起重机智能防摇控制系统的设计方法

摘要

本发明涉及一种模糊控制与神经网络技术相结合的起重机智能防摇控制系统的设计方法。利用模糊控制原理生成模糊控制模型，并以模糊控制模型的响应表为训练样本，建立BP神经网络模型，实现起重机智能防摇控制。基于模糊控制原理设计防摇控制系统的模糊控制模型，包括输入量和控制量的模糊化、模糊控制规则的制定、模糊控制量的清晰化等步骤，最后得到模糊控制响应表。神经网络模型拓扑结构为一层隐层的三层前馈型BP网络结构，隐层有10个神经元，隐层和输出层的传递函数选用Sigmoid型函数。以模糊控制模型的响应表为训练样本，训练BP神经网络，建立起重机智能防摇控制系统的神经网络模型。

主权项

1.一种基于模糊控制和神经网络技术相结合的起重机智能防摇控制系统，其特征在于：首先设计一个模糊控制模型，生成模糊控制响应表，并以模糊控制响应表为训练样本，建立起重机智能防摇控制器的BP神经网络模型，将小车位移x和吊重偏离铅垂线的角度θ作为模糊控制器的输入变量，小车运行牵引力F作为模糊控制器的输出变量即控制量，用模糊语言描述的x、θ和F的模糊子集为{NB(负大)，NM(负中)，NS(负小)，O(0)，PS(正小)，PM(正中)，PB(正大)}设小车位移x的论域为X，并将位移量化为七个等级，分别表示为-3，-2，-1，0，1，2，3，即X＝{-3，-2，-1，0，1，2，3}设角度θ的论域为Y，并将角度量化为七个等级，分别表示为-3，-2，-1，0，1，2，3，即Y＝{-3，-2，-1，0，1，2，3}设控制量F的论域为F，并将其量化为九个等级，分别表示为-4，-3，-2，-1，0，1，2，3，4，即F＝{-4，-3，-2，-1，0，1，2，3，4}模糊控制器的模糊控制规则如下表：该表中有49条规则，x的模糊分割数为7，θ的模糊分割数为7，因此该表包含了最大可能的规则数，上述表中的规则依次为：R₁：if x＝NB and θ＝NB，then F＝PBR₂：if x＝NB and θ＝NM，then F＝PB......R₄₉：if x＝PB and θ＝PB，then F＝NB模糊关系R₁＝NB_x×NB_θ×PB_F，依次可得到R₁，R₂，……，R₄₉，所有49条模糊控制规则的总模糊蕴含关系为：$R=\underset{i=1}{\overset{49}{\cup }}{R}_i$对于输入为x和θ，相应的输入量模糊集合A′和B′，输出量的模糊集合C′为C′＝(A′×B′)οR，然后用重心法对所求出的输出量模糊集合进行清晰化计算，得到模糊控制相应表：