一种网格精细化的岸边集装箱起重机最优控制系统的制作方法

本发明涉及起重机控制领域，主要是一种网格精细化的岸边集装箱起重机最优控制系统。能够对集装箱的移动速度进行自动控制，以最优化装卸过程的性能指标，从而提高港口的吞吐能力。

背景技术：

岸边集装箱起重机(简称岸桥)是集装箱船与码头前沿之间装卸集装箱的主要设备。岸桥的装卸能力和速度直接决定码头作业生产率。随着集装箱运输船舶大型化、特别是超巴拿马船型的发展，对岸桥生产率的要求也越来越高。

对于技术参数确定的岸桥，影响其生产率的关键因素是集装箱装卸速度的控制策略。由于不同港口不同岸桥的技术参数及操作要求不同，所以按具体参数和操作要求对岸边集装箱起重机进行自动的速度控制具有重要意义。

当前，国内岸桥的控制方法中很少采用最优控制理论及对应方法，控制器中的参数往往凭已有经验设定，生产率和安全性有待进一步提高。采用最优控制方法后的岸桥的安全性可以得到保障，生产率可以进一步提高。

技术实现要素：

为了提高岸桥的生产率，本发明提供了一种网格精细化的岸边集装箱起重机最优控制系统。

本发明的目的是通过以下技术方案来实现的：一种网格精细化的岸边集装箱起重机最优控制系统，能够对集装箱的移动速度进行自动控制，以最优化装卸过程的性能指标。由执行电机、位置传感器、现场总线网络、dcs、控制室显示、电机控制器构成。所述系统的运行过程包括：

步骤a1：控制室工程师指定集装箱的起止位置、装卸过程的性能指标及速度控制约束；

步骤a2：dcs执行内部的网格精细化方法，获得使装卸过程性能指标最优的速度控制策略；

步骤a3：dcs将计算获得的速度控制策略转换为电机的控制指令，通过现场总线网络发送给电机控制器，使执行电机根据收到的控制指令执行相应动作；

步骤a4：位置传感器实时采集集装箱的位置信息，经过现场总线网络回送给dcs，并在主控室内显示，使控制室工程师随时掌握装卸过程。

所述的dcs，包括信息采集模块、初始化模块、网格精细化模块、ode求解模块、梯度计算模块、非线性规划(non-linearprogramming，简称nlp)问题求解模块、精细化收敛性判断模块、控制指令输出模块。其中信息采集模块包括集装箱起止位置采集、性能指标采集、速度控制约束采集三个子模块，nlp问题求解模块包括寻优方向计算、寻优步长计算、nlp收敛性判断三个子模块。

岸桥的作业过程可以描述为：

其中，t表示时间，u(t)表示由各方向速度分量组成的速度向量；x(t)表示装卸过程的状态信息；f(·)是根据起重机的物理学原理建立的微分方程组。从该描述可以看出，集装箱的装卸过程可以用数学上的一组微分方程组来表示。

要使集装箱装卸过程的性能指标最优，则该问题的最终表达式为：

其中，t0表示装卸过程的起始时间，tf表示装卸过程的终止时间，j表示需要最小化的目标函数。该问题本质上是最优控制问题。但是，传统方法对于这类问题的求解，具有效率低、精度差的缺陷，难以满足实际操作时高效率的要求。

本发明解决其技术问题所采用的技术方案是：在dcs中集成了网格精细化方法，并以此为基础构建了一套控制系统。所述的系统的完整结构包括执行电机11、位置传感器12、现场总线网络13、dcs14、控制室显示15、电机控制器16。

所述的系统的运行过程包括：

步骤a1：控制室工程师指定集装箱的起止位置、装卸过程的性能指标及速度控制约束；

步骤a2：dcs执行内部的网格精细化方法，获得使装卸过程性能指标最优的速度控制策略；

步骤a3：dcs将计算获得的速度控制策略转换为电机的控制指令，通过现场总线网络发送给电机控制器，使执行电机根据收到的控制指令执行相应动作；

步骤a4：位置传感器实时采集集装箱的位置信息，经过现场总线网络回送给dcs，并在主控室内显示，使控制室工程师随时掌握装卸过程。

所述的dcs，包括信息采集模块、初始化模块、网格精细化模块、ode求解模块、梯度计算模块、非线性规划(non-linearprogramming，简称nlp)问题求解模块、精细化收敛性判断模块、控制指令输出模块。其中信息采集模块包括集装箱起止位置采集、性能指标采集、速度控制约束采集三个子模块，nlp问题求解模块包括寻优方向计算、寻优步长计算、nlp收敛性判断三个子模块。

为获得使集装箱装卸过程性能指标最优的速度控制策略，所述的dcs执行的网格精细化方法，运行步骤如下：

步骤b1：信息采集模块21获取工程师指定的集装箱的起止位置、装卸过程的性能指标及速度控制约束；

步骤b2：初始化模块22开始运行，采用分段常量参数化，设置装卸过程的分段数n、对应的控制网格为速度控制策略的参数化向量的初始猜测值设定nlp问题的计算精度tol1和自适应逼近的收敛精度tol2，将迭代次数k1和逼近次数k2置零；

步骤b3：当k2＝0时，执行步骤b4；否则，通过网格精细化模块23对控制网格进行精细化处理，得到新的控制网格及其对应的参数化向量

步骤b4：通过ode求解模块24获取本次迭代的状态信息和目标函数值

步骤b5：通过梯度计算模块25获取本次迭代的梯度信息当k1＝0时跳过步骤b6直接执行步骤b7；

步骤b6：nlp问题求解模块26运行，通过nlp收敛性判断模块进行收敛性判断，如果与上一次迭代的目标函数值之差的绝对值小于精度tol1，则判断收敛性满足，执行步骤b9；如果收敛性不满足，则继续执行步骤b7；

步骤b7：用的值覆盖的值，并将迭代次数k1增加1；

步骤b8：nlp问题求解模块26利用在步骤b4和b5中获得的目标函数值和梯度信息，通过计算寻优方向和寻优步长，获得比更优的新的速度控制策略该步骤执行完成后再次跳转至步骤b4；

步骤b9：精细化收敛性判断模块27运行，记当k2＝0时，执行步骤b10，否则，判断与上一次精细化的目标函数值之差的绝对值是否小于精度tol2，如果是，则判断收敛性满足，并将本次迭代的速度控制策略转换为电机控制指令输出，否则收敛性不满足，置精细化次数k2:＝k2+1，继续执行步骤b3，直至精细化收敛性判断模块满足为止。

所述的网格精细化模块，采用如下步骤实现：

步骤c1：由以下公式计算网格节点处的左斜率和右斜率(k＝1,…,n-1)：

其中，uk表示速度控制策略在第k个参数化分段上的参数化表示，tk表示uk和uk+1之间的网格节点。

步骤c2：若网格节点tk处的左右斜率满足如下要求，则从网格中剔除该节点：

其中，εe是一个较小的正实数。网格节点tk剔除后，uk和uk+1所对应的网格合并为一个新的网格，其上的参数更新为(uk+uk+1)/2。

步骤c3：若网格节点tk处的左斜率满足：

其中，εi是一个大于εe的正实数，则在[tk-1,tk]上插入网格节点；若网格节点tk处的右斜率满足：

则在[tk-1,tk]上插入网格节点。实际应用时，可根据左右斜率的绝对值大小自由设定加入节点的个数。

步骤c4：根据步骤c2和c3中剔除和插入的节点，生成新的控制网格和相应的参数化向量。

所述的ode求解模块，采用的是四步runge-kutta方法，计算公式为：

其中，t表示时间，ti表示runge-kutta方法选择的积分时刻，ti+1表示位于时刻ti后的积分时刻，积分步长h为任意两相邻积分时刻之差，x(ti)表示集装箱在ti时刻的状态信息，f()是描述状态微分方程的函数，k1、k2、k3、k4分别表示runge-kutta法积分过程中的4个节点的函数值。

所述的梯度计算模块，采用的是伴随方法:

步骤d1：令λ(t)为协态向量，它的值由伴随方程确定：

其中，tf表示装卸过程的结束时间，h表示哈密尔顿函数，且h＝l+λ(t)^tf，l为目标函数的积分项，φ[x(tf)]为目标函数的稳态项。

步骤d2：对于伴随方程，采用四步runge-kutta方法得到协态向量λ(t)在各积分时刻的值，计算公式为：

其中，t表示时间，ti为ode求解模块中选择的积分时刻，ti+1表示位于时刻ti后的积分时刻，并且ti+1＝ti+h，h为积分步长，q1、q2、q3、q4分别表示runge-kutta法积分过程中的4个节点的函数值。

步骤d3：基于得到的协态向量λ(t)的值，由以下公式得到梯度信息

其中，和表示的第一个和第二个分量，依此类推。

所述的nlp问题求解模块，采用如下步骤实现：

步骤e1：如果与上一次迭代的目标函数值的绝对值之差小于精度tol1，则判断收敛性满足，并将本次迭代的速度控制策略转换为电机的控制指令输出；如果收敛性不满足，则继续执行步骤e2；

步骤e2：用的值覆盖的值，并将迭代次数k1增加1；

步骤e3：将速度控制策略作为向量空间中的某个点，记作p1，p1对应的目标函数值就是

步骤e4：从点p1出发，根据选用的nlp算法和点p1处的梯度信息构造向量空间中的一个寻优方向和步长

步骤e5:通过式构造向量空间中对应的另外一个点p2，使得p2对应的目标函数值比更优，其中i是与同维数的向量。

本发明的有益效果主要表现在：基于自适应网格精细化的岸边集装箱起重机最优控制系统，能够计算出岸边集装箱起重机最优的控制策略，可以适应问题的最优控制曲线，特别是找到问题的不连续点，能够获得较高的精度；采用自适应策略之后，下一次最优控制曲线的初始估计值是当前迭代的最优曲线，由此可以获得较快的收敛速度，减少岸边集装箱起重机最优策略的计算时间。本发明可以最优化装卸过程的性能指标，提高集装箱的装卸的安全性和效率。

附图说明

图1是本发明的结构示意图；

图2是本发明dcs内部模块结构图。

具体实施方式

岸桥的作业过程可以描述为：

其中，t表示时间，u(t)表示由各方向速度分量组成的速度向量；x(t)表示装卸过程的状态信息；f(·)是根据起重机的物理学原理建立的微分方程组。从该描述可以看出，集装箱的装卸过程可以用数学上的一组微分方程组来表示。

要使集装箱装卸过程的性能指标最优，则该问题的最终表达式为：

其中，t0表示装卸过程的起始时间，tf表示装卸过程的终止时间，j表示需要最小化的目标函数。该问题本质上是最优控制问题。但是，传统方法对于这类问题的求解，具有效率低、精度差的缺陷，难以满足实际操作时高效率的要求。

本发明解决其技术问题所采用的技术方案是：在dcs中集成了网格精细化方法，并以此为基础构建了一套控制系统。所述的系统的完整结构如图1所示，包括执行电机11、位置传感器12、现场总线网络13、dcs14、控制室显示15、电机控制器16。

所述的系统的运行过程包括：

步骤a1：控制室工程师指定集装箱的起止位置、装卸过程的性能指标及速度控制约束；

步骤a2：dcs执行内部的网格精细化方法，获得使装卸过程性能指标最优的速度控制策略；

步骤a3：dcs将计算获得的速度控制策略转换为电机的控制指令，通过现场总线网络发送给电机控制器，使执行电机根据收到的控制指令执行相应动作；

步骤a4：位置传感器实时采集集装箱的位置信息，经过现场总线网络回送给dcs，并在主控室内显示，使控制室工程师随时掌握装卸过程。

所述的dcs，包括信息采集模块、初始化模块、网格精细化模块、ode求解模块、梯度计算模块、非线性规划(non-linearprogramming，简称nlp)问题求解模块、精细化收敛性判断模块、控制指令输出模块。其中信息采集模块包括集装箱起止位置采集、性能指标采集、速度控制约束采集三个子模块，nlp问题求解模块包括寻优方向计算、寻优步长计算、nlp收敛性判断三个子模块。

为获得使集装箱装卸过程性能指标最优的速度控制策略，所述的dcs执行的网格精细化方法，运行步骤如下：

步骤b1：信息采集模块21获取工程师指定的集装箱的起止位置、装卸过程的性能指标及速度控制约束；

步骤b2：初始化模块22开始运行，采用分段常量参数化，设置装卸过程的分段数n、对应的控制网格为速度控制策略的参数化向量的初始猜测值设定nlp问题的计算精度tol1和自适应逼近的收敛精度tol2，将迭代次数k1和逼近次数k2置零；

步骤b3：当k2＝0时，执行步骤b4；否则，通过网格精细化模块23对控制网格进行精细化处理，得到新的控制网格及其对应的参数化向量

步骤b4：通过ode求解模块24获取本次迭代的状态信息和目标函数值

步骤b5：通过梯度计算模块25获取本次迭代的梯度信息当k1＝0时跳过步骤b6直接执行步骤b7；

步骤b6：nlp问题求解模块26运行，通过nlp收敛性判断模块进行收敛性判断，如果与上一次迭代的目标函数值之差的绝对值小于精度tol1，则判断收敛性满足，执行步骤b9；如果收敛性不满足，则继续执行步骤b7；

步骤b7：用的值覆盖的值，并将迭代次数k1增加1；

步骤b8：nlp问题求解模块26利用在步骤b4和b5中获得的目标函数值和梯度信息，通过计算寻优方向和寻优步长，获得比更优的新的速度控制策略该步骤执行完成后再次跳转至步骤b4；

步骤b9：精细化收敛性判断模块27运行，记当k2＝0时，执行步骤b10，否则，判断与上一次精细化的目标函数值之差的绝对值是否小于精度tol2，如果是，则判断收敛性满足，并将本次迭代的速度控制策略转换为电机控制指令输出，否则收敛性不满足，置精细化次数k2:＝k2+1，继续执行步骤b3，直至精细化收敛性判断模块满足为止。

所述的网格精细化模块，采用如下步骤实现：

步骤c1：由以下公式计算网格节点处的左斜率和右斜率(k＝1,…,n-1)：

其中，uk表示速度控制策略在第k个参数化分段上的参数化表示，tk表示uk和uk+1之间的网格节点。

步骤c2：若网格节点tk处的左右斜率满足如下要求，则从网格中剔除该节点：

其中，εe是一个较小的正实数。网格节点tk剔除后，uk和uk+1所对应的网格合并为一个新的网格，其上的参数更新为(uk+uk+1)/2。

步骤c3：若网格节点tk处的左斜率满足：

其中，εi是一个大于εe的正实数，则在[tk-1,tk]上插入网格节点；若网格节点tk处的右斜率满足：

则在[tk-1,tk]上插入网格节点。实际应用时，可根据左右斜率的绝对值大小自由设定加入节点的个数。

步骤c4：根据步骤c2和c3中剔除和插入的节点，生成新的控制网格和相应的参数化向量。

所述的ode求解模块，采用的是四步runge-kutta方法，计算公式为：

其中，t表示时间，ti表示runge-kutta方法选择的积分时刻，ti+1表示位于时刻ti后的积分时刻，积分步长h为任意两相邻积分时刻之差，x(ti)表示集装箱在ti时刻的状态信息，f(·)是描述状态微分方程的函数，k1、k2、k3、k4分别表示runge-kutta法积分过程中的4个节点的函数值。

所述的梯度计算模块，采用的是伴随方法:

步骤d1：令λ(t)为协态向量，它的值由伴随方程确定：

其中，tf表示装卸过程的结束时间，h表示哈密尔顿函数，且h＝l+λ(t)^tf，l为目标函数的积分项，φ[x(tf)]为目标函数的稳态项。

步骤d2：对于伴随方程，采用四步runge-kutta方法得到协态向量λ(t)在各积分时刻的值，计算公式为：

其中，t表示时间，ti为ode求解模块中选择的积分时刻，ti+1表示位于时刻ti后的积分时刻，并且ti+1＝ti+h，h为积分步长，q1、q2、q3、q4分别表示runge-kutta法积分过程中的4个节点的函数值。

步骤d3：基于得到的协态向量λ(t)的值，由以下公式得到梯度信息

其中，和表示的第一个和第二个分量，依此类推。

所述的nlp问题求解模块，采用如下步骤实现：

步骤e1：如果与上一次迭代的目标函数值的绝对值之差小于精度tol1，则判断收敛性满足，并将本次迭代的速度控制策略转换为电机的控制指令输出；如果收敛性不满足，则继续执行步骤e2；

步骤e2：用的值覆盖的值，并将迭代次数k1增加1；

步骤e3：将速度控制策略作为向量空间中的某个点，记作p1，p1对应的目标函数值就是

步骤e4：从点p1出发，根据选用的nlp算法和点p1处的梯度信息构造向量空间中的一个寻优方向和步长

步骤e5:通过式构造向量空间中对应的另外一个点p2，使得p2对应的目标函数值比更优，其中i是与同维数的向量。

实施例1

用起重机将集装箱从货轮转运到卡车上，如何操作使得性能指标最优。该问题的数学模型为：

其中，j表示要最小化的目标函数。为了获得使目标函数最小化的速度控制策略，dcs运行网格精细化方法，其运行过程如图2所示，执行步骤为：

步骤f1：信息采集模块21获取工程师指定的集装箱的起止位置x(0)＝[0,22,0,0,-1,0]^t和x(9)＝[10,14,0,2.5,0,0]^t、装卸过程的性能指标及速度控制约束|u1|≤2.83374和-0.80865≤u2≤0.71265；

步骤f2：初始化模块22开始运行，采用分段常量参数化，设置装卸过程的分段数为8、对应的控制网格为均匀划分、速度控制策略的参数化向量的初始猜测值为0.5、设定nlp问题的计算精度tol1和自适应逼近的收敛精度tol2分别为10^-6和10^-4，将迭代次数k1和逼近次数k2置零；

步骤f3：当k2＝0时，执行步骤f4；否则，通过网格精细化模块23对控制网格进行精细化处理，得到新的控制网格及其对应的参数化向量

步骤f4：通过ode求解模块24获取本次迭代的状态信息和目标函数值

步骤f5：通过梯度计算模块25获取本次迭代的梯度信息当k1＝0时跳过步骤f6直接执行步骤f7；

步骤f6：nlp问题求解模块26运行，通过nlp收敛性判断模块进行收敛性判断，如果与上一次迭代的目标函数值的绝对值之差小于精度tol1，则判断收敛性满足，执行步骤f9；如果收敛性不满足，则继续执行步骤f7；

步骤f7：用的值覆盖的值，并将迭代次数k1增加1；

步骤f8：nlp问题求解模块26利用在步骤f4和f5中获得的目标函数值和梯度信息，通过计算寻优方向和寻优步长，获得比更优的新的速度控制策略该步骤执行完成后再次跳转至步骤f4；

步骤f9：精细化收敛性判断模块27运行，记当k2＝0时，执行步骤f10，否则，判断与上一次精细化的目标函数值之差的绝对值是否小于精度tol2，如果是，则判断收敛性满足，并将本次迭代的速度控制策略转换为电机控制指令输出，否则收敛性不满足，置逼近次数k2:＝k2+1，继续执行步骤f3，直至精细化收敛性判断模块满足为止。

最后，dcs将通过网格精细化方法获得的速度控制策略转换为电机的控制指令，通过现场总线网络发送给电机控制器，使执行电机执行相应动作，同时用位置传感器实时采集集装箱的位置信息并回送给dcs，使控制室工程师随时掌握装卸过程。

以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。