陆金桂 (中国江苏省南京市鼓楼区青石村新生院77号, Jiangsu 9, 210009, CN)
HAN, Shaojun (NO. 118 Aoti Street, Jianye District Nanjing, Jiangsu 9, 210019, CN)
江苏六维物流设备实业有限公司 (中国江苏省南京市建邺区奥体大街118号韩绍军, Jiangsu 9, 210019, CN)
LU, Jingui (No. 77, Xinshengyuan Qingshicun,Gulou District, Nanjing, Jiangsu 9, 210009, CN)
陆金桂 (中国江苏省南京市鼓楼区青石村新生院77号, Jiangsu 9, 210009, CN)
| 权 利 要 求 书 1、 堆垛机遗传优化控制技术， 其特征是以遗传算法和神经网络为手段、 以降低堆垛机高速运行 过程中产生的振动量为目标， 进行堆垛机运行过程的速度控制， 包括以下步骤： 建立堆垛机运行过程样本数据； 堆垛机运行过程速度的遗传优化； 构建神经网络模型； 堆垛机运行速度预测； 堆垛机速度控制。 2、 根据权利要求 1所述的堆垛机遗传优化控制技术， 其特征在于： 所述的堆垛机运行过程速度 值的遗传优化是利用遗传算法对样本数据进行优化来实现的。 3、 根据权利要求 1所述的堆垛机遗传优化控制技术， 其特征在于： 所述的堆垛机运行速度值的 预测是在堆垛机运行过程速度值遗传优化的基础上，通过建立神经网络模型并对网络进行训练来实现 的。 |
本发明属于堆垛机控制相关领域， 特别涉及一种针对堆垛机运行过程的遗传优化 控制技术。 技术背景：
由于自动化立体仓库具有空间利用率高、 自动化程度高等优点， 其应用范围越来越广。 作为立体 化仓库中关键设备的堆垛机， 其控制技术对于对垛机性能十分关键。 随着可编程逻辑控制器 (PLC)、 变频调速、激光测距等技术在堆垛机控制领域 的广泛应用， 堆垛机运行速度有了明显的提高。但是堆 垛机运行速度的提高带来了振动等问题，因而 需要对堆垛机运行过程的速度进行优化来降低 堆垛机的 振动。
目前在堆垛机控制技术方面已经开展了一些研 究工作。例如陈娟和钟永彦等人针对自动化立 体仓 库中堆垛机控制的特点， 探讨了堆垛机控制系统的硬件和软件实现方式 。王勇军和周奇才等人以激光 测距技术作为巷道堆垛机的认址手段， 应用变频器无级调速闭环控制方式,对一种新 巷道堆垛机高 速运行的控制方法进行了研究。 吕全海和沈敏德等人结合激光测距技术，探讨 了堆垛机闭环速度控制 的硬件和软件的实现技术。别文群和缪兴锋等 人设计了适合于堆垛机行走、升降和伸缩货叉 机构使用 的 PLC控制系统。葛高丰对堆垛机控制系统的组成 、结构和特点进行了分析，并探讨了采用 S7-300 PLC 的堆垛机控制系统方案。 罗志清和阎树田等人将模糊控制和预测控制应 用于邮包立体仓库的堆垛机， 研究了智能预测模糊控制方法， 并根据堆垛机运动的实际工况进行了仿真。 目前利用神经网络和遗传 优化算法进行堆垛机运行速度 g制来降低堆垛机振动， 这方面的研究工作还未见公开文献报道。
本发明是有关堆垛机的遗传优化控制技术。本 发明提出的堆垛机控制新技术是以遗传算法和 神经 网络为手段、 以降低堆垛机高速运行过程中产生的振动量为 目标。利用神经网络建立堆垛机振动状态 和堆垛机运行参数之间映射模型， 利用遗传算法进行堆垛机最小振动状态运行速 度优化； 在此基础上 进行堆垛机运行过程的控制， 从而实现减小堆垛机运行过程振动幅度的目标 。本发明提出的堆垛机遗 传优化控制新技术， 是采用神经网络和遗传算法来实现的， 因而本发明提出的控制新技术属于堆垛机 智能控制方法。本发明提出的堆垛机遗传优化 控制技术，可降低堆垛机高速运行过程中产生 的振动量， 为确保堆垛机的高效、 安全运行提供有效控制手段。 发明内容：
本发明的目的是以神经网络和遗传算法为手段 、以降低堆垛机高速运行过程中产生的振动量 为目 标， 进行堆垛机运行过程的速度优化控制。 为了达到上述目标， 本发明采用的技术方案是： 以堆垛机 运行过程中主要作业参数和堆垛机运行过程中 产生的振动数据为基础，建立堆垛机振动状态 和主要运 行参数之间的神经网络映射模型； 以建立的神经网络模型为基础， 利用遗传算法进行堆垛机作业过程 中振动量最小的运行速度优化； 以优化得到的堆垛机运行速度为基础获得堆垛 机运行的速度控制曲 线， 利用可编程逻辑控制器和变频控制器的数值转 换实现堆垛机的速度控制。
本发明包括堆垛机运行过程样本数据建立、 构建神经网络模型、 堆垛机运行速度优化、 堆垛机速 度控制等内容。 本发明包括的具体步骤如下：
1) 建立堆垛机运行过程样本数据
首先分析堆垛机运行过程中振动产生的直接原 因，在此基础上确定与堆垛机振动相关的主要 影响 因素堆垛机类型、操作台高度、载重、运行速 度。按照正交试验方法， 进行堆垛机类型、操作台高度、 载重、运行速度和堆垛机运行过程振动之间影 响关系的实验， 获取反映有关堆垛机类型等参数与堆垛 机振动之间影响关系的大量数据。 以获得的堆垛机运行数据为基础构造堆垛机运 行过程样本数据。本 发明将堆垛机振动量作为样本数据的输出， 将堆垛机类型、 操作台高度、 载重、 运行速度等参数作为 样本数据的输入来形成样本数据。该样本数据 反映了堆垛机振动状态与有关堆垛机运行速度 、堆垛机 类型、 操作台高度、 载重之间的关系。
2) 构建神经网络模型
以建立的堆垛机运行过程样本数据为基础进 神经网络模型的构建。堆垛机运行过程样本数 据反 映了堆垛机振动状态和堆垛机运行速度、堆垛 机类型等参数之间的关系， 因此利用多层神经网络或者 径向基函数神经网络进行样本学习，就可以将 样本数据蕴涵的堆垛机振动量与堆垛机参数间 关系由神 经网络模型来描述。
构建神经网络模型需要先确定神经网络的结构 和属性， 包括神经网络的层数、 隐含层数、 每层的 祌经元数、每层的激活函数设置以及该神经网 络模型的输入输出参数等。其中神经网络输入 层神经元 个数对应于样本输入部分的参数数目， 包括堆垛机类型、 操作台高度、 载货重量、 运行速度。 神经网 络输出层神经元个数对应于样本输出部分的参 数数目，包括堆垛机的振动量。在确定神经网 络结构后， 将样本数据处理成满足神经网络学习需要的要 求，选择合适的学习算法进行神经网络的学习 。完成神 经网络的样本学习过程后，就可以建立反映堆 垛机振动量与堆垛机运行速度等参数间关系的 神经网络 模型。
3)堆垛机运行速度优化
以构建的堆垛机振动量与堆垛机运行速度、堆 垛机类型等参数之间的神经网络模型为基础， 利用 遗传算法进行以最小振动量为优化目标的堆垛 机运行速度的优化。在遗传优化过程中， 优化目标涉及 的振动量将利用构建的神经网络来计算； 将需要进行运行速度优化的堆垛机类型、操作 台高度、载货 重量、 当前设计变量的速度值作为神经网络的输入参 数， 对这些数据处理成满足神经网络预测需要的 要求， 即可获得的神经网络的输出； 对神经网络的输出数据进行处理， 即可计算出堆垛机振动量。通 过遗传优化进行优化设计变量的堆垛机运行速 度的优选， 获得堆垛机最小振动量对应的运行速度。
4) 堆垛机速度控制
以神经网络预测获得的堆垛机最小振动的运行 速度为基础， 进行离散速度值曲线拟合， 将拟合后 的速度曲线存储于堆垛机的可编程逻辑控制器 的数据块中， 为堆垛机的速度控制做好准备。在堆垛机 实际速度控制中， 可编程逻辑控制器按照堆垛机当前位置在拟合 后速度曲线上找出相对应的速度值， 通过模拟量或现场总线方式驱动电流矢量的变 频器，并驱动堆垛机行走交流异步电动机完成 堆垛机的 速度控制。
本发明的优点： 堆垛机的遗传优化控制技术， 能够进行堆垛机作业过程中最小振动状态下的 运行 速度优化和控制， 降低堆垛机运行过程中的振动量。 附图说明：
附图 1 是堆垛机遗传优化控制流程图；
附图 2是堆垛机遗传优化模型示意图；
附图 3是堆垛机遗传优化控制原理示意图 具体实施方式：
以下结合附图， 说明本发明提出的针对自动化立体仓库堆垛机 的遗传优化控制技术， 其具体实施 方法如下- 图 1是堆垛机进化优化控制流程图，本发明提出 堆垛机控制新技术是以神经网络和遗传算法 手段、 以降低堆垛机高速运行过程中产生的振动量为 目标， 进行堆垛机运行过程的速度优化控制。 为 了达到上述目标， 本发明采用的技术方案是： 以堆垛机运行过程中主要作业参数和堆垛机运 行过程中 产生的振动数据为基础， 建立堆垛机振动状态和主要运行参数之间的神 经网络映射模型； 以建立的神 经网络模型为基础， 利用遗传算法进行堆垛机作业过程中振动量最 小的运行速度优化； 以优化得到的 堆垛机运行速度为基础获得堆垛机运行的速度 控制曲线，利用可编程逻辑控制器和变频控制 器的数值 转换实现堆垛机的速度控制。
图 2是堆垛机进化优化模型示意图， 本发明中的堆垛机遗传优化模型包括两个部分 ： 神经网络预 测技术和遗传算法优化技术。本发明中以建立 的神经网络模型为基础， 利用遗传算法进行堆垛机作业 过程中振动量最小的运行速度优化。
1. 本发明利用神经网络技术进行堆垛机运行速度 的预测， 构建的神经网络为具有三层结构的 BP 神经网络模型， 详细的描述如下：
1 )确定输入输出变量
在立体化自动化仓库中，通常是将货物放置在 堆垛机的操作平台上，通过堆垛机的移动进行 运送， 在货物运行过程中， 由于堆垛机的起动、 加速、 勾速、 减速直到停止的复合运动等容易引起堆垛机机 体的有害振动，影响了堆垛机安全有效的运行 。这些因素主要包括堆垛机的类型、堆垛机货 架的高度、 堆垛机当前的载重、堆垛机在运行线路上各段 的运行速度。因此，可以采用堆垛机的类型、 货架高度、 载重量、各段速度值等几个变量作为堆垛机神 经网络智能控制模型的输入变量， 而将堆垛机在运行线 路上各段的运行速度作为堆垛机神经网络智能 控制模型的输出变量。
2) 网络结构描述
在该堆垛机神经网络控制技术中， 设我们将堆垛机的一次作业运行路线按照需要 分为 N个部分， 那么该发明中神经网络模型的输入层所包含的 神经元个数为 N + 3个， 分别对应堆垛机的类型、 操作 台的高度、 当前的载重以及堆垛机一次作^ k运行线路上各段的速度值 ( P V 2 V N 该神经 网络模型输出节点数为 N个， 对应堆垛机一次作业路线上各段的速度值 ( 、 V 2 V N ) ; 中间 一层为神经网络模型的隐含层， 它所包含的神经元的个数为 V2N + 3 +t个， 其中 t表示 0到 10之间 的任意一个整数。 在本发明的神经网络模型中， 输入层、 中间层 (隐含层)和输出层、 上下层之间各神 经元实现连接， 同层之间无连接， 隐含层的激活函数均采用 Sigmoid函数 (S型函数）， 函数描述如下：
/(v) =
1 + exp(-av)
式中， a为 Sigmoid函数的斜率参数， 通过改变参数 a， 可以获取不同斜率的 Sigmoid函数。
3) 网络训练
网络的训练样本通过堆垛机实际.作业过程中 机采集而来，而神经网络采用 3层的神经网络模型， 结构采用 N个输入神经元、 > 2N + 3 +t个隐含层节点（t表示 0到 10之间的任意一个整数)和 N个输 出节点。神经网络训练的过程也就是一个学习 的过程， 首先将输入信息通过输入层经隐含层逐层处理 并计算每个单元的实际输出值， 然后根据期望输出与实际输出的差值， 由输出端开始逐层调节权值。
2. 本发明利用遗传算法进行以最小振动量为优化 目标的堆垛机运行速度的优化：
1 ) 设计优化变量
在堆垛机的作业过程中， 堆垛机的速度主要与堆垛机的类型 T, 作业过程中货架的高度为 H, 当 前载货重量为 G有关， 所以优化变量可以记为：
上式中， ^表示堆垛机在第 i子路段的运行速度， 表示在第 i子路段的货架高度， 表示在 第 i子路段时刻堆垛机的载货重量。 i = \,2— N , W为堆垛机一次作业中根据需要所划分子路段 个 数。
2)设计优化目标函数 针对自动化立体仓库中堆垛机的作业过程和工 作原理， 设堆垛机的类型为 Γ， 作业过程中货架的高度 为 H， 当前载货重量为 G，堆垛机一次作业过程中在各个子路段的振 量分别为 、 、 ...... A n (n=l,2... ... ) 结合堆垛机作业时影响堆垛机振动量的各个因 素， 设计堆垛机作业速度优化的设计变量主要包括 ： 堆垛机 的类型 Γ， 货架的高度 载货重量 G, 堆垛机一次作业的综合振动量 其中堆垛机一次作业的综合 振动量 4计算如下：
4 = (ί¾ * 4 +。2 * 2十…+
其中 ，《 2 …^^分别为堆垛机一次作业中各个子路段 振动量的加权系数， N=l,2, ......，为根据需要所 划分的子路段的个数。
3 ) 设计优化约束函数
在堆垛机的作业过程中， 堆垛机的速度不能超过规定的最大安全速度， 同时作业过程中堆垛机的 机体振动应最小， 依此可以确定堆垛机智能优化的约束函数。
r mm r i、 *" max rmn A i = g(V i ,T, H i ,G i )
4) 优化计算
本发明将遗传算法进行堆垛机的智能优化计算 ， 在堆垛机的优化过程中， 通过遗传算法的操作对 堆垛机进行精确优化计算， 最终得到精确优化结果。
图 3是堆垛机神经网络控制的控制原理示意图， 本发明中堆垛机的神经网络控制算法主要由可 编 程控制器 PLC来完成。 通过神经网络的训练预测堆垛机在单次作业路 径上每段的运行速度值， 此功能 块输出的是各时段的速度控制值， 这些速度值是一些离散点， 如何直接用于控制， 由于各点不连续， 对堆垛机会造成一定的冲击， 为了使堆垛机运行平稳， 这里通过将这些离散点拟合成堆垛机的运行控 制曲线， 以取此曲线上的各点作为速度设定值送变频控 制器。
本发明对速度采用闭环控制， 堆垛机的速度可以通过激光测距仪检测的堆垛 机水平位置的变化速 度来计算。运算后的速度控制量通过 PLC的 D/A模块转化为电流信号用于控制变频器，本发 明中行走、 起升和货叉电机分别由两台变频器分时控制实 现无极调速，变频器再通过改变电源频率控制 电机的转 速。
Next Patent: PILER NEURAL NETWORK CONTROL TECHNOLOGY