基于粒子群算法的橋式起重機模糊PID防搖控制

卜凡舟，孫玉國，盧鳳嬌

（上海理工大學光電信息與計算機工程學院，上海200093）

0 引 言

起重機在起吊和運載貨物過程中會受到風載荷和機械慣性的影響，繩索懸掛吊重會產(chǎn)生近似無阻尼的振蕩，僅靠空氣阻尼自然消擺會花費大量時間，影響工作效率。此外，吊重擺動時產(chǎn)生的周期性力矩會對起重機結構造成疲勞損傷。因此，對起重機防搖控制進行研究具有重要的工程意義。目前，已有學者將智能控制算法（如最優(yōu)控制、輸入整型控制和粒子群算法）應用到橋式起重機防搖控制系統(tǒng)中。粒子群優(yōu)化（Particle Swarm Optimization，PSO）算法因具有結構簡單、調整參數(shù)少等優(yōu)點而廣泛應用于控制算法的參數(shù)優(yōu)化中。PSO最早由KENNEDY等提出，其基本思想是對一群粒子尋找最優(yōu)解并使每個粒子都處于最優(yōu)解狀態(tài)，能處理連續(xù)或離散空間內(nèi)的數(shù)據(jù)優(yōu)化問題。本文根據(jù)模糊控制易于解決遲滯、非線性系統(tǒng)問題的特點，將模糊控制與傳統(tǒng)PID（Proportion Integral Differential）控制相結合，快速消擺。由于模糊PID控制器參數(shù)較多、難以快速調節(jié)，采用PSO算法進行優(yōu)化調整。通過建立起重機防搖數(shù)學模型并進行Simulink仿真，對基于粒子群算法的模糊PID控制效果進行分析，為后期橋式起重機防搖控制提供新的理論方法。

1 起重機數(shù)學模型

結合橋式起重機的工作過程，將滑軌和貨物等抽象為“小車-吊重模型”。小車m受到的驅動力為F，圖1為橋式起重機力學結構模型，以從左到右為x軸正向，以垂直地面向下為z軸正向，建立基于右手定則的平面直角坐標系。小車在x軸上滑動，帶動吊重m移動，m自由擺動，擺角為θ，假設起重機吊繩為柔性繩，長度為l，不計其質量。在實際滑動過程中，小車與滑軌之間的摩擦阻力f近似與小車速度˙x成線性關系，若摩擦因數(shù)為μ，則f＝μ˙x。

圖1 橋式起重機力學結構模型

基于以上假設，采用拉格朗日方程可得到起重機防搖控制系統(tǒng)的動力學方程為

整理得

2 模糊PID控制器設計

PID控制器的計算公式為

式（3）中：e（t）＝r（t）-c（t），e（t）為系統(tǒng)誤差，r（t）為系統(tǒng)輸入值，c（t）為系統(tǒng)輸出值；K、K和K分別為比例、積分和微分系數(shù)。

在起重機防搖控制系統(tǒng)中，為使吊重快速并平穩(wěn)地消擺，將模糊PID控制器設計為兩輸入（擺角誤差e和誤差變化率c）-三輸出（K、K和K）的控制結構。設e、c、K、K和K的模糊子集為｛NB，NM，NS，ZE，PS，PM，PB｝，分別對應｛負大，負中，負小，零，正小，正中，正大｝。控制器選擇合理的比例因子K和K，在正負邊界處分別采用平滑連續(xù)的Z型隸屬度函數(shù)和S型隸屬度函數(shù)，對中間部分采用靈敏度較強的三角形隸屬度函數(shù)，在PID算法的基礎上對PID控制參數(shù)進行模糊自整定，模糊PID控制器的實際控制參數(shù)K′、K′和K′的表達式為

式（4）中：K、K和K為模糊PID控制初始值；k、k和k為常量。

根據(jù)K、K和K對輸出特性的影響，可通過不同的e和c建立模糊規(guī)則：當e較大時，K取大提高響應速度，K取小減少超調，K取小或零增強系統(tǒng)的抗干擾能力；當e和c中等大小時，為提高系統(tǒng)的響應速度及減小超調量，K適當取小，K和K取值適中；當e較小時，K和K取大，避免系統(tǒng)振蕩；當c較大時，K取小；當c較小時，K取大。模糊控制規(guī)則表見表1。

表1 模糊控制規(guī)則表

根據(jù)表1所示的規(guī)則，采用極大-極小法進行推理，采用加權平均數(shù)法進行解模糊化，表達式為

式（5）中：μ(x)為輸出模糊論域x對應的隸屬度函數(shù)。

PID初始參數(shù)和比例因子決定模糊控制器的性能，但參數(shù)的選取主要根據(jù)專家知識和試湊法，具有很強的主觀性和不確定性。為適配出最優(yōu)的參數(shù)，使控制性能達到最優(yōu)，需對參數(shù)進行尋優(yōu)處理。

3 PSO算法

PSO算法是由一組粒子在搜索空間中運動，受自身的最佳過去位置pbest和整個群體或近鄰的最佳過去位置gbest的影響調整自身位置，最終求得最優(yōu)解，即每個粒子找到自身的最優(yōu)解，帶動群體粒子找到最優(yōu)解。PSO算法流程圖見圖2。每次迭代粒子i的第d維速度的更新公式為

圖2 PSO流程圖

粒子i的第d維位置的更新公式為

式（6）和（7）中：v為粒子速度；x為粒子位置；w為慣性權值，r和r為加速度因子，在［0，1］中隨機產(chǎn)生；c和c為學習因子，一般取2。

先采用算法不斷對量化因子K、K和模糊PID控制參數(shù)k、k、k進行尋優(yōu)處理，使模糊PID控制器的控制輸出性能最優(yōu)，達到快速消擺的效果。基于PSO算法優(yōu)化的模糊PID控制器原理圖見圖3。

圖3 基于PSO算法優(yōu)化的模糊PID控制器原理圖

4 仿真分析

采用PSO算法對橋式起重機防搖控制系統(tǒng)進行Simulink仿真，包括防搖控制系統(tǒng)的Simulink模型和PSO優(yōu)化算法程序2部分。橋式起重機防搖控制仿真框圖見圖4。仿真參數(shù)為：m＝1 000 kg；m＝2 000 kg；繩長l＝3 m；重力加速度g＝9.797 m／s；摩擦因數(shù)μ＝0.165；在小車靜止狀態(tài)下施加的驅動力F＝1 500 N。PSO算法設置的參數(shù)：粒子數(shù)為100；迭代次數(shù)為100；慣性權重ω為0.6；粒子的初始速度、初始位置和加速度因子r和r由隨機函數(shù)產(chǎn)生；粒子運行的最大速度和最小速度分別設為1和-1；K、K、K、K和K的取值范圍均設為［0，300］。

圖4 橋式起重機防搖控制仿真框圖

模擬起重機實際運載過程，對小車施加驅動F＝1 500 N，先施加驅動力0～3 s，不施加驅動力運行一段時間之后，在9～12 s施加一個與該作用力大小相同、方向相反的作用力使小車停下，記錄吊重擺動和小車速度曲線，見圖5。圖5中吊重擺角的絕對值與小車速度的變化率近似呈線性關系。將F作為輸入量，將擺角θ作為輸出量，分別采用粒子群模糊PID控制算法和傳統(tǒng)的PID控制算法進行仿真，關注消擺時間和最大擺角幅度等性能指標的表現(xiàn)。

圖5 1 500 N驅動力下起重機仿真曲線圖

圖6為初始擺角為6°時的擺角消除響應曲線。由圖6可知，當初始擺角為6°時，PSO模糊PID控制器的吊重達到穩(wěn)定狀態(tài)僅需4.8 s，采用傳統(tǒng)PID控制器時吊重需11 s才能到達穩(wěn)定狀態(tài)。采用PSO算法優(yōu)化后的K、K和K分別為22.4、0.2和26.8，將其代入模糊PID控制器中，得到的擺角曲線見圖7：當施加的驅動力為1 500 N時，僅采用PID控制，吊重擺角的最大擺幅達到6.42°，停擺時間為28.7 s；采用模糊PID控制器并利用PSO算法優(yōu)化后的系統(tǒng)停擺時間為15.2 s，最大擺幅僅有1.83°。由此可見，采用PSO算法優(yōu)化模糊PID參數(shù)之后，系統(tǒng)具有良好的穩(wěn)定性。

圖6 初始擺角為6°時的擺角消除響應曲線

圖7 不同控制算法的擺角消除響應曲線

5 結 語

對橋式起重機進行防搖控制，既能提高其運輸效率，又能延長其使用壽命。本文針對橋式起重機的運載情況建立橋式起重機系統(tǒng)防搖模型，提出了一種基于PSO算法的模糊PID防搖控制系統(tǒng)。通過開展Simulink仿真試驗，發(fā)現(xiàn)采用基于PSO算法的模糊PID防搖控制效果良好。與傳統(tǒng)的PID防搖控制方法相比，該方法在縮短消擺時間和減小擺角幅度方面的表現(xiàn)有明顯提升。仿真結果表明，該方法可運用到起重機的防搖控制系統(tǒng)設計中，取代人工操作，實現(xiàn)起重機自動化運輸。