基于改進BP神經(jīng)網(wǎng)絡的施工升降機平層控制系統(tǒng)研究

姬程飛，錢雪飛

中國石油管道局工程有限公司國際事業(yè)部，河北 廊坊

1.引言

隨著我國基礎設施建設能力的不斷提高，建筑行業(yè)發(fā)展日益迅速，建筑難度持續(xù)提高，對施工技術的要求也越來越高[1]。在建筑施工領域，施工升降機是運送垂直升降作業(yè)人員必要的設備，傳統(tǒng)的施工升降機大多選用接觸器或繼電器作為開關，以直接啟動和機械抱閘的原始方法進行啟動和停止，整個過程大都依靠人工手動和人工經(jīng)驗控制來完成，存在精度低、效率低、舒適度差、智能化程度不高、機械損耗嚴重等很多缺點，難以滿足當前高層建筑的施工要求[2][3][4]。隨著異步電機變頻調速技術的進步，利用變頻器[5]，結合DSP 芯片和智能神經(jīng)網(wǎng)絡進行精確的運算控制，可以有效地解決上述問題，獲得良好的運行特性[6]。各種信息技術的應用使施工升降機械的自動控制迎來了嶄新機遇，各種傳感控制技術、荷載自適應控制技術、自動平層控制技術等，大大提高了設備的耐久性和安全可靠性[7][8]。本文主要介紹一種智能化的自動平層控制系統(tǒng)，使其實現(xiàn)精確、高效的自動平層。

2.平層控制系統(tǒng)關鍵技術

平層控制系統(tǒng)設計實現(xiàn)類似電梯功能的智能精確平層的目標功能，主要有三項關鍵技術：

1) 信息采集

系統(tǒng)通過光電編碼器將電機輸出軸上的旋轉速度、運行方向和位置轉換轉變成脈沖或數(shù)字量，利用壓敏器件，將升降機負載重量轉換成連續(xù)電壓信號，均上載至DSP 主控制器，為平層制動距離的預測提供樣本數(shù)據(jù)。

2) 制動距離預測

在特定情況下，假如光電編碼器的輸出脈沖或數(shù)字信號與存儲器中儲存的樓層高度信息吻合則執(zhí)行機構電機停止轉動。系統(tǒng)中的變頻器是一個黑匣子系統(tǒng)，無法直接設定預測距離，神經(jīng)網(wǎng)絡通過自己對數(shù)據(jù)的泛化和系統(tǒng)的整定，能夠模擬逼近任何輸入輸出所遵循的內在規(guī)律，并且能夠通過自我優(yōu)化學習，不斷提高輸出的準確性和抗干擾性，適合本系統(tǒng)制動距離的預測。因此，系統(tǒng)通過人工神經(jīng)網(wǎng)絡來預測平層時的制動距離，使平層控制更加智能化。

3) 電磁抱閘設計

DSP 主控制器和抱閘系統(tǒng)協(xié)同控制平層的停車，在達到指定樓層位置時，電機停止轉動，同時抱閘系統(tǒng)自動開啟。為了提高停車的響應速度和線性平穩(wěn)度，變頻器設置為斜坡停車，繼電器控制電磁抱閘吸合或斷開，實現(xiàn)平層過程。

3.BP 神經(jīng)網(wǎng)絡

3.1.傳統(tǒng)BP 神經(jīng)網(wǎng)絡

BP 神經(jīng)網(wǎng)絡基于誤差逆向傳播思想，主要包括輸入層、隱含層及輸出層三層結構。網(wǎng)絡傳輸包含兩個階段，即信號前向傳輸和誤差逆向傳輸。輸入信號在前向傳輸過程中，經(jīng)過隱含層，在輸出層得到輸出信號。如果輸出信號與預期設定的參數(shù)不一致，誤差開始逆向傳輸，經(jīng)輸出層、隱含層、數(shù)層依次優(yōu)化權值和閾值，降低誤差，直到達到設定參數(shù)，即停止訓練[9]-[15]。圖1 為標準BP 神經(jīng)網(wǎng)絡結構，各層神經(jīng)元節(jié)點數(shù)分別為M、q、L。輸入信號為x1,x2,…,xM，網(wǎng)絡輸出信號為y1,y2,…,yL，預期輸出信號為tk(k=1,2,…,L)，誤差信號為ek(k=1,2,…,L)。

Figure 1.The model of BP neural network圖1.BP 神經(jīng)網(wǎng)絡模型

根據(jù)上述原理，BP 神經(jīng)網(wǎng)絡算法實現(xiàn)主要包括信號的正反兩個傳輸過程[10][11]，具體如下：

1) 信號的正向傳輸過程。

隱含層第i個節(jié)點的輸入neti為

隱含層第i個節(jié)點的輸出oi為

輸出層第k個節(jié)點的輸入netk為

輸出層第k個節(jié)點的輸出ok為

式中，xj為j節(jié)點的輸入，j=1,2,…,M；wij和wki分別為輸入層到隱含層和隱含層到輸出層的權值；δi和δk分別為隱含層和輸出層i節(jié)點和k節(jié)點的閾值；φ和ψ分別為網(wǎng)絡隱含層及輸出層的激勵函數(shù)；ok為k節(jié)點的輸出。

2) 誤差的反向傳輸過程。

在標準BP 神經(jīng)網(wǎng)絡中，輸入樣本p的誤差可用如下函數(shù)表示：

式中，L為網(wǎng)絡輸出層神經(jīng)元節(jié)點數(shù)；分別為樣本p條件下節(jié)點k的實際輸出和目標輸出。

為使網(wǎng)絡收斂，各層網(wǎng)絡權值沿著梯度下降最快的方向進行修正。由下降梯度法得隱含層與輸出層神經(jīng)元樣本p作用時的加權系數(shù)增量公式，如式(6)～式(11)所示：

式中，η為學習速率，η>0 ；分別為樣本p條件下隱含節(jié)點i和輸入節(jié)點j的輸出。

BP 神經(jīng)網(wǎng)絡與其他算法相比，計算量較小、網(wǎng)絡相對簡單、并行性較高。但這種算法也有一些弊端，如學習效率不高，易于產(chǎn)生局部極小值，收斂速度不快，不適合升降機在線平層控制，存在樣本依賴。因此，標準BP 神經(jīng)網(wǎng)絡算法改進勢在必行。

3.2.改進神經(jīng)網(wǎng)絡

為了有效改善網(wǎng)絡性能，減小網(wǎng)絡誤差，在標準BP 算法中添加動量項，使權值不斷修正；自動調整學習步長，提高學習速率，形成改進的BP 網(wǎng)絡算法[12][13][14][15][16]，如式(12)所示。

上述算法能夠自動修正迭代過程中的學習步長，讓誤差函數(shù)以相對合理的步長沿著梯度曲面的各個方向逼近極小點。

BP 網(wǎng)絡在學習過程中沿著誤差梯度變化最大的反方向不斷修正網(wǎng)絡閾值和權值，使網(wǎng)絡誤差達到最小，圖2 為網(wǎng)絡具體的學習流程。

Figure 2.Learning process of BP network圖2.BP 網(wǎng)絡的學習流程

4.平層制動過程分析

平層的制動主要包括兩個過程，即提前減速和停車，通過變頻器可預先設置升降機的運行速度和減速時間[2][3]。由工作經(jīng)驗可知，制動距離主要與升降機貨臺的運行速度、貨物載重量和上下運行方向等因素有關。以升降機上升運行為例，當升降機停止運行時，則平層有三種情況，如圖3 所示。

Figure 3.Parking plan of leveling floor圖3.平層停車示意圖

1) 理想情況：升降機吊籠平臺與該樓層底板恰好平齊；2) 不理想情況：升降機吊籠平臺還沒有到達樓層地板的位置，與目標高度還有一段距離δ1，此時要重新啟動電機，因此這種情況在實際運行中要絕對禁止；3) 正常情況：升降機吊籠平臺超出樓層地面一段距離，記為δ2，表示吊籠平臺與樓層恰好齊平時還沒有完全停止，此時需要人工操作電磁抱閘系統(tǒng)實現(xiàn)平層過程。

5.BP 神經(jīng)網(wǎng)絡仿真分析

為提高平層精度，降低機械磨損和能量損失，減少人工操作次數(shù)，系統(tǒng)引入智能BP 神經(jīng)網(wǎng)絡實現(xiàn)制動距離L'的預測，使L'與實際制動距離L盡量相等，電磁抱閘時吊籠速度盡量為0。由于實際制動距離主要受升降機運行速度、載重和運行方向三個方面的影響，因此在設計神經(jīng)網(wǎng)絡時，輸入信號為這三個變量，輸出信號為要預測的制動距離，由于輸入層和隱含層神經(jīng)元個數(shù)M和q之間具有q=2M+1 的近似關系，由M=3，得q=7。隱含層和輸出層的傳遞函數(shù)分別選用tansig和logsig函數(shù)。確定了網(wǎng)絡結構和訓練方法后，在Matlab[17]中，用標準BP算法和改進算法對網(wǎng)絡模型分別進行仿真分析，訓練樣本和兩種算法的誤差性能曲線分別如表1 和圖4 所示。

Table 1.Training sample form表1.訓練樣本表格

Figure 4.Training results of BP neural network圖4.BP 神經(jīng)網(wǎng)絡的訓練結果

當設置的誤差參數(shù)ε=10?4時，標準BP 算法需要訓練460 次，改進算法只需要7 次即可達到設定的目標值，效率遠遠高于標準BP 算法，實現(xiàn)了精準預測制動距離，以便能夠快速抱閘平層，從而減小了能量損失和機械磨損，增加了平層精度。利用上述數(shù)據(jù)，結合已經(jīng)訓練好的BP 神經(jīng)網(wǎng)絡，在Matlab 中，得到制動距離預測曲面圖，如圖5 所示。

Figure 5.The prediction curve of BP neural network圖5.BP 神經(jīng)網(wǎng)絡預測曲面圖

圖5 中，xyz分別為升降機運行速度、車廂載重和上升過程中預測的制動距離L'，由圖可知當速度和載重增加時，制動距離也跟著非線性增大，與選擇的訓練樣本變化的趨勢一致，符合基本的變化規(guī)律。

6.總結

本文提出基于改進BP 神經(jīng)網(wǎng)絡的施工升降機平層控制系統(tǒng)，首先介紹了智能平層控制系統(tǒng)的三個關鍵技術，其次對標準BP 神經(jīng)網(wǎng)絡和改進神經(jīng)網(wǎng)絡算法做了簡單介紹，將其引入到施工升降機制動距離預測的網(wǎng)絡模型中，利用Matlab對設計的網(wǎng)絡進行訓練，得出訓練結果與樣本變化趨勢一致，能夠預測制動距離，可進一步將其應用到平層在線控制系統(tǒng)的設計中。