基于AVBN建模的桥式起重机负载运动轨迹规划

本资料包含pdf文件1个，下载需要1积分

Abstract：Aiming at the situation that most of current overhead traveling cranes are in manual operation and semi-au-tomatic working states，the robot path planning technology is introduced into the load movement trajectory planning of over-head travelling cranes.with the optimized load movement trajectory as the control objective of cranes in order to realize au。

tomatic intelligent hoisting operation for cranes.Based on movement control characteristics of overhead travelling cran es，the hoisting site 3-D information is transferred to 2-D grid map，to build hoisting site AVBN model；in addition，the loadmovement trajectory is optimized by the genetic algorithm of optimal competition mechanism.The feasibility of mentionedmodel and algorithm is verified though simulation。

Keywords：overhead traveling crane；AVBN；genetic algorithm；trajectory planningO 概述 最后仿真验证了模型和算法的可行性。

随着自动控制技术的不断发展，桥式起重机(以下简称桥机)从单-的搬运工具逐步演变成自动化、柔性化生产中的重要组成部分，广泛应用于厂房、车间、仓库、码头等工业场所。目前，国内在起重机智能控制研究方面也取得了很大的进步，但大部分的研究都是集中在有操作人员控制的基础上，自动化程度并不高。图 1为桥机智能转载系统示意图，计算机通过控制起重机带动安装在起重机横梁上的激光扫描仪获得转载场地的障碍信息，桥机的负载运动轨迹规划就是指在有障碍信息的转载场地优化-条从给定转载起点到转载终点的最优安全路径，使桥机在自动转载过程中负载能安全无碰撞地绕开所有障碍物，提高桥机的自动化程度和工作效率。对于桥机的负载运动轨迹规划而言，关键是要建立合理的转载场地模型和引入有效的轨迹规划算法。本文通过对障碍信息进行栅格化处理，建立了AVBN环境模型，采用最优竞争机制遗传算法进行轨迹优化，- 50 - - . ..，10 --J1.Y坐标拉线位移传感器 2.大车 3.轨道4.转载场地 5.惯性测量单元 6.转载7.小车 8.激光测距扫描仪 9.z坐标拉线位移传感器 10. 坐标拉线位移传感器11.双轴加速度计图1 桥机自动化转载系统示意图1 建立起重机转载场地模型AVBN (approximate voronoi boundary network)《起重运输机械》 2013(2)与其同事、学生们研究形成了-个较完整的理论和方法，从试图解释 自然系统中生物复杂适应过程人手，模拟生物进化的机制来构造人工系统的模型，其基本原理是模拟 自然界中生物的进化过程，把自然遗传学和计算机科学结合起来的搜索和优化算法。

遗传算子的基本拈为选择、交叉或基因重组和变异。选择、交叉和变异的设计具有很大的灵活性，本文采用的是最优竞争机制下的交叉算子。最优竞争机制在 自然界的生物群落中具有-定的普遍性，由于优胜者个体的权威性，使群体的管理变得简单。在选择、交叉、变异过程 中，群体的数量始终稳定。这样，就不需要进行占用处理时间的排序计算。同时，由于选择算法保障了-定概率的新个体的加入，避免了算法的早熟。

过程如下：1)编码 在进行路径规划时，采用路径经历的节点序列作为-个个体，每个个体的等位基因数值对应-个节点〖虑到优化路径应当不含重复节点，因此，编码长度小于等于网络节点个数Ⅳ，以起点作为 0节点，则编码长度为 N-1。设节点集合为 Q，个体 G .[g ，g：，g，，，g ]中的每-个等位基因的取值为集合 Q中的任意数值。

2)解码 将等位基因上的数值映射到-个可选择的有效节点上。依据距离矩阵 D得到各个节点处的候选连接表L ， ，， ， f 凡式中： 为与第 个节点相临的节点集合；g为与第 i个节点相邻的节点 z 为候选连接表t的连枝数，即 中元素的个数；/7，-般取值为 3，解码的规则为mMOD(g ，f )1式中：m为候选表中 中的第 m个元素，MOD(g ，Z )为个体编码中第 个节点 g 对相应节点连枝数 f 取余操作。贝 路径下-个节点的元素为S L (m)，将已编码的节点在连接表中删除并更新连枝数，对个体编码中的节点依次进行如上操作，最终得到解码后的路径序列。

3)代价函数 各路径节点间的距离和作为代价函数，如果遇到重复节点，则加上惩罚代价，惩罚代价大于任何可能出现的最长路径，对于个- 52 - 体 G 及相应的解序列 .s。的代价函数可以表示为C(G )C(S )∑Ds J：1式中：Ⅳ为解序列 s 中的元素个数；k为惩罚因子，当解序列无效时取为 1，否则为0； 为惩罚代价；D ， 为节点Js 到节点 .s之间的距离代价通过矩阵D得到。

4)竞争 初使种群中根据性能指标盐出来的最优个体作为唯-的优胜者，其具有唯-的与种群中其他个体交叉的权利；新产生的个体与优胜者竞争，失利的-方作为普通个体。

5)选择 普通个体以性能相关联的概率被淘汰，并由随机产生的新个体取代，以维持原有种群的规模，个体淘汰的概率为P(G )：∑c( )J16)交叉和变异 交叉是通过将优胜者的-部分染色体片段复制到普通个体的相应位置上，使普通个体产生交叉变异叉采用的是单点交叉，随机选择最优个体的交叉染色体位置。

变异是采取单点变异，普通个体的变异概率为0.1。其流程图如图5所示。

牵 面- Y 仵 、X X 、 开 偎 l确定个体淘汰概率I卤- - 图 5 GAS流程控制图《起重运输机械》 2013(2)3 紧缩算法优化网络路径由遗传算法规划得到的路径只是转载起点沿着节点到达转载终点的粗略轨迹 ，达不到最优轨迹的 目的∩以通过在粗略轨迹上间隔取点，并连接查看在连接的直线轨迹上是否有障碍物，没有则 将连 接 的直线 轨迹 代替 原来 的轨迹。

4 仿真与验证为了验证建模与轨迹规划算法，建立转载场地建立仿真环境 ，在给定起始点和终点的条件下，取初始种群为 100，循环300代，运行程序得到仿真结果如图6所示。

图6 轨迹规划仿真图图6中，路径 1是遗传算法规划的路径，路径2是利用紧缩算法优化后的网络路径，路径 2能够有效地规避障碍物且行程也是最短的。图7是最蒜国皿∞ 图7 规划路径时最优路径的距离《起重运输机械》 2013(2)优竞争机制遗传算法在规划路径时最优路径的距离，由于最优个体占据了统治性地位，得以快速地把优 良基因复制给种群 中的其他成员，因此，具有较好的收敛性能。

桥机通过传感器能够有效地对负载进行定位，在转载过程中，沿路径 2上间隔取点，按照计算机给出的控制算法指令控制的大、小车电机带动物体按点做二维平移运动，能够实现物体的自动化智能转载。

5 结论通过对桥机运动特性的分析，提出了适用于桥机实现 自动化智能转载的转载场地 AVBN环境模型，并利用遗传算法进行了全局路径规划。模型建立在栅格地图基础上，容易对地图进行维护和使用，最优竞争机制遗传算法收敛性能好，效率高，增强了桥机 自动化转载的使用性能。