بهينه‌ سازي انرژي در جرثقيل زير‌ تحريك براي انتقال بار متغير با‌زمان با كنترل‌ كنندۀ مد لغزشي سلسله‌ مراتبي تركيبي تطبيقي بهينه

Energy Optimization of Under-actuated Crane Model for Time-Variant Load Transferring Using Optimized Adaptive Combined Hierarchical Sliding Mode Controller

اين مقاله يك كنترل‌كنندۀ مد لغزشي سلسله‌مراتبي تركيبي تطبيقي بهينه ​​(OACHSMC) را براي يك مدل جرثقيل با بار متغير بازمان در حضور عدم‌ قطعيت طراحي مي‌كند. كنترل‌كننده مبتني بر مد لغزشي (SMC) طراحي شده زيرا داراي رفتار پايداري و عملكرد مقاوم در حضور انواع عدم‌ قطعيت مانند ديناميك‌هاي مدل‌نشده و نيروهاي اصطكاك است كه به‌ترتيب به‌صورت جمع‌شونده و ضرب‌‌شونده مدل شده‌اند. مدل جرثقيل زير‌تحريك داراي دو زيرسيستم ارابه و بار است. بنابراين مي‌توان آن را با استفاده از يك كنترل‌كنندۀ مد لغزشي سلسله‌مراتبي تركيبي (CHSMC) و منيفولد لغزشي دو‌لايه و فقط يك سيگنال كنترلي به‌طور دقيق كنترل كرد. جرم بار و طول كابل جرثقيل در حين انتقال بار متغير بازمان در نظر گرفته شده، لذا مدل جرثقيل متغير بازمان بوده و كنترل‌كننده با ضريب متغير بازمان منيفولد لغزشي لايۀ دوم تطبيقي طراحي مي‌شود. براي صرفه‌جويي در مصرف انرژي سيگنال ورودي، پارامتر منيفولد لغزشي لايۀ اول كنترل‌كننده با دو راهكار هوشمند الگوريتم ژنتيك (GA) و بهينه سازي ازدحام ذرات (PSO) بهينه‌سازي شده كه نتايج يكسان داشته است. نتايج شبيه‌سازي پايداري و عملكرد مقاوم كنترل‌كنندۀ بهينه‌شدۀ پيشنهادي را نشان مي‌دهد.‌

This paper designs an Optimized Adaptive Combined Hierarchical Sliding Mode Controller (OACHSMC) for a timevarying crane model in presence of uncertainties. Uncertainties have always been one of the most important challenges in designing control systems, which include unknown parameters or un-modeled dynamics in systems. Sliding mode controller (SMC) is able to compensate the system in the presence of uncertainties due to un-modeled dynamics and is used for robust stability and performance behavior in the presence of additive un-modeled dynamics of system and multiplicative friction forces. This under-actuated crane has two sub-systems: trolley and payload. Therefore, it can be controlled by a single input signal with combined hierarchical sliding mode controller (CHSMC) using a two-layersliding manifold accurately. Payload mass and cable length are time-variant variables through load transferring. Due to the Time-varying models and the inefficiency of most controllers, the use of an adaptive controller can help improve system performance. This controller is adapted by considering a time-varying coefficient of the second layer sliding manifold. For energy saving of the input signal, the parameter of the first layer sliding manifold of ACHSMC is optimized by two intelligent strategies: genetic algorithm (GA) and particle swarm optimization (PSO) method. The simulation results show robust stability and performance of the proposed optimized controller.