面向复杂路况的助力搬运装置自适应控制方法研究

摘要

随着中国社会老龄化的加剧，合理利用劳动力成为当前首要问题。但在工厂、仓库、建筑工地等复杂路况工作环境中，仍使用传统物料搬运方式，致使劳动力大量消耗。通过对国内外助力系统及其控制方法发展现状的调查和分析，总结出智能控制必然是助力控制系统未来的发展趋势。本课题针对一种助力搬运装置在建筑工地等复杂路况下的自适应控制方法展开相关研究。 结合助力搬运装置所需实现的助力随动功能，详细地叙述了助力搬运装置的总体结构、工作原理及硬件系统。对力控制方法进行总结，利用阻抗控制原理对助力搬运装置进行分析。但助力搬运装置应根据路况的改变提供不同的输出速度，这就使自适应阻抗控制方法计算量大、参数较多、逻辑繁琐。通过对智能控制的研究发现，BP神经网络能够对输入信息进行识别并分类处理，且计算较简单，容易实现，因此，本文采用改进的BP神经网络控制方法对助力搬运装置进行自适应控制，取得了较好的效果。 对BP神经网络的概念和原理进行探讨，指出BP神经网络隐含层节点数难以确定、易陷入局部最小值的不足，采用遗传算法对BP神经网络进行优化（GA-BP），并设计具体实现方法。根据不同的路况信息，解析出能够反映路况信息的参数作为GA-BP神经网络的输入项。确定神经网络为四输入单输出的拓扑结构，其中输出项为装置的驱动电压，并设计GA-BP神经网络控制的实现策略。 为验证GA-BP神经网络控制方法的可行性，使用Matlab进行数据仿真实验。实际操作助力搬运装置，采集平坦、斜坡两种路况的数据，通过人工赋予理想输出数据，将其一分部作为训练数据，对GA-BP神经网络及BP神经网络进行对比训练，另一部分作为验证数据，检验两种网络训练结果。 实验结果表明，无论是训练数据还是验证数据，GA-BP神经网络在输出结果的精度上，较BP神经网络均有所提高。训练后的GA-BP神经网络能够根据不同的输入信息准确的输出结果，与期望结果基本一致，证明了这种控制方法能够有效的解决助力搬运装置在复杂路况下的自适应控制问题。

目录

第一个书签之前

OLE_LINK176

OLE_LINK177