基于ASCP-CS算法的橋式吊車滑?？刂破髟O(shè)計

王天雷 譚南林 張人豐 邱炯智 Kenneth Teo Tze Kin

摘? ?要：針對橋式吊車滑?？刂破鲄?shù)設(shè)置繁瑣以及布谷鳥搜索算法（Cuckoo Search，CS）全局搜索能力不足問題，提出了自適應選取交叉操作算子的布谷鳥搜索算法（Cuckoo Search Algorithm with Adaptively Selecting Crossover Points，ASCP-CS），并將該算法用于橋式吊車滑?？刂破鲄?shù)整定. 該算法在CS算法的基礎(chǔ)上改進自適應搜索步長，并在交叉操作過程中引入自適應選取染色體交叉點. 通過對4種典型尋優(yōu)函數(shù)進行測試的結(jié)果表明：ASCP-CS算法具有較好的尋優(yōu)精度和搜索能力. 對橋式吊車滑?？刂破鞑捎貌煌瑑?yōu)化算法進行參數(shù)整定，仿真實驗表明，基于該算法的控制器能更快地實現(xiàn)吊車負載定位，更有效抑制負載擺角，并具有較好的魯棒性.

關(guān)鍵詞：橋式吊車;布谷鳥搜索;自適應步長;滑?？刂破?非線性系統(tǒng)

Abstract：For the tedious parameter settings of sliding mode controller of bridge crane and insufficient global searching ability of Cuckoo Search（CS），an improved Cuckoo Search algorithm based on adaptive crossover operation point selection（ASCP-CS） was proposed and applied to the adjustment of parameters for the sliding mode controllor of bridge crane. The ASCP-CS algorithm improves the adaptive searching steps based on the CS algorithm， and introduces the adaptive selecting chromosome crossover points in the crossover operation. The test results of four typical optimization functions show that ASCP-CS algorithm has better optimization accuracy and search ability. The sliding mode controller of bridge crane is tuned by different optimization algorithms. It is showed in the simulation results that the controller based on ASCP-CS algorithm can locate the payload more quickly， suppress the swing of the payload more effectively and has strong robustness.

Key words：bridge cranes;Cuckoo Search（CS）;adaptive searching step;sliding mode controllor;nonlinear systems

橋式吊車系統(tǒng)常用于各類重工業(yè)場地以及港口貨物運輸，工作時依靠臺車懸掛的吊繩將負載牽引到指定位置. 由于橋式吊車控制量維度少于其自由度，在運行過程中需要臺車精準定位以及抑制負載擺動，致使控制難度大為增加. 為解決上述問題，使橋式吊車系統(tǒng)高效穩(wěn)定運行，學者們做了大量研究[1-8].

吊車控制方式可分為開環(huán)和閉環(huán)控制，開環(huán)控制包括軌跡規(guī)劃[3]、輸入整形[4]等;閉環(huán)控制包括最優(yōu)控制[5]、模糊控制[6]及滑?？刂芠7-8]等. 滑?？刂朴捎诰哂锌焖夙憫?、設(shè)計簡單、魯棒性強等特點，廣泛應用于欠驅(qū)動系統(tǒng)的控制中[9]，但滑?？刂破鞯膮?shù)整定過程復雜，整定結(jié)果對控制效果影響較大. 因此，學者們對基于參數(shù)整定的滑?？刂七M行了研究[10-14].

在滑模的優(yōu)化控制方法中，陳志梅等[10]提出了基于粒子群優(yōu)化（Particle Swarm Optimization，PSO）的滑?？刂品桨?，實現(xiàn)了對倒立擺狀態(tài)軌跡的跟蹤控制. Vishnu等[11]采用改進粒子群對Buck電路的滑模控制進行優(yōu)化，降低了Buck電路的超調(diào)，提高了電路的魯棒性. 馬群[12]通過把變論域自適應的模糊滑?？刂婆c粒子群算法結(jié)合，提高了負載的定位速度以及降低了擺角的角度. 羅俊堯等[13]采用遺傳算法

（Genetic Algorithm，GA）對起重機的滑?？刂破鲄?shù)進行優(yōu)化. Soufi等[14]提出了一種基于粒子群優(yōu)化的滑模控制策略，并將其應用于風力發(fā)電并網(wǎng)系統(tǒng)中，實現(xiàn)了最大限度利用風能，并能同時限制電磁轉(zhuǎn)矩的變化. 但GA存在調(diào)節(jié)參數(shù)較多且設(shè)置難度較大的局限，而參數(shù)相對較少的PSO算法則容易陷入早熟.

Yang和Deb[15]提出的布谷鳥搜索（Cuckoo Search，CS）算法具有易實現(xiàn)、可調(diào)參數(shù)少、全局搜索能力好等特點，但也存在后期收斂精度不高、收斂速度緩慢等問題. 為此，鄭洪清等[16]利用每次迭代的結(jié)果來動態(tài)更新移動步長的方式替換Lévy飛行機制，避免了游走的隨機性;彭建新等[17]根據(jù)適應度值的分配進行步長和發(fā)現(xiàn)概率的自適應改變，提高了收斂速度與尋優(yōu)精度. 在控制系統(tǒng)應用中，Stojanovic等 [18]采用CS算法對并聯(lián)機器人控制器的參數(shù)設(shè)置進行優(yōu)化控制，對比粒子群與遺傳算法，CS算法具有更好的優(yōu)化性能. 朱笑花等[19]通過借鑒核糖核酸 （Ribonucleic Acid，RNA）的莖環(huán)結(jié)構(gòu)對布谷鳥搜索算法進行改進，并用于吊車PID控制器的參數(shù)整定優(yōu)化，提高了吊車系統(tǒng)的消擺與定位效果.

綜上，為提高算法的全局尋優(yōu)能力和后期的搜索精度，本文提出一種改進的CS算法，即在算法中自適應選取染色體交差操作點以及選用改進的自適應步長函數(shù). 并采用該算法設(shè)計了橋式吊車滑?？刂破鳎ㄟ^與布谷鳥滑?？刂破鳎–S Sliding Mode Controller，CS-SMC）以及粒子群滑?？刂破鳎≒SO Sliding Mode Controller，PSO-SMC）的控制效果進行測試比較，結(jié)果表明本文設(shè)計的控制器性能良好.

1? ?橋式吊車系統(tǒng)的物理模型

圖1為橋式吊車系統(tǒng)的物理模型，模型中負載通過吊繩懸掛在臺車上，在力F作用下臺車通過吊繩牽引將負載運送到指定位置.

2? ?橋式吊車系統(tǒng)的滑?？刂?/p>

由式（4）可知，吊車系統(tǒng)輸入控制力F需完成精準的臺車位置控制與良好的負載擺角抑制效果，故滑模面設(shè)計如式（7）所示：

3? ?ASCP-CS算法

Lévy飛行機制與偏好隨機游走機制在一定程度上緩解了CS算法搜索精度不足的缺陷，然而橋式吊車控制器較為復雜的優(yōu)化問題需要優(yōu)化算法具備更強的搜索能力. 朱笑花和陶吉利等[19-20]的研究表明，RNA分子的變異以及交叉操作能夠使CS算法和遺傳算法的搜索效果更好. 受其啟發(fā)，本文設(shè)計了自適應選取交叉點的算子，增加交叉操作的合理性，并引入新步長的自適應改進策略，提出一種具有自適應選取交叉點的布谷鳥搜索算法（Cuckoo Search Algorithm with Adaptively Selecting Crossover Points，ASCP-CS）.

3.1? ?CS算法

CS算法的規(guī)律可概括為：1）每個布谷鳥隨機選擇一個宿主鳥巢生蛋;2）保留適應度較好的鳥巢進入下一代;3）宿主發(fā)現(xiàn)寄生的鳥巢并丟棄的概率為Pa，然后選擇新的位置筑巢. 其中下一代鳥巢位置更新采用Lévy隨機游走方式，該方式具有“長期短距離游走結(jié)合偶爾的長距離跳躍”特點，可保證算法的全局搜索能力. 鳥巢位置更新方法如式（13）所示.

3.2? ?自適應步長

為增強CS算法的搜索能力，前期搜索范圍較大，后期需縮小搜索范圍以獲得更高的搜索精度. 針對上述問題，對算法中的步長α進行如下改進：

3.3? ?交叉操作算子

參考遺傳算法的基本思想，即通過交叉操作達到增加個體多樣性，本文在CS算法的搜索過程中引入交叉操作的算子，如圖2（a）所示. 由于在交叉的過程中個體發(fā)生變異的情況充滿隨機性，可能會導致算法的收斂速度變慢. 改進的CS算法在交叉操作中設(shè)計一種新型自適應選取交叉點的交叉操作算子，利用該算子，在搜索前期交叉操作的選取集中在序列的高位區(qū)域，增加算法的搜索空間;而搜索后期集中在序列的低位區(qū)域，能增加搜索精度. 具體操作如圖2所示.

3.4? ?ASCP-CS算法的步驟

ASCP-CS算法流程如圖3所示. 1）初始化算法相關(guān)參數(shù);2）通過式（18）的步長公式更新鳥巢位置，并計算適應度值;3）通過貪婪算法保存適應度值最優(yōu)的鳥巢;4）為每一個鳥巢隨機選取一個概率Pt，當Pt < Pa時則丟棄原來的鳥巢，并通過公式（17）的偏好隨機游走方式更新鳥巢的位置;5）通過貪婪算法保存適應度值最優(yōu)的鳥巢;6）在較好的解中隨機選取n/2個鳥巢進行兩兩配對，讓每個解在交叉點進行交叉操作;7）通過貪婪算法保存適應度值最優(yōu)的鳥巢;8）判斷是否滿足算法的停止條件;9）不滿足時重新第2個步驟;10）滿足即停止搜索，輸出最優(yōu)的鳥巢.

4? ?數(shù)值尋優(yōu)與結(jié)果

為檢驗ASCP-CS算法的性能，分析自適應選取交叉點策略和變步長對該算法收斂速度和全局搜索能力的影響，本文選取了CS算法、PSO算法與ASCP-CS算法進行對比. 4個測試函數(shù)全局最小值均為0，用于考察收斂速度的單峰函數(shù)f1，以及考察收斂速度和全局搜索能力的多峰函數(shù)f2、f3和f4. 4個函數(shù)定義如下：

初始化搜索算法的參數(shù)時，為保持條件一致，ASCP-CS算法與CS算法的鳥巢數(shù)目n = 15，最大迭代次數(shù)gmax = 200，二進制序列長度L = log2max（|xmin|，|xmax|），步長參數(shù)a1 = 0.9，b1 = 0.7，交叉點的自適應變異概率b2 = 1，c1 = 20/gmax，g0 = gmax /2，被發(fā)現(xiàn)概率Pa為0.25. PSO算法的參數(shù)設(shè)置如下：種群規(guī)模n = 15，慣性權(quán)重w = 0.7，學習因子c1 = c2 = 0.7. 仿真環(huán)境為Windows 10，內(nèi)存16 GB，CPU為Inter i7系列，MATLAB 2014b. 各算法獨立運行100次，對不同函數(shù)的幾種算法計算結(jié)果如表1所示.

4.1? ?尋優(yōu)精度比較

分析表1數(shù)據(jù)可知，從f1到 f4 4個函數(shù)的測試當中，ASCP-CS算法的尋優(yōu)精度、接近程度以及穩(wěn)定性明顯更高更好.

4.2? ?搜索能力比較

圖4為4個測試函數(shù)的3種算法各自運行100次，并取適應度值平均后的對數(shù)值繪制的尋優(yōu)收斂曲線. 由圖4可知，在4個測試函數(shù)中，PSO算法雖收斂速度快，但均容易早熟，CS算法雖有一直下降的趨勢，但明顯比ASCP-CS算法慢;PSO算法的收斂速度雖快，但最終會陷入到局部解中，ASCP-CS算法與CS算法明顯具有很強的全局搜索能力.

5? ?滑?？刂破鲄?shù)優(yōu)化及系統(tǒng)仿真分析

MATLAB/Simulink環(huán)境下，應用ASCP-CS算法對滑?？刂破?個參數(shù)（滑模面參數(shù)a、b及趨近率函數(shù)參數(shù)ε、k）進行離線優(yōu)化，其實施過程如圖5所示.

1）對橋式吊車控制器模型參數(shù)進行初始化;2）利用ASCP-CS算法優(yōu)化計算出滑?？刂破?個參數(shù);3）橋式吊車模型運行結(jié)束后，利用獲得系統(tǒng)狀態(tài)量（x，θ）及控制力u計算出目標函數(shù)J的數(shù)值;4）ASCP-CS對目標函數(shù)值進行評價，如果到達目標閾值或者滿足最大迭代次數(shù)則結(jié)束算法運行，反之返回步驟2繼續(xù)計算.

為保證吊車系統(tǒng)瞬態(tài)響應時振蕩較小以及系統(tǒng)響應較快，并對控制系統(tǒng)的參數(shù)具有較好的選擇性，采用控制系統(tǒng)性能評價指標ITAE （ Integrated Time and Absolute Error ）定義式（23）所示的目標函數(shù)J：

為更加充分說明該智能優(yōu)化算法在橋式吊車滑模控制器的參數(shù)整定方面的效果，將ASCP-CS算法、CS算法與PSO算法優(yōu)化的滑?？刂破鬟M行控制效果的仿真對比實驗. 采用文獻[15]提供的橋式吊車參數(shù)：臺車質(zhì)量M = 5 kg，負載質(zhì)量m = 1 kg，繩長l = 1 m，搜索空間分別為：a、ε、k∈[0，100]，b∈[-100，100]，目標函數(shù)J的參數(shù)c = 1 000;3種算法的迭代次數(shù)均設(shè)置為G = 50，目標函數(shù)的閾值設(shè)為σ =100，3種優(yōu)化算法在同時達到最大迭代次數(shù)或者超過該閾值即可認為結(jié)束本輪優(yōu)化. 3種算法的目標函數(shù)尋優(yōu)對比實驗結(jié)果如圖6所示.

對比圖6的尋優(yōu)情況，可知ASCP-CS算法在第16代時目標函數(shù)值已經(jīng)達到所設(shè)置的目標函數(shù)閾值σ，即已經(jīng)收斂，而CS算法以及PSO算法依然在逐步收斂中. ASCP-CS算法的收斂速度明顯得到提高.

通過3種優(yōu)化算法得到的滑?？刂破鞯膮?shù)（切換增益e，指數(shù)系數(shù)k，位移權(quán)重a，角度權(quán)重b）見表2.

5.1? ?控制器消擺和定位性能

圖7為基于3種算法的滑?？刂破鞯奈恢门c擺角曲線. 由表2中適應度值數(shù)據(jù)表明，ASCP-CS算法與CS算法相比，在精度上有明顯的提高. 由表3、表4和圖8可知，在ASCP-CS滑?？刂破髯饔孟?，負載最大擺角在0.11 rad以內(nèi)，在3.9 s左右收斂到零. 同時與CS算法和PSO算法優(yōu)化的滑模控制器相比，ASCP-CS滑模控制器響應更迅速，震蕩更小，控制效果更好.

5.2? ?控制器魯棒性實驗

5.2.1? ?實驗安排

為驗證ASCP-CS算法優(yōu)化的橋式吊車滑?？刂破鞯聂敯粜裕疚姆?種情況進行仿真測試.

仿真情況1：施加外力的方式. 在運行5 s時，施加一個幅值為10 N的干擾外力，以測試系統(tǒng)魯棒性. 仿真結(jié)果如圖8所示.

仿真情況2：改變吊車系統(tǒng)的負載質(zhì)量m與繩長l兩個參數(shù). 第1組參數(shù)：m = 1 kg，l = 1 m;第2組參數(shù)：m = 1 kg，l = 0.75 m;第3組參數(shù)：m = 0.5 kg，l = 0.75 m;第4組參數(shù)：m = 0.5 kg，l = 1 m. 仿真結(jié)果如圖9所示.

5.2.2? ?實驗結(jié)果分析

1）抗干擾性分析. 由圖8可知，系統(tǒng)受到干擾后，負載位置受影響較小，負載擺角在干擾瞬間會產(chǎn)生一定擺動，經(jīng)過約2 s再次穩(wěn)定，恢復到零擺角，表明ASCP-CS的滑?？刂破骶哂休^好的抗干擾能力.

2）變載荷穩(wěn)定性分析. 由圖9可得：①改變系統(tǒng)質(zhì)量及繩長，對ASCP-CS滑?？刂破鞯奈恢糜绊戄^小;②繩長不變，僅改變負載質(zhì)量，負載的擺角無明顯變化;③負載質(zhì)量不變，僅改變繩長，負載擺角受到一定影響，隨著繩長變短，擺角幅值變小.

綜上可得，通過外加干擾以及改變系統(tǒng)參數(shù)的仿真實驗結(jié)果表明，基于ASCP-CS算法的滑模控制器具有較強的抗干擾能力和魯棒性，可適應吊車系統(tǒng)在不同的工作狀態(tài)下穩(wěn)定地運行.

6? ?結(jié)束語

本文提出一種能夠自適應選取染色體交叉操作點的ASCP-CS算法，該算法能獲得較好的全局搜索能力和后期搜索精度，而利用該算法優(yōu)化的橋吊滑?？刂破骶哂休^好的消擺和定位性能，以及良好的魯棒性.

1）為增強CS算法的搜索速度和精度，設(shè)定自適應搜索步長;同時在搜索過程中交叉操作算子環(huán)節(jié)，設(shè)計一種新型自適應選取交叉點的交叉操作算子，利用該算子能進一步提升搜索性能.

2）通過4個測試函數(shù)與CS、PSO算法進行尋優(yōu)測試對比，ASCP-CS算法全局搜索能力更強，更不容易早熟，同時兼顧較高的搜索精度和較快的收斂速度.

3）將ASCP-CS算法用于設(shè)計橋式吊車滑?？刂破?，相比于其他兩種控制器，該控制器在3.9 s左右擺角收斂到零且負載最大擺角在0.11 rad以內(nèi)，穩(wěn)態(tài)誤差較低. 而且ASCP-CS在魯棒性的仿真測試中具備較高的魯棒性.

參考文獻

[1]? ? RAMLI L，MOHAMED Z，ABDULLAHI A M，et al. Control strategies for crane systems：a comprehensive review [J]. Mechanical Systems and Signal Processing，2017，95：1—23.

[2]? ? 孫寧，方勇純，陳鶴. 欠驅(qū)動橋式吊車消擺跟蹤控制[J].控制理論與應用，2015，32（3）：326—333.

SUN N，F(xiàn)ANG Y C，CHEN H. Antiswing tracking control for underactuated bridge cranes [J]. Control Theory and Application，2015，32（3）：326—333.（In Chinese）

[3]? ? SUN N，F(xiàn)ANG Y C，ZHANG X，et al. Transportation task-oriented trajectory planning for underactuated overhead cranes using geometric analysis[J]. IET Control Theory and Applications，2012，6 （10）：1410—1423.

[4]? ? 劉華森，程文明. 抑制橋式起重機變頻率擺動的優(yōu)化復合輸入整形器[J]. 系統(tǒng)仿真學報，2015，27（12）：3044—3049.

LIU H S，CHENG W M. Optimized composite input shaping based on residual oscillation suppressing [J]. Journal of System Simulation，2015，27（12）：3044—3049. （In Chinese）

[5]? ? SOLIS C U，CLEMPNER J B，POZNYAK A S. Designing a terminal optimal control with an integral sliding mode component using a saddle point method approach：a Cartesian 3D-crane application[J]. Nonlinear Dynamics，2016，86（2）：911—926.

[6]? ? PEZESHKI S，BADAMCHIZADEH M A，GHIASI A R，et al. Control of overhead crane system using adaptive model-free and adaptive fuzzy sliding mode controllers [J]. Journal of Control，Automation and? Electrical System，2015，26（1）：1—15.

[7]? ? 于濤，楊昆，趙偉. 基于解耦滑模控制的橋式吊車系統(tǒng)的抗擺控制[J]. 中國測試，2017，43（8）：95—100.

YU T，YANG K，ZHAO W. Anti-sway control of overhead crane system based on decoupled sliding mode control [J]. China Test，2017，43 （8） ：95—100. （In Chinese）

[8]? ? LU B，F(xiàn)ANG Y C，SUN N. Sliding mode control for underactuated overhead cranes suffering from both matched and unmatched disturbances [J]. Mechatronics，2017，47（1）：116—125.

[9]? ? 高為炳. 變結(jié)構(gòu)控制理論基礎(chǔ) [M]. 北京：中國科學技術(shù)出版社，1990：19—21.

GAO W B. Theoretical basis of variable structure control [M]. Beijing：China Science and Technology Press，1990：19—21. （In Chinese）

[10]? 陳志梅，孟文俊，張井崗，等. 基于改進粒子群算法的滑?？刂品桨竅J]. 系統(tǒng)工程理論與實踐，2009，29（5）：137—141.

CHEN Z M，MENG W J，ZHANG J G，et al. Scheme of mode control based on modified particle swarm optimization [J]. Systems Engineering Theory and Practice，2009，29（5）：137—141. （In Chinese）

[11]? VISHNU T S，SHANAVAS T N，PATNAIK S K. Modified PSO based sliding mode controller parameters for buck converter [C]// Electrical，Electronics & Computer Science. Bhopal：IEEE，2012.

[12]? 馬群. 基于粒子群模糊滑?？刂频娜S橋式吊車系統(tǒng)[D]. 大連：大連理工大學電子與信息工程學院，2014：24—44.

MA Q. The 3D crane system based on particle swarm optimization fuzzy sliding mode control [D]. Dalian：College of Electronic Information and Electrical Engineering，Dalian University of Technology，2014：24—44. （In Chinese）

[13]? 羅俊堯，陳志梅，孟文俊. 基于遺傳算法的三維起重機滑模控制方法研究[J]. 起重運輸機械，2011（9）：4—7.

LUO J Y，CHEN Z M，MENG W J. Research on 3D crane sliding mode control method based on genetic algorithm [J]. Lifting and Transportation Machinery，2011（9）：4—7. （In Chinese）

[14]? SOUFI Y，KAHLA S，BECHOUAT M. Particle swarm optimization based sliding mode control of variable speed wind energy conversion system [J]. International Journal of Hydrogen Energy，2016：41（45）：20956—20963.

[15]? YANG X S，DEB S. Cuckoo search via Lévy flights[C]// World Congress on Control System，Computing and Engineering（ICCSCE）. Penang：IEEE，2012：210—214.

[16]? 鄭洪清，周永權(quán). 一種自適應步長布谷鳥搜索算法[J]. 計算機工程與應用，2013，49（10）：68—71.

ZHENG H Q，ZHOU Y Q. Self-adaptive step cuckoo search algorithm[J]. Computer Engineering and Application，2013，49（10）：68—71. （In Chinese）

[17]? 彭建新，詹志輝，陳宗淦，等. 自適應步長和發(fā)現(xiàn)概率的布谷鳥搜索算法[J]. 濟南大學學報（自然科學版），2016，30（5）：328—333.

PENG J X，ZHAN Z H，CHEN Z G，et al. Cuckoo search algorithm based on adaptive step and discovery probability[J]. Journal of Jinan University （Natural Science Edition），2016，30（5）：328—333. （In Chinese）

[18]? STOJANOVIC V，NEDIC N，PRSIC D，et al. Application of cuckoo search algorithm to constrained control problem of a parallel robot platform[J]. International Journal of Advanced Manufacturing Technology，2016，87（9/12）：1—11.

[19]? 朱笑花，王寧. cRNA布谷鳥搜索算法的橋式吊車PID控制[J]. 浙江大學學報（工學版），2017，51（7）：1397—1404.

ZHU X H，WANG N. Cuckoo search algorithm with RNA crossover operation for PID control of overhead cranes[J]. Journal of Zhejiang University （Engineering Science Edition），2017，51（7）：1397—1404. （In Chinese）

[20]? 陶吉利.? 基于DNA計算的遺傳算法及應用研究[D]. 杭州：浙江大學信息科學與工程學院，2007：24—28.

TAO J L. Research on DNA computing based genetic algorithms and its application[D]. Hangzhou：College of Information Science and Engineering，Zhejiang University，2007：24—28. （In Chinese）