控制输入受限下桥式起重机定位与消摆研究

摘要

桥式起重机作为一种重要货物搬运设备，在物流业、建筑业、冶金业、制造业等领域扮演着极为重要的角色。作为一种典型的欠驱动系统，桥式起重机的系统自由度大于控制输入个数，这给其控制器的设计带来了一定的挑战性，近年来针对这类系统的研究逐步发展成为控制理论界的一个研究热点。
　　在实际的应用过程中，由于执行器只能工作在一定的范围内，对控制律的大小通常有一定的限制，若控制量超出该范围则可能饱和，导致控制任务失败。另外，台车运送过程中负载摆动的抑制与消除一直是人们关注的重点，由于存在未建模动态以及外界扰动，吊重的大幅摆动不仅会降低吊装的定位精度，增加作业的危险性。因此，本文主要针对输入饱和约束控制和系统对不确定性的鲁棒性展开研究。
　　本文针对三维桥式吊车系统，设计了一种基于RBF神经网络补偿的具有输入约束的自适应跟踪控制器。该控制器不仅可以实现台车的准确定位，而且有效地抑制传送过程中产生的负载摆动，同时消除了台车到达目标位置以后负载的残余摆动。该控制器利用自适应机制在线估计，解决了控制输入受限的问题。同时，采用准滑动模态来代替滑模函数，消除了系统抖振。仿真测试结果表明本文所提出的控制方法控制性能良好。

目录

封面

声明

中文摘要

英文摘要

目录

第1章 绪 论

1.1 课题来源与意义

1.2 国内外研究现状

1.3 论文的主要工作

第2章 三维桥式起重机动力学建模与分析

2.1 基于第二类拉格朗日方程的动力学建模

2.1.1 虚位移原理

2.1.2 第二类拉格朗日方程

2.1.3 三维桥式起重机的数学模型

2.2 动力学方程解耦

第3章 传统滑模变结构控制方案

3.1 滑模变结构控制简介

3.2 滑模变结构控制基本原理

3.2.1 滑动模态定义及数学表达

3.2.2 滑动模态参数设计

3.3 基于趋近律的三维桥式起重机滑模控制

第4章 基于控制输入受限的滑模控制律

4.1 神经网络简介

4.1.1 RBF神经网络简介

4.1.2 RBF神经网络基本原理

4.1.3 自适应RBF神经网络原理

4.2 基于RBF网络补偿的滑模控制

4.3 稳定性分析

4.5 仿真测试与分析

第5章 结论与展望

5.1 结论

5.2 展望

参考文献

致谢