Синтез оптимального керування системою „кран-вантаж” у вигляді зворотного зв’язку
DOI:
https://doi.org/10.31548/machenergy2021.01.005Ключові слова:
вантажопідйомний кран, оптимальне керування, штучна нейронна мережа, коливання вантажуАнотація
У статті розроблено підхід щодо синезу оптимального керування рухом динамічної системи „кран-вантаж” для задачі усунення коливань вантажу. В основу підходу покладено штучну нейронну мережу, навчання якої проведено із використанням метаевристичного методу ME-D-PSO за парадигмою навчання „з підкріпленням”. Всі розрахунки приведено для режиму розгону крана з ванажем на гнучкому підвісі. Оптимізаційним критерієм виступав комплексний показник, який враховував швидкодію системи та середньоквадратичне значення динамічної складової потужності. Крім того, на рух системи накладено кінематичне та динамічні обмеження, що викликані обмеженістю можливостей частотно-керованого приводу механізму переміщення крана.
Сутність розробленого у статті підходу полягає у пошуку мінімуму оптимізаційного критерію у просторі ваг і біасів штучної нейронної мережі, які, крім того, задовольняють крайові умови руху системи та накладені обмеження.
Отриманий у ході виконання розрахунків тензор ваг і матриця біасів нейронної мережі дає змогу забезпечити всі вихідні умови задачі. Результати проілюстровані за допомогою графічних залежностей кінематичних, енергетичних та динамічних характеристик руху динамічної системи. Крім того, проведено розрахунок оціночних показників: максимальних та середньоквадратичних величин потужності, рушійного зусилля, коливань вантажу.
У кінцевій частині статті наведено перспективи подальших досліджень у даному напрямкуПосилання
Wang D., He H., Liu D. (2018). Intelligent Optimal Control With Critic Learning for a Nonlinear Overhead Crane System. IEEE Transactions on Industrial Informatics. 14(7). 2932-2940. doi: 10.1109/tii.2017.2771 256.
Wang D., He H., Liu D. (2017). Adaptive Critic Nonlinear Robust Control: A Survey. IEEE Transactions on Cybernetics. 47(10). 3429-3451. doi: 10.1109/tcyb. 2017.2712188.
Das S., Dhalmahapatra K., Maroo P., Maiti J. (2018). A self-tuning neuromorphic controller to minimize swing angle for overhead cranes. 4th International Conference on Recent Advances in Information Technology (RAIT). doi: 10.1109/rait.2018.8388978.
Zhang X., Xue R., Yang Y., Cheng L., Fang Y. (2016). Learning Time-optimal Anti-Swing Trajectories for Overhead Crane Systems. Lecture Notes in Computer Science. 338-345. doi: 10.1007/978-3-319-40663-3_39.
Choudhury S., Mishra R., Mishra R. G., Kumar A. (2020). Intelligent Communication, Control and Devices. Advances in Intelligent Systems and Computing. doi: 10.1007/978-981-13-8618-3.
Doktian J., Pongyart W., Vanichchanunt P. (2019). Passivity-Based Approach for Overhead Crane Anti-Sway Controller Design. Research, Invention, and Innovation Congress (RI2C). doi: 10.1109/ri2c48728. 2019.8999961.
Abdulhamid I. B., Muhammad M., Khaleel A. I. (2019). Control of a Double Pendulum Crane System Using PSO-Tuned LQR. 2nd International Conference of the IEEE Nigeria Computer Chapter (Nigeria Comput Conf). doi: 10.1109/nigeriacomputconf45974.2019.89496 31.
Romacevych Y., Loveikin V., Stekhno O. (2019). Closed-loop optimal control of a system Trolley – Payload. UPB Scientific Bulletin, Series D: Mechanical Engineering. 81(2). 3-12.
Engelbrecht Andries P. (2007). Computational intelligence: an introduction. 2nd ed. John Wiley & Sons Ltd. 597.
Cybenko G. (1989). Approximations by superpositions of sigmoidal functions. Mathematics of Control, Signals, and Systems. 2(4). 303-314. doi: 10. 1007/BF02551274.
Romasevych Y., Loveikin V., Makarets V. (2020). Optimal constrained tuning of PI-controllers via a new PSO-based technique. International Journal of Swarm Intelligence Research. 11(4). 87-105.
Loveikin V., Romasevych Y., Shymko L., Ohiienko M., Duczmal W., Potwora W., Titova L., Rogovskii I. (2020). Agrotronics and optimal control of cranes and hoisting machines: monograph. Opole: The Academy of Management and Administration in Opole. 164.
Завантаження
Опубліковано
Номер
Розділ
Ліцензія
Стосунки між правовласниками і користувачами регулюються на умовах ліцензії Creative Commons Із Зазначенням Авторства – Некомерційна – Поширення На Тих Самих Умовах 4.0 Міжнародна (CC BY-NC-SA 4.0):https://creativecommons.org/licenses/by-nc-sa/4.0/deed.uk
Автори, які публікуються у цьому журналі, погоджуються з наступними умовами:
- Автори залишають за собою право на авторство своєї роботи та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons Attribution License, котра дозволяє іншим особам вільно розповсюджувати опубліковану роботу з обов'язковим посиланням на авторів оригінальної роботи та першу публікацію роботи у цьому журналі.
- Автори мають право укладати самостійні додаткові угоди щодо неексклюзивного розповсюдження роботи у тому вигляді, в якому вона була опублікована цим журналом (наприклад, розміщувати роботу в електронному сховищі установи або публікувати у складі монографії), за умови збереження посилання на першу публікацію роботи у цьому журналі.
- Політика журналу дозволяє і заохочує розміщення авторами в мережі Інтернет (наприклад, у сховищах установ або на особистих веб-сайтах) рукопису роботи, як до подання цього рукопису до редакції, так і під час його редакційного опрацювання, оскільки це сприяє виникненню продуктивної наукової дискусії та позитивно позначається на оперативності та динаміці цитування опублікованої роботи (див.The Effect of Open Access).
