一种塔式起重机起升机构调速系统的神经网络控制方法
【专利摘要】本发明涉及起重机起升机构控制领域，尤其涉及一种利用神经网络方法对塔式起重机起升机构中的调速系统进行控制的塔式起重机起升机构调速系统的神经网络控制方法，利用神经网络控制原理，建立BP神经网络控制模型的拓扑结构，然后训练BP神经网络，确定隐层神经元个数、各层神经元之间的连接权重及神经元的阈值，求得BP神经网络控制模型，将起重机每一周期中的输入变量采样数据输入到训练得到的BP神经网络模型及可求得输出信号f’，本发明中BP神经网络具有泛化能力，可提高控制精度，实现塔机起升机构平稳加速和减速，有效避免机械传递的恶性冲击，达到提高工作效率、延长塔机寿命、确保塔机的安全性和可靠性的目的。
【专利说明】一种塔式起重机起升机构调速系统的神经网络控制方法
【技术领域】
[0001]本发明涉及起重机起升机构控制领域，尤其涉及一种利用神经网络方法对塔式起重机起升机构中的调速系统进行控制的塔式起重机起升机构调速系统的神经网络控制方法。
【背景技术】
[0002]在塔式起重机的起升机构中，调速系统的控制至关重要。传统的调速系统控制方式，诸如涡流制动器调速、转子串电阻调速、改变极对数调速等，采取有级调速，调速范围小；低速就位性能差，低位运行容易引起电阻器、涡流制动器发热；起动电流大，对电网冲击大；常在高速度运行中机械制动，使制动闸瓦容易被磨损；功率因数低，使线路损耗大。
[0003]模糊控制方法采用微机控制，通过变频器调节电机的转速和吊钩的起升速度。选择起升高度h和负载重量g为模糊控制器的2个输入变量。将起升高度h划分为7个等级，其论域H={-3，-2，-1, O, I, 2，3}，把目标高度的1/2设定为等级0，往下为负方向，往上为正方向。取7个语言值:Wl (负大)、W2 (负中)、W3 (负小)、W4 (零)、W5(正小)、W6 (正中)、W7 (正大)，记为:NB、NM、NS、Z、PS、PM、PB。同理，吊重也划分为7个等级，其论域为G= {-3，-2，-1, O, I, 2，3}，把塔机的最大起重量的1/2设定为等级0，比这个值大的为正，比这个值小的为负。取7个语言值为Gl (负大)、G2 (负中)、G3 (负小)、G4 (零)、G5 (正小)、G6 (正中)、G7 (正大)，记为:NB、NM、NS、Z、PS、PM、PB。执行器对电机的转动速度的控制是通过调整电动机的电源频率实现的，因为交流异步电动机的转速公式:n=60f (1-s) /p,其中，η为交流电机转子的转速(转/分)，ρ为电机定子绕组的极对数，f为电机定子供电频率(HZ)，s为转差率。改变频率即能改变转速，模糊控制器的输出控制量选用频率的变化率f’，以实现超前控制。f’也划分为7个等级，加速为正，减速为负，其论域为F= {-3，-2，-1, O, 1，2，3}。取7个语言值:Fl (负大)、F2(负中)、F3 (负小)、F4(零)、F5 (正小)、F6 (正中)、F7 (正大)，记为:NB、NM、NS、Z、PS、PM、PB。
[0004]根据安全操作经验可得到模糊规则如表I所示。利用MATLAB工具箱中的模糊控制系统，可求得模糊控制器输入信号与输出控制信号对应表(称为模糊控制响应表)如表2。
[0005]表I模糊控制规则表
【权利要求】
1.一种塔式起重机起升机构调速系统的神经网络控制方法，其特征在于:该方法的步骤如下: 步骤I)、将起重机负载重量g及吊钩起升高度h作为神经网络的两个输入变量，起重机电机定子供电频率f的变化率f’作为神经网络的输出变量即控制量；设起重机负载重量g的论域为G，并将负载重量分为7个等级，用-3，-2，-1, O, I, 2，3表示， 即G= {-3，-2，-1, O, I, 2，3}，设定起重机的最大负载重量的1/2对应等级O，比这个值重的为正，比这个值轻的为负，取7个模糊语言值为Gl (负大)、G2 (负中)、G3 (负小)、G4 (零)、G5 (正小)、G6 (正中)、G7 (正大)，记为:NB、NM、NS、Z、PS、PM、PB ; 设起重机吊钩起升高度h的论域为W，并将负载重量分为7个等级，用-3，-2，-1, O,I,2，3表示，即W= {-3，-2，-1, O, I, 2，3}，设定起重机的最大负载重量的1/2对应等级O，比这个值重的为正，比这个值轻的为负，取7个模糊语言值为Wl (负大)、W2 (负中)、W3 (负小)、W4 (零)、W5 (正小)、W6 (正中)、W7 (正大)，记为:NB、NM、NS、Z、PS、PM、PB ;设控制量f’的论域为F，并将负载重量分为7个等级，用-3，-2，-1, O, I, 2，3表示， 即F= {-3，-2，-1, O, I, 2，3}，设定起重机的最大负载重量的1/2对应等级O，比这个值重的为正，比这个值轻的为负，取7个模糊语言值为Fl (负大)、F2 (负中)、F3 (负小)、F4 (零)、F5 (正小)、F6 (正中)、F7 (正大)，记为:NB、NM、NS、Z、PS、PM、PB ;根据安全操作经验可得模糊规则表，如表1 ;利用MATLAB工具箱中的模糊控制系统，可求得模糊控制器输入信号与输出控制信号对应表，如表2 ； 步骤2)、对步骤I)中的表2中的输入信号负载重量和吊钩起升高度以及输出控制信号做归一化处理； 步骤3)、建立BP神经网络控制模型的拓扑结构:负载重量g和吊钩起升高度h为输入层两个输入变量；频率的变化率即控制信号f’为输出层的一个输出变量； 步骤4)、训练BP神经网络，确定隐层神经元个数、各层神经元之间的连接权重及神经元的阈值，求得BP神经网络控制模型； 步骤5)、起重机的每一控制周期中，利用MATLAB中的神经网络工具箱，只需将采样的负载重量g和吊钩的起升高度h输入训练得到的BP神经网络控制模型，及可求得输出控制信号f’。
2.根据权利要求1所述的塔式起重机起升机构调速系统的神经网络控制方法，其特征在于:所述的BP神经网络模型为具有含一层隐层的三层前馈型网络结构，将负载重量g和吊钩起升高度h作为输入层两个输入变量；频率的变化率即控制信号f’为输出层的一个输出变量，隐层具有10个神经元；隐层和输出层的传递函数选用函数
3.根据权利要求1所述的塔式起重机起升机构调速系统的神经网络控制方法，其特征在于:所述的BP网络训练方式包括两个阶段:前馈阶段和反向传播阶段，前馈阶段是指由输入层输入输入向量，经由隐层以前馈方式传至输出层，并求出网络的输出；反向传播阶段是指拿期望输出值减网络输出值，得到误差信号，然后将此误差信号反向逐层传递回网络中，进而修改连接权值和阈值。
【文档编号】G05B13/00GK103984229SQ201410183786
【公开日】2014年8月13日 申请日期:2014年5月4日 优先权日:2014年5月4日
【发明者】禹建丽, 徐广善 申请人:新乡市起重机厂有限公司