[发明专利]一种基于神经网络PID的桥式起重机防摇控制方法

权利要求书

1.一种基于神经网络PID的桥式起重机防摇控制方法，其特征在于包括如下步骤：

步骤1.给定桥式起重机大车的目标速度曲线，桥式起重机的大车按照给定的目标速度曲线运动；

步骤2.将桥式起重机的目标速度与大车运行速度信号v作差后得到当前速度差e，将e输入位置神经网络PID控制器进行处理：

所述的位置神经网络PID控制器包括BP神经网络和PID控制器两部分，BP神经网络对速度差e进行如下处理：

其中，BP神经网络共有3层,输入层节点为x1,x2,x3,输入节点对应所选系统的运行状态量,取：

x₁(t)＝e(t)-e(t-1)；x₂(t)＝e(t)；x₃(t)＝e(t)-2e(t-1)+e(t-2) (1)

式中:e(t)为最优预测形成的反馈偏差,

BP神经网络从输出层向输入层反向传播误差,并逐层修改各层神经元的权系数ω_ij，取性能指标函数为:

式中:y_r为期望的设定值,y(t+1)为系统在t+1时刻的输出；

用梯度最小法极小化性能指标,可以得到神经元网络控制器的加权系数修正式为:

其中：

式中：△u(t)＝u(t)-u(t-1)，u(t)为PID控制器的输出，

得出：

采用自适应神经元预测器：

y_p(t+1)＝k∑ω′_i(t)P_i(t)+y(t)-y_m(t) (6)

式中:y_m为神经网络的学习输出；P_i为神经网络的输入,它由u(t)、u(t-1)、y(t)、y(t-1)参数组成；

经过式(6)计算得到y_p(t+1)逼近y(t+1),式(5)可写成:

式中:η为学习速率；kv为神经元放大系数,它对控制系统的快速跟踪和抗干扰能力有很大的影响,因此对其在线调整公式选为:

式中:k_v0为k的稳态值；a为待定参数；

更新PID控制器的参数：

K'_i＝K_i+△ω_i

式中，K'_i更新后的PID参数，K_i为当前的PID参数；

PID控制器的计算表达式如下：

式中:Kp为可调比例增益,Ti为可调积分时间常数,Td为可调微分时间常数,e(t)为速度差,T为系统采样周期；Kp、Ti、Td三个系统参数通过神经网络的学习得到；

经过上述方法得到位置神经网络PID控制器的实时PID参数，并由PID控制器算出目标转矩T₁；

步骤3.同时根据角度传感器采集的角度信号θ，与目标角度作差得到θ_e，输入角度神经网络PID控制器，所述角度神经网络PID控制器包括BP神经网络和PID控制器两部分，BP神经网络对θ_e的处理方法同步骤(2)中BP神经网络对速度差e的处理方法；计算得到角度神经网络PID控制器实时的PID参数，并由PID控制器算出目标转矩T₂；

步骤4.通过编码器采集大车两侧电机转速ω₁、ω₂，计算差值得到△ω,输入同步控制器，所述同步控制器包括BP神经网络和PID控制器两部分，BP神经网络对△ω的处理方法同步骤(2)中BP神经网络对速度差e的处理方法；计算得到同步控制器实时的PID参数，并由PID控制器算出目标转矩T₃；

步骤5.大车左右侧的电机目标转矩分别由下式计算：

T_左＝T₁+T₂-T₃；T_右＝T₁+T₂+T₃

步骤6.大车两侧电机根据目标转矩T_左，T_右来各自调整输出转矩，从而实现桥式起重机大车的防摇定位与防啃轨。