸鱼WOA算法对进行权重的进一步优化,从而得到最优权重的近似解;
S4,进行随机搜索最优权重,以及通过泡泡网觅食行为获得最优权重;
基于改进的鲸鱼WOA算法对进行优化权重,令每个鲸鱼的位置代表一个权重的可行解,进行随机搜索最优权重,以及通过泡泡网觅食行为获得最优权重。
在本发明实施例步骤S1中,爬模机分段爬升控制方案:
位移误差定义为:
式中:eij表示第i个架体内第j个液压缸2-1的位移误差;其中i表示第i个架体,j表示该架体内第j个泵控缸系统;yr表示液压缸2-1的参考位移信号;yij表示第i个架体内第j个液压缸2-1的实际位移;
交叉耦合位移补偿控制根据两液压缸2-1的同步误差信号进行补偿,同一架体内,同步误差定义为:
式中:ei1表示第i个架体内两液压缸2-1同步误差;yij+1表示第i个架体内第j+1个液压缸2-1的实际位移;
交叉耦合位移补偿控制对跟踪控制器输出控制量补偿的原理是:
若ei1≥0,则在第i个架体内,第j+1个液压缸2-1速度较快,应减小该液压缸2-1的控制量;因此给第j+1个液压缸2-1输出负的补偿控制信号,给第j个液压缸2-1输出正的补偿控制信号;实现降低第j+1液压缸2-1的速度,提高第j个液压缸2-1的速度的控制目标。
若ei1≤0,则在第i个架体内,第j个液压缸2-1的速度较快,应减小该液压缸2-1的控制量;因此给第j个液压缸2-1输出负的补偿控制信号,给第j+1个液压缸2-1输出正的补偿控制信号;实现降低第j个液压缸2-1的速度,提高第j+1个液压缸2-1的速度的控制目标。
在本发明实施例在步骤S2中,爬模机整体爬升控制方案:
各架体之间采用相邻偏差耦合位移同步控制策略,并取同一架体内液压缸2-1平均位移做该爬模机的实际位移。
将第i个爬模机的实际位移分别与其相邻的前后两个爬模机实际位移分别作差,得到同步误差:
式中:ɛi表示第i个爬模机实际位移与其后一个爬模机实际位移的同步误差;yi表示第i个爬模机实际位移,为爬模机内液压缸2-1的平均误差;
第i个爬模机与前后两爬模机的相邻偏差耦合位移误差表示为:
若ei≥0,则说明该架体与其相邻两架体相比,速度较慢,需要增大控制量以提高架体爬升速度,对应的相邻偏差耦合补偿控制器应输出正补偿控制量。
若ei<0,则说明该架体与其相邻两架体相比,速度较快,需要减小控制量以降低架体爬升速度,对应的相邻偏差耦合补偿控制器应输出负补偿控制量。
在本发明实施例在步骤S3中,多位移监测方法权重实时优化方法:
将各方法监测的各架体爬升位移同步误差作为输入量,各液压缸2-1液流压力和流量作为输出量,建立RBF神经网络预测模型。基于层次分析法采用配对比较的方法,对不同方法监测的重要程度作出判断,构建决策矩阵,决策矩阵的特征向量对应各方法的权重比,从而确定多位移监测方法的初始权重wi。基于改进的鲸鱼(WOA)算法对进行权重的进一步优化,从而得到最优权重的近似解。
基于混沌变异改进WOA算法方法:在WOA算法中加入混沌变异的特性可提升WOA算法的局部搜索能力。混沌方程如下:
式中:τ为混沌变量;当u介于3.56和4之间,使鲸鱼进入混沌的状态;
改进的鲸鱼WOA算法的具体步骤如下:
(1)将鲸鱼群中的鲸鱼全部映射到混沌方程的定义域(0,1)中,映射表达式为:
(3)将混沌序列映射到原鲸鱼群空间:
式中:i=1,2,…,n;n为该鲸鱼群中鲸鱼个数,通过映射变为一组混沌变异的鲸鱼种群,最后将该鲸鱼种群替换原鲸鱼种群进行迭代寻优。
在本发明实施例在步骤S4中,基于改进的WOA算法对进行优化权重:令每个鲸鱼的位置代表一个权重的可行解,该算法主要分为2个部分:一部分为随机搜索最优权重,另一部分是通过泡泡网觅食行为获得最优权重。
式中:a是一个权值向量(如式(12)),ai从2线性递减到0(如式(13),T为最大迭代次数);r是[0,1]中的一个随机数。
当式(11)中的|A|≥1时,进入随机搜索阶段,根据各权重的可行解进行随机搜索最优权重;当|A|<1时,进入局部搜索阶段,采用泡泡网狩猎行为进行最优权重的搜索。
泡泡网狩猎对应着算法的局部搜索阶段,通过收缩包围和螺旋上升更新权重。其中收缩包围方式通过a从2线性递减到0,A为[-1,1]内的随机数来实现这种包围方式,即可表示为:
在进行螺旋更新权重时,当前权重以螺旋形运动趋向最优权重,螺旋更新权重表达式为:
假设每个个体选择收缩包围机制和螺旋更新权重机制的概率都为50%,即由随机产生的概率因子p值决定,当p≥0.5时,进入螺旋更新权重阶段;当p<0.5时,进入收缩包围阶段,即更新后的最优权重为:
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
上述装置/单元之间的信息交互、执行过程等内容,由于与本发明方法实施例基于同一构思,其具体功能及带来的技术效果,具体可参见方法实施例部分,此处不再赘述。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本发明的保护范围。上述系统中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程。
二、应用实施例:
应用例
本发明实施例提供了一种计算机设备,该计算机设备包括:至少一个处理器、存储器以及存储在所述存储器中并可在所述至少一个处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述任意各个方法实施例中的步骤。
本发明实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时可实现上述各个方法实施例中的步骤。
本发明实施例还提供了一种信息数据处理终端,所述信息数据处理终端用于实现于电子装置上执行时,提供用户输入接口以实施如上述各方法实施例中的步骤,所述信息数据处理终端不限于手机、电脑、交换机。
本发明实施例还提供了一种服务器,所述服务器用于实现于电子装置上执行时,提供用户输入接口以实施如上述各方法实施例中的步骤。
本发明实施例提供了一种计算机程序产品,当计算机程序产品在电子设备上运行时,使得电子设备执行时可实现上述各个方法实施例中的步骤。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请实现上述实施例方法中的全部或部分流程,可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质至少可以包括:能够将计算机程序代码携带到拍照装置/终端设备的任何实体或装置、记录介质、计算机存储器、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random AccessMemory,RAM)、电载波信号、电信信号以及软件分发介质。例如U盘、移动硬盘、磁碟或者光盘等。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
三、实施例相关效果的证据:
当液压爬模分段爬升并处于空载工况时,即不考虑爬模机的外负载,液压爬模仅承受爬模机自重。分段爬升空载工况下不同控制方法仿真模拟同步误差对比中采用传统控制方法,仿真模拟结果如图7(a)所示,在爬模机爬升过程中,两个液压爬模架体同步误差基本保持在2.8~3.5mm范围内,最大同步误差为3.37mm;分段爬升空载工况下不同控制方法仿真模拟同步误差对比中采用本方案中基于改进的鲸鱼算法权重优化交叉耦合位移补偿控制方法,仿真模拟结果如图7(b)所示,当液压爬模处于稳定运用状态时,几乎不产生同步误差,最大同步误差为0.56mm。因此,空载工况下采用本方案中的控制方法,液压爬模同步性能和稳定性都得到大幅度提升,两个液压爬模位移基本保持一致,最大同步误差由3.37mm降低至0.56mm。
当液压爬模机分段爬升并处于外负载工况时,即实际工程作业中,爬模机爬升时,各操作平台需承受外负载力,包括工作载荷和风载荷等,直接或间接导致了液压爬模受力不均的现象。分段爬升外负载工况下不同控制方法仿真模拟同步误差对比中采用传统控制方法,仿真模拟结果如图8(a)所示,在爬模机爬升过程中,两个液压爬模同步误差基本保持在2.3~4.0mm范围内,最大同步误差为3.80mm;分段爬升外负载工况下不同控制方法仿真模拟同步误差对比中采用本方案中控制方法,仿真模拟结果如图8(b)所示,当系统遭受负载扰动时,液压爬模的同步误差随扰动变化而变化,与空载工况相比,稳定性和控制精度都有所下降,同步误差保持在-0.6mm~0.8mm的范围内。因此,外负载工况下采用本方案中的控制方法,液压爬模同步性能和稳定性都得到大幅度提升,最大同步误差由3.80mm降低至0.73mm。
因此,当液压爬模分段爬升中在空载和外负载工况下,采用本方案中的控制方法对爬模机进行分段爬升控制,有效提升液压爬模同步性能和稳定性,使其同步误差低于0.8mm,有效预防了爬模机倾斜、卡死等危险,能保证爬模机稳定、高效、安全的进行分段爬升作业。
当液压爬模整体爬升时,整体爬升下不同控制方法仿真模拟同步误差对比中采用传统控制方法如图9(a)可知,采用传统控制方法,爬模机同步运动易受扰动影响,同步控制稳定性较差,易产生较大的同步误差,同步误差最大值达到了±3.2mm。整体爬升下不同控制方法仿真模拟同步误差对比中采用本发明中的控制方法如图9(b)显示,采用本发明中的控制方法,同步控制精度和稳定性都得到提升,同步精度始终保持在-0.5~0.5mm范围内,最大同步误差由3.20mm降至0.33mm,能有效防止过大的同步误差产生,增强了各架体之间的协调性。
仿真结果表明,本方案中基于改进的鲸鱼算法权重优化交叉耦合位移补偿控制方法相比于传统的控制方法能有效提高液压爬模分段爬升和整体爬升过程中的同步精度和稳定性。
以上所述,仅为本发明较优的具体的实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,都应涵盖在本发明的保护范围之内。
Claims (10)
1.一种权重实时优化液压爬模爬升同步控制方法,其特征在于,该方法包括以下步骤:
S1,爬模机分段进行爬升控制;
S2,爬模机整体进行爬升控制,各架体之间采用相邻偏差耦合位移同步控制策略,并取同一架体内液压缸(2-1)平均位移做该爬模机的实际位移;
S3,多位移监测方法权重实时优化,将监测的各架体爬升位移同步误差作为输入量,各液压缸(2-1)液流压力和流量作为输出量,建立RBF神经网络预测模型;基于层次分析法采用配对比较的方法,对不同方法监测的重要程度作出判断,构建决策矩阵,决策矩阵的特征向量对应各方法的权重比,确定多位移监测方法的初始权重wi;基于改进的鲸鱼WOA算法对进行权重的进一步优化,从而得到最优权重的近似解;
S4,基于改进的鲸鱼WOA算法对进行优化权重,令每个鲸鱼的位置代表一个权重的可行解,进行随机搜索最优权重,以及通过泡泡网觅食行为获得最优权重。
2.根据权利要求1所述的权重实时优化液压爬模爬升同步控制方法,其特征在于,步骤S1中,所述爬模机分段进行爬升控制具体包括:
交叉耦合位移补偿控制对跟踪控制器输出控制量补偿;
位移误差定义为:
式中:eij表示第i个架体内第j个液压缸(2-1)的位移误差;其中i表示第i个架体,j表示该架体内第j个泵控缸系统;yr表示液压缸(2-1)的参考位移信号;yij表示第i个架体内第j个液压缸(2-1)的实际位移;
交叉耦合位移补偿控制根据两液压缸(2-1)的同步误差信号进行补偿,同一架体内,同步误差定义为:
式中:ei1表示第i个架体内两液压缸(2-1)同步误差;yij+1表示第i个架体内第j+1个液压缸(2-1)的实际位移;
交叉耦合位移补偿控制对跟踪控制器输出控制量补偿包括:
若ei1≥0,则在第i个架体内,第j+1个液压缸(2-1)速度较快,应减小该液压缸(2-1)的控制量;因此给第j+1个液压缸(2-1)输出负的补偿控制信号,给第j个液压缸(2-1)输出正的补偿控制信号;实现降低第j+1个液压缸(2-1)的速度,提高第j个液压缸(2-1)速度的控制目标;
若ei1≤0,则在第i个架体内,第j个液压缸(2-1)速度较快,应减小该液压缸(2-1)的控制量;因此给第j个液压缸(2-1)输出负的补偿控制信号,给第j+1个液压缸(2-1)输出正的补偿控制信号;实现降低第j个液压缸(2-1)的速度,提高第j+1个液压缸(2-1)速度的控制目标。
3.根据权利要求1所述的权重实时优化液压爬模爬升同步控制方法,其特征在于,步骤S2中,所述各架体之间采用相邻偏差耦合位移同步控制策略,并取同一架体内液压缸(2-1)平均位移做该爬模机的实际位移包括:
将第i个爬模机的实际位移分别与其相邻的前后两个爬模机实际位移分别作差,得到同步误差:
式中:ɛi表示第i个爬模机实际位移与其后一个爬模机实际位移的同步误差;yi表示第i个爬模机实际位移,为爬模机内液压缸(2-1)的平均误差;
第i个爬模机与前后两爬模机的相邻偏差耦合位移误差表示为:
若ei≥0,对应的相邻偏差耦合补偿控制器输出正补偿控制量;若ei<0,对应的相邻偏差耦合补偿控制器输出负补偿控制量。
4.根据权利要求1所述的权重实时优化液压爬模爬升同步控制方法,其特征在于,步骤S3中,基于改进的鲸鱼WOA算法对进行权重的进一步优化包括:改进的鲸鱼WOA算法为在鲸鱼WOA算法中加入混沌变异的特性,混沌方程如下:
式中:τ为混沌变量;当u介于3.56和4之间,使鲸鱼进入混沌的状态;
改进的鲸鱼WOA算法的具体步骤如下:
(1)将鲸鱼群中的鲸鱼全部映射到混沌方程的定义域(0,1)中,映射表达式为:
(3)将混沌序列映射到原鲸鱼群空间:
式中:i=1,2,…,n;n为该鲸鱼群中鲸鱼个数,通过映射变为一组混沌变异的鲸鱼种群,最后将该鲸鱼种群替换原鲸鱼种群进行迭代寻优。
5.根据权利要求1所述的权重实时优化液压爬模爬升同步控制方法,其特征在于,步骤S4中,所述进行随机搜索最优权重包括:随机搜索阶段对应改进的鲸鱼WOA算法的全局探索阶段,随机寻找最优权重;在n个特征权重中,令每一个权重的可行解在D维空间内,则第i个权重的可行解表示为;更新公式为:
式中:a是一个权值向量,ai从2线性递减到0;T为最大迭代次数;r是[0,1]中的一个随机数;
当式(11)中的|A|≥1时,进入随机搜索阶段,根据各权重的可行解进行随机搜索最优权重;当|A|<1时,进入局部搜索阶段,采用泡泡网狩猎行为进行最优权重的搜索。
6.根据权利要求1所述的权重实时优化液压爬模爬升同步控制方法,其特征在于,所述通过泡泡网觅食行为获得最优权重包括:泡泡网狩猎对应改进的鲸鱼WOA算法的局部搜索阶段,通过收缩包围和螺旋上升更新权重;其中收缩包围方式通过a从2线性递减到0,A为[-1,1]内的随机数来实现这种包围方式,表示为:
在进行螺旋更新权重时,当前权重以螺旋形运动趋向最优权重,螺旋更新权重表达式为:
假设每个个体选择收缩包围机制和螺旋更新权重机制的概率都为50%,即由随机产生的概率因子p值决定,当p≥0.5时,进入螺旋更新权重阶段;当p<0.5时,进入收缩包围阶段,即更新后的最优权重为:
7.一种权重实时优化液压爬模爬升同步控制系统,用于实现如权利要求1-6任意一项所述的权重实时优化液压爬模爬升同步控制方法,其特征在于,该系统包括:
智能控制系统(1),用于接收来自爬模状态传感系统(3)的各类信号,并对信号进行运算,相互比对从而对同步系统(2)的工作状态做出判断,输出控制信号至同步系统(2);
同步系统(2),用于接收到来自智能控制系统(1)的控制信号,实时调整顶升速度,实现对爬模顶升行程的同步控制;
爬模状态传感系统(3),为感知层面,用于通过在同步系统(2)中设置位移传感器、速度传感器、加速度传感器、压力传感器、流量传感器,并结合外部设计观测器,完成系统状态的实时监测与反馈,将监测到的状态变量反馈给智能控制系统(1),实现液压爬模爬升同步控制系统的闭环同步控制。
8.根据权利要求7所述的权重实时优化液压爬模爬升同步控制系统,其特征在于,所述智能控制系统(1)包括PLC控制单元(1-1)、仿真分析系统(1-2)和数据可视化系统(1-3);
所述PLC控制单元(1-1)接收爬模状态传感系统(3)反馈的各信号,并按传感器的类别进行汇总划分,对异常数据进行筛选过滤,随后通过预设的预处理算法处理各反馈数据,对液压缸(2-1)同步误差进行运算,计算出补偿量,通过合理配置补偿系数分别对位移控制量进行补偿,发出控制信号给仿真分析系统(1-2);
所述仿真分析系统(1-2)利用BIM技术建立数字孪生模型,同时将爬升过程各障碍物提前建入该数字孪生模型,进行爬模爬升的仿真模拟分析,并进行障碍物大小的参数分析,根据仿真分析结果对爬模结构安全性进行判断,确定影响爬模结构安全性的障碍物大小安全阈值,并根据控制信号中观测器所感知的障碍物大小和有限元分析安全阈值进行对比判断,随后将判断结果数据可视化发送给手机客户端;当结构安全时直接发送控制信号给同步系统(2);当存在安全隐患将由现场管理人员进行合理处理后,决定是否发出控制信号给同步系统(2)进行爬模后续爬升;
数据可视化系统(1-3)将实时监测反馈的数据转化为可视化数据并发送手机客户端。
9.根据权利要求7所述的权重实时优化液压爬模爬升同步控制系统,其特征在于,所述智能控制系统(1)采用主控制站与分控制站相组合的方式设置;
主控制站对各分控制站进行总体控制,分控制站用于一个爬升单元的爬升控制;
主控制站还用于同步爬升,位置固定,分控制站还用于自动化连续爬升控制。
10.根据权利要求7所述的权重实时优化液压爬模爬升同步控制系统,其特征在于,所述同步系统(2)包括液压缸(2-1)、防坠爬升器(2-2)和电液伺服阀(2-3);
防坠爬升器(2-2)分别与液压缸(2-1)上下两端连接,通过具有升降和防坠功能的棘爪机构,实现架体与导轨相互转换爬升;在爬升过程中,液压缸(2-1)驱动上下防坠器交替支撑于钢导轨上,下防坠器爬升靴支撑于导轨上时,液压缸(2-1)做伸缸作业,带动架体上升,待上防坠器爬升靴卡入下一个导轨槽内,液压缸(2-1)切换为缩缸作业,架体不动,液压缸(2-1)带动下防坠器上升;
所述电液伺服阀(2-3)用于控制液压缸(2-1)的运动速度和运动方向,根据按输入的控制信号连续、按比例地控制阀逐渐打开或关闭,从而控制同步系统(2)的液流方向、流量和压力以调整顶升速度;
所述爬模状态传感系统(3)包括位移传感器、速度传感器、加速度传感器、压力传感器、流量传感器、观测器以及信号发射器;其中,位移传感器采用激光位移计,用于采集爬模爬升工况下各架体顶升位移,通过信号发射器将该顶升位移变化转成电信号传输到智能控制系统(1);
速度传感器、加速度传感器用于采集爬模爬升工况下各架体顶升速度和加速度,用于计算各架体的顶升位移;
观测器采用图像识别技术在外部监测爬升时相邻架体顶升位移差量,同时感知在爬升过程是否存在障碍物及障碍物大小;
水平传感器用于采集爬模爬升工况下架体倾斜度信息;
压力传感器、流量传感器用于测量液压缸(2-1)液流压力和流量;
信号发射器用于采集现场液压爬模各状态监测数据,并发送反馈给智能控制系统(1)。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310106855.1A CN115774399B (zh) | 2023-02-14 | 2023-02-14 | 权重实时优化液压爬模爬升同步控制系统、方法 |
LU504826A LU504826B1 (en) | 2023-02-14 | 2023-07-28 | System and Method for Synchronous Control of Climbing of Hydraulic Climbing Formwork through Real-Time Weight Optimization |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310106855.1A CN115774399B (zh) | 2023-02-14 | 2023-02-14 | 权重实时优化液压爬模爬升同步控制系统、方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115774399A true CN115774399A (zh) | 2023-03-10 |
CN115774399B CN115774399B (zh) | 2023-05-02 |
Family
ID=85393638
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310106855.1A Active CN115774399B (zh) | 2023-02-14 | 2023-02-14 | 权重实时优化液压爬模爬升同步控制系统、方法 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN115774399B (zh) |
LU (1) | LU504826B1 (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116736706A (zh) * | 2023-06-05 | 2023-09-12 | 中建一局集团第三建筑有限公司 | 基于偏差耦合的电动提升滑模系统的同步控制方法 |
CN116931504A (zh) * | 2023-08-25 | 2023-10-24 | 北京铂金数据服务有限公司 | Plc闭环智能控制系统及设备 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113340344A (zh) * | 2021-05-27 | 2021-09-03 | 中国建筑第四工程局有限公司 | 基于数字孪生技术的液压爬模智能监测控制预警系统 |
CN113468803A (zh) * | 2021-06-09 | 2021-10-01 | 淮阴工学院 | 一种基于改进的woa-gru洪水流量预测方法及系统 |
CN114547759A (zh) * | 2022-04-21 | 2022-05-27 | 中铁四局集团第三建设有限公司 | 爬模施工监测方法、系统和计算机可读存储介质 |
CN115660073A (zh) * | 2022-12-28 | 2023-01-31 | 民航成都物流技术有限公司 | 基于和声鲸鱼优化算法的入侵检测方法和系统 |
-
2023
- 2023-02-14 CN CN202310106855.1A patent/CN115774399B/zh active Active
- 2023-07-28 LU LU504826A patent/LU504826B1/en active IP Right Grant
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113340344A (zh) * | 2021-05-27 | 2021-09-03 | 中国建筑第四工程局有限公司 | 基于数字孪生技术的液压爬模智能监测控制预警系统 |
CN113468803A (zh) * | 2021-06-09 | 2021-10-01 | 淮阴工学院 | 一种基于改进的woa-gru洪水流量预测方法及系统 |
CN114547759A (zh) * | 2022-04-21 | 2022-05-27 | 中铁四局集团第三建设有限公司 | 爬模施工监测方法、系统和计算机可读存储介质 |
CN115660073A (zh) * | 2022-12-28 | 2023-01-31 | 民航成都物流技术有限公司 | 基于和声鲸鱼优化算法的入侵检测方法和系统 |
Non-Patent Citations (6)
Title |
---|
NORFADZLIA MOHD YUSOF,等: "Improving Amphetamine-type Stimulants drug classification using chaotic-based time-varying binary whale optimization algorithm" * |
刘小龙: "多种群纵横双向学习和信息互换的鲸鱼优化算法" * |
孙艳丰,戴春荣: "几种随机搜索算法的比较研究" * |
李建平,等: "大斜度桥梁斜塔钢构爬模刚度仿真和结构优化" * |
黄向向: "基于AHP 的爬模技术方案指标优选" * |
龙文,等: "求解大规模优化问题的改进鲸鱼优化算法" * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116736706A (zh) * | 2023-06-05 | 2023-09-12 | 中建一局集团第三建筑有限公司 | 基于偏差耦合的电动提升滑模系统的同步控制方法 |
CN116736706B (zh) * | 2023-06-05 | 2024-03-22 | 中建一局集团第三建筑有限公司 | 基于偏差耦合的电动提升滑模系统的同步控制方法 |
CN116931504A (zh) * | 2023-08-25 | 2023-10-24 | 北京铂金数据服务有限公司 | Plc闭环智能控制系统及设备 |
CN116931504B (zh) * | 2023-08-25 | 2024-04-09 | 江苏墨者科技有限公司 | Plc闭环智能控制系统及设备 |
Also Published As
Publication number | Publication date |
---|---|
LU504826B1 (en) | 2024-02-01 |
CN115774399B (zh) | 2023-05-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115774399A (zh) | 权重实时优化液压爬模爬升同步控制系统、方法 | |
CN110321853B (zh) | 基于视频智能检测的分布式电缆防外破系统 | |
CN113779835A (zh) | 基于ai与智能监测系统的深大基坑安全预警方法 | |
CN107036581A (zh) | 基于mems陀螺仪的桥梁变形在线监测系统及方法 | |
CN112458890B (zh) | 一种桥梁伸缩装置及支座远程实时监测系统及方法 | |
CN113591240B (zh) | 基于双向lstm网络的磨齿机热误差模型建模方法 | |
CN114398049A (zh) | 一种离散制造车间数字孪生模型自适应动态更新方法 | |
CN109829561A (zh) | 基于平滑处理与网络模型机器学习的事故预测方法 | |
WO2022222393A1 (zh) | 挖掘机自动称重校准方法、系统和挖掘机 | |
WO2023087618A1 (zh) | 基于密集点群的支撑式液压支架支护姿态监测及控制方法 | |
CN111275939B (zh) | 一种桥梁施工设备安全监测预警方法及系统 | |
CN116167968A (zh) | H型钢表面缺陷检测方法及系统 | |
CN113112151A (zh) | 基于多维感知和企业数据量化的智慧风控评估方法与系统 | |
CN116520769B (zh) | 数控机床的监测方法、装置、终端设备及计算机存储介质 | |
CN112388636B (zh) | DDPG多目标遗传自优化三轴delta机器平台与方法 | |
CN116991108B (zh) | 一种架桥机智慧管控方法、系统、装置及存储介质 | |
CN113807951A (zh) | 一种基于深度学习的交易数据趋势预测方法和系统 | |
CN113642249A (zh) | 陀螺仪零偏误差补偿方法 | |
CN116522096B (zh) | 基于动作捕捉的三维数字孪生内容智能制作方法 | |
CN116485049B (zh) | 一种基于人工智能的电能计量误差预测与优化系统 | |
CN116750648A (zh) | 一种基于数字孪生的起重机械工作监测系统及方法 | |
CN116189827A (zh) | 面向对象数字孪生的空间结构模型生成及全寿命管理方法 | |
EP4201865A1 (en) | A working equipment system, and a method of the working equipment system | |
CN115510726A (zh) | 一种输电铁塔运行状态数字化快速评估方法 | |
CN112926801B (zh) | 一种基于分位数回归的负荷曲线组合预测方法及装置 |
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 |