[發(fā)明專利]一種橋式集裝箱起重機擺動最優(yōu)控制系統(tǒng)

有效

• 申請?zhí)枺?/td>: 201711115228.5
• 申請日: 2017-11-13
• 公開（公告）號: CN107857196B
• 公開（公告）日: 2019-03-01
• 發(fā)明（設(shè)計）人: 劉興高;劉平
• 申請（專利權(quán)）人: 浙江大學
• 主分類號: B66C13/06
• 分類號: B66C13/06;B66C13/22;B66C17/00
• 代理公司: 杭州求是專利事務(wù)所有限公司 33200
• 代理人: 邱啟旺

1.一種橋式集裝箱起重機擺動最優(yōu)控制系統(tǒng)，能自動控制橋式集裝箱起重機的裝卸，使集裝箱在移動過程中擺動能量最小，以提港口高集裝箱裝卸的安全性和效率；其特征在于：由牽引電機、集裝箱位置傳感器、模數(shù)轉(zhuǎn)換器、數(shù)模轉(zhuǎn)換器、現(xiàn)場總線網(wǎng)絡(luò)、分散控制系統(tǒng)(DCS)、控制室顯示、牽引電機控制器構(gòu)成；所述控制系統(tǒng)的運行過程包括：

步驟1)：控制室工程師指定集裝箱需要到達的位置坐標、裝卸過程時間限制以及牽引電機的性能參數(shù)約束；

步驟2)：DCS執(zhí)行內(nèi)部最優(yōu)控制算法，獲得使集裝箱裝卸過程擺動角最小的牽引電機速度控制策略；

步驟3)：DCS將得到的牽引電機速度控制策略轉(zhuǎn)換為牽引電機的控制指令，通過現(xiàn)場總線網(wǎng)絡(luò)發(fā)送給牽引電機控制器前段的數(shù)模轉(zhuǎn)換器，使牽引電機控制器根據(jù)收到的控制指令控制牽引電機執(zhí)行相應(yīng)動作；

步驟4)：集裝箱位置傳感器實時采集集裝箱的位置信息，經(jīng)過模數(shù)轉(zhuǎn)換后用現(xiàn)場總線網(wǎng)絡(luò)回送給DCS，并在主控室內(nèi)顯示，使控制室工程師隨時監(jiān)控裝卸過程；

所述的DCS，包括信息采集模塊、初始化模塊、微分代數(shù)方程組(Ordinarydifferential equations，簡稱ODE)快速求解模塊、梯度求解模塊、NLP問題求解模塊、控制指令輸出模塊；其中信息采集模塊包括集裝箱位置采集、牽引電機性能約束采集、裝卸時間設(shè)置采集三個子模塊，非線性規(guī)劃(Non-linear Programming，簡稱NLP)問題求解模塊包括尋優(yōu)方向求解、尋優(yōu)步長求解、尋優(yōu)校正、NLP收斂性判斷四個子模塊；

所述的DCS執(zhí)行內(nèi)部最優(yōu)控制算法得到使集裝箱裝卸過程擺動能量最小的牽引電機速度控制策略，運行步驟如下：

步驟1)：信息采集模塊獲取集裝箱的初始位置和工程師指定的到達位置、牽引電機性能約束和裝卸時間設(shè)置；

步驟2)：初始化模塊開始運行，采用分段常量參數(shù)化，設(shè)置裝卸過程的分段數(shù)NE、牽引電機控制量的參數(shù)化向量u^(k)，設(shè)定計算精度tol，將迭代次數(shù)k置零；

步驟3)：通過ODE快速求解模塊獲取本次迭代的狀態(tài)信息x^(k)(t)和目標函數(shù)值J^(k)；

步驟4)：通過梯度求解模塊獲取本次迭代目標函數(shù)梯度信息dJ^(k)和約束條件梯度信息g^(k)；當k＝0時跳過步驟5)直接執(zhí)行步驟7)；

步驟5)：NLP問題求解模塊運行，通過NLP收斂性判斷模塊進行收斂性判斷，如果本次迭代的目標函數(shù)值J^(k)與上一次迭代的目標函數(shù)值J^(k-1)的絕對值之差小于精度tol，則判斷收斂性滿足，并將本次迭代的牽引電機速度控制策略轉(zhuǎn)換為牽引電機的控制指令輸出；如果收斂性不滿足，則繼續(xù)執(zhí)行步驟6)；

步驟6)：用u^(k),J^(k),dJ^(k),g^(k)的值覆蓋前一次迭代u^(k-1),J^(k-1),dJ^(k-1),g^(k-1)的值，并將迭代次數(shù)k加1；

步驟7)：NLP問題求解模塊利用在步驟3)和4)中獲得的目標函數(shù)值和梯度信息，求解尋優(yōu)方向和尋優(yōu)步長，并進行尋優(yōu)修正，獲得比u^(k-1)更優(yōu)的新的牽引電機控制量的參數(shù)化向量u^(k)；該步驟執(zhí)行完成后再次跳轉(zhuǎn)至步驟3)，直至NLP收斂性判斷模塊滿足為止；

所述的ODE快速求解模塊，采用的是四級五階龍格庫塔方法，求解公式為：

其中，t表示時間，t_i表示龍格庫塔方法選擇的積分時刻，h為積分步長，x^(k)(t_i)表示集裝箱在第k次迭代中第t_i時刻的狀態(tài)信息，F(xiàn)是描述狀態(tài)微分方程的函數(shù)，K₁、K₂、K₃、K₄分別表示龍格庫塔法積分過程中的4個節(jié)點的函數(shù)值；

所述的梯度求解模塊，采用靈敏度軌跡方程法：

步驟1)：定義第k次迭代的靈敏度軌跡方程Γ^(k)(t)為：

Γ^(k)(t)的求解公式為：

其中，t表示時間，表示第k次迭代中靈敏度軌跡方程對于時間t的導(dǎo)數(shù)，F(xiàn)(u^(k),x^(k)(t),t)是描述狀態(tài)微分方程的函數(shù)，Γ^(k)(t₀)表示靈敏度軌跡方程在第k次迭代時的初始時刻狀態(tài)值，x₀表示狀態(tài)微分方程函數(shù)的初始時刻狀態(tài)值；

步驟2)：采用四級五階龍格庫塔方法求解靈敏度軌跡方程Γ^(k)(t)在各積分時刻的值，求解公式為：

其中，t表示時間，t_i表示龍格庫塔方法選擇的控制過程中某一時間點，h為積分步長，x^(k)(t_i)表示集裝箱在第k次迭代中第t_i時刻的狀態(tài)信息，S是描述靈敏度方程的函數(shù)，Q₁、Q₂、Q₃、Q₄分別表示龍格庫塔法積分過程中的4個節(jié)點的函數(shù)值；

步驟3)：根據(jù)得到的集裝箱狀態(tài)信息x^(k)(t)和靈敏度軌跡方程Γ^(k)(t)，求解目標函數(shù)的梯度信息dJ^(k)：

其中，Φ₀(u^(k),x^(k)(t),t_f)表示目標函數(shù)的終端約束項，L₀(u^(k),x^(k)(t),t)表示目標函數(shù)的積分項；

步驟4)：根據(jù)得到的集裝箱狀態(tài)信息x^(k)(t)和靈敏度軌跡方程Γ^(k)(t)，求解約束條件的梯度信息g^(k)：

其中，Φ_j(u^(k),x^(k)(t),t_f)表示第j個約束條件函數(shù)的終端約束項，L_j(u^(k),x^(k)(t),t)表示第j個約束條件函數(shù)的積分項，m表示約束條件的個數(shù)；

所述的NLP問題求解模塊，采用如下步驟實現(xiàn)：

步驟1)：將牽引電機控制量的參數(shù)化向量u^(k-1)作為向量空間中的某個點，記作P₁，P₁對應(yīng)的目標函數(shù)值就是J^(k-1)；

步驟2)：從點P₁出發(fā)，根據(jù)選用的NLP算法和點P₁處的目標函數(shù)梯度信息dJ^(k-1)和約束條件梯度信息g^(k-1)，構(gòu)造向量空間中的一個尋優(yōu)方向d^(k-1)和步長α^(k-1)；

步驟3)：通過式u^(k)＝u^(k-1)+α^(k-1)d^(k-1)構(gòu)造向量空間中對應(yīng)u^(k)的另外一個點P₂；

步驟4)：采用尋優(yōu)校正得到向量空間中對應(yīng)u^(k)的另外一個點P₃，使得P₃對應(yīng)的目標函數(shù)值J^(k)比J^(k-1)更優(yōu)。