起重机防摇控制系统结构示意图。
【具体实施方式】
[0044] 为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例 中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是 本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员 在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0045] 如图1所示，本发明提供一种桥式起重机防摇控制方法，包括:获取桥式起重机大 车和/或小车的运行参数;根据运行参数和速度补偿参数调整起重机大车小车的运行速度 曲线;根据调整后的速度曲线转换起重机的工作状态。下面对本发明和提供的桥式起重机 防摇控制方法展开详细的说明。
[0046] 桥式起重机的大车和/或小车在实际运行过程中按照司机给定的速度档位选择相 应的速度曲线参数，并根据当前绳长修正得到的最优速度曲线参数，按照此速度曲线加速 和减速，在司机没有出现随机操作的时候，其最优速度曲线不会发生变化，起重机将按照最 优速度曲线到达终点。
[0047] 首先，介绍获取运行参数的步骤。
[0048] 在实际运行过程中，按照司机给定的速度档位选择相应的速度执行。大车和/或小 车运行的参数包括钢丝绳长度L、速度V、加速度值a、和吊钩起始摆角Θ。在小车工作状态优 化过程中，可W根据当前钢丝绳长度L、速度V、加速度值a、W及状态观测器估计的吊钩起始 摆角9修正工作状态。
[0049] 其次，介绍根据运行参数和预先存储的速度补偿参数调整小车的运行速度曲线的 步骤。
[0050] 最优速度曲线是通过在原本的梯形速度曲线中加入一段振荡信号形成的，通过振 荡信号来减小摆角。振荡信号有多种形式，如多项式曲线、正弦曲线等。W正弦信号为例，图 2为普通的小车运行速度曲线在优化后的形式，通过在速度曲线的加速阶段加入一段正弦 信号，将正弦信号加入的时机、频率、强度作为曲线待优化的参数，从而实现对该速度曲线 进行参数化。各参数的说明如下:al、a2分别是两个加速阶段的加速度，A1和A2分别是两个 正弦信号的强度，*1、*2、*3、*4对应于速度曲线几个运动状态改变的时间点。
[0051] 在计算机中可通过小车-吊重系统的数学模型计算出小车在加速阶段终点的运动 状态(运行状态包括摆角、其角速度大小和角加速度等）。基于此，可W采用进化算法，如遗 传算法、粒子群算法等对速度曲线的各参数进行优化选择，得到防摇效果最好的速度曲线。
[0052] 如图3所示，W遗传算法为例，利用遗传算法对速度曲线的各个参数进行优化，直 至最终的摆角、其角速度大小和角加速度达到最小。在本发明中，优选W加速阶段加速度， 速度补偿参数，运动状态改变的时间点作为染色体基因，采用遗传算法对速度曲线的各个 参数进行优化。
[0053] 确定进化染色体基因；产生进化种群;计算种群中吊钩的运行状态参数（吊钩的摆 角、其角速度大小和角加速度）；判断当前吊钩的运行状态参数是否满足预设条件，如果满 足则结束;如果不满足则复制染色体基因，执行交叉、变异，返回生成新的种群，直至满足预 设条件。按照此方法，可W按照预定的几个速度档位W及目标起重机的典型工作情况，分别 得到最优的速度曲线。同理，减速阶段可采用同样的方法得到速度曲线。对得到的参数采用 进化算法，如遗传算法、粒子群算法等进行优化计算，每组参数可W生成一条速度曲线，利 用起重机-摆角数学模型得到按照运条速度曲线运行后最终的运行状态条，经过不断的进 化和选择，可W得出最优的参数。
[0054] 采用遗传学算法对速度曲线的各个参数进行补偿优化的过程分为W下几步：
[0055] (1)编码:在进行捜索之前先将最优参数表示成遗传空间的基因型串结构数据。用 数组[曰1、曰2、41、42、*1、*2、*3、*4]表示运个结构，数组的每个元素即代表一个待优化的参 数。对基因的编码采用浮点编码法，将数组中每个元素的二进制浮点数连接起来，表示为一 个基因。
[0056] (2)初始群体的生成:针对每一个参数，首先在经验范围内给定一个随机数产生范 围，再随机产生若干个初始串结构数据，每个串结构数据称为一个个体，若干个个体构成 了一个群体，W运若干个串结构数据作为初始点开始迭代。
[0057] (3)仿真计算:对种群中每一个个体产生的速度曲线按照数学模型进行数值仿真， 得到小车速度达到终态时的最终摆角Θ、其角速度Θ '和角加速度。
[0058] 本方法的实现首先要建立大车和/或小车-吊重系统的数学模型，通过数学模型求 解在一定速度曲线下吊钩的运行状态。
[0059]图5为简化的大车和/或小车-吊重系统力学模型。吊重通过绳索与小车相连，在行 走电机的水平驱动Fx的作用下在水平轨道上运动。其中大车和/或小车的质量为M，吊重的 质量为m，钢丝绳长度1，绳索张力Fi。在大车和/或小车运动中所受到的阻力(包括接触面的 摩擦力、运动的空气阻力等)记为fx，吊重在摆动中受到的阻力对悬挂点产生的阻力力矩记 为Mf，钢丝绳上升时受到的阻力为fi。对力学模型建立拉格朗日方程，可推出系统的数学模 型：
[0065]选择位移X、速度先、角度Θ、角速度乡为系统的状态变量，角度Θ为系统的输出y，驱 动力U为输入量，并令A = X,:，屯=先.兩=.武& =名，则得到：
[0069]
[0070] W速度V = i作为输入时，需要作如下变换：
[0071]
[0072] W速度作为输入的模型如图6所示，图中参数分别为:Kl=m，K2=l/Ml，K = Mg，K4 =山，1(5=(1+111)邑。可^将速度曲线作为输入，通过该模型可^得到钢丝绳摆角的仿真曲 线，同时可W得到运行到最终的摆角的运行状态。
[0073] (4)选择:根据最终仿真计算得出的从当前群体个选出优良的个体(即摆角的残余 振荡被充分抑制或消除），使它们有机会作为父代为下一代繁殖子代。选择的标准是最终吊 钩摆动所具有的能量，运一数值可W用（|θ|+θ'~2)表示，该式表征了摆角最终的势能与动 能。运一数值越小，个体也越优良。
[0074] (5)交叉:对种群个体进行两两交叉，其交叉的方法为:首先规定一个交叉概率，遍 历每个奇数序号基因个体，并按照概率随机对相邻两个基因个体进行交叉。交叉采用单点 交叉，并按照不打断原有参数的原则，断点皆从浮点数的整数倍处开始，随机从某一点处开 始交换基因片段。
[0075] (6)变异:首先在群体中随机选择一个个体，对于选中的个体W-定的概率随机地 改变串结构数据中某个串的值。变异发生的概很低，通常取值在0.001~0.01之间。
[0076] 按照此方法，可W按照预定的几个速度档位W及目标起重机的典型工作情况，分 别得到最优的速度曲线。同理，减速阶段可采用同样的方法得到速度曲线。
[0077] 如图4所示，状态观测器对大车和/或小车速度进行实时的分析计算，能够根据数 学模型估计出吊钩当前的运行状态。通过确定吊钩运行状态与大车和/或小车速度的关系， 利用状态观测器可W根据大车和/或小车的历史运行状态获得当前吊钩摆角的观测值，把 运个观测值作为当前的摆角状态反馈提供给运动控制器作为输入。控制器获取当前的速度 信息，并根据状态观测器计算出的摆角的估计值、当前速度等因素从存储器当中读取相应 的速度曲线的适宜参数，并可经过插值计算等得到下一阶段内的速度曲线，并将其输出。
[0078] 通过W上步骤，得到了在典型工况下的最优速度曲线。在实际运行中存在不同的 钢丝绳长L、速度V与加速度a、吊钩起始摆角Θ等因素，按照不同的工况，最优速度曲线的参 数也将发生变化。针对运个问题，并同时考虑到在起重机控制器内实现的可能性，需要对最 有速度曲线的各个参数做进一步的补偿。发明采用了参数补偿的办法修正最优速度曲线的 各个参数。即针对上述几个因素，在L、v、a、0的变化范围内划分间隔，采用控制变量的办法， 保持其他3个因素不变，分别改变钢丝绳长L、速度V与加速度a、吊钩起始摆角Θ，通过上述的 遗传算法得到每一个因素下新的工况下的最优速度曲线各个参数，通过多项式曲线拟合， 得到最优速度曲线参数的补偿值与上述L、v、a、咽素之间的数学关系Fn"(A)。其中η代表