学位论文 > 优秀研究生学位论文题录展示

桥式起重机先进控制研究

作　者: 杨春燕
导　师: 楚纪正
学　校: 北京化工大学
专　业: 控制科学与工程
关键词: 桥式起重机小车吊重系统定位和防摆控制 RBF神经网络控制仿真
分类号: TH215
类　型: 硕士论文
年　份: 2011年
下　载: 80次
引　用: 0次
阅　读: 论文下载

内容摘要

桥式起重机作为现代物流装备之一,广泛应用于各种工业场合,消除或控制吊重的摇摆对提高起重机工作效率和安全性具有重要意义。吊重防摇控制技术是起重机作为现代物流装备所必需具备的功能之一,对桥式起重机系统的动力学分析是解决起重机快速对位和吊重防遥问题的基础。本文首先采用拉格朗日方法推导具有普遍意义的桥式起重机系统的动力学方程——三维、二维和一维桥式起重机系统的数学模型。在合理的范围内对起重机系统的非线性动力学方程进行简化,得到桥式起重机系统的线性动力学方程——三维、二维和一维桥式起重机系统的线性模型,为研究桥式起重机防摆问题提供了理论依据。针对吊重摆角等变量现场测量的难度和成本,利用小车位置信息设计全状态观测器。通过设置全状态观测器重构相关状态变量空间,从而将包括小车位置在内的所有状态变量的估计信息,提供给防摇控制系统。论文采用极点配置的状态反馈控制方法、线性二次型调节器(LQR)最优控制及比例积分微分(PID)控制方法,对起重机防摆问题进行仿真研究。仿真结果表明,上述现代控制方法具有一定的局限性。在对神经网络理论进行分析研究的基础上,将径向基函数(RBF)神经网络的自适应PID控制算法应用于桥式起重机吊重防摆系统中。利用二个RBF神经网络自适应PID控制器对小车的位置和负载的摆动分别进行控制。通过神经网络的自适应学习能力,在线整定PID控制器的比例(P)、积分(I)和微分(D)三个内部参数,实现具有最佳参数组合的PID控制。仿真结果表明,该算法对起重机定位无静差、无超调,同时迅速消除负载的摆动。

全文目录

摘要  4-6
ABSTRACT  6-12
第一章绪论  12-16
  1.1 课题的来源与意义  12-13
  1.2 国内外研究现状  13-14
  1.3 本文的的研究内容及章节安排  14-16
第二章桥式起重机系统的建模  16-28
  2.1 模型建立方法  16-17
  2.2 三维桥式起重机系统的动力学模型  17-23
    2.2.1 三维吊车系统的动力学建模  17-20
    2.2.2 三维桥式起重机系统模型的线性化  20-23
  2.3 二维桥式起重机系统的动力学模型  23-27
    2.3.1 二维吊车系统的非线性动力学模型  23-26
    2.3.2 二维吊车系统的线性动力学模型  26
    2.3.3 小车系统的传递函数  26
    2.3.4 小车系统的状态方程  26-27
  2.4 本章小结  27-28
第三章桥式起重机小车系统的现代控制方案  28-46
  3.1 起重机小车系统稳定性、能控性及能观性分析  28-30
  3.2 桥式起重机小车吊重系统状态反馈控制  30-34
    3.2.1 反馈控制原理  30-31
    3.2.2 小车系统基于极点配置的状态反馈控制系统设计  31
    3.2.3 仿真研究  31-34
  3.3 桥式起重机小车系统状态空间重构  34-37
    3.3.1 小车系统全状态观测器设计  34-35
    3.3.2 小车系统观测器重构误差的影响因素  35-36
    3.3.3 仿真研究  36-37
  3.4 桥式起重机带有全状态观测器的状态反馈控制系统设计  37-41
    3.4.1 小车系统具有观测器的状态反馈原理  37-39
    3.4.2 小车系统具有全维观测器的状态反馈的控制系统设计  39-40
    3.4.3 仿真研究  40-41
  3.5 桥式起重机小车定位和吊重摆角的线性二次最优控制  41-44
    3.5.1 LQR控制器原理  41-42
    3.5.2 小车系统LQR方法的设计与仿真  42-43
    3.5.3 仿真研究  43-44
  3.6 本章小结  44-46
第四章桥式起重机RBF神经网络控制器的设计与仿真  46-64
  4.1 小车定位和吊重摆角的PID控制  46-52
    4.1.1 PID控制系统设计原理  46-48
    4.1.2 小车PID控制系统仿真  48
    4.1.3 临界比例法整定小车系统的PID控制器参数  48-49
    4.1.4 小车系统定绳长的PID仿真研究  49-50
    4.1.5 小车系统绳长变化的PID仿真研究  50-52
  4.2 小车定位和吊重摆角的RBF神经网络控制方法  52-61
    4.2.1 RBF神经网络  53-54
    4.2.2 小车系统的RBF神经网络整定PID控制器设计  54-56
    4.2.3 仿真研究  56-61
  4.3 本章小结  61-64
第五章总结与展望  64-66
  5.1 工作总结  64-65
  5.2 工作展望  65-66
参考文献  66-68
致谢  68-70
研究成果及发表的学术论文  70-72
作者和导师简介  72-73
硕士研究生学位论文答辩委员会决议书  73-74

桥式起重机先进控制研究

内容摘要

全文目录

相似论文