CN102120545B - 起重机防摇*** - Google Patents

Abstract

本发明公开了一种起重机防摇***，其特征在于，该***包括：受力检测装置(20)，用于检测臂架(1)的受力大小；控制器(10)，用于获取来自受力检测装置(20)的受力大小，根据该受力大小判断检测起重机处于加载状态或卸载状态，根据判断结果控制变幅机构(40)调节臂架(1)与水平面之间的夹角。本发明提供的起重机防摇***，重点在起重机加载状态(即刚刚提起作业物体)或在卸载状态(即刚刚卸下作业物体)这两个吊具摆动程度最大的阶段对吊具进行防摇控制，从而能最大程度地减小起重机在整个操作过程中吊具的摆动，以起到很好的防摇效果。

Description

起重机防摇***

技术领域

本发明涉及起重机防摇***，具体地涉及汽车起重机防摇***。 

背景技术

起重机(例如汽车起重机)具有机动灵活、操作方便、效率高等优点。但是起重机在吊运作业物体过程中，作业物体的摆动一直是需要解决的问题。 

目前，已有的防摇技术是采用机械式防摇装置，该机械式防摇装置包括减摇钢丝绳、卷筒和力矩限制器传动链以及带单向轴承的卷筒和抽动器，其通过机械手段消耗作业物体被吊起时摆动的能量以实现最终消除摆动的目的。要控制吊具的摆动，首先就必须采用合理的钢丝绳缠绕方式，使臂架上的起升滑轮与吊具上的牵引滑轮在同一平面内偏离成一定角度；利用单向轴承控制卷筒的旋转方向，通过实现放绳方向与传动轴相互锁合，保证卷筒只能向钢丝绳收绳方向旋转。在起重机作业过程中，通过对力矩限制器持续通电，始终给减摇钢丝绳一个张力，将其卷起，避免减摇钢丝绳处于松散状态。当出现吊具摆动情况时，通过设定弹簧力来调节制动器施加给减摇钢丝绳的张力，从而保证在不同情况下阻止吊具的摆动，起到减摇效果。 

但是，这种机械防摇装置非常复杂，可靠性也不高，因此维修保养的工作量大，防摇效果并不是十分理想。 

发明内容

为解决上述技术问题，本发明的目的是提供一种可靠性高、防摇效果好的起重机防摇***。 

为实现上述目的，根据本发明的一个实施方式，提供一种起重机防摇***，其中，该***包括：受力检测装置，用于检测臂架的受力大小；控制器，用于获取来自受力检测装置的受力大小，根据该受力大小判断检测起重机处于加载状态或卸载状态，根据判断结果控制变幅机构调节臂架与水平面之间的夹角。 

本发明提供的起重机防摇***，重点在起重机加载状态(即刚刚提起作业物体)或在卸载状态(即刚刚卸下作业物体)这两个吊具摆动程度最大的阶段对吊具进行防摇控制，从而能最大程度地减小起重机在整个操作过程中吊具的摆动，以起到很好的防摇效果。 

附图说明

附图以示例的方式示出了本发明一些优选的实施方式，在图中，相同的附图标记表示相同或相似的部件，其中： 

图1示出了根据本发明的一个实施方式的起重机防摇***的框图； 

图2示出了根据本发明的一个实施方式的起重机防摇***的优选方式的框图； 

图3示出了一种示例的控制器； 

图4是采用第一种变幅机构的起重机的示意图； 

图5是图4中示出的变幅机构的一种示例液压***； 

图6是采用第二种变幅机构的起重机的示意图； 

图7是一种模糊神经网络模型的示意图。 

具体实施方式

下面结合附图对本发明的优选实施方式做进一步的描述。 

以下描述中，为描述简便，当提及“臂架的夹角”或“夹角”时，是指 起重机的臂架与水平面之间的夹角。当提及“吊具摆动的角度”时，是指作业物体和/或吊具摆动时偏离其中垂线位置的最大角度。 

实际操作中发现，作业物体在刚被起重机吊具2吊起的时候摆动程度比较大，如果能在这个时候将吊具2和/或作业物体的摆动减小到一定程度，则在之后的过程中，吊具2和/或作业物体的摆动程度不会很大。因此需要在这个时候将作业物体的摆动减小到一定程度。另外，在作业物体落地时，由于臂架1不再承受重量(这里不包括吊具2自身重量)，臂架1的挠度变为零，由于惯性吊钩将向起重机操作室方向摆动，因此，有必要在作业物体落地时减小吊具2的摆动。 

因此，作为总的发明构思，如图1所示，根据本发明的一个实施方式，提供了一种起重机防摇***，其中，该***包括： 

受力检测装置20，用于检测臂架1的受力大小；控制器10，用于获取受力检测装置20检测到的受力大小，根据该受力大小判断检测起重机处于加载状态或卸载状态，根据判断结果控制变幅机构40调节臂架1与水平面之间的夹角。 

该防摇***还可以包括变幅机构40，用于调节所述臂架1与水平面之间的夹角。 

所述受力检测装置20可以例如通过检测臂架1顶端吊具2和作业物体(如果加载了)给臂架1顶端(一般通过钢丝绳)施加的重力来检测受力大小，将反映该受力大小的信号发送给控制器10。受力检测装置20也可以通过检测变幅机构40所承受的臂架1对其施加的压力来确定臂架1的受力大小。所述信号发送的方式可以是有线通信或无线通信。 

所述控制器10用于在所述判断结果为加载状态的情况下控制变幅机构40增大臂架1与水平面之间的夹角，以及在判断结果为卸载状态的情况下控制变幅机构40减小臂架1与水平面之间的夹角。 

所述控制器10根据受力大小判断加载状态的方法可以例如是所述控制器10实时获取受力大小，如果控制器10获取的受力大小由一直增加的状态变为不变的状态，则控制器10认为从该转变的时刻起起重机处于加载状态。具体来说，控制器10可以每隔一定间隔获取所述受力大小，并将当前时刻获取的受力大小与前一时刻获取的受力大小进行比较，如果当前时刻获取的受力大小大于前一时刻获取的受力大小，则控制器10开始进入监控状态。一般来说，根据实际情况，可以设定一比较阈值，如果上述当前时刻获取的受力大小大于前一时刻获取的受力大小超过该阈值，则触发控制器10进入监控状态。控制器10进入监控状态后，控制器10继续获取受力大小，当控制器10在某时刻获取的受力大小与前一个时刻获取的受力大小相比基本相同，则控制器10判断起重机处于加载状态。 

所述控制器10根据受力大小判断卸载状态的方法可以例如是如果所述控制器(10)获取的受力大小由一直减小的状态转变为持续不变的状态，则控制器(10)判断从该转变的时刻起起重机处于卸载状态。 

与判断加载状态的方法类似，区别是如果当前时刻获取的受力大小小于前一时刻获取的受力大小，则控制器10开始进入监控状态。在这种情况中，也可以设定一比较阈值，如果上述当前时刻获取的受力大小小于前一时刻获取的受力大小超过该阈值，则触发控制器10进入监控状态。 

可替换地，控制器10可以计算受力大小的变化率，即单位时间内受力大小的变化，当该变化率由正值变为0(或接近0)，则控制器10判断起重机进入加载状态；当该变化率由负值变为0(或接近0)，则控制器10判断起重机处于卸载状态。 

本领域技术人员可以预想到还可以采用其它判断加载状态和卸载状态的方法。例如，可以采用更简单的方式，只要检测到的受力大小突然增大(例如，增大了某一值)，就可以判断处于加载状态；只要检测到的受力大小突 然减小(例如，减小了某一值)，就可以判断处于卸载状态。 

这里以及下文中所述的加载状态是指起重机将作业物体刚好提离初始位置时的状态，所述卸载状态是指起重机将作业物体刚好释放到目的位置时的状态。 

发明人发现，在起重机处于加载状态时，当臂架1的主臂与水平面的角度在60度以上时，增大臂架1(主臂)与水平面之间的夹角能够有效减小吊具2摆动的程度。因此，根据本发明的一个实施方式，控制器10用于在所述判断结果为加载状态的情况下控制变幅机构40增大臂架1与水平面之间的夹角。 

发明人还发现，在起重机处于卸载状态时，当臂架1的主臂与水平面的角度在60度以上时，减小臂架1(主臂)与水平面之间的夹角能够有效减小吊具2摆动的程度。因此，根据本发明的一个实施方式，所述控制器10用于在判断结果为卸载状态的情况下控制变幅机构40减小臂架1与水平面之间的夹角。 

上述控制器10控制变幅机构40增大或减小臂架1与水平面之间的夹角可以采用开环的控制方式。在开环控制方式中，可以通过有限次实验建立吊具2和/或作业物体摆动的角度与臂架1的调节角度之间的映射。例如，在加载状态时，可以检测吊具2和/或作业物体摆动的角度，然后控制变幅机构40增大臂架1的夹角。在摆动角度相同的情况下，重复尝试不同的增大角度，最终能够确定摆动角度减小程度最大时对应的增大角度，这样就建立该摆动角度与增大角度之间的映射。通过在不同的摆动角度下进行上述方法，就能确定在加载状态时摆动的角度与臂架1的调节角度之间的映射。在卸载状态时，也可以按照该方法确定所述映射。 

因此，根据本发明的一个实施方式，所述***还包括角度检测器，用于检测起重机的吊具2摆动的角度。 

控制器10用于获取所述角度检测器所检测的角度，根据该角度控制所述变幅机构40调节所述臂架1与水平面之间的夹角。 

一般而言，需要对臂架1进行多次调节才能使摆动角度处于容忍范围内，控制器10可以周期性控制变幅机构40调节臂架1与水平面之间的夹角。因此，可以设定一阈值，该阈值范围可以例如为-0.5°至0.5°。当检测到的角度小于该阈值时，控制器10停止控制变幅机构40调节臂架1与水平面之间的夹角。这里控制器10控制变幅机构40的周期的范围可以例如为200ms-600ms。 

在本发明的可替换实施方式中，可以建立吊具2摆动的角速度与臂架1的调节角度之间的映射。该映射的建立方法与摆动角度与调节角度之间的映射的建立方法类似，不再赘述。 

在这种情况中，所述***可以包括角速度检测器，用于检测吊具2摆动的角速度，控制器10用于获取角速度检测器所检测的角速度，根据该角速度控制控制所述变幅机构40调节所述臂架1与水平面之间的夹角。同样地，在这种情况中也可以设定一阈值，当检测到的角速度小于该阈值时，控制器10不再控制所述变幅机构40调节所述臂架1与水平面之间的夹角。 

受力检测装置20可以是可以检测物体受力的装置，例如压力传感器。在本发明的一个优选实施方式中，该受力检测装置可以是力矩限制器22。所述力矩限制器22为本领域技术人员公知的装置。力矩限制器22的功能很多，除了能够检测受力大小之外，还能够自动检测出起重机所吊载作业物体的重量、臂架1的长度以及所处的角度(即臂架1与水平面的夹角)，并能发送反映这些物理量的信号。 

影响起重机吊具2摆动程度的因素有很多，例如臂架1的长度、臂架1与水平面之间的夹角、作业物体的重量、吊具2摆动的角度和角速度等，因此期望在控制变幅机构40调节臂架1与水平面之间的夹角时能够综合考虑 这些方面的因素。 

图2示出了根据本发明的一个实施方式的起重机防摇***的框图。如图2所示，根据本发明的一个实施方式，所述受力检测装置是力矩限制器22，用于检测起重机的臂架1的长度、检测该臂架1与水平面之间的夹角以及检测起重机的吊具2吊起的作业物体的重量；并发送相应的长度信号、夹角信号以及重量信号； 

所述***还包括角度及角速度检测器30，用于检测作业物体和/或吊具2摆动的角度以及角速度，并发送相应的角度信号和角速度信号； 

控制器10还用于接收所述长度信号、夹角信号、重量信号、角度信号以及角速度信号，根据这些信号确定臂架1与水平面之间的夹角的期望变化量； 

变幅机构40用于在控制器10的控制下调节所述臂架1与水平面之间的夹角以使得该夹角改变了该期望变化量。 

控制器10可以基于多种控制模型来确定所述期望变化量，例如BP神经网络模型、模糊神经网络模型、LQR最优控制模型、非线性PID控制模型。优选情况下，控制器10可以采用模糊神经网络模型来进行控制，这将在下面详细描述。 

在确定完该期望变化量后，控制器10生成与该期望变化量相关联的控制信号，并将该控制信号输出给变幅机构40。该控制信号的大小与期望变化量的大小相对应。所述变幅机构40与控制器10之间的控制信号传输的方式可以是有线传输或无线传输。 

一般来说，如果通过一次改变臂架1与水平面之间的夹角还不能够将吊具2的摆动减小到满意的程度，则根据本发明另一个实施方式，所述控制器10中的模糊神经网络模型可以周期性地确定臂架1与水平面之间的夹角的值的期望变化量，生成相应的控制信号。变幅机构40在控制器10的控制下， 在每个周期内调节臂架1与水平面之间的夹角以使得该夹角改变了在该周期中的期望变化量。即经过多次改变输出的控制信号的大小来调节臂架与水平面之间的夹角，以更好地减小作业物体和/或吊具的摆动。当输入到控制器10的角度信号位于设定的容忍范围内时，模糊神经网络模型不再生成控制信号。所述周期的范围可以例如是200ms-600ms。容忍范围可以根据起重机大小、防摇效果高低等灵活设定，一般来说，容忍范围可以设定为吊具摇摆角度在±0.5度以内，或者角速度低于0.2度/s。 

在加载过程中，如果作业物体的重量比吊具2的自重大很多，则可以不考虑吊具2的自重。但是为了更精确，也考虑吊具2的自重。另外，在卸载过程中，由于作业物体被释放，这时必须考虑吊具2的自重。因此，根据本发明的一个实施方式，输入到控制器10的重量信号还加入了反映吊具2重量的补偿值。 

角度及角速度检测器30可以是角度传感器和角速度传感器的组合，或具有检测角度和角加速度功能的单独部件。例如，在本发明的一个实施方式中，该角度及角速度检测器30可以包括光发射装置、光反射装置以及光接收装置。该光发射装置可以例如是红外光发射装置，位于臂架1的顶端处；光反射装置可以位于吊具2(例如吊钩)处，光接收装置可以位于光发射装置的附近。光发射装置垂直水平面向吊具2的方向发射光束(例如红外光)，光反射装置将光束反射到光接收装置，光接收装置接收该光束。当吊具2摆动时，光反射装置也会随着吊具2一起摆动，这样，反射到光接收装置的光束会在光接收装置上移动。通过计算光接收装置上的反射光束的移动距离和速度可以得到作业物体摆动的角度和角速度。举例来说，光接收装置可以为多个直线型排列且彼此之间具有间隔的光感单元，中间位置的光感单元可以位于吊具2的中垂线上。光感单元之间的间隔可以相等也可以不相等。当反射光照射到该光感单元时，该光感单元会产生信号。角度及角速度检测器30 还可以包括处理器，该处理器用于接收光感单元发送的关于光束的移动距离和移动速度的信号，根据该信号计算光束在光接收装置上的移动距离和移动速度，由此分别确定吊具2摆动的角度和角速度。具体来说，通过计算发送信号的光感单元中离中间位置最远的距离来计算吊具2摆动的角度；通过计算两个光感单元之间发送信号的时间差来计算吊具2摆动的角速度。更具体地，处理器可以对光感单元进行编码，由于相邻两个光感单元的间隔是预先确定的，因此每个光感单元离中间位置的距离是确定的。这样每个编码对应一个距离。当其中一个光感单元被光束照射而向控制器发送信号时，处理器可以获知该光感单元离中间位置的距离。处理器可以例如计算中间位置的光感单元发送信号与向处理器发送信号的光感单元中离中间位置最远的光感单元发送信号之间的时间差，再根据该最远的光感单元离中间位置的距离与该时间差可以确定吊具2摆动的角速度。当然，处理器可以选择任意两个光感单元来计算时间差，或多次选择并分别计算之后求平均。可替换地，计算角度和角速度的功能可以由控制器10来执行。 

可替换地，角度及角速度检测器30还可以例如是GPS差分测试仪。 

在本发明的可替换实施方式中，可以不采用力矩限制器22，而用长度传感器、角度传感器、压力传感器三个单独的器件来替换力矩限制器22。所述长度传感器、角度传感器和压力传感器可以是本领域技术人员公知的器件，这里不再详细说明。 

在本发明的可替换实施方案中，可以不采用控制器10，而用力矩限制器22来实现控制器10的功能。 

在采用模糊神经网络模型的优选实施方式中，所述控制器10用于接收上述长度信号、夹角信号、重量信号、角度信号以及角速度信号，将这些信号输入到该控制器10中的模糊神经网络模型，该模糊神经网络模型根据这些信号确定臂架1与水平面的夹角的期望变化量，生成与该期望变化量相关 联的控制信号。控制信号一般为电压信号或电流信号，例如PWM信号。如果需要，可以对该电压信号进行D/A转换(在控制器10中不存在D/A转换器，其输出的是数字信号，而变幅机构40只能接收模拟信号的情况)。这里生成的控制信号可以只决定变幅机构40对臂架1与水平面的夹角调节的大小，不决定是增大夹角还是减小夹角，这种控制信号可以成为标量控制信号。可替换地，控制信号既能决定角度调节的大小又能决定是增大夹角还是减小夹角，这种控制信号成为矢量控制信号。在标量控制信号的情况中，是由加载状态或卸载状态来决定变幅机构40是增大还是减小夹角。例如，当控制器10判断处于加载状态时，则生成的控制信号使变幅机构40增大臂架1与水平面的夹角。当控制器10判断处于卸载状态时，生成的控制信号使变幅机构40减小臂架1与水平面的夹角。对于矢量控制信号的情况，这两种不同的状态决定生成的控制信号具有不同的方向，例如带正电压的控制信号和负电压的控制信号。以下涉及控制信号的描述中主要是针对标量控制信号。 

控制器10可以包括但不限于单片机、计算机、微处理器、DSP、PLC控制器10、场可编程门阵列(FPGA)等。图3示出了一种示例的控制器10。如图3所示，所述控制器10可以包括：信号接收单元12、信号处理单元14和信号输出单元16。信号接收单元12用于接收上述各种信号，如有需要，对接收到的信号进行A/D转换。信号处理单元14内嵌有模糊神经网络模型，用于如上述实施方式所述的，根据输入的信号生成控制信号。信号输出单元16用于将生成的控制信号输出到变幅机构40，而且如果有需要，可以在输出之前对控制信号进行D/A转换。 

所述变幅机构40可以有多种实现形式。一般来说，从结构上分，变幅机构40可以分为两种，一种是通过液压***，利用液压油缸的活塞杆来推动(或拉)起重机臂架1改变其与水平面的夹角；另一种是利用电动机带动卷筒52，卷动钢丝绳54拉拽/释放臂架1来改变其与水平面的夹角。 

图4是采用第一种变幅机构的起重机的示意图。在这种情况中，根据本发明的一个实施方式，控制器10直接控制的对象是这种变幅机构的液压***中的阀，例如电磁换向比例阀。 

图5是图4中示出的变幅机构40的一种示例液压***。如图5所示，液压***可以包括液压缸41、平衡阀42、电磁换向比例阀43、溢流阀44、液压泵45、油箱46以及油路。油路可以包括进油回路47和出油回路48。在图5所示的液压***中，控制器10可以直接控制电磁换向比例阀43，通过控制电磁换向比例阀43的开/关来控制液压缸41中进入/出去的液压油，从而控制活塞杆的伸缩以达到调节臂架1与水平面夹角的目的，由此，可以减小作业物体的摆动。在这种情况中，控制器10可以与电磁换向比例阀43的控制端连接。当控制器10判断处于加载状态时，输出到电磁换向比例阀43的由模糊神经网络模型生成的控制信号使电磁换向比例阀43动作，油箱46中的液压油通过进油回路47被注入到液压缸41的下半部分(图5中所示的活塞以下的部分)，同时液压缸41的上半部分(图5中所示的活塞以上的部分)中的液压油通过出油回路48流到油箱46，由此活塞杆伸出，推动臂架1使臂架1的夹角增大。反之，当控制器10判断处于卸载状态时，输出到电磁换向比例阀43的控制信号使电磁换向比例阀43做相反动作，使活塞杆回缩，由此臂架1的夹角减小。当然，除了控制电磁阀，控制器10可以控制另外的阀。在本发明的可替换实施方式中，控制器10可以控制例如电液比例阀、电液数字阀等。 

图6是采用第二种变幅机构的起重机的示意图。这种变幅机构一般可以包括电机、卷筒52、钢丝绳54以及滑轮组。电机用于带动卷筒52转动，卷筒52上缠绕有钢丝绳54，钢丝绳54通过滑轮组与起重机臂架1连接，当电机带动卷筒52转动时，卷筒52卷起或释放钢丝绳54，由此改变臂架1与水平面的夹角。在这种情况中，控制器10可以与电机的控制端连接。当控制 器10判断处于加载状态时，输出给电机的控制端的控制信号使电机正转以带动卷筒52卷起钢丝绳54，由此臂架1的夹角增大。当控制器10判断处于卸载状态时，输出给电机的控制端的控制信号使电机反转以带动卷筒52释放钢丝绳54，由此臂架1的夹角减小。根据状态来决定变幅机构40执行相反动作可以通过设置本领域技术人员公知的逻辑电路例如选通电路或模拟电路，例如选通电路、比较电路等来实现。 

本领域技术人员可以理解，除了上述两种形式，变幅机构40也可以采用其它的形式。 

模糊神经网络模型的建立

模糊神经网络模型根据起重机臂架1的长度、臂架1与水平面的夹角、吊起的作业物体的重量(含吊具2自重)、作业物体和/或吊具摆动的角度以及角加速度来确定臂架1与水平面之间的夹角的期望变化量，由此决定输出给变幅机构40的控制信号。下面介绍模糊神经网络模型。 

图7是一种模糊神经网络模型的示意图。如图7所示，神经网络一般可以分输入层、多个隐含层和输出层。在本发明的实施方式中，可以包括三个隐含层。由于需要考虑以上5个参量，即起重机臂架1的长度、臂架1与水平面的夹角、吊起的作业物体的重量(含吊具2自重)、作业物体和/或吊具摆动的角度以及角加速度，因此，输入层的神经元个数可以为5个。输出层的神经元个数可以为一个。 

第一个隐含层为模糊化层，用于将输入层的输入模糊化，可以采用钟形隶属度函数按照模糊规则来计算隶属度。 

例如可以采用Takagi-Sugeno(TS)模糊逻辑***，该***是一种自适应能力很强的模糊***，该模型不仅能自动更新，而且能不断修正模糊子集的隶属函数。TS模糊***用如下的“if-then”规则形式来定义，在规则为Rj的 情况下，模糊推理如下： 

R^j：If x₁ is 

x₂ is 

...，x_k is 

then y_j＝p_j0+p_j1x₁+...+p_jnx_k

其中， 

是x_i的第j个语言变量值，p_ji(j＝1，2，...m)为模糊***参数；y_j为根据第j条模糊规则得到的输出结果。 

假设对于输入量x＝[x₁，x₁，...，x_n]，首先根据模糊规则计算各输入变量x_i的隶属度，隶属函数采用高斯函数，即 

${\mathrm{\μ}}_{A_i^j}\left(x_i\right)=\exp (-{\left(\frac{x_i-c_i^j}{b_i^j}\right)}^2)$ j＝1，2，...，m；i＝1，2，...，n公式(1) 

式中，  分别为隶属度函数的中心和宽度；n为输入参数数；m为模糊子集数； 

为相应的隶属函数。 

第二个隐含层用于模糊规则计算层，将各隶属度进行模糊计算，采用模糊算子为连乘算子。 

$a_j={\mathrm{\μ}}_{A_1^j}\left(x_1\right)*{\mathrm{\μ}}_{A_2^j}\left(x_2\right)*...*{\mathrm{\μ}}_{A_k^j}\left(x_k\right)=\underset{i=1}{\overset{n}{\mathrm{\Π}}}\exp [-{\left(\frac{x_i-c_i^j}{b_i^j}\right)}^2]$ j＝1，2，...，m公式(2) 

第三个隐含层用于进行归一化计算。例如可以根据公式(3)来进行归一化计算： 

$\stackrel{\→}{a_j}=\frac{a_j}{\underset{j=1}{\overset{m}{\mathrm{\Σ}}}{a}_j}$ 公式(3) 

输出层用于实现清晰化计算。例如可以根据公式(4)来进行清晰化计算： 

公式 

$y=\underset{j=1}{\overset{m}{\mathrm{\Σ}}}\stackrel{\→}{a_j}{y}_j$ 公式(4) 

由此，该模糊神经网络模型的输入与输出的关系为： 

$y=\frac{\underset{j=1}{\overset{m}{\mathrm{\Σ}}}{y}_j\left\{\underset{i=1}{\overset{n}{\mathrm{\Π}}}\exp {(-\frac{x_i-c_i^j}{b_i^i})}^2\right\}}{\underset{j=1}{\overset{m}{\mathrm{\Σ}}}\left\{\underset{i=1}{\overset{n}{\mathrm{\Π}}}\exp {(-\frac{x_i-c_i^j}{b_i^j})}^2\right\}}$ 公式（5） 

在以上公式中， 

分别为隶属度函数的中心和宽度；n为输入参数个数；m为模糊子集数；x_i为第i个输入变量；y_j为根据第j条模糊规则得到的输出结果。 

模糊神经网络模型的学习算法如下： 

(1)误差计算 

$e=\frac{1}{2}{(y_d-y_c)}^2$ 公式（6） 

其中，y_d是网络期望输出；y_c是网络实际输出；e为期望输出和实际输出的误差。 

（2）系数修正 

$p_{\mathrm{ji}}\left(k\right)=p_{\mathrm{ji}}(k-1)-\mathrm{\η}\frac{\∂e}{\∂p_{\mathrm{ji}}}$ 公式（7） 

$\frac{\∂e}{\∂p_{\mathrm{ji}}}=(y_d-y_c)a_j/\underset{j=1}{\overset{m}{\mathrm{\Σ}}}{a}_j.x_i$

式中，p_ji为神经网络系数；η为网络学习率，本设计中采用的学习率为0.2；x_i为网络输入参数；a_j为输入参数隶属度连乘积；k为学习次数，本设计中学习次数在600-800时，效果较好；y_d、y_c、e同上。 

（3）参数修正 

$c_i^j\left(k\right)=c_i^j(k-1)-\mathrm{\η}\frac{\∂e}{\∂c_i^j}$ 公式（8） 

$b_i^j\left(k\right)=b_i^j(k-1)-\mathrm{\η}\frac{\∂e}{\∂b_i^j}$ 公式（9） 

式中， 

分别为隶属度函数的中心和宽度，其余同上。 

学习样本

模糊神经网络模型的学习需要学习样本来确定参数p_ji、 

和 

学习样本本身的准确性以及样本的数量决定模糊神经网络模型的准确性。因此，学习样本的获得是很重要的。 

可以在不同的臂长、不同的夹角、不同的吊载重量的情况下获得作业物体(或吊具2)摆动的角度和角速度，由此获得多组输入样本{臂长、夹角、重量、角度、角速度}，其中臂长是指臂架1的长度，夹角是指臂架1与水平面之间的夹角、重量是指吊起的作业物体的重量(可以包含吊具2自重)，角度和角速度分别指吊具2和/或作业物体摆动的角度和角速度。在确定输入样本后，还需要确定与输入样本对应的期望输出值。当获得该组输入样本时，通过多次实验，控制变幅机构40改变臂架1的夹角以减小作业物体(吊具2)的摆动。当某次实验中摆动的幅度位于设定容忍范围内时，则认为此次臂架1的夹角的变化量为该组输入样本的期望输出值。(如果有多次实验中摆动幅度都位于设定容忍范围内，则可以摆动幅度最小所对应的臂架1的夹角的变化量为期望输出值)。另外，臂架1与水平面之间的夹角的变化量是通过变幅机构40来执行的。因此输入到变幅机构40的控制信号的大小与期望变化量的大小之间存在一一对应的关系。因此，确定了期望变化量，就能确定输入到变幅机构40的控制信号。 

根据以上方法，可以获得多组输入样本及其对应的期望输出值，即学习样本。模糊神经网络模型可以利用这些学习样本来调节参数p_ji、 

和 

学习过程结束之后，模糊神经网络模型的建立就完成了。 

上述模糊神经网络模型可以通过软件的形式来实现，该软件可以是内嵌在控制器10中，或可以存储在控制器10的内部存储器(片内FLASH、片 内RAM)或外部存储器中。所使用软件例如有C语言、MATLAB等。 

根据本发明的实施方式的起重机防摇***，其利用模糊神经网络模型根据影响作业物体和/或吊具2摆动的起重机臂架长度、臂架1与水平面的夹角、作业物体的重量、摆动的角度以及角速度来调节臂架1与水平面的夹角，尤其是在作业物体从初始位置刚被吊起时的加载状态和/或在作业物体被放到目的位置的卸载状态调节臂架1的夹角，从而有效减小作业物体和/或吊具2的摆动，起到很好的防摇效果。该实施方式考虑了起重机的臂架1的长度、臂架1与水平面的夹角、作业物体重量、作业物体和/或吊具2摆动的角度以及角加速度，利用基于模糊神经网络的控制器10来调节臂架1与水平面之间的夹角以减小作业物体的摆动。因此，该防摇***能够适应不同的作业物体载荷、臂长以及不同的夹角，其控制性能具有很好的鲁棒性。 

以上结合附图描述了本方面的优选实施方式，但这些实施方式是示例性而非限制性的。本领局技术人员可以以合理的方式对这些实施方式进行各种组合，且在不脱离本发明的范围的情况下可以进行各种修改、变形以及替换。 

Claims (16)

1.一种起重机防摇***，其特征在于，该***包括：

受力检测装置（20），用于检测臂架（1）的受力大小；

控制器（10），用于获取来自所述受力检测装置的受力大小，根据该受力大小判断检测起重机处于加载状态或卸载状态，根据判断结果控制起重机的变幅机构（40）调节臂架（1）与水平面之间的夹角。

2.根据权利要求1所述的起重机防摇***，其中，该***还包括：

变幅机构（40），用于在控制器（10）的控制下调节所述臂架（1）与水平面之间的夹角。

3.根据权利要求1所述的起重机防摇***，其中，所述控制器（10）用于在所述判断结果为加载状态的情况下控制变幅机构（40）增大臂架（1）与水平面之间的夹角，和/或在判断结果为卸载状态的情况下控制变幅机构（40）减小臂架（1）与水平面之间的夹角。

4.根据权利要求3所述的起重机防摇***，其中，如果所述控制器（10）获取的受力大小由增加的状态转变为持续不变的状态，则控制器（10）判断从该转变的时刻起起重机处于加载状态；如果所述控制器（10）获取的受力大小由减小的状态转变为持续不变的状态，则控制器（10）判断从该转变的时刻起起重机处于卸载状态。

5.根据权利要求1-4中任意一项所述的起重机防摇***，其中，该***还包括角度检测器，用于检测起重机的吊具（2）摆动的角度；

所述控制器（10）还用于获取所述角度检测器所检测的角度，根据该角度控制所述变幅机构（40）调节所述臂架（1）与水平面之间的夹角，且当 检测到的角度小于一阈值时，该控制器（10）停止控制所述变幅机构（40）调节所述臂架（1）与水平面之间的夹角。

6.根据权利要求5所述的起重机防摇***，其中，所述阈值的范围为-0.5°至0.5°。

7.根据权利要求1-4中任意一项所述的起重机防摇***，其中，所述受力检测装置（20）为力矩限制器（22）。

8.根据权利要求7所述的起重机防摇***，其中，所述力矩限制器（22）还用于检测起重机的臂架（1）的长度、检测臂架（1）与水平面之间的夹角以及检测起重机的吊具（2）吊起的作业物体的重量；并发送相应的长度信号、夹角信号以及重量信号；

该***还包括角度及角速度检测器（30），用于检测吊具（2）摆动的角度以及角速度，并发送相应的角度信号和角速度信号；

所述控制器（10）还用于接收所述长度信号、夹角信号、重量信号、角度信号以及角速度信号，根据这些信号确定臂架（1）与水平面之间的夹角的期望变化量；

所述变幅机构（40）在控制器（10）的控制下调节所述臂架（1）与水平面之间的夹角以使得该夹角改变了该期望变化量。

9.根据权利要求8所述的起重机防摇***，其中，所述控制器（10）根据设置在其中的模糊神经网络模型确定臂架（1）与水平面之间的夹角的期望变化量。

10.根据权利要求9所述的起重机防摇***，其中，所述模糊神经网络 模型周期性地确定臂架（1）与水平面之间的夹角的值的期望变化量，所述变幅机构（40）在控制器（10）的控制下，在每个周期内调节臂架（1）与水平面之间的夹角以使该夹角改变了在该周期中的期望变化量。

11.根据权利要求10所述的起重机防摇***，其中，所述周期的范围为200ms-600ms。

12.根据权利要求9所述的起重机防摇***，其中，所述模糊神经网络模型包括：

输入层，该输入层具有5个神经元，向该5个神经元中分别输入所述长度信号、夹角信号、重量信号、角度信号以及角速度信号；

多个隐含层；以及

输出层，该输出层具有1个神经元，该神经元输出控制信号。

13.根据权利要求12所述的起重机防摇***，其中，所述模糊神经网络模型的输出与输入之间的关系被表示为：

分别为隶属度函数的中心和宽度；n为输入参数个数；m为模糊子集数；x_i为第i个输入变量；y_j为根据第j条模糊规则得到的输出结果。

14.根据权利要求8、9、12或13所述的起重机防摇***，其中，输入到所述控制器（10）的所述重量信号还加入了反映所述吊具（2）重量的补偿值。 

15.根据权利要求8所述的起重机防摇***，其中，所述角度及角速度检测器（30）包括：

光发射装置，该光发射装置被设置在臂架（1）的顶端处，且用于向光反射装置发射光束；

光反射装置，该光反射装置被设置在所述吊具（2）处，且用于将该光发射装置发射的光束反射到光接收装置；

光接收装置，该光接收装置用于根据接收该光反射装置反射的光束，并响应于该光束的接收而发出关于光束的移动距离和移动速度的信号；以及

处理器，与所述光接收装置连接，用于接收该光接收装置发出的信号，根据该信号计算该光束在该光接收装置上移动的距离和速度，由此分别确定所述吊具（2）摆动的角度和角速度。

16.根据权利要求15所述的起重机防摇***，其中，所述光接收装置为多个光感单元，该多个光感单元呈直线型排列且彼此之间具有间隔，当所述光束照射到光感单元时，该光感单元向所述处理器发送信号。 

Images