Техніка та енергетика

Синтез оптимального за швидкодією режиму розгону механізму повороту баштового крана

Юрій Ромасевич, Ярослав Губар
Завантажити статтю
Анотація

Висока продуктивність вантажопідйомних кранів важлива для зведення будівель і споруд. Одним із ефективних способів цього досягти є усунення маятникових коливань вантажу на гнучкому підвісі баштових кранів. Тому метою статті було отримання загального розв’язку задачі оптимального за швидкодією керування протягом розгону механізму повороту крана. Представлена динамічна модель кранової системи, описані крайові умови, критерій оптимізації та введено обмеження на крутний момент. Виконано зведення вихідної задачі до задачі безумовної оптимізації нелінійної функції. Виконано багатократне розв’язування задачі, в якій маса вантажу m, довжина гнучкого підвісу l та виліт стріли r змінювались у певних межах. Для знаходження розв’язків використаний оптимізаційний алгоритм VCT-PSO. На основі отриманих розв’язків сформовано масив даних для навчання штучної нейронної мережі (навчальна вибірка) та масиву для перевірки її роботи (тестова вибірка). Для задачі прогнозування моментів перемикання керувань використано нейронну мережу прямого поширення із трьома входами (відповідають параметрам m, r, l), трьома виходами (відповідають моментам перемикання керувань) та трьома прихованими шарами з п’ятьма нейронами в кожному. Виконано тренування нейронної мережі за допомогою методу ADAM та визначено результати оцінок якості прогнозу моментів перемикання керувань, представлено графіки похибок оцінок. Встановлено високу якість апроксимації поверхні розв’язків задачі за допомогою штучної нейронної мережі. Проведено аналіз динаміки руху системи при оптимальному керуванні, які показав, що на показники руху системи найменший вплив має маса вантажу m, а найбільший ‒ довжина гнучкого підвісу l

Ключові слова

баштовий кран, механізм повороту, оптимальне керування, маятникові коливання вантажу, штучна нейронна мережа

ЦИТУВАТИ
Romasevych, Yu., & Hubar, Ya. (2025). Synthesis of the optimal acceleration mode of the tower crane slewing mechanism. Machinery & Energetics, 16(2), 9-19. https://doi.org/10.31548/machinery/2.2025.09
Використані джерела
  1. AI-Rawashdeh, Y.M. (2023). A suppress-excite approach for online trajectory generation of uncertain motion systems. Mechanical Systems and Signal Processing, 186.
  2. Chwastek, S. (2013). Optimization of crane mechanisms to reduce vibration. Automation in Construction, 119, article number 103335. doi: 10.1016/j.autcon.2020.103335.
  3. Fasih, S.M., Mohamed, Z., Husain, A.R., Ramli, L., Abdullahi, A.M., & Anjum, W. (2020). Payload swing control of a tower crane using a neural network-based input shaper. Measurement and Control, 53(7-8), 1171-1182. doi: 10.1177/0020294020920895.
  4. Hussein, E.Q., Al-Dujaili, A.Q., & Ajel, A.R. (2020). Design of sliding mode control for overhead crane systems. IOP Conference Series: Materials Science and Engineering, 881, article number 012084. doi: 10.1088/1757-899X/881/1/012084.
  5. Jebellat, I., & Sharf, I. (2023). Motion planners for path or waypoint following and end-effector sway damping with dynamic programming. TechRxiv. doi: 10.36227/techrxiv.24717336.v1.
  6. Kadykalo, І.О. (2021). Optimization of transient motion modes of the crane boom rotation mechanism. (PhD dissertation, National University of Life and Environmental Sciences of Ukraine, Kyiv, Ukraine.
  7. Kang, S.C., & Miranda, E. (2004). Physics-based model for simulating the dynamics of tower cranes. Proceedings of the International Conference on Computing in Civil and Building Engineering (ICCCBE), 1-10.
  8. Kiianovskyi, M., & Kiyanovska, N. (2022). Selection of mathematical models for identification and localization of defects in operational objects. Journal of Kryvyi Rih National University, 20(2), 82-87. doi: 10.31721/2306-5451-2022-1-55-82-88.
  9. Kim, G.-H., Pham, P.-T., Ngo, Q.H., & Nguyen, Q.C. (2021). Neural network-based robust anti-sway control of an industrial crane subjected to hoisting dynamics and uncertain hydrodynamic forces. International Journal of Control, Automation and Systems, 19(5), 1953-1961. doi: 10.1007/s12555-020-0333-9.
  10. Kimmerle, S.-J., Gerdts, M., & Herzog, R. (2018). An optimal control problem for a rotating elastic crane-trolley-load system. IFAC-PapersOnLine, 51(2), 272-277. doi: 10.1016/j.ifacol.2018.03.047.
  11. Kingma, D.P., & Ba, J. (2015). Adam: A method for stochastic optimization. Arxiv. doi: 10.48550/arXiv.1412.6980.
  12. Kovalenko, V.O. (2021). The movement of the boom rotation mechanism of the crane while minimizing the duration of the work cycle. In V all-Ukrainian scientific and technical conference “Creation, operation, and repair of automotive transport and construction equipment” (pp. 86-87). Kyiv: Kyiv National University of Construction and Architecture.
  13. Kovalenko, V.O., Kovalenko, O.O., Stryzhak, V.V., Svirgun, V.P., & Stryzhak, M.H. (2022). Optimization of the control system for the tower crane rotation mechanism. Bulletin of NTU “KhPI”. Series: Automobile and Tractor Engineering, 1, 84-95. doi: 10.20998/2078-6840.2022.1.10.
  14. Le, T.A., Dang, V.-H., Ko, D.H., An, T.N., & Lee, S.-G. (2013). Nonlinear controls of a rotating tower crane in conjunction with trolley motion. Proceedings of the Institution of Mechanical Engineers, Part I: Journal of Systems and Control Engineering, 227(5), 451-460. doi: 10.1177/0959651812472437.
  15. Liu, Z., Lin, Z., & Wu, M. (2021). Study of anti-swing control of ship cranes based on time delay feedback. JVE Journal of Vibroengineering, 23(4), 1034-1055. doi: 10.21595/jve.2021.21697.
  16. Mokin, B.І., Mokin, О.B., & Kryvonis, О.M. (2020). Synthesis of optimal control law for a class of systems with parameters varying in time and space. Bulletin of Vinnytsia Polytechnic Institute, 6, 38-46. doi: 10.31649/1997-9266-2020-153-6-38-46.
  17. Okun, A.O. (2021). Research on the motion control processes of a cable crane trolley with a load. In Information technology: Science, engineering, technology, education, health (Part І, p. 112). Kharkiv: Planet Print.
  18. Ouyang, H., Xu, X., & Zhang, G. (2021). Boom motion trajectory generation approach for load sway rejection in rotary cranes considering double-pendulum effect. Measurement and Control, 54(5-6), 924-934. doi: 10.1177/0020294020944964.
  19. Pucci, P. (2004). The strong maximum principle revisited. Journal of Differential Equations, 196, 1-66. doi: 10.1016/j.jde.2003.05.001.
  20. Qian, Y., Hu, D., Chen, Y., Fang, Y., & Hu, Y. (2021). Adaptive neural network-based tracking control of underactuated offshore ship-to-ship crane systems subject to unknown wave motion disturbances. IEEE Transactions on Systems, Man, and Cybernetics: Systems, 52(6), 3626-3637. doi: 10.1109/TSMC.2021.3071546.
  21. Romasevych, Y., & Loveikin, V. (2022). Development of a PSO modification with varying cognitive term. In IEEE 3rd KhPI Week on Advanced Technology (KhPIWeek) (pp. 55-59). Kharkiv: IEEE. doi: 10.1109/KhPIWeek57572.2022.9916413.
  22. Romasevych, Y.O., Loveikin, V.S., Khoroshun, A.S., & Makarets, V.V. (2022). Synthesis of optimal feedback control of the crane-load system. International Applied Mechanics, 58(2), 199-207. doi: 10.1007/s10778-022-01151-4.
  23. Sun, Z., Bi, Y., Chen, S., Hu, B., Xiang, F., Ling, Y., & Sun, Z. (2019). Designing and optimization of fuzzy sliding mode controller for nonlinear systems. Computers, Materials & Continua, 61(1), 119-128. doi: 10.32604/cmc.2019.05274.
  24. Svirgun, V.V. (2022). Microprocessor-based control system for an overhead crane based on Arduino. Environmental Engineering, 1(23), 87-91. doi: 10.5281/zenodo.6822931.
  25. Wu, T.-S., Karkoub, M., Yu, W.-S., Chen, C.-T., Her, M.-G., & Wu, K.-W. (2015). Anti-sway tracking control of tower cranes with delayed uncertainty using a robust adaptive fuzzy control. Fuzzy Sets and Systems, 290, 118-137. doi: 10.1016/j.fss.2015.01.010.
  26. Yu, Z., Luo, J., Zhang, H., Onchi, E., & Lee, S.-H. (2021). Approaches for motion control interface and tele-operated overhead crane handling tasks. Processes, 9(12), article number 2148. doi: 10.3390/pr9122148
  27. Zuo, Y., Zhao, F., Yang, K., & Yang, R. (2021). Fatigue life assessment of tower crane based on neural network to obtain stress spectrum. Preprint. doi: 10.21203/rs.3.rs-1074638/v1.