专利名称：堆垛机神经网络控制技术的制作方法
技术领域：
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神经网络 控制技术。
背景技术：
由于自动化立体仓库具有空间利用率高、管理方便、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开展了一些研究工作。王勇军和周奇才等以激光测距 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，研究了一种新型巷 道堆垛机高速运行的控制方法。陈娟和钟永彦等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。吕全海和沈敏德等人结合激光测距技 术对堆垛机闭环速度控制的硬件和软件的实现技术进行了讨论。别文群和缪兴锋等对堆垛 机行走机构、升降机构、伸缩货叉机构的PLC控制系统进行了设计。葛高丰分析了堆垛机控 制系统的组成、结构和特点，讨论了基于西门子S7-300PLC的堆垛机控制系统方案。罗志 清和阎树田等针对邮包立体仓库堆垛机的特殊性，将模糊控制和预测控制相结合，提出智 能预测模糊控制算法，并根据堆垛机运动的实际工况进行了模糊建模和仿真。目前利用神 经网络进行堆垛机运行速度控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神经网络控制技术。本发明提出的堆垛机控制新技术是以 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 最小振动状态下堆垛机运行参数之间映射模型，进行堆垛机最小振动状态运行速度预报； 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神经网络控制新技术，是通过神经网络来建立堆垛机运行参数与最小 振动状态之间映射模型，因而是堆垛机最小振动状态下运行速度控制参数的经验优选。本 发明提出的堆垛机神经网络控制技术，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。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，建立最堆 垛机最小振动状态下主要运行参数之间的神经网络映射模型；利用建立的神经网络模型预 测堆垛机作业过程中振动量最小状态的运行速度；以预报的堆垛机速度为基础得到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 预测、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 对堆垛机运行过程进行深入分析，研究堆垛机运行过程产生振动的机理，分析与 堆垛机振动产生直接相关的主要影响因素。在此基础上对堆垛机类型、操作台高度、载重、 运行速度和堆垛机运行过程振动之间关系按照正交试验方法进行实验，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。以堆垛机振动量为依据对获得的堆 垛机运行数据进行分类处理。按照堆垛机振动量的数值，将堆垛机振动量分为大、中、小三 类。在对获得的堆垛机运行数据进行分类基础上构造堆垛机运行过程样本数据。在获取的 所有堆垛机运行数据中，筛选出堆垛机振动量小的一组数据，并将该组数据处理为样本数 据。堆垛机振动量小对应的一组数据，就可以认为是反映了有关堆垛机类型、操作台高度、 载重、运行速度和堆垛机最小振动状态之间的关系。本发明将该组数据中堆垛机振动量数 据项去除，并将堆垛机运行速度作为样本数据的输出、其它堆垛机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最小振动状态下有关堆垛机运行速度和堆垛 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行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最小振动状态下堆垛机运行速度和堆垛机类型等参数之间的 关系，因此利用神经网络进行样本学习，就可以将样本数据蕴涵的堆垛机最小振动状态下 堆垛机参数间关系由神经网络模型来描述，即通过样本学习获得的神经网络模型描述的堆 垛机运行速度和堆垛机类型等参数之间的关系反映了堆垛机最小振动状态下参数之间的 规律。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、每层的神经元数、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。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 运行速度。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 堆垛机最小振动状态下堆垛机参数间关系的神经网络模型。3)堆垛机运行速度预测以构建的堆垛机最小振动状态下堆垛机运行速度和堆垛机类型等参数之间的神 经网络模型为基础，进行最小振动状态下堆垛机运行速度的预测。将需要进行速度控制的 堆垛机类型、操作台高度、载货重量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 获得堆垛机最小振动状态下运行速度参数。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状态下堆垛机运行速度为基础，进行离散速度值曲线拟合，得到堆垛机运行的控制速度曲线，为变频器对堆垛机的速度控制做准备。堆垛机运行的速度控制就是以堆垛机速度控制曲线为依据，取此速度曲线上的点作为速度设定值传送给PID功能块，控制堆垛机的运行速度，指导堆垛机的运行。本发明的优点堆垛机的神经网络控制技术，能够对堆垛机作业过程中最小振动状态下的运行速度进行预测和控制，降低堆垛机运行过程中的振动量。
附图1是堆垛机神经网络控制技术的流程图；附图2是堆垛机神经网络控制的控制原理示意图附图3是堆垛机神经网络控制的三层神经网络模型示意具体实施例方式以下结合附图，说明本发明提出的针对自动化立体仓库堆垛机的神经网络控制技 术，其具体实施方法如下图1是堆垛机神经网络控制的流程图，在本发明中以神经网络为手段、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。本发明首先 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，建立最堆 垛机最小振动状态下主要运行参数之间的神经网络映射模型；利用建立的神经网络模型预 测堆垛机作业过程中振动量最小状态的运行速度；以预报的堆垛机速度为基础得到堆垛机 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。
具体实施例方式图3是堆垛机神经网络控制的三层神经网络模型示意图，本实施例中构建的神经 网络为具有三层结构的神经网络模型，如图3所示。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、勻速、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、堆垛机操作台的高度、堆垛机的载重、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、操作台高度、载货重量等几个变量作为堆垛机神经网络模型的输入变量，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业运行线路上各段的速度
值(v1、v2.......Vn)；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(V1,v2.......Vn)；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√2n+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 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随机采集而来，而神经网络采用三层的 神经网络模型，结构采用N个输入神经元、V^Fri+/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。
权利要求
堆垛机神经网络控制技术，其特征是以神经网络为手段、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；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所述的堆垛机神经网络控制技术，其特征在于所述的堆垛机运行 速度值的预测是通过建立神经网络模型并对网络进行训练来实现的。
全文摘要
一种堆垛机神经网络控制技术，该技术以神经网络为手段、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。它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，建立最堆垛机最小振动状态下主要运行参数之间的神经网络映射模型；利用建立的神经网络模型预测堆垛机作业过程中振动量最小状态的运行速度；以预报的堆垛机速度为基础得到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。
文档编号G05B13/02GK101846974SQ20101013641
公开日2010年9月29日 申请日期2010年3月30日 优先权日2010年3月30日
发明者徐正林, 王鑫国, 陆金桂, 韩绍军 申请人:江苏六维物流设备实业有限公司