单缸插销式多级顺序伸缩路径优化方法与流程

本发明属于单缸插销式多级顺序伸缩路径优化方法，单缸插销式多级顺序伸缩是以一节驱动缸顺序推动多节伸缩臂/套，每节臂/套上有数个销孔位置，臂节尾部的臂销与其外部臂节的销孔锁定，从而使伸缩臂/套逐级伸长到需求的长度，汽车起重机的单缸插销式多级伸缩臂是典型的多级顺序伸缩机构。
背景技术：
：本发明涉及的“单缸插销式顺序伸缩”是指：用一个伸缩油缸，依次顶伸或回缩每个臂节到某个臂销孔位置，油缸的行程只有一节臂长。伸缩按照：“从外到内缩、从内到外伸”的原则。以五节伸缩臂为例，伸时按照第五、四、三、二、一节臂的顺序；缩时按照第一、二、三、四、五节臂的顺序，“先进后出”或“先出后进”，类似堆栈原理。如图1所示。因为伸缩油缸的总行程等于一节臂长，可以用每节臂占用的油缸行程长度、同时也是该臂节的插销位置，表示臂节长度；而所有臂节长度的组合，即是臂长。如果用数字1、2、3、4分别表示油缸总行程的0％、45％、90％、100％，可用一个数组表示臂长、即臂长组合，也称臂长状态集。数组{11111}，表示五节臂全缩(见图1-a)；数组{44444}表示五节臂全伸(见图1-c)；数组{33221}，表示有五节伸缩臂，从臂1开始，各节臂的伸出量分别是：90％，90％，45％，45％，0％油缸总行程(见图1-b)。因此，顺序伸缩的特点：(一)：臂长是离散的组合值，是不连续的；(二)：臂长组合是有限的。例如：五节伸缩臂，每节臂上有四个销孔位置，则理论组合数为45＝1024，即最多有1024种臂长。(三)：更换臂长麻烦，必须将臂节逐节全部缩回，然后逐节伸至新的臂长组合，因此伸缩效率低，速度慢。实际上，更换臂长，从一个臂长组合切换到另一个臂长组合，有时候并不需要全缩吊臂，某些臂节位置可以保持，或者提前伸至目标位置，这样可以节省伸缩步数，缩短伸缩时间。节省一步往往意味效率提升10％以上，因此，如何精简伸缩步数，提高伸缩效率，实现任意臂长组合伸缩路径优化，对顺序伸缩类问题非常有意义。目前，顺序伸缩路径优化问题研究甚少，例如，单缸插销技术虽得到广泛运用，但是国内外主机厂都没有较好的路径优化方法。文献1《单缸插销式伸缩臂轨迹的优化控制方法及控制系统》，公开号CN101670984A，采用即时判断的方式，每次缩一节臂，程序判断该位置的油缸行程是否满足要求？若满足要求则可以保持前面臂节；若不满足长度要求，必须再缩一节臂，再判断一次；如此多次缩臂后，达到要求的油缸长度，才从最末节臂开始伸臂。这种“走一步、算一步”，是一种程序实现方法，不是表征事物特征的算法模型，不能预先规划优化路径，优化效果有限。文献2《单缸插销式伸缩臂的控制方法、设备、系统以及工程机械》，申请公布号CN104340884A，虽然提出了多级顺序伸缩路径优化问题的核心：寻找缩臂极限组合，但是对算法全局性统筹和逻辑整体性把握有欠缺。流程图复杂：按油缸停留的位置，停在第n节臂，则调用第n个子程序，子程序模块多；同时，按油缸停留位置，将程序划分为尾部算法和头部算法两部分。算法繁杂，程序体量大，占用资源。优化时一律采用“缩1”处理，没有考虑其它位置可能性，因此对于随机组合，难以达到深度或极度优化。例如：从附图2a可以看出，对于从臂长当前状态集{22222}伸至臂长目标状态集{21212}，文献2可以实现优化，优化后只需要4步完成伸缩切换；优化前需要7步。但是从附图2b可知，对于从当前状态集{14411}伸至目标状态集{22222}，文献2不能实现优化，仍需要7步完成。技术实现要素：本发明提供一种单缸插销式多级顺序伸缩路径优化方法；不同于文献1只是一种程序实现方法，不能预先规划路径，只能“缩一步，算一步”；本发明给出了路径优化问题的系统解决方法，只要输入单缸插销式伸缩臂当前状态集和目标状态集，系统就能规划出最优路径。针对文献2流程复杂、程序体量大；对路径优化问题的认识未达到根本层面，优化时一律采用“缩1”处理，没有考虑其它位置可能性，因此对于随机组合难以达到深度优化的缺点，本发明同时考虑了“停在原位”“伸至目标位”和“缩1”，三种位置的可能性，优化效果更好、力度更大。本专利可以有效减少伸缩步数，从而提升伸缩效率。本发明采取的技术方案是，伸缩臂具有n节臂，包括下列步骤：步骤(1)：接收伸缩臂当前状态集{A[1]、A[2]…A[n]}、伸缩臂目标状态集{T[1]、T[2]…T[n]}；其中：n为伸缩臂节数；A[i]为第i节臂的当前状态，A[i]的值为m，m为正整数，表示臂节上分布的销孔位置，如：第1个销孔、第2个销孔……第m个销孔，每个销孔对应不同的油缸行程；臂节插销在不同的销孔中，从而有不同的伸出长度；伸缩臂当前状态集{A[1]、A[2]…A[n]}是：有n节伸缩臂，每节臂当前伸出的长度的集合；T[i]为第i节臂的目标状态，T[i]的值为m，m为正整数，表示臂节上分布的销孔位置，如：第1个销孔、第2个销孔……第m个销孔，每个销孔对应不同的油缸行程；臂节插销在不同的销孔中，从而有不同的伸出长度；伸缩臂目标状态集{T[1]、T[2]…T[n]}是：有n节伸缩臂，每节臂目标伸出的长度的集合；步骤(2)：根据所述伸缩臂当前状态集、所述伸缩臂目标状态集，以及可用于伸缩的伸缩油缸行程，计算缩臂极限状态集{O[1]、O[2]…O[n]}；所述缩臂极限状态集是指：多级顺序伸缩更换臂长时，是将臂节先顺序缩回，然后再顺序伸出；通过油缸有效行程判断，某些臂节可以不用缩回，就可以越过它顺序伸缩其它臂节；或者某些臂节无需先缩，可以直接将其伸至目标位，不影响后续臂节的伸缩；这些可以保留的臂节、可以先伸至目标位的臂节、和其它需缩回的臂节，加上开始切换到伸出的最末臂节状态的组合，称为缩臂极限状态集；缩臂极限状态集的总长度一定在伸缩油缸总行程(一节臂长)范围内，路径优化算法的目的是寻找缩臂极限状态集；O[i]为第i节臂的缩臂极限状态，O[i]的值为m，m为正整数，表示臂节上分布的销孔位置，如：第1个销孔、第2个销孔……第m个销孔，每个销孔对应不同的油缸行程；臂节插销在不同的销孔中，从而有不同的伸出长度；缩臂缩臂极限状态集{O[1]、O[2]…O[n]}是：有n节伸缩臂，每节臂缩臂极限长度的集合；步骤(3)：根据所述当前伸缩状态集、所述目标伸缩状态集、以及所计算得出的缩臂极限状态集，按照顺序伸缩臂的原则，规划伸缩路径：从所述伸缩臂当前状态集——所述缩臂极限状态集，为顺序缩臂；从所述缩臂极限状态集——所述伸缩臂目标状态集，为顺序伸臂；顺序缩臂是指：先缩第1节臂、再缩第2节臂……最后缩第n节臂；顺序伸臂是指：先伸第n节臂、再伸第n-1节臂……最后伸第1节臂；步骤(2)得出的所述缩臂极限状态集可能是一个，也可能是多个，若得出多个，则将得出的多个所述缩臂极限状态集均按步骤3所述方法规划伸缩路径；然后从中选出，从所述伸缩臂当前状态集——所述伸缩臂目标状态集使用步数最少的所述缩臂极限状态集，作为最优路径。本发明在所述步骤(2)中执行以下步骤：步骤(21)：将当前状态集{A[1],A[2],…,A[n-1]}和目标状态集{T[1],T[2],…,T[n-1]}进行排列组合：从第1节臂开始，直到第n-1节臂，依次执行：在第i节臂中选取A[i]或者T[i]，作为中间状态集第i节臂的元素tM{i,j},j为第j个排列组合出的臂长组合状态集，i为该臂长组合状态集中第i节臂，总共得出2(n-1)个中间状态集，加上最末节臂状态恒取T[n],于是组成含2(n-1)个集合的中间状态集tM{}；步骤(22)：设定评估条件，评估公式系列如下：其中，n节伸缩臂共n个评估公式：i＝1时，C[1]<＝1？(1)i＝2时，C_tM[1,j]+C[2]<＝1？(2)i＝3时，C_tM[1,j]+C_tM[2,j]+C[3]<＝1？(3)……i＝n时，C_tM[1,j]+C_tM[2,j]+...+C_tM[n-1,j]+C[n]<＝1？(n)j：排列组合所得中间状态集的个数，当臂节数为n时，j＝2(n-1)；C_tM[i,j]:排列组合后所得的中间状态集tM{}中，第j个状态集，第i节臂的行程，取值为0％-100％；C[i]:第i节臂所需的最大行程，取值为0％-100％；C[i]＝Max(C_A[i],C_T[i])；C_A[i]：第i节臂当前的行程，取值为0％-100％；C_T[i]：第i节臂目标的行程，取值为0％-100％；步骤(23)：将得出的中间状态集tM{}中所有集合逐一运用公式(1)～公式(n)评估，满足所有n个评估公式的为缩臂极限状态集，选出；步骤(24)：待2(n-1)个中间状态集都评估完成后，将第1节臂缩1(全缩)，生成新的当前状态集{1,A[2],A[3],…,A[n-1]}和目标状态集{1,T[2],T[3],…,T[n-1]}，进行排列组合，得出2(n-2)个中间状态集，加上最末节臂恒取T[n],于是组成含2(n-2)个集合的中间状态集tM{}；步骤(25)：重复步骤(23)；步骤(26)：待2(n-2)个中间状态集都评估完成后，将第1、2节臂缩1(全缩)，生成新的当前状态集{1,1,A[3],…,A[n-1]}和目标状态集{1,1,T[3],…,T[n-1]}，进行排列组合，得出2(n-3)个组合，加上最末节臂恒取T[n],于是组成含2(n-3)个集合的中间状态集tM{}；步骤(27)：重复步骤(23)；步骤(28)：类似步骤(26)循环，待前(n-2)节臂全缩完后，生成新的当前状态集{1,1,…,1,A[n-1]}和目标状态集{1,1,…,1,T[n-1]}，进行排列组合，得出21＝2个组合，加上最末节臂恒取T[n],于是组成含2个集合的中间状态集tM{}，重复步骤(23)。本发明的积极效果在于：1、提出排列组合的思想，排列组合算法逻辑简明、流程只按一个顺序执行、没有复杂的网络分支和程序嵌套，非常利于程序实现。本发明的思路很简明、清晰，其核心思想是：每节臂可伸缩的位置不外乎三种“停在原位A[i]”、“伸至目标位T[i]”、以及“全缩1”。因此，将每个臂节的中间状态按这三种状态抽取，进行排列组合，生成多组中间状态集tM{}，要寻找的缩臂极限组合必产生于这些生成的中间状态集。将这些中间状态集依次送入评估公式系列，所有评估公式都满足的状态集，为缩臂极限状态集。2、创建了评估公式系列，评估公式系列是评判中间状态集是否为缩臂极限状态集的标准。依据行程判断原理组建评估公式，n节伸缩臂有n个评估公式。只有满足所有评估公式的中间状态集，才是缩臂极限状态集。评估公式是缩臂极限状态集的选拔条件。3、优化效率高、优化效果好，当臂节数n很多、销孔数量m很多时，也能很方便实施。本发明流程简明清晰、特别适合程序实现，尤其当臂节数n、销孔数量m增多时，程序也能很方便的实施。虽然由于算法的“缩1”处理只从起始臂节开始，向末尾臂节逐级传递，忽略了中间臂节“缩1”的可能性。因此，理论上，当臂节数n取值大，并且每节臂上布置的销孔数m很多时，可能发生中间臂节“缩1”状态解的漏解。但是针对目前实际应用中最多7节伸缩臂，每节臂4个销孔位置的路径优化问题，是完全胜任、能达到优化效果、运算效率还要高出很多。本发明是一种相当高效、易实施、并满足当前工况技术要求的计算方法。附图说明图1为顺序伸缩原理示意图；图2a文献2能实现优化的示例；图2b文献2优化效果不佳的示例；图3求取缩臂极限状态集的行程判断流程简图；图4排列组合法缩臂极限组合对应的伸缩步序图；图5不同优化方法效果对比图。具体实施方式包括下列步骤：步骤(1)：伸缩臂具有n节臂，接收伸缩臂当前状态集{A[1]、A[2]…A[n]}、伸缩臂目标状态集{T[1]、T[2]…T[n]}；其中：n为伸缩臂节数；A[i]为第i节臂的当前状态，A[i]的值为m，m为正整数，表示臂节上分布的销孔位置，如：第1个销孔、第2个销孔……第m个销孔，每个销孔对应不同的油缸行程；臂节插销在不同的销孔中，从而有不同的伸出长度；伸缩臂当前状态集{A[1]、A[2]…A[n]}是：有n节伸缩臂，每节臂当前伸出的长度的集合；T[i]为第i节臂的目标状态，T[i]的值为m，m为正整数，表示臂节上分布的销孔位置，如：第1个销孔、第2个销孔……第m个销孔，每个销孔对应不同的油缸行程；臂节插销在不同的销孔中，从而有不同的伸出长度；伸缩臂目标状态集{T[1]、T[2]…T[n]}是：有n节伸缩臂，每节臂目标伸出的长度的集合；步骤(2)：根据所述伸缩臂当前状态集、所述伸缩臂目标状态集，以及可用于伸缩的伸缩油缸行程，计算缩臂极限状态集{O[1]、O[2]…O[n]}；所述缩臂极限状态集是指：多级顺序伸缩更换臂长时，是将臂节先顺序缩回，然后再顺序伸出；通过油缸有效行程判断，某些臂节可以不用缩回，就可以越过它顺序伸缩其它臂节；或者某些臂节无需先缩，可以直接将其伸至目标位，不影响后续臂节的伸缩；这些可以保留的臂节、可以先伸至目标位的臂节、和其它需缩回的臂节，加上开始切换到伸出的最末臂节状态的组合，称为缩臂极限状态集；缩臂极限状态集的总长度一定在伸缩油缸总行程(一节臂长)范围内，路径优化算法的目的是寻找缩臂极限状态集；O[i]为第i节臂的缩臂极限状态，O[i]的值为m，m为正整数，表示臂节上分布的销孔位置，如：第1个销孔、第2个销孔……第m个销孔，每个销孔对应不同的油缸行程；臂节插销在不同的销孔中，从而有不同的伸出长度；伸缩臂缩臂极限状态集{O[1]、O[2]…O[n]}是：有n节伸缩臂，每节臂缩臂极限长度的集合；步骤(3)：根据所述当前伸缩状态集、所述目标伸缩状态集、以及所计算得出的缩臂极限状态集，按照顺序伸缩臂的原则，规划伸缩路径：从所述伸缩臂当前状态集——所述缩臂极限状态集，为顺序缩臂；从所述缩臂极限状态集——所述伸缩臂目标状态集，为顺序伸臂；顺序缩臂是指：先缩第1节臂、再缩第2节臂……最后缩第n节臂；顺序伸臂是指：先伸第n节臂、再伸第n-1节臂……最后伸第1节臂；步骤(2)得出的所述缩臂极限状态集可能是一个，也可能是多个，若得出多个，则将得出的多个所述缩臂极限状态集均按步骤3所述方法规划伸缩路径；然后从中选出，从所述伸缩臂当前状态集——所述伸缩臂目标状态集使用步数最少的所述缩臂极限状态集，作为最优路径。本发明在所述步骤(2)中执行以下步骤：步骤(21)：将当前状态集{A[1],A[2],…,A[n-1]}和目标状态集{T[1],T[2],…,T[n-1]}进行排列组合：从第1节臂开始，直到第n-1节臂，依次执行：在第i节臂中选取A[i]或者T[i]，作为中间状态集第i节臂的元素tM{i,j},j为第j个排列组合出的臂长组合状态集，i为该臂长组合状态集中第i节臂，总共得出2(n-1)个中间状态集，加上最末节臂状态恒取T[n],于是组成含2(n-1)个集合的中间状态集tM{}；步骤(22)：设定评估条件，评估公式系列如下：其中，n节伸缩臂共n个评估公式：i＝1时，C[1]<＝1？(1)i＝2时，C_tM[1,j]+C[2]<＝1？(2)i＝3时，C_tM[1,j]+C_tM[2,j]+C[3]<＝1？(3)……i＝n时，C_tM[1,j]+C_tM[2,j]+...+C_tM[n-1,j]+C[n]<＝1？(n)j：排列组合所得中间状态集的个数，当臂节数为n时，j＝2(n-1)；C_tM[i,j]:排列组合后所得的中间状态集tM{}中，第j个状态集，第i节臂的行程，取值为0％-100％；C[i]:第i节臂所需的最大行程，取值为0％-100％；C[i]＝Max(C_A[i],C_T[i])；C_A[i]：第i节臂当前的行程，取值为0％-100％；C_T[i]：第i节臂目标的行程，取值为0％-100％；步骤(23)：将得出的中间状态集tM{}中所有集合逐一运用公式(1)～公式(n)评估，满足所有n个评估公式的为缩臂极限状态集，选出；步骤(24)：待2(n-1)个中间状态集都评估完成后，将第1节臂缩1(全缩)，生成新的当前状态集{1,A[2],A[3],…,A[n-1]}和目标状态集{1,T[2],T[3],…,T[n-1]}，进行排列组合，得出2(n-2)个中间状态集，加上最末节臂恒取T[n],于是组成含2(n-2)个集合的中间状态集tM{}；步骤(25)：重复步骤(23)；步骤(26)：待2(n-2)个中间状态集都评估完成后，将第1、2节臂缩1(全缩)，生成新的当前状态集{1,1,A[3],…,A[n-1]}和目标状态集{1,1,T[3],…,T[n-1]}，进行排列组合，得出2(n-3)个组合，加上最末节臂恒取T[n],于是组成含2(n-3)个集合的中间状态集tM{}；步骤(27)：重复步骤(23)；步骤(28)：类似步骤(26)循环，待前(n-2)节臂全缩完后，生成新的当前状态集{1,1,…,1,A[n-1]}和目标状态集{1,1,…,1,T[n-1]}，进行排列组合，得出21＝2个组合，加上最末节臂恒取T[n],于是组成含2个集合的中间状态集tM{}，重复步骤(23)。下边通过具体实例来进一步说明本发明。实例：臂节数n＝5，臂节上共有4个销孔，m取值为1、2、3、4，分别对应油缸行程的0％、45％、90、100％；求从当前状态集{14421}，到目标状态集{21212}的优化路径(一)求取最优缩臂极限组合1、由前述流程步骤(21)，取当前状态集A的前四个元素{1442}和目标状态集T的前4个元素{2121}进行排列组合，得出25-1＝16个排列组合集，将T[5]＝2，作为第5个元素补充进入16个组合集，得出一个包含16个数据集的中间状态集tM{},如下：{21212}；{11212}；{21222}；{11222}；{21412}；{11412}；{21422}；{11422}；{24212}；{14212}；{24222}；{14222}；{24412}；{14412}；{24422}；{14422}；2、由前述流程步骤(22)，将上述16个组合依次输入评估公式系列，n＝5，共有5个评估公式，其中：j的取值为1——16，i的取值为1——5。i＝1时，C[1]<＝1？i＝2时，C_tM[1,j]+C[2]<＝1？i＝3时，C_tM[1,j]+C_tM[2,j]+C[3]<＝1？i＝4时，C_tM[1,j]+C_tM[2,j]+C_tM[3,j]+C[4]<＝1？i＝5时，C_tM[1,j]+C_tM[2,j]+C_tM[3,j]+C_tM[4,j]+C[5]<＝1？3、上述16个数据集中，通过所有5个评估公式的数据集是：{11212}，{11122}，{11112}，因此，该三个数据集都是缩臂极限状态集。将它们分别按顺序伸缩的原则，进行路径规划，从当前状态集——到缩臂极限状态集是顺序缩；从缩臂极限状态集——到目标状态集是顺序伸，规划出的路径如图4。表1当前状态集{14421}到目标状态集{21212}的排列组合法优化解集优化解K值缩臂极限组合步数aK＝0、1、21-1-2-1-25bK＝31-1-1-2-26cK＝41-1-1-1-26从表1可知：当k＝0、1、2时，所得缩臂极限状态集{11212}为深度最优解，只要五步完成伸缩。(二)该实例与现有优化方法效果对比下边是3种方法对该实例进行路径规划的结果，从步序图可看出：未作优化的缩臂极限状态集是{11111}；文献2的方法无法实现优化，它的缩臂极限状态集也是{11111}；本发明排列组合优化法求出的缩臂极限状态集是{11211}，只需要5步，见图5。表2：从当前状态集{14421}，到目标状态集{21212}的不同方法优化对比序号优化方式缩臂极限组合步数优化力度a未优化1-1-1-1-160％b文献二1-1-1-1-160％c本发明1-1-2-1-2517％从表2看出，此例中本发明能达到最佳优化效果，效率比未作优化提升17％。(1)本发明可普遍适用到n级伸缩臂，每节臂上有m个销孔位置。基于目前应用的钢材料结构特性：钢材重，所以吊臂的节数n不能太多，单缸插销式伸缩臂的臂节数目前最多为8节；常用的伸缩臂节数为4——7节。若将来采用轻型材料做吊臂，如碳纤维，吊臂节数可能大大超过8节，n>8，本发明同样适用。本发明的实例是以5节伸缩臂，每节臂上有4个臂销孔，且每个销孔位置占用的油缸行程为0％、45％、90％和100％为例，进行阐述，实际不局限于臂节数、不局限于销孔数量，该方法都适用。(2)本发明普遍适用于单缸插销式多级顺序伸缩的路径优化问题。本发明是以单缸插销顺序伸缩臂为例进行阐述，实际不局限于单缸插销起重机伸缩臂。(3)本发明提出的排列组合只是在三种位置上选择：“臂节伸至目标”、“臂节停留原位”、“臂节全缩”，实际上，臂节可以停留在销孔的任意位置，都可以作为优化的停驻路径，都可以参与排列组合：如“伸至2号位”、“伸至3号位”……。当前第1页1 2 3