تعيين بهينه زمان هاي سوئيچينگ كنترلر بنگ-بنگ براي سيستم نامعين جرثقيل سقفي

Optimal Switching Times of Bang-Bang Controller for Uncertain Overhead Crane System

امروزه جرثقيل سقفي به صورت گسترده در صنايعي از قبيل خودروسازي، بنادر و كشتيراني و نيز جابجايي و حمل بار در انبارها به كار گرفته مي شود. اغلب مدل سازي هايي كه از سيستم هاي ديناميكي صنعتي صورت مي گيرد داراي پارامترهاي مخدوش با نويز يا اغتشاش مي باشند كه مدل جرثقيل سقفي نيز از اين امر مستثني نيست. اغتشاش در سيستم مي تواند ناشي از مدل آن و يا وسايل اندازه گيري باشد. فيلتر كالمن يكي از روش هاي كارآمد براي شناسايي مدل و پالايش داده هاي مخدوش است. با توجه به غيرخطي بودن مدل ديناميكي جرثقيل سقفي، فيلتر كالمن نا متقارن بهبود يافته با الگوريتم ژنتيك براي تخمين پارامتر هاي سيستم در نظر گرفته شده است. يكي از روش هاي معمول در كنترل پارامترهاي جرثقيل سقفي استفاده از نيروي كنترلي بنگبنگ است. با اين حال نحوه عملكرد كنترلر بنگبنگ وابستگي زيادي به زمان هاي سوئيچ شدن نيروي كنترلي دارد. در اين مقاله ضمن استفاده از اين كنترلر، زمان هاي سوئيچينگ آن با استفاده از الگوريتم ژنتيك براي سيستم مخدوش با نويز تعيين شده اند. هدف طراحي دستيابي به نقطه هدف در كمينه زماني با كمترين ميزان خطا مي باشد. همچنين با در نظر گرفتن ورودي كنترلر بنگبنگ به مقايسه شرايط سيستم در نسبت هاي جرمي مختلف پرداخته شده است. نتايج شبيه سازي بيانگر عملكرد بهينه الگوريتم كالمن بهبود يافته نامتقارن در تعيين زمان سويئچينگ نقطه هدف در كمينه زماني است.

These days overhead crane is widely used in different industries such as automobile companies, harbor, navigation and also transportation of tools in storerooms. Most of models which is done through industrial dynamic systems include some vitiated parameter with noise and disturbance which overhead crane model is not also an exception. Disturbance in system can be due to its model or measuring tool. Kalman filter is a practical method in order to recognize the model and also filtration of disordered data. By the note of that overhead crane is a nonlinear model, asymmetric sigmapoint Kalman filter improved by genetic algorithm (GAASKF) is intended to estimate system parameters. One of common ways in controlling overhead crane parameters is using controlling force, BangBang. By the way, function of BangBang controller depends on controlling force switched times. In this paper, beside using this controller, its switched times is found by using genetic algorithm for noisy system. The design aim is to achieve the target point in minimum time with minimum error. Also by considering BangBang controller entrance part, the article is compared situation of the system in different mass relativeness. Simulation results shows improved performance of the GAASKF algorithm to determine the switching time of controller and also achieving the target point in minimum time.