CN116692677B - 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 - Google Patents
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 Download PDFInfo
- Publication number
- CN116692677B CN116692677B CN202310667587.0A CN202310667587A CN116692677B CN 116692677 B CN116692677 B CN 116692677B CN 202310667587 A CN202310667587 A CN 202310667587A CN 116692677 B CN116692677 B CN 116692677B
- Authority
- CN
- China
- Prior art keywords
- sliding mode
- discrete
- kalman filter
- discrete sliding
- mode control
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 68
- 230000003044 adaptive effect Effects 0.000 claims abstract description 26
- 238000013459 approach Methods 0.000 claims abstract description 20
- 239000011159 matrix material Substances 0.000 claims description 33
- 238000005259 measurement Methods 0.000 claims description 9
- 238000003860 storage Methods 0.000 claims description 7
- 238000005070 sampling Methods 0.000 claims description 6
- 230000008030 elimination Effects 0.000 claims description 5
- 238000003379 elimination reaction Methods 0.000 claims description 5
- 230000001133 acceleration Effects 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims description 3
- 238000006073 displacement reaction Methods 0.000 claims description 3
- 238000009826 distribution Methods 0.000 claims description 3
- 238000013519 translation Methods 0.000 claims description 3
- 230000001629 suppression Effects 0.000 abstract description 2
- 238000004590 computer program Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000004088 simulation Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 238000002474 experimental method Methods 0.000 description 4
- 230000005764 inhibitory process Effects 0.000 description 3
- 230000010355 oscillation Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- B66C13/04—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
- B66C13/08—Auxiliary devices for controlling movements of suspended loads, or preventing cable slack for depositing loads in desired attitudes or positions
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- General Physics & Mathematics (AREA)
- Computational Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Theoretical Computer Science (AREA)
- Pure & Applied Mathematics (AREA)
- Mechanical Engineering (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Operations Research (AREA)
- Computing Systems (AREA)
- Feedback Control In General (AREA)
Abstract
本发明公开了一种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,方法包括:根据实际桥式起重机建立动力学方程,通过线性化,将非线性系统转换为连续状态空间的形式,通过离散化将其转化为离散系统模型;设计扩展的离散系统,使用卡尔曼滤波器观测系统的状态量以及不确定性扰动;设计含有干扰估计项的自适应离散滑模趋近律;根据等效控制得出离散滑模控制律;结合所述卡尔曼滤波器、所述自适应离散滑模趋近律,构建了基于卡尔曼滤波器的自适应离散滑模控制。本发明有效地抑制了存在不确定性外界及噪声等的影响,使系统稳定收敛速度得到了提高,增强了控制系统的鲁棒性,最终能够实现快速高效的到达目标位置与负载摆动抑制。
Description
技术领域
本发明涉及的技术领域是欠驱动起重机系统运动控制领域,尤其涉及一种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。
背景技术
桥式起重机作为一种典型的欠驱动系统,在工业上广泛应用,以方便货物的运输。大多数经典的起重机控制依赖于操作人员的经验,运输效率有限,对操作人员的要求非常严格。在实际应用中,桥式起重机的工作环境复杂,起重机不可避免的会受到未建模动态以及外部不确定性干扰的影响,这会使得控制性能严重下降。另外,由于传感器需要高维护成本以及系统噪声和测量噪声的存在,严重阻碍了起重机欠驱动部分摇摆角精确的直接测量。在这些情况下,要实现台车与负载的准确定位,同时快速抑制负载的摆动,成了一个极具挑战性的问题。
发明内容
本部分的目的在于概述本发明的实施例的一些方面以及简要介绍一些较佳实施例。在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使本部分、说明书摘要和发明名称的目的模糊,而这种简化或省略不能用于限制本发明的范围。
鉴于上述现有存在的问题,提出了本发明。
因此,本发明提供了一种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,能够在实际工作环境中存在外部干扰以及噪声情况下,将摆动角度控制在可接受的范围内。
为解决上述技术问题,本发明提供如下技术方案,包括:
根据桥式起重机实际参数建立拉格朗日动力学方程,从而建立二维起重机非线性模型;
将所述二维起重机非线性模型线性化,并通过离散化将线性化后的模型转化为离散系统模型;
基于所述离散系统模型,使用卡尔曼滤波器来估计扰动,同时对欠驱动系统的状态量进行准确估计;
基于滑模变结构控制,设计自适应离散滑模指数趋近律,利用状态量误差定义离散滑模面,根据等效控制得出离散滑模控制律;
结合所述卡尔曼滤波器、所述自适应离散滑模指数趋近律,构建基于卡尔曼滤波器的自适应离散滑模控制,实现定位与消摆。
作为本发明所述的基于卡尔曼滤波器的桥式起重机离散滑模控制方法的一种优选方案,其中:
所述建立二维起重机非线性模型包括:一个驱动力和两个状态量,其中所述驱动力为作用在小车平移力,所述两个状态量为台车位移和负载的摆角,同时包含了不确定性扰动;
其中:m为负载的质量,M为台车的质量,g为重力加速度,l为吊绳的长度,x代表小车位置,θ为有效载荷摆角,F是作用在小车上的驱动力,f代表不确定性扰动。
作为本发明所述的基于卡尔曼滤波器的桥式起重机离散滑模控制方法的一种优选方案,其中:
所述将所述二维起重机非线性模型线性化包括:根据所述非线性模型,在系统平衡点进行线性化:sin≈θ,cos≈1,θ2≈0,然后得出连续状态空间方程如下:
ym(t)=Hxm(t)
其中状态向量u(t)是系统输入,d(t)是未知的扰动,ym(t)是系统的输出,矩阵Γ,Φ,H表示如下:
作为本发明所述的基于卡尔曼滤波器的桥式起重机离散滑模控制方法的一种优选方案,其中:
所述通过离散化将线性化后的模型转化为离散系统模型包括:选择采样周期为Ts,将连续状态空间模型转化为离散状态空间模型:
X(k+1)=AX(k)+B(u(k)+d(k))
y(k)=CX(k)
其中X(k)是系统状态在k时刻的矩阵,u(k)是k时刻的输入,d(k)是k时刻的扰动矩阵,y(k)为k时刻的输出,C为输出系数矩阵。
作为本发明所述的基于卡尔曼滤波器的桥式起重机离散滑模控制方法的一种优选方案,其中:
所述基于所述离散系统模型,使用卡尔曼滤波器来估计扰动,同时对欠驱动系统的状态量进行准确估计包括:基于离散系统状态空间模型构建一个状态扩展模型,其中扩展的状态向量Xe(k)为包含系统状态量矩阵X(k)和外部不确定性扰动项d(k):
Xe(k)=[X(k)d(k)]T
扩展系统的状态方程如下:
Xe(k+1)=AeXe(k)+Beu(k)+d(k)+w(k)
ye(k)=Cexe(k)+v(k)
其中Xe(k)是k时刻扩展状态向量,ye(k)是输出矩阵,u(k)是k时刻的输入,d(k)是外部不确定扰动,w(k)为过程噪声,v(k)为测量噪声,设过程和测量噪声是白高斯噪声序列,相互独立,不相关,且满足正态分布,则Q,R为噪声协方差矩阵,矩阵Ae,Be,Ce表示为:
作为本发明所述的基于卡尔曼滤波器的桥式起重机离散滑模控制方法的一种优选方案,其中:
所述基于滑模变结构控制,设计自适应离散滑模指数趋近律,利用状态量误差定义离散滑模面,根据等效控制得出离散滑模控制律包括:设计自适应离散滑模面:
s(k)=Cne(k)
其中e(k)=X(k)-Xd(k),Xd(k)=[xd(k) 0 0 0]T,xd(k)为参考轨迹,Cn为待设计的控制器参数矩阵;
设计自适应离散滑模趋近率为:
其中s(k)是第k时刻的滑模面,Ts为系统采样周期,q和ε为可调参数,是指数自适应项,/>是外部扰动的误差项,μ(k)是自适应开关切换增益项:
其中α是大于0的可调参数,σ和K是介于0到1的可调参数。
作为本发明所述的基于卡尔曼滤波器的桥式起重机离散滑模控制方法的一种优选方案,其中:
所述构建基于卡尔曼滤波器的自适应离散滑模控制包括:
利用卡尔曼滤波器估计系统的状态以及外部不确定性扰动和噪声,将卡尔曼滤波器算法分为两步:
首先根据初始条件噪声协方差矩阵Q,R和k时刻的系统状态Xe(k)来预测k+1时刻的系统状态信息:
预测k+1时刻的先验估计误差协方差信息:
然后计算出卡尔曼增益,满足均方误差最小的原则,以消除外界不确定性扰动和噪声对系统的影响:
利用k+1时刻的观测值以及得到的卡尔曼增益从而获得一个系统状态的最优估计值:
更新k+1时刻的后验估计值协方差矩阵:
所述基于卡尔曼滤波器的自适应离散滑模控制表示为:
第二方面,本发明实施例提供了一种基于卡尔曼滤波器的桥式起重机离散滑模控制系统,其特征在于,包括:
非线性模型生成模块,用于根据桥式起重机实际参数建立拉格朗日动力学方程,从而建立二维起重机非线性模型;
离散系统模型生成模块,用于将所述二维起重机非线性模型线性化,并通过离散化将线性化后的模型转化为离散系统模型;
估计模块,用于基于所述离散系统模型,构建状态扩展的离散扩展模型,使用卡尔曼滤波器来估计扰动,同时对欠驱动系统的状态量进行准确估计;
离散滑模控制律生成模块,用于基于滑模变结构控制,设计自适应离散滑模指数趋近律,利用状态量误差定义离散滑模面,根据等效控制得出离散滑模控制律;
控制模块,用于结合所述卡尔曼滤波器、所述自适应离散滑模面趋近律,构建基于卡尔曼滤波器的自适应离散滑模控制,实现定位与消摆。
第三方面,本发明实施例提供了一种计算设备,包括:
存储器和处理器;
所述存储器用于存储计算机可执行指令,所述处理器用于执行所述计算机可执行指令,当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如本发明任一实施例所述的基于卡尔曼滤波器的桥式起重机离散滑模控制方法。
第四方面,本发明实施例提供了一种计算机可读存储介质,其存储有计算机可执行指令,该计算机可执行指令被处理器执行时实现所述的基于卡尔曼滤波器的桥式起重机离散滑模控制方法。
本发明的有益效果:本发明在桥式起重机受到外部不确定性扰动和噪声的影响下,利用卡尔曼滤波器作为估计器,估计系统的状态以及外部扰动,并且将估计到的未知扰动反馈补偿到控制力中,从而有效地抑制了外部不确定扰动等的影响。通过设计包含指数自适应增益、开关切换增益以及扰动估计项的滑模面,使二维桥式起重机系统稳定收敛速度得到了提高,有效抑制了滑模控制本身固有的抖振,增强了鲁棒性,最终能够实现快速高效的到达目标位置与负载摆动抑制。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其它的附图。
其中:
图1为本发明第一个实施例所述的基于卡尔曼滤波器的桥式起重机离散滑模控制方法的流程示意图;
图2为本发明第一个实施例所述的基于卡尔曼滤波器的桥式起重机离散滑模控制方法的起重机结构原理图;
图3为本发明第二个实施例所述的基于卡尔曼滤波器的桥式起重机离散滑模控制方法的仿真实例中对系统状态量的估计图;
图4为本发明第二个实施例所述的基于卡尔曼滤波器的桥式起重机离散滑模控制方法的仿真实例中实验结果图;
图5为本发明第二个实施例所述的基于卡尔曼滤波器的桥式起重机离散滑模控制方法的仿真实例中利用变速离散滑模控制方法做的对比实验结果图;
图6为本发明第二个实施例所述的基于卡尔曼滤波器的桥式起重机离散滑模控制方法的仿真实例中控制方法在受到不确定扰动的实验结果图。
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,下面结合说明书附图对本发明的具体实施方式做详细的说明,显然所描述的实施例是本发明的一部分实施例,而不是全部实施例。基于本发明中的实施例,本领域普通人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明的保护的范围。
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,但是本发明还可以采用其他不同于在此描述的其它方式来实施,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推广,因此本发明不受下面公开的具体实施例的限制。
其次,此处所称的“一个实施例”或“实施例”是指可包含于本发明至少一个实现方式中的特定特征、结构或特性。在本说明书中不同地方出现的“在一个实施例中”并非均指同一个实施例,也不是单独的或选择性的与其他实施例互相排斥的实施例。
本发明结合示意图进行详细描述,在详述本发明实施例时,为便于说明,表示器件结构的剖面图会不依一般比例作局部放大,而且所述示意图只是示例,其在此不应限制本发明保护的范围。此外,在实际制作中应包含长度、宽度及深度的三维空间尺寸。
同时在本发明的描述中,需要说明的是,术语中的“上、下、内和外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一、第二或第三”仅用于描述目的,而不能理解为指示或暗示相对重要性。
本发明中除非另有明确的规定和限定,术语“安装、相连、连接”应做广义理解,例如:可以是固定连接、可拆卸连接或一体式连接;同样可以是机械连接、电连接或直接连接,也可以通过中间媒介间接相连,也可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
实施例1
参照图1-2,为本发明的第一个实施例,该实施例提供了一种桥式起重机的卡尔曼滤波器的自适应离散滑模控制方法,包括:
S1:根据桥式起重机实际参数建立拉格朗日动力学方程,从而建立二维起重机非线性模型;
具体的,所述建立二维起重机非线性模型包括:一个驱动力和两个状态量,其中所述驱动力为作用在小车平移力,所述两个状态量为台车位移和负载的摆角,同时包含了不确定性扰动;
其中:m为负载的质量,M为台车的质量,g为重力加速度,l为吊绳的长度,x代表小车位置,θ为有效载荷摆角,F是作用在小车上的驱动力,f代表不确定性扰动。
S2:将所述二维起重机非线性模型线性化,并通过离散化将线性化后的模型转化为离散系统模型;
具体的,将所述二维起重机非线性模型线性化包括:根据所述非线性模型,在系统平衡点进行线性化:sin≈θ,cos≈1,θ2≈0,然后得出连续状态空间方程如下:
ym(t)=Hxm(t)
其中状态向量u(t)是系统输入,d(t)是未知的扰动,ym(t)是系统的输出,矩阵Γ,Φ,H表示如下:
更进一步的,通过离散化将线性化后的模型转化为离散系统模型包括:选择采样周期为Ts,将连续状态空间模型转化为离散状态空间模型:
X(k+1)=AX(k)+B(u(k)+d(k))
y(k)=CX(k)
其中X(k)是系统状态在k时刻的矩阵,u(k)是k时刻的输入,d(k)是k时刻的扰动矩阵,y(k)为k时刻的输出,C为输出系数矩阵。
S3:基于所述离散系统模型,使用卡尔曼滤波器来估计扰动,同时对欠驱动系统的状态量进行准确估计;
具体的,所述基于所述离散系统模型,使用卡尔曼滤波器来估计扰动,同时对欠驱动系统的状态量进行准确估计包括:基于离散系统状态空间模型构建一个状态扩展模型,其中扩展的状态向量Xe(k)为包含系统状态量矩阵X(k)和外部不确定性扰动项d(k):
Xe(k)=[X(k)d(k)]T
扩展系统的状态方程如下:
Xe(k+1)=AeXe(k)+Beu(k)+d(k)+w(k)
ye(k)=Cexe(k)+v(k)
其中Xe(k)是k时刻扩展状态向量,ye(k)是输出矩阵,u(k)是k时刻的输入,d(k)是外部不确定扰动,w(k)为过程噪声,v(k)为测量噪声,设过程和测量噪声是白高斯噪声序列,相互独立,不相关,且满足正态分布,则Q,R为噪声协方差矩阵,矩阵Ae,Be,Ce表示为:
S4:基于滑模变结构控制,设计自适应离散滑模指数趋近律,利用状态量误差定义离散滑模面,根据等效控制得出离散滑模控制律;
具体的,所述基于滑模变结构控制,设计自适应离散滑模指数趋近律,利用状态量误差定义离散滑模面,根据等效控制得出离散滑模控制律包括:设计自适应离散滑模面:
s(k)=Cne(k)
其中e(k)=X(k)-Xd(k),Xd(k)=[xd(k) 0 0 0]T,xd(k)为参考轨迹,Cn为待设计的控制器参数矩阵;
设计自适应离散滑模趋近率为:
其中s(k)是第k时刻的滑模面,Ts为系统采样周期,q和ε为可调参数,是指数自适应项,/>是外部扰动的误差项,μ(k)是自适应开关切换增益项:
其中α是大于0的可调参数,σ和K是介于0到1的可调参数。
S5:结合所述卡尔曼滤波器、所述自适应离散滑模指数趋近律,构建基于卡尔曼滤波器的自适应离散滑模控制,实现定位与消摆。
具体的,所述构建基于卡尔曼滤波器的自适应离散滑模控制包括:
利用卡尔曼滤波器估计系统的状态以及外部不确定性扰动和噪声,将卡尔曼滤波器算法分为两步:
首先根据初始条件噪声协方差矩阵Q,R和k时刻的系统状态Xe(k)来预测k+1时刻的系统状态信息:
预测k+1时刻的先验估计误差协方差信息:
然后计算出卡尔曼增益,满足均方误差最小的原则,以消除外界不确定性扰动和噪声对系统的影响:
利用k+1时刻的观测值以及得到的卡尔曼增益从而获得一个系统状态的最优估计值:
更新k+1时刻的后验估计值协方差矩阵:
所述基于卡尔曼滤波器的自适应离散滑模控制表示为:
应说明的是,本实例主要解决了桥式起重机在受到外部不确定扰动及噪声时,设计了一种桥式起重机的卡尔曼滤波器的自适应离散滑模控制方法,包括:根据实际桥式起重机建立动力学方程,通过线性化,将非线性系统转换为连续状态空间的形式,然后通过离散化,将其转化为离散系统模型;为估计系统状态量以及扰动,设计了扩展的离散系统;利用扩展的离散系统,使用卡尔曼滤波器可以很好的观测系统的状态量以及不确定性扰动;设计含有干扰估计项的自适应离散滑模趋近律;根据等效控制得出自适应离散滑模控制律;结合所述卡尔曼滤波器、所述自适应离散滑模趋近律,构建了基于卡尔曼滤波器的自适应离散滑模控制。本发明提供的控制方法有效地抑制了存在不确定性外界及噪声等的影响,使系统稳定收敛速度得到了提高,增强了控制系统的鲁棒性,最终能够实现快速高效的到达目标位置与负载摆动抑制。
实施例2
参照图3-6,为本发明的第二个实施例,为了更好地对本发明方法中采用的技术效果加以验证说明,本实施例中选择变速离散滑模控制方法进行测试,以科学论证的手段对比试验结果,以验证本方法所具有的真实效果。
为了更好地进行实验,在仿真环境在MATLAB/Simulink中验证,选取传统的变速离散滑模控制方法与使用本控制方法的控制器进行实验,其中变速离散滑模使用的控制方法为:
u(k)=(RB)-1(RXd(k+1)-RAX(k)-s(k)+ε1T||X(k)||sgn(s(k)))
对于本方法的控制器,参数选取为:
Cn=[42.5 3.1 10.2 0.8]
q=23 Ts=0.005 α=10 σ=0.4 K=0.5 xd=0.5
所得结果如下表1所示:
表1:实验对比结果。
参照图3是利用卡尔曼滤波器可以对桥式起重机的状态量进行估计。同时参照图4和5可以看出,本方法在定位时间方面仍然比对比控制器短,且对比控制器对于负载升降方面几乎不能达到定位目的,波动过大;对于摆动抑制方面,本方法的控制器引起的负载的振幅不大,不会超过0.27[deg],而对比方法由于系统噪声和测量噪声的存在,其控制器引起的负载的振幅过大,并且本方法摆动在可驱动机构定位完成后1~2秒内可以完全消除,即使受到噪声的影响。而对比方法其抑制效果特别差,在经历了多次激烈震荡后,仍然不能消除摆动,因此本方法的摆动抑制效率极高,且定位准确,鲁棒性极强。
参照图6为本发明提出的基于卡尔曼滤波器的自适应离散滑模控制方法。从图中可以看出,在起重机受到持续的噪声和在第3秒受到不确定扰动下,控制器可以很好地补偿扰动带来的不良影响,,有效载荷的最大摆角也很小,在受到扰动后也能快速稳定下来,所提控制器具有很强的鲁棒性。
从该实验数据中可以看出,本发明所提出的方法在各个性能指标上相较于目前的方法的优越性能。
应当认识到,本发明的实施例可以由计算机硬件、硬件和软件的组合、或者通过存储在非暂时性计算机可读存储器中的计算机指令来实现或实施。所述方法可以使用标准编程技术-包括配置有计算机程序的非暂时性计算机可读存储介质在计算机程序中实现,其中如此配置的存储介质使得计算机以特定和预定义的方式操作——根据在具体实施例中描述的方法和附图。每个程序可以以高级过程或面向对象的编程语言来实现以与计算机系统通信。然而,若需要,该程序可以以汇编或机器语言实现。在任何情况下,该语言可以是编译或解释的语言。此外,为此目的该程序能够在编程的专用集成电路上运行。
此外,可按任何合适的顺序来执行本文描述的过程的操作,除非本文另外指示或以其他方式明显地与上下文矛盾。本文描述的过程(或变型和/或其组合)可在配置有可执行指令的一个或多个计算机系统的控制下执行,并且可作为共同地在一个或多个处理器上执行的代码(例如,可执行指令、一个或多个计算机程序或一个或多个应用)、由硬件或其组合来实现。所述计算机程序包括可由一个或多个处理器执行的多个指令。
进一步,所述方法可以在可操作地连接至合适的任何类型的计算平台中实现,包括但不限于个人电脑、迷你计算机、主框架、工作站、网络或分布式计算环境、单独的或集成的计算机平台、或者与带电粒子工具或其它成像装置通信等等。本发明的各方面可以以存储在非暂时性存储介质或设备上的机器可读代码来实现,无论是可移动的还是集成至计算平台,如硬盘、光学读取和/或写入存储介质、RAM、ROM等,使得其可由可编程计算机读取,当存储介质或设备由计算机读取时可用于配置和操作计算机以执行在此所描述的过程。此外,机器可读代码,或其部分可以通过有线或无线网络传输。当此类媒体包括结合微处理器或其他数据处理器实现上文所述步骤的指令或程序时,本文所述的发明包括这些和其他不同类型的非暂时性计算机可读存储介质。当根据本发明所述的方法和技术编程时,本发明还包括计算机本身。计算机程序能够应用于输入数据以执行本文所述的功能,从而转换输入数据以生成存储至非易失性存储器的输出数据。输出信息还可以应用于一个或多个输出设备如显示器。在本发明优选的实施例中,转换的数据表示物理和有形的对象,包括显示器上产生的物理和有形对象的特定视觉描绘。
如在本申请所使用的,术语“组件”、“模块”、“系统”等等旨在指代计算机相关实体,该计算机相关实体可以是硬件、固件、硬件和软件的结合、软件或者运行中的软件。例如,组件可以是,但不限于是:在处理器上运行的处理、处理器、对象、可执行文件、执行中的线程、程序和/或计算机。作为示例,在计算设备上运行的应用和该计算设备都可以是组件。一个或多个组件可以存在于执行中的过程和/或线程中,并且组件可以位于一个计算机中以及/或者分布在两个或更多个计算机之间。此外,这些组件能够从在其上具有各种数据结构的各种计算机可读介质中执行。这些组件可以通过诸如根据具有一个或多个数据分组(例如,来自一个组件的数据,该组件与本地系统、分布式系统中的另一个组件进行交互和/或以信号的方式通过诸如互联网之类的网络与其它系统进行交互)的信号,以本地和/或远程过程的方式进行通信。
应说明的是,以上实施例仅用以说明本发明的技术方案而非限制,尽管参照较佳实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的精神和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (6)
1.一种基于卡尔曼滤波器的桥式起重机离散滑模控制方法,其特征在于,包括:
根据桥式起重机实际参数建立拉格朗日动力学方程,从而建立二维起重机非线性模型;
所述建立二维起重机非线性模型包括:一个驱动力和两个状态量,其中所述驱动力为作用在小车平移力,所述两个状态量为台车位移和负载的摆角,同时包含了不确定性扰动;
其中:m为负载的质量,M为台车的质量,g为重力加速度,l为吊绳的长度,x代表小车位置,θ为有效载荷摆角,F是作用在小车上的驱动力,f代表不确定性扰动;
将所述二维起重机非线性模型线性化,并通过离散化将线性化后的模型转化为离散系统模型;
基于所述离散系统模型,使用卡尔曼滤波器来估计扰动,同时对欠驱动系统的状态量进行准确估计;
所述基于所述离散系统模型,使用卡尔曼滤波器来估计扰动,同时对欠驱动系统的状态量进行准确估计包括:基于离散系统状态空间模型构建一个状态扩展模型,其中扩展的状态向量Xe(k)为包含系统状态量矩阵X(k)和外部不确定性扰动项d(k):
Xe(k)=[X(k) d(k)]T
扩展系统的状态方程如下:
Xe(k+1)=AeXe(k)+Beu(k)+d(k)+w(k)
ye(k)=Cexe(k)+v(k)
其中Xe(k)是k时刻扩展状态向量,ye(k)是输出矩阵,u(k)是k时刻的输入,d(k)是外部不确定扰动,w(k)为过程噪声,v(k)为测量噪声,设过程和测量噪声是白高斯噪声序列,相互独立,不相关,且满足正态分布,则Q,R为噪声协方差矩阵,矩阵Ae,Be,Ce表示为:
基于滑模变结构控制,设计自适应离散滑模指数趋近律,利用状态量误差定义离散滑模面,根据等效控制得出离散滑模控制律;
所述基于滑模变结构控制,设计自适应离散滑模指数趋近律,利用状态量误差定义离散滑模面,根据等效控制得出离散滑模控制律包括:设计自适应离散滑模面:
s(k)=Cne(k)
其中e(k)=X(k)-Xd(k),Xd(k)=[xd(k) 0 0 0]T,
xd(k)为参考轨迹,Cn为待设计的控制器参数矩阵;
设计自适应离散滑模趋近率为:
其中s(k)是第k时刻的滑模面,Ts为系统采样周期,q和ε为可调参数,是指数自适应项,/>是外部扰动的误差项,μ(k)是自适应开关切换增益项:
其中α是大于0的可调参数,σ和K是介于0到1的可调参数;
结合所述卡尔曼滤波器、所述自适应离散滑模指数趋近律,构建基于卡尔曼滤波器的自适应离散滑模控制,实现定位与消摆;
所述构建基于卡尔曼滤波器的自适应离散滑模控制包括:
利用卡尔曼滤波器估计系统的状态以及外部不确定性扰动和噪声,将卡尔曼滤波器算法分为两步:
首先根据初始条件噪声协方差矩阵Q,R和k时刻的系统状态Xe(k)来预测k+1时刻的系统状态信息:
预测k+1时刻的先验估计误差协方差信息:
然后计算出卡尔曼增益,满足均方误差最小的原则,以消除外界不确定性扰动和噪声对系统的影响:
利用k+1时刻的观测值以及得到的卡尔曼增益从而获得一个系统状态的最优估计值:
更新k+1时刻的后验估计值协方差矩阵:
所述基于卡尔曼滤波器的自适应离散滑模控制表示为:
2.如权利要求1所述的基于卡尔曼滤波器的桥式起重机离散滑模控制方法,其特征在于,所述将所述二维起重机非线性模型线性化包括:根据所述非线性模型,在系统平衡点进行线性化:sin≈θ,cos≈1,θ2≈0,然后得出连续状态空间方程如下:
ym(t)=Hxm(t)
其中状态向量u(t)是系统输入,d(t)是未知的扰动,ym(t)是系统的输出,矩阵Γ,Φ,H表示如下:
3.如权利要求2所述的基于卡尔曼滤波器的桥式起重机离散滑模控制方法,其特征在于,所述通过离散化将线性化后的模型转化为离散系统模型包括:选择采样周期为Ts,将连续状态空间模型转化为离散状态空间模型:
X(k+1)=AX(k)+B(u(k)+d(k))
y(k)=CX(k)
其中X(k)是系统状态在k时刻的矩阵,u(k)是k时刻的输入,d(k)是k时刻的扰动矩阵,y(k)为k时刻的输出,C为输出系数矩阵。
4.一种采用如权利要求1~3任一所述的基于卡尔曼滤波器的桥式起重机离散滑模控制方法的系统,其特征在于,包括:
非线性模型生成模块,用于根据桥式起重机实际参数建立拉格朗日动力学方程,从而建立二维起重机非线性模型;
离散系统模型生成模块,用于将所述二维起重机非线性模型线性化,并通过离散化将线性化后的模型转化为离散系统模型;
估计模块,用于基于所述离散系统模型,构建状态扩展的离散扩展模型,使用卡尔曼滤波器来估计扰动,同时对欠驱动系统的状态量进行准确估计;
离散滑模控制律生成模块,用于基于滑模变结构控制,设计自适应离散滑模指数趋近律,利用状态量误差定义离散滑模面,根据等效控制得出离散滑模控制律;
控制模块,用于结合所述卡尔曼滤波器、所述自适应离散滑模面趋近律,构建基于卡尔曼滤波器的自适应离散滑模控制,实现定位与消摆。
5.一种计算设备,包括:
存储器和处理器;
所述存储器用于存储计算机可执行指令,所述处理器用于执行所述计算机可执行指令,该计算机可执行指令被处理器执行时实现权利要求1至3任意一项所述基于卡尔曼滤波器的桥式起重机离散滑模控制方法的步骤。
6.一种计算机可读存储介质,其存储有计算机可执行指令,该计算机可执行指令被处理器执行时实现权利要求1至3任意一项所述基于卡尔曼滤波器的桥式起重机离散滑模控制方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310667587.0A CN116692677B (zh) | 2023-06-07 | 2023-06-07 | 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 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310667587.0A CN116692677B (zh) | 2023-06-07 | 2023-06-07 | 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 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116692677A CN116692677A (zh) | 2023-09-05 |
CN116692677B true CN116692677B (zh) | 2024-01-30 |
Family
ID=87838672
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310667587.0A Active CN116692677B (zh) | 2023-06-07 | 2023-06-07 | 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 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116692677B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105717947A (zh) * | 2014-12-18 | 2016-06-29 | 依维柯马基路斯公司 | 控制空中装置的方法和有实现此方法的控制器的空中装置 |
CN109896423A (zh) * | 2019-03-11 | 2019-06-18 | 上海理工大学 | 一种时变非线性小车-吊重防摇控制装置及防摇控制方法 |
CN112875509A (zh) * | 2021-01-13 | 2021-06-01 | 南京工业大学 | 一种带负载升降运动的欠驱动塔式起重机定位消摆方法 |
CN113942934A (zh) * | 2021-11-08 | 2022-01-18 | 南开大学 | 基于速度控制的集装箱桥式起重机精准定位及防摇控制方法 |
CN114594683A (zh) * | 2022-01-20 | 2022-06-07 | 中国人民解放军火箭军工程大学 | 基于Hurwitz稳定的动基座桥式起重机防摆滑模控制方法 |
CN114988278A (zh) * | 2022-07-19 | 2022-09-02 | 南京工业大学 | 一种桥式起重机的离散滑模预测控制方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AT514116A1 (de) * | 2013-04-09 | 2014-10-15 | Ttcontrol Gmbh | Regelsystem und Verfahren zum Steuern der Orientierung eines Segments eines Manipulators |
CN103318765B (zh) * | 2013-06-21 | 2015-01-07 | 林汉丁 | 吊重摆角、吊重载荷或吊重姿态的监测方法与装置及起重机 |
FI129740B (en) * | 2021-06-24 | 2022-08-15 | Cargotec Finland Oy | DYNAMIC BEND COMPENSATION, COORDINATED LIFTING CONTROL, AND SWIVEL PREVENTION IN CARGO HANDLING EQUIPMENT |
-
2023
- 2023-06-07 CN CN202310667587.0A patent/CN116692677B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105717947A (zh) * | 2014-12-18 | 2016-06-29 | 依维柯马基路斯公司 | 控制空中装置的方法和有实现此方法的控制器的空中装置 |
CN109896423A (zh) * | 2019-03-11 | 2019-06-18 | 上海理工大学 | 一种时变非线性小车-吊重防摇控制装置及防摇控制方法 |
CN112875509A (zh) * | 2021-01-13 | 2021-06-01 | 南京工业大学 | 一种带负载升降运动的欠驱动塔式起重机定位消摆方法 |
CN113942934A (zh) * | 2021-11-08 | 2022-01-18 | 南开大学 | 基于速度控制的集装箱桥式起重机精准定位及防摇控制方法 |
CN114594683A (zh) * | 2022-01-20 | 2022-06-07 | 中国人民解放军火箭军工程大学 | 基于Hurwitz稳定的动基座桥式起重机防摆滑模控制方法 |
CN114988278A (zh) * | 2022-07-19 | 2022-09-02 | 南京工业大学 | 一种桥式起重机的离散滑模预测控制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN116692677A (zh) | 2023-09-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Abdullahi et al. | Adaptive output-based command shaping for sway control of a 3D overhead crane with payload hoisting and wind disturbance | |
Yang et al. | Neural network-based adaptive antiswing control of an underactuated ship-mounted crane with roll motions and input dead zones | |
Sun et al. | Nonlinear antiswing control for crane systems with double-pendulum swing effects and uncertain parameters: Design and experiments | |
Kim et al. | Adaptive sliding-mode control of an offshore container crane with unknown disturbances | |
Sun et al. | Slew/translation positioning and swing suppression for 4-DOF tower cranes with parametric uncertainties: Design and hardware experimentation | |
Sun et al. | Nonlinear antiswing control of offshore cranes with unknown parameters and persistent ship-induced perturbations: Theoretical design and hardware experiments | |
CN116692677B (zh) | 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 | |
Golovin et al. | Robust control for active damping of elastic gantry crane vibrations | |
Singhose et al. | Effects of hoisting on the input shaping control of gantry cranes | |
Smoczek | Fuzzy crane control with sensorless payload deflection feedback for vibration reduction | |
CN106959610B (zh) | 桥式吊车系统apd-smc控制器、桥式吊车系统及控制方法 | |
CN108469736B (zh) | 基于状态观测的船用吊车消摆定位控制方法和系统 | |
CN114988278B (zh) | 一种桥式起重机的离散滑模预测控制方法 | |
Vázquez et al. | Control of a parametrically excited crane: A vector Lyapunov approach | |
Qian et al. | Adaptive neural network-based tracking control of underactuated offshore ship-to-ship crane systems subject to unknown wave motions disturbances | |
CN110467111B (zh) | 桥式起重机的控制 | |
CN110203831A (zh) | 桥式吊车系统的全局滑模控制方法 | |
CN109740240A (zh) | 可消除负载摆动的塔式吊车自适应积分滑模控制器设计方法及系统 | |
US8942832B2 (en) | Method, article of manufacture, and system for configuring controller in sliding-mode control scheme | |
Smoczek | Experimental verification of a GPC-LPV method with RLS and P1-TS fuzzy-based estimation for limiting the transient and residual vibration of a crane system | |
US20200206943A1 (en) | Apparatus and method for controlling robot | |
Ermidoro et al. | Fixed-order gain-scheduling anti-sway control of overhead bridge cranes | |
JP5247066B2 (ja) | 目標追尾装置 | |
Matsui et al. | Feedforward control input generation method for a crane system with restrictions on drive system | |
Yin et al. | Robust wave compensation controller design for an active hexapod platform with time-varying input delays |
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 |