[发明专利]一种网格精细化的岸边集装箱起重机最优控制系统

摘要

本发明公开了一种网格精细化的岸边集装箱起重机最优控制系统，由执行电机、位置传感器、现场总线网络、DCS、控制室显示、电机控制器构成。控制室工程师指定集装箱的起止位置，DCS通过网格精细化方法得出使装卸过程性能指标最优的速度控制策略，并转换为电机的控制指令，通过现场总线网络发送给电机控制器，使执行电机执行相应动作，位置传感器实时采集集装箱的位置信息并回送给DCS，使控制室工程师随时掌握装卸过程。本发明能够最优化装卸过程性能指标，提高集装箱的装卸效率。

主权项

1.一种网格精细化的岸边集装箱起重机最优控制系统，能够对集装箱的移动速度进行自动控制，以最优化装卸过程的性能指标；其特征在于：由执行电机、位置传感器、现场总线网络、DCS、控制室显示、电机控制器构成；所述系统的运行过程包括：步骤A1：控制室工程师指定集装箱的起止位置、装卸过程的性能指标及速度控制约束；步骤A2：DCS执行内部的网格精细化方法，获得使装卸过程性能指标最优的速度控制策略；步骤A3：DCS将计算获得的速度控制策略转换为执行电机的控制指令，通过现场总线网络发送给电机控制器，使执行电机根据收到的控制指令执行相应动作；步骤A4：位置传感器实时采集集装箱的位置信息，经过现场总线网络回送给DCS，并在主控室内显示，使控制室工程师随时掌握装卸过程；所述的DCS，包括信息采集模块、初始化模块、网格精细化模块、ODE求解模块、梯度计算模块、非线性规划(Non‑linear Programming，简称NLP)问题求解模块、精细化收敛性判断模块、控制指令输出模块；其中信息采集模块包括集装箱起止位置采集、性能指标采集、速度控制约束采集三个子模块，NLP问题求解模块包括寻优方向计算、寻优步长计算、NLP收敛性判断三个子模块；为获得使集装箱装卸过程性能指标最优的速度控制策略，所述的DCS执行的网格精细化方法，运行步骤如下：步骤B1：信息采集模块获取控制室工程师指定的集装箱的起止位置、装卸过程的性能指标及速度控制约束；步骤B2：初始化模块开始运行，采用分段常量参数化，设置装卸过程的分段数N、对应的控制网格为速度控制策略的参数化向量设定NLP问题的计算精度tol₁和自适应逼近的收敛精度tol₂，将迭代次数k₁和逼近次数k₂置零；步骤B3：当k₂＝0时，执行步骤B4；否则，通过网格精细化模块对控制网格进行精细化处理，得到新的控制网格及其对应的参数化向量步骤B4：通过ODE求解模块获取本次迭代的状态信息和目标函数值步骤B5：通过梯度计算模块获取本次迭代的梯度信息当k₁＝0时跳过步骤B6直接执行步骤B7；步骤B6：NLP问题求解模块运行，通过NLP收敛性判断模块进行收敛性判断，如果与上一次迭代的目标函数值之差的绝对值小于精度tol₁，则判断收敛性满足，执行步骤B9；如果收敛性不满足，则继续执行步骤B7；步骤B7：用的值覆盖的值，并将迭代次数k₁增加1；步骤B8：NLP问题求解模块利用在步骤B4和B5中获得的目标函数值和梯度信息，通过计算寻优方向和寻优步长，获得比更优的新的参数化向量该步骤执行完成后再次跳转至步骤B4；步骤B9：精细化收敛性判断模块运行，记当k₂＝0时，执行步骤B10，否则，判断与上一次精细化的目标函数值之差的绝对值是否小于精度tol₂，如果是，则判断收敛性满足，并将本次迭代的速度控制策略转换为电机控制指令输出，否则收敛性不满足，置精细化次数k₂＝k₂+1，继续执行步骤B3，直至精细化收敛性判断模块满足为止；所述的网格精细化模块，采用如下步骤实现：步骤C1：由以下公式计算网格节点处的左斜率和右斜率其中，uk表示速度控制策略在第k个参数化分段上的参数化表示，tk表示uk和uk+1之间的网格节点；步骤C2：若网格节点tk处的左右斜率满足如下要求，则从网格中剔除该节点：其中，εe是一个较小的正实数；网格节点tk剔除后，uk和uk+1所对应的网格合并为一个新的网格，其上的参数更新为(uk+uk+1)/2；步骤C3：若网格节点tk处的左斜率满足：其中，εi是一个大于εe的正实数，则在[tk‑1,tk]上插入网格节点；若网格节点tk处的右斜率满足：则在[tk‑1,tk]上插入网格节点；实际应用时，根据左右斜率的绝对值大小自由设定加入节点的个数；步骤C4：根据步骤C2和C3中剔除和插入的节点，生成新的控制网格和相应的参数化向量；所述的ODE求解模块，采用的是四步Runge‑Kutta方法，计算公式为：其中，t表示时间，ti表示Runge‑Kutta方法选择的积分时刻，ti+1表示位于时刻ti后的积分时刻，积分步长h为任意两相邻积分时刻之差，x(ti)表示集装箱在ti时刻的状态信息，F是描述状态微分方程的函数，K1、K2、K3、K4分别表示Runge‑Kutta法积分过程中的4个节点的函数值；所述的梯度计算模块，采用的是伴随方法:步骤D1：令λ(t)为协态向量，它的值由伴随方程确定：其中，tf表示装卸过程的结束时间，H表示哈密尔顿函数，且H＝L+λ(t)TF，L为目标函数的积分项，Φ[x(tf)]为目标函数的稳态项；步骤D2：对于伴随方程，采用四步Runge‑Kutta方法得到协态向量λ(t)在各积分时刻的值，计算公式为：其中，t表示时间，ti为ODE求解模块中选择的积分时刻，ti+1表示位于时刻ti后的积分时刻，并且ti+1＝ti+h，h为积分步长，Q1、Q2、Q3、Q4分别表示Runge‑Kutta法积分过程中的4个节点的函数值；步骤D3：基于得到的协态向量λ(t)的值，由以下公式得到梯度信息其中，和表示的第一个和第二个分量，依此类推；所述的NLP问题求解模块，采用如下步骤实现：步骤E1：将速度控制策略的参数化向量作为向量空间中的某个点，记作P₁，P₁对应的目标函数值就是步骤E2：从点P₁出发，根据选用的NLP算法和点P₁处的梯度信息构造向量空间中的一个寻优方向和步长步骤E3:通过式构造向量空间中对应的另外一个点P₂，使得P₂对应的目标函数值比更优，其中I是与同维数的向量。