本文關(guān)鍵詞： 特種起重機(jī) 模糊神經(jīng)網(wǎng)絡(luò) 智能控制 自適應(yīng)蟻群算法　出處：《哈爾濱工程大學(xué)》2012年碩士論文　論文類型：學(xué)位論文

【摘要】：論文的研究對(duì)象特種起重機(jī)是一種工業(yè)機(jī)器人和船載起重機(jī)相結(jié)合的產(chǎn)物，它兼具了二者的模型結(jié)構(gòu)和工作特點(diǎn)，是一種新型的船載智能起重設(shè)備。它由一組起重臂、旋轉(zhuǎn)支承底座、回轉(zhuǎn)機(jī)構(gòu)以及多傳感器通過依次鉸接組成，完成起重機(jī)的俯仰、回轉(zhuǎn)等動(dòng)作。該特種起重機(jī)在工作中依靠關(guān)節(jié)產(chǎn)生的驅(qū)動(dòng)來推動(dòng)臂梁運(yùn)動(dòng)，，將起重臂末端所持物品準(zhǔn)確地轉(zhuǎn)移到指定地點(diǎn)。鑒于該特種起重機(jī)這種類似于多關(guān)節(jié)機(jī)械臂系統(tǒng)運(yùn)動(dòng)的特點(diǎn)，論文借鑒三關(guān)節(jié)機(jī)械臂的模型推理方法，建立了該特種起重機(jī)簡化模型的運(yùn)動(dòng)學(xué)和動(dòng)力學(xué)模型，即給出了系統(tǒng)的數(shù)學(xué)模型。 由于該特種起重機(jī)作業(yè)于船舶上，因此它在工作時(shí)無法避免由于海浪的運(yùn)動(dòng)對(duì)其造成的不利影響以及其他諸多不確定因素的影響，且其非線性強(qiáng)，動(dòng)力學(xué)行為復(fù)雜。若使用傳統(tǒng)的基于模型的控制方法來對(duì)這樣一個(gè)復(fù)雜且耦合性很強(qiáng)的系統(tǒng)實(shí)施控制，難度無疑會(huì)很大。隨著模糊控制和神經(jīng)網(wǎng)絡(luò)等智能控制方法的飛速發(fā)展，這類復(fù)雜機(jī)械系統(tǒng)的控制問題獲得了更多的解決辦法。由于單純的模糊控制和神經(jīng)網(wǎng)絡(luò)控制各有其不足之處，將這兩種方法相互結(jié)合，形成一種模糊神經(jīng)網(wǎng)絡(luò)(FNN)控制器，該控制器不僅可以對(duì)信息進(jìn)行推理歸納，而且能夠并行處理信息，同時(shí)該控制系統(tǒng)還具有自學(xué)習(xí)能力和優(yōu)秀的聯(lián)想泛化能力，是一種可以較好的對(duì)復(fù)雜機(jī)械系統(tǒng)進(jìn)行控制的智能控制器。本文使用FNN控制器對(duì)特種起重機(jī)的數(shù)學(xué)模型進(jìn)行了動(dòng)力學(xué)仿真研究，仿真結(jié)果驗(yàn)證了該控制器的有效性。 論文最后研究將基本蟻群算法和自適應(yīng)蟻群算法分別應(yīng)用到模糊神經(jīng)網(wǎng)絡(luò)智能控制系統(tǒng)的參數(shù)學(xué)習(xí)訓(xùn)練中。并使用該訓(xùn)練好的模糊神經(jīng)網(wǎng)絡(luò)控制器對(duì)特種起重機(jī)在MATLAB環(huán)境下進(jìn)行控制仿真研究。仿真結(jié)果顯示，基于BP算法訓(xùn)練的FNN控制器要比傳統(tǒng)的PD控制和模糊控制的控制效果好，而基于基本蟻群算法學(xué)習(xí)訓(xùn)練的FNN控制器參數(shù)訓(xùn)練的收斂速度要比BP算法快，對(duì)特種起重機(jī)的控制效果也要比基于BP算法訓(xùn)練的FNN控制器效果好。同時(shí)相對(duì)比于基本蟻群優(yōu)化算法，改進(jìn)的自適應(yīng)蟻群算法具有更快的優(yōu)化訓(xùn)練收斂速度以及更好的軌跡跟蹤誤差效果。論文通過仿真研究討論了該智能控制系統(tǒng)的可行性以及有效性。
[Abstract]:The research object of this paper is the special crane which is the product of the combination of industrial robot and shipborne crane. It has both model structure and working characteristics. It is a new type of shipborne intelligent lifting equipment. It is composed of a group of lifting arm, rotating support base, rotary mechanism and multi-sensor by hinge in turn to complete the pitching of the crane. Rotation and other actions. The special crane in work depends on the joint of the drive to promote the movement of the arm beam. The objects held at the end of the lifting arm are transferred to the designated location accurately. In view of the characteristics of the special crane which is similar to the motion of the multi-joint manipulator system, the paper uses the model reasoning method of the three-joint manipulator for reference. The kinematics and dynamics model of the simplified model of the special crane is established, that is, the mathematical model of the system is given. Because the special crane works on the ship, it can not avoid the adverse effect of the wave motion on it and many other uncertain factors, and its nonlinear is strong. The dynamic behavior is complex. If the traditional model-based control method is used to control such a complex and highly coupled system. With the rapid development of intelligent control methods such as fuzzy control and neural network. The control problem of this kind of complex mechanical system has been solved more and more. Because the pure fuzzy control and the neural network control have their own shortcomings, the two methods are combined with each other. A fuzzy neural network (FNN) controller is formed, which can not only infer the information, but also process the information in parallel. At the same time, the control system also has self-learning ability and excellent associative generalization ability. It is a kind of intelligent controller which can control the complex mechanical system. In this paper, FNN controller is used to simulate the mathematical model of special crane. Simulation results verify the effectiveness of the controller. Finally, the basic ant colony algorithm and adaptive ant colony algorithm are applied to the parameter learning training of fuzzy neural network intelligent control system, and the trained fuzzy neural network controller is used for special lifting. The control simulation is carried out in MATLAB environment. The simulation results show that. The FNN controller based on BP algorithm is better than the traditional PD control and fuzzy control. The convergence speed of FNN controller parameter training based on basic ant colony algorithm is faster than that of BP algorithm. The control effect of the special crane is better than that of the FNN controller based on BP algorithm, and compared with the basic ant colony optimization algorithm. The improved adaptive ant colony algorithm has faster training convergence speed and better trajectory tracking error effect. The feasibility and effectiveness of the intelligent control system are discussed by simulation in this paper.
【學(xué)位授予單位】：哈爾濱工程大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2012
【分類號(hào)】：TH21

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 高尚;武器-目標(biāo)分配問題的蟻群算法[J];計(jì)算機(jī)工程與應(yīng)用;2003年03期

2 楊燕,靳蕃,Mohamed Kamel;一種基于蟻群算法的聚類組合方法[J];鐵道學(xué)報(bào);2004年04期

3 葉文,范洪達(dá);基于改進(jìn)蟻群算法的飛機(jī)低空突防航路規(guī)劃[J];飛行力學(xué);2004年03期

4 許志紅,張培銘;基于蟻群算法的智能交流接觸器優(yōu)化設(shè)計(jì)[J];電工電能新技術(shù);2005年03期

5 王俊峰,朱慶保;基于蟻群算法的知識(shí)約簡[J];南京師范大學(xué)學(xué)報(bào)(工程技術(shù)版);2005年02期

6 胡燕海,葉飛帆;基于蟻群算法的平行流水作業(yè)計(jì)劃方法[J];機(jī)械制造;2005年09期

7 宋紅英;紀(jì)威;李波;;基于蟻群算法的神經(jīng)網(wǎng)絡(luò)在發(fā)動(dòng)機(jī)故障診斷中的應(yīng)用研究[J];小型內(nèi)燃機(jī)與摩托車;2006年01期

8 宋雪梅;李兵;;蟻群算法及其應(yīng)用[J];河北理工學(xué)院學(xué)報(bào);2006年01期

9 許剛;張土喬;呂謀;吳小剛;;給水管網(wǎng)管徑組合優(yōu)化的極大極小蟻群算法[J];哈爾濱工業(yè)大學(xué)學(xué)報(bào);2006年05期

10 王得勝;王占奎;高詠濤;原軍令;;基于蟻群算法的圓柱齒輪優(yōu)化設(shè)計(jì)[J];機(jī)械設(shè)計(jì)與制造;2006年06期

相關(guān)會(huì)議論文 前10條

1 關(guān)洪浩;唐巍;;蟻群算法的生成樹在配電網(wǎng)網(wǎng)架規(guī)劃中的應(yīng)用[A];紀(jì)念中國農(nóng)業(yè)工程學(xué)會(huì)成立30周年暨中國農(nóng)業(yè)工程學(xué)會(huì)2009年學(xué)術(shù)年會(huì)（CSAE 2009）論文集[C];2009年

2 吳正偉;吉文來;陳偉佳;盧扣;;基于蟻群算法的城市緊急救援最佳路徑選擇[A];地理信息與物聯(lián)網(wǎng)論壇暨江蘇省測繪學(xué)會(huì)2010年學(xué)術(shù)年會(huì)論文集[C];2010年

3 王鶴;邵良杉;邱云飛;;蟻群算法在露天礦運(yùn)輸系統(tǒng)路徑優(yōu)化中的應(yīng)用[A];第五屆全國煤炭工業(yè)生產(chǎn)一線青年技術(shù)創(chuàng)新文集[C];2010年

4 劉杰;閆清東;;基于蟻群算法的移動(dòng)機(jī)器人路徑規(guī)劃技術(shù)的研究[A];邏輯學(xué)及其應(yīng)用研究——第四屆全國邏輯系統(tǒng)、智能科學(xué)與信息科學(xué)學(xué)術(shù)會(huì)議論文集[C];2008年

5 嚴(yán)彬;熊偉清;程美英;葉青;;基于擁塞控制的多種群二元蟻群算法[A];第二十七屆中國控制會(huì)議論文集[C];2008年

6 肖嶺;熊輝;;一種針對(duì)頻率指配問題的改進(jìn)蟻群算法[A];電波科學(xué)學(xué)報(bào)[C];2011年

7 宋春峰;侯媛彬;趙圣剛;;蟻群算法在陀螺溫控系統(tǒng)中的應(yīng)用研究[A];第十四屆全國煤礦自動(dòng)化學(xué)術(shù)年會(huì)暨中國煤炭學(xué)會(huì)自動(dòng)化專業(yè)委員會(huì)學(xué)術(shù)會(huì)議論文集[C];2004年

8 張如偉;黃捍東;趙迪;;一種新的地震非線性反演方法[A];中國地球物理學(xué)會(huì)第二十四屆年會(huì)論文集[C];2008年

9 師凱;蔡延光;鄒谷山;王濤;;運(yùn)輸調(diào)度問題的蟻群算法研究[A];04'中國企業(yè)自動(dòng)化和信息化建設(shè)論壇暨中南六省區(qū)自動(dòng)化學(xué)會(huì)學(xué)術(shù)年會(huì)專輯[C];2004年

10 陳峻;沈潔;秦玲;;蟻群算法進(jìn)行連續(xù)參數(shù)優(yōu)化的新途徑[A];加入WTO和中國科技與可持續(xù)發(fā)展——挑戰(zhàn)與機(jī)遇、責(zé)任和對(duì)策（下冊）[C];2002年

相關(guān)重要報(bào)紙文章 前4條

1 惠永輝　徐源;張昌龍—— 勇于挑戰(zhàn)難題[N];解放軍報(bào);2009年

2 高揚(yáng);徐工機(jī)械巨資投入九項(xiàng)目[N];中國工業(yè)報(bào);2010年

3 記者 郭成林　編輯 李小兵;增發(fā)募資50億實(shí)施9大技改 徐工機(jī)械“錘煉”核心資產(chǎn)[N];上海證券報(bào);2009年

4 本報(bào)記者 張巍巍;瞧瞧“機(jī)器游俠”特種兵[N];科技日?qǐng)?bào);2011年

相關(guān)博士學(xué)位論文 前10條

1 許志紅;交流接觸器智能化控制與設(shè)計(jì)技術(shù)的研究及實(shí)現(xiàn)[D];福州大學(xué);2006年

2 薛云;基于蟻群算法和支持向量機(jī)的礦化蝕變信息提取研究[D];中南大學(xué);2008年

3 顧中舜;中繼衛(wèi)星動(dòng)態(tài)調(diào)度問題建模及優(yōu)化技術(shù)研究[D];國防科學(xué)技術(shù)大學(xué);2008年

4 劉傳文;仿生優(yōu)化算法在數(shù)字圖像處理中的應(yīng)用研究[D];武漢理工大學(xué);2008年

5 陳寶文;蟻群優(yōu)化算法在車輛路徑問題中的應(yīng)用研究[D];哈爾濱工業(yè)大學(xué);2009年

6 唐連生;突發(fā)事件下的車輛路徑問題研究[D];西南交通大學(xué);2008年

7 何滎;用信息法研究天空亮度分布[D];重慶大學(xué);2008年

8 閆博;基于蟻群算法的集裝箱港口選擇與網(wǎng)絡(luò)均衡分析[D];大連海事大學(xué);2008年

9 呂雄偉;郵政物流車輛路徑問題研究[D];西南交通大學(xué);2009年

10 劉波;蟻群算法改進(jìn)及應(yīng)用研究[D];燕山大學(xué);2010年

相關(guān)碩士學(xué)位論文 前10條

1 傅宏;基于遺傳多蟻群算法的QoS組播路由算法研究[D];重慶大學(xué);2010年

2 潘鵬竹;協(xié)同制造調(diào)度問題的蟻群算法研究[D];沈陽工業(yè)大學(xué);2010年

3 饒躍東;基于改進(jìn)蟻群算法的無人飛行器航跡規(guī)劃應(yīng)用研究[D];武漢理工大學(xué);2010年

4 邵曉路;蟻群群體智能網(wǎng)絡(luò)可視化試驗(yàn)平臺(tái)研制[D];浙江理工大學(xué);2010年

5 呂海鵬;改進(jìn)蟻群算法在YKK系列中型高壓電機(jī)優(yōu)化設(shè)計(jì)中的應(yīng)用[D];哈爾濱理工大學(xué);2010年

6 劉志勇;基于蟻群算法與競選算法的作業(yè)車間調(diào)度求解及比較研究[D];廣東工業(yè)大學(xué);2011年

7 張守年;改進(jìn)的蟻群算法及其在QoS中的應(yīng)用[D];華南理工大學(xué);2010年

8 林時(shí)來;基于蟻群算法的呼吸信號(hào)情感識(shí)別研究[D];西南大學(xué);2011年

9 孫瑩;無底柱分段崩落法礦山生產(chǎn)調(diào)度系統(tǒng)優(yōu)化研究[D];西安建筑科技大學(xué);2010年

10 李旭;應(yīng)用點(diǎn)著色聚類改進(jìn)蟻群算法[D];四川師范大學(xué);2010年

本文編號(hào)：1441963