基于迭代学习和神经网络的船用起重机控制

林静正,方勇纯,卢 彪,郝运嵩,曹海昕

(南开大学人工智能学院机器人与信息自动化研究所,天津 300350)

1 引言

近些年,伴随着人类社会的高速繁荣,加大资源开采,扩张活动领域是必然的发展趋势.作为覆盖地球71%表面积的重要战略资源,海洋逐渐受到关注,海上作业活动也日益频繁,比如货物的吊运输送、设备的投放回收、船只间的补给等.在这些作业任务中,船用起重机扮演着不可或缺的角色.因此,对其展开研究具有非常重要的实际意义和广阔的应用前景.

与陆上起重机类似,船用起重机是一种典型的欠驱动系统.目前,对陆上起重机系统的研究已取得较大的进展:国内外学者基于输入整形[1]、滑模控制[2]、自适应控制[3]、预测控制[4]等理论提出了多种控制器设计思路.然而,对船用起重机控制的研究还未成熟,仍面临着许多难题.首先,船用起重机系统内部存在摩擦力,未建模动态,参数不确定等干扰,使得基于模型设计的控制器难以保证在实际应用中达到预期的精度;更为重要的是,船用起重机需要在恶劣的海洋环境中进行作业,不可避免地会受到海浪、大风这类未知外部干扰的影响,使负载的定位精度下降,摆动加剧,给控制器的设计带来了极大的挑战.

为了解决上述问题,国内外学者陆续投入到对船用起重机的研究中来.在文献[5]中,Fang等人利用欧拉-拉格朗日法对船用起重机进行了建模,并设计了非线性控制器使状态变量较好……