具有双摆动力学特性的三维桥式起重机非参数轨迹跟踪控制与摆动抑制
《European Journal of Control》:Non-parametric trajectory tracking control and swing suppression for three-dimensional overhead cranes with double-pendulum dynamics
【字体:
大
中
小
】
时间:2026年10月02日
来源:European Journal of Control 2.6
编辑推荐:
•3DOC 双摆模型准确反映了真实起重机动力学。
•无模型观测器在任何初始条件下均实现固定时间收敛。
•无参数控制器无需估计工具即可保证全局稳定性。
•所提出的控制器结构简单,参数调节容易。
•该控制方案有效克服了现有方法的局限性。
引言
随着自动化行业在过去几十年中的发
•3DOC 双摆模型准确反映了真实起重机动力学。
•无模型观测器在任何初始条件下均实现固定时间收敛。
•无参数控制器无需估计工具即可保证全局稳定性。
•所提出的控制器结构简单,参数调节容易。
•该控制方案有效克服了现有方法的局限性。
引言
随着自动化行业在过去几十年中的发展,桥式起重机因其大负载能力、适应性和执行各种运输任务的能力而越来越流行 Tian 等人 (2025); Wang, Tian, Sun, Yang, Li, 2025a, Wang, Liu, Chi, Bu, Hou, 2025b。具体而言,当桥式起重机以三维(3D)运动模式工作时,系统性能将显著提高 Wang 等人 (2024)。然而,在运动过程中,负载可能会产生摆动,特别是当小车加速或减速时。如果这种摆动未得到严格控制,系统可能会对操作区域内的商品和其他物品产生负面影响。此外,桥式起重机是典型的欠驱动系统,其独立控制输入的数量少于自由度的数量 Gao 等人 (2024); Li 等人 (2022a); Nguyen Thi 等人 (2025); Ramli 等人 (2020)。因此,控制问题变得更加难以解决,因为目标是在尽快将小车移动到期望位置的同时,将负载摆动保持在可接受范围内。这激发了科学家的兴趣。
最基本的起重机模型,即单摆模型 Gao 等人 (2019); Li 等人 (2025b); Man and Liu (2023); Miranda-Colorado 等人 (2025); Tan 等人 (2025); Zhang 等人 (2018b); Zhu and He (2025),已被广泛研究。在这种公式中,负载被表示为二维(2D)空间中由缆绳悬挂在移动小车下的质点,为控制设计和分析提供了有用的基础。然而,将负载建模为质点忽略了吊钩的运动,而在实践中,这显著影响负载的摆动。这种简化降低了控制系统的准确性,因为吊钩和负载的耦合运动自然会产生双摆效应。因此,许多研究采用了双摆模型来捕捉这种更真实的动态行为 Bello 等人 (2024); Jaafar 等人 (2021); Tho 等人 (2026); Zhang, Ma, Rong, Tian, Li, 2016, Zhang, Yang, Zhang, Zhang, Ding, Li, 2026。此外,在起重机操作过程中,缆绳长度会随着小车的导航而变化,使负载能够被升降到不同高度。这种变化直接影响负载的摆角,从而增加了系统动力学的复杂性。基于此,针对建模为变长缆绳双摆系统的二维桥式起重机进行了广泛的研究 Ding 等人 (2025); Li 等人 (2022b); Lu 等人 (2019); Miranda-Colorado (2021); Yao, Wu, Golestani, Liu, Duan, Kong, 2024, Yao, Chen, Liu, Dong, 2023; Zhang 等人 (2022b)。
迄今为止,为了确保负载交付到仓库或工厂的不同位置,小车和桥架需要沿轨道同时移动。这不仅增加了控制器的数量,还导致负载摆角在三维空间中沿不同方向振荡。基于 2DOC 的模型和控制方法的应用已不再可行,且无法保证系统的稳定性。因此,为 3DOC 系统引入的典型控制方法包括针对固定长度缆绳以及时变缆绳设计的方法,如输入整形方法 Maghsoudi 等人 (2019),滑模控制 Thi 等人 (2024a); Tuan 等人 (2014); Wang and Jin (2024),模型预测控制 Luu Thi 等人 (2025); Wang 等人 (2019),自适应控制 Li and Geng (2018),能量被动控制 Fan 等人 (2023); Zhang 等人 (2022a) 等。然而,大多数现有研究主要关注三维单摆系统,而未考虑吊钩的摆角。忽略这一因素是不准确且不切实际的,因为吊钩的摆角显著影响负载的摆角,并在三维空间中诱发双摆效应。
根据对先前研究的回顾,针对具有双摆动力学的 3DOC 的控制结构仍处于起步阶段,并面临诸多障碍。Ouyang 等人 (2021a) 通过引入一种新的能量函数提出了一种闭环方法,该函数包含代表小车速度以及吊钩和负载角振荡的两个广义信号。然而,这种方法未能将外部干扰纳入桥式起重机系统的动态分析中。为了改进先前的研究,Guo 等人 (2023) 引入了一种基于扩展状态观测器(ESO)的滑模控制方法,以消除具有双摆效应的 3DOC 的负载摆动。同时,ESO 确保准确估计系统不确定性和外部干扰。同样,Sun 等人 (2024) 提出了一种线性扩展状态观测器(LESO)来估计两级摆角。然后,摆角信息被输入到一个具有非线性滑模面的控制器中。此外,Ouyang 等人 (2021b) 考察了不确定参数,其中推荐了一种基于能量分析的非线性控制器,以消除负载摆角,尽管负载质量和缆绳长度发生变化。不幸的是,在计算过程中,Guo 等人 (2023); Ouyang et al. (2021b); Sun 等人 (2024) 所指出的方法都对模型进行了线性化和近似。这导致线性化条件失效,并在系统远离平衡点时损害稳定性。为了确保建立的动态模型准确反映实际运动特性,基于未进行线性化或近似的模型分析,采用神经网络(NN)来估计未知项 Wang 等人 (2025c)。随后,针对具有双摆效应的 3DOC 动态模型设计了一种基于预设性能的积分滑模控制器(ISMC),以约束系统误差。同样,Li 等人 (2025a) 提出了一种基于能量耗散概念的自适应耦合轨迹跟踪控制方法,并准确表示了系统。利用仿真结果,该控制方法保证了小车和桥架的精确定位,消除了吊钩和负载的摆角,从而增强了闭环系统的鲁棒性。不幸的是,当负载质量、缆绳长度等参数未知时,由于这些控制器都依赖于系统参数,因此在实践中很难使用这些控制器 Wang 等人 (2025c) Li 等人 (2025a)。Zhao 等人 (2021) 提出了一种无模型控制(MFC)策略来解决这个问题。它通过采用不依赖速度反馈的自适应控制器,有效减少了外部干扰和参数不确定性的负面影响。然而,当面临重大外部干扰时,控制器的性能受到限制。基于对现有研究的分析,必须坦率地承认,在控制具有双摆动力学的 3DOC 系统时,仍然存在许多局限性和挑战。
表 1 总结了所有现有针对具有双摆动力学的 3DOC 系统的控制方法的比较总结,并突出了局限性/研究差距,如建模过程中忽略干扰 Ouyang 等人 (2021a),设计过程中依赖线性化或模型近似 Guo 等人 (2023); Ouyang 等人 (2021b); Sun 等人 (2024),严重依赖模型参数 Li 等人 (2025a); Ouyang, Zhao, Zhang, 2021a, Ouyang, Zhao, Zhang, 2021b; Sun 等人 (2024); Wang 等人 (2025c),以及对重大外部干扰表现出较差的鲁棒性 Wang 等人 (2025c); Zhao 等人 (2021)。这些局限性促使开发一种控制策略,以解决现有针对具有双摆动力学的 3DOC 系统控制方法的缺点。这促使了本研究,提出了一种无参数控制器(NPC),即使在严重的参数不确定性和强外部干扰下也能保证系统的全局稳定性。所提出方法的主要新颖之处在于引入了时变控制增益,这消除了处理不确定性和干扰时对参数估计器 Li 等人 (2025a); Zhao 等人 (2021) 或神经网络 Wang 等人 (2025c) 的需求。该设计使控制器简单、高度可靠且内存高效。
实际应用中的另一个重要考虑因素是,某些状态变量,如小车、桥架的速度和摆角,难以使用传感器准确测量。因此,已采用各种观测器来解决此问题。特别是,Almutairi 和 Zribi (2009) 引入了一种卢恩贝格尔观测器来估计无法直接监测的系统状态。在 Wu 等人 (2021) 中,开发了一种自适应状态观测器,在考虑绳索长度变化的同时预测分布质量梁的摆角和角速度。此外,Rauscher 和 Sawodny (2020) 开发了一种卡尔曼 - 布西观测器来估计塔式起重机的所有系统状态。Ouyang 等人 (2021b) 引入了一种扩展状态观测器来估计状态变量和总干扰。然而,观测值的精确收敛时间未指定。Thi 等人 (2024b) 建议了一种固定时间扩展状态观测器(FxT-ESO),用于具有单摆效应的 3DOC,以估计系统的状态变量和总干扰,同时保持固定的收敛时间。然而,上述大多数观测器必须了解控制信号和系统模型,这增加了计算需求和处理时间。如前一节所述,所提出的无参数控制不需要任何工具来估计不确定参数和外部干扰。因此,引入了一种固定时间无参数状态观测器(FxT-NPSO),它仅执行估计系统状态变量的任务,而不依赖于模型和控制信号。此外,估计误差在固定时间内收敛到原点(原点附近),且该收敛时间与初始条件无关。使用 FxT-NPSO 确保在实际实施中,只需要小车、吊钩摆角和负载摆角的位置传感器,无需速度或角速度传感器。
与现有研究的结果相比,本文的主要创新可总结如下:
1. 提出了一种固定时间无参数状态观测器来估计系统状态变量。估计误差在固定时间内快速收敛到原点附近,无论初始条件如何。与现有观测器相比,所提出的观测器是在不依赖于系统模型或控制输入的情况下设计的。
2. 开发了一种无参数自适应控制器,其中控制器和时变控制增益的设计不需要任何先验模型知识。所提出方法的主要新颖之处在于它不使用现有研究中通常采用的复杂工具(如神经网络 Wang 等人 (2025c) 或参数估计器 Li 等人 (2025a); Zhao 等人 (2021))来处理不确定性和外部干扰。这种方法简化了控制器结构,便于参数调节,并减少了内存需求。同时,所提出的控制结构解决了现有针对具有双摆动力学的 3DOC 系统方法的缺点 Guo 等人 (2023); Li 等人 (2025a); Ouyang, Zhao, Zhang, 2021a, Ouyang, Zhao, Zhang, 2021b; Sun 等人 (2024); Wang 等人 (2025c); Zhao 等人 (2021)。
3. 所提出的控制器与先进的现有控制器进行了评估 Li 等人 (2025a); Wang 等人 (2025c),使用了在 MATLAB/Simulink 中结合 Simscape 实现的半物理模型。设计了各种场景来展示所提出控制器的优越性能。
论文大纲。第 2 节提出了系统的精确动态模型,基于欧拉 - 拉格朗日方程,未进行线性化或近似,并建立了任务公式。固定时间无参数状态观测器(FxT-NPSO)及相关证明在第 3 节中提出。在第 4 节中,介绍了基于固定时间无参数状态观测器的无参数控制(NPC),并严格证明了闭环系统的稳定性。此外,为了展示所提出控制器的优越有效性,第 5 节提供了基于半物理模型的仿真结果、比较和评估。
最后,第6节给出总体结论与未来计划。
**数学模型与问题描述**
带有双摆动力学的3DOC系统由一个双摆以及沿桥架运动的小车组成,如图1所示。利用拉格朗日法,在不依赖线性化或近似的前提下,精确推导了具有双摆效应的3DOC系统的动力学方程[文献Li等(2025a)]:
- 描述受控小车沿x轴和y轴运动的动力学方程可表示为:
$(M_1+m_1+m_2)\ddot{x}+(m_1l_1C_1C_2+m_2l_1C_1C_2)\ddot{\theta}_1-(m_1l_1S_1S_2+m_2l_1\ldots)$(式中固定项后续内容被截断)
**固定时间非参数状态观测器(FxT-NPSO)**
在实际应用中,当3DOC系统运行时,准确确定系统的状态变量对于有效控制至关重要。然而,某些状态(例如摆动角速度)难以用传感器直接测量。为此,需采用观测器来估计不可直接测量的变量。因此,在实现过程中仅需配置小车位置传感器、吊钩摆角传感器和载荷摆角传感器。除准确估计外,观测器的(性能——原文此处被截断)。
**基于固定时间非参数状态观测器的非参数控制**
本节基于由固定时间非参数状态观测器(式(13))所准确且快速估计的状态变量,设计一种非参数自适应控制器。图2给出了所提出控制方法的框图,以便于理解。该非参数控制方法即使在存在不确定性与外部扰动的情况下,也能保证系统的全局稳定性。具有双摆动力学的3DOC系统是一个欠驱动系统,(后续内容被截断)。
**数值仿真与讨论**
本节通过对具有双摆动力学的3DOC系统的半物理模型进行仿真获得仿真结果。该半物理模型是在Matlab/Simulink环境中利用Simscape建立的,其中小车和桥架分别由沿x轴和y轴的外力 $\tau_x$、$\tau_y$ 进行控制。此外,还开展了大量对比仿真,以验证所提出自适应控制器(式(35)、(37))的卓越性能与可持续性。仿真可分为(各类——原文此处被截断)。
**结论**
本文针对具有双摆动力学的三维龙门起重机(3DOC)系统提出了一种非参数控制方法。所设计的固定时间非参数状态观测器能够在固定时间内准确估计系统状态,且与初始条件无关。基于这些估计值,开发了一种带有时变控制增益的非参数自适应控制器,在简化控制设计的同时,提升了其在实际应用场景中的适用性。仿真(结果——原文此处被截断)。
**未被引用的文献**
缺少引用:图16、图20、图29、图30、图33、图34。
**CRediT作者贡献声明**
Nhat Huy Vo:撰写——审阅与编辑、撰写——初稿、验证、软件、方法学、调查研究、形式化分析、概念构思。
Dinh Hiep Nguyen:撰写——审阅与编辑、撰写——初稿、验证、软件、方法学、调查研究、形式化分析、概念构思。
Thi Mai Hoang:概念构思、形式化分析、调查研究、方法学、撰写——初稿、撰写——审阅与编辑。
Thi Hue Luu:撰写——审阅与编辑、撰写——(此处被截断)。
**利益冲突声明**
作者声明不存在可能影响本文所报告工作的已知财务利益冲突或个人关系。
作者列表:Nhat Huy Vo | Dinh Hiep Nguyen | Thi Mai Hoang | Thi Hue Luu | Tung Lam Nguyen