z. 73 Transport 2010
Jarosław Smoczek, Janusz Szpytko
Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie Wydział Inżynierii Mechanicznej i Robotyki
Katedra Systemów Wytwarzania
SPOSOBY STEROWANIA
ZAUTOMATYZOWANYMI POMOSTOWYMI
SUWNICAMI
Rękopis dostarczono, wrzesień 2010
Streszczenie: W artykule omówiono wybrane rozwiązania sterowania mechanizmami ruchu suwnic
pomostowych ukierunkowanych na pozycjonowanie ładunku oraz tłumienie jego wychyleń w stanach nieustalonych. Szczególną uwagę zwrócono na rozwiązania typu adaptacyjnego. W pracy omówiono adaptacyjny system sterowania mechanizmami suwnic z zastosowaniem lokowania biegunów oraz neuro-rozmyty model dynamiki urządzenia. Przydatność opracowanego rozwiązania omówiono z wykorzystaniem wyników eksperymentów uzyskanych z badań przeprowadzonych na suwnicy pomostowej typu laboratoryjnego.
Słowa kluczowe: sterowanie adaptacyjne, suwnica pomostowa, układy antywahaniowe
1. WSTĘP
W zautomatyzowanych procesach produkcyjnych coraz większe wymagania stawiane są odnośnie czasu i dokładności zadań transportowych, jak również poprawy jakości eksploatacji urządzeń realizujących te zadania. Zautomatyzowanie zadań transportowych w procesach produkcyjnych, w których zachodzi konieczność ich realizacji z zastosowaniem urządzeń klasy WSUT (Wielkogabarytowe Szynowe Urządzenia
Transportowe) [30, 31], do których należą między innymi suwnice, wymaga opracowania
i implementacji rozwiązań systemów sterowania, uwzględniających z jednej strony rosnące oczekiwania użytkowników, jak również specyfikę i problemy związane z eksploatacją tej klasy urządzeń.
Z uwagi na wymagania odnośnie dokładności i czasu pozycjonowania ładunku przemieszczanego przez suwnice i zawieszonego na wiotkich cięgnach, system sterowania mechanizmami ruchu suwnicy ma za zadanie przeciwdziałać niekorzystnym zjawiskom towarzyszącym procesowi transportu, takim jak nadmierne wychylenie i wahania ładunku powstające w stanach nieustalonych pracy urządzenia uniemożliwiające dokładne pozycjonowanie ładunku i stwarzające zagrożenia dla otoczenia oraz samego ładunku. Z punktu widzenia automatyki, także ważnym problemem jest planowanie i śledzenie optymalnej czasowo oraz bezpiecznej (bezkolizyjnej) trajektorii ruchu ładunku przemieszczanego przez mechanizmy ruchu suwnicy w trójwymiarowej przestrzeni roboczej urządzenia, z uwzględnieniem identyfikowanej w sposób on-line lub off-line mapy tej przestrzeni, oraz harmonogramowanie i synchronizacja zadań transportowych dla
n-urządzeń transportowych pracujących w danym systemie transportu bliskiego. Na stan
techniczny i bezpieczeństwo urządzenia ma także wpływ zjawisko ukosowania mostu suwnicy będące wynikiem między innymi nierównomiernego obciążenia mechanizmów napędowych jazdy mostu suwnicy, co może prowadzić do nadmiernego zużycia kół jezdnych oraz szyn i konieczności wymiany tych elementów.
Jednocześnie dążenie do zwiększenia bezpieczeństwa i niezawodności eksploatacyjnej systemów i urządzeń stawia coraz większe wymagania odnośnie planowania i nadzorowania zadań obsługowych. Coraz większy nacisk kładziony jest na działania typu prewencyjnego oraz systemy i narzędzia diagnostyczne oraz analizy danych eksploatacyjnych wspomagające działania obsługowe systemów technicznych. Podejście typu prewencyjnego w procesach obsługowych determinuje rozwój systemów i środków technicznych umożliwiających w coraz większym stopniu zautomatyzowanie procesów. Spełnienie tych coraz większych i złożonych wymagań w zakresie automatyzacji, nadzorowania, monitorowania i diagnostyki systemów i urządzeń transportu bliskiego wymaga budowy aplikacji opartych o systemy nadrzędnego sterowania typu HMI/SCADA (Human-Machine Interface/Supervisory Control and Data Acquisition) wspomagających procesy decyzyjne w układzie człowiek – obiekt techniczny (C-OT). Zadaniem systemów nadzorowania jest skrócenie czasu realizowanych zadań w procesie produkcyjnym, monitorowanie i kontrolowanie jego wybranych elementów oraz umożliwienie szybkiej reakcji na pojawiające się problemy, wymagające skutecznej reakcji zwrotnej. Współczesne interfejsy HMI/SCADA realizują coraz bardziej złożone zadania związane nie tylko z samym sterowaniem, wizualizacją oraz akwizycją danych, ale także wyposażane są w narzędzia umożliwiające realizację funkcji diagnostycznych, monitorowania, alarmowania o pojawiających się w nadzorowanym procesie przemysłowym niekorzystnych zdarzeniach, czy też mechanizmy wspomagające proces decyzyjny człowieka.
W artykule główną uwagę skoncentrowano na zagadnieniu pozycjonowania i tłumienia wahań ładunku przemieszczanego przez mechanizmy ruchu suwnic, przedstawiając wybrane, proponowane przez koncerny i firmy, aplikacje systemów sterowania, oraz dokonując przeglądu rozwiązań systemów proponowanych w pracach naukowo-badawczych. Przedstawiono także przykład adaptacyjnego systemu sterowania suwnicą pomostową oraz wyniki eksperymentów uzyskanych na obiekcie laboratoryjnym z zastosowaniem proponowanego układu regulacji.
2. METODY STEROWANIA MECHANIZMAMI RUCHU
W SUWNICACH
W pracach badawczych, aplikacjach oraz rozwiązaniach proponowanych przez producentów dotyczących systemów sterowania ruchem suwnic najczęściej spotykanymi rozwiązaniami są systemy przeciwdziałające wahaniom ładunku transportowanego przez suwnice. Rozwiązania aplikacyjne dotyczące tego problemu oparte są głównie na otwartych systemach sterowania, bez sprzężenia zwrotnego od sygnału kąta wychylenia ładunku.
Wśród rozwiązań aplikacyjnych systemów tłumienia wahań ładunku, proponowanych przez firmy i koncerny zagraniczne, które znalazły zastosowanie w przemyśle, należy wymienić rozwiązania działające przeważnie w otwartych systemach sterowania, takie jak moduł ASLC (Anti Sway Load Control) opracowany przez koncern HETRONIC projektowany dla suwnic pomostowych i bramowych. Otwarty system sterowania (bez sprzężenia zwrotnego z układu pomiarowego kąta wychylenia ładunku) wspomaga proces sterowania realizowany przez operatora suwnicy poprzez redukcję wahań ładunku, realizowaną na podstawie informacji o wartości sygnału sterowania zadawanego przez operatora przetwarzaną przez system na czasy przyspieszeń i opóźnień przemienników częstotliwości zasilających silniki mechanizmów napędowych, z uwzględnieniem mierzonej wartości długości liny, na której zawieszony jest transportowany ładunek. System SmartCrane Anti-sway, jest natomiast aplikacją, w której tłumienie wahań ładunku realizowane jest poprzez precyzyjnie określone wzorce czasów przyspieszeń suwnicy. Podobnie rozwiązanie o nazwie DynAPilot koncernu Konecranes oparte jest na doborze przyspieszeń mechanizmów ruchu suwnicy na podstawie wysokości zblocza hakowego. Interesujące jest także rozwiązanie firmy Rima, w którym zastosowano układ hydrauliczny sterujący kołowrotami w celu tłumienia wychyleń ładunku. W proponowanych rozwiązaniach aplikacyjnych, opartych zazwyczaj na otwartych systemach sterowania, pomija się wpływ masy transportowanego ładunku na wychylenia, uwzględniając tylko długość liny (wysokość zblocza hakowego) w systemie sterowania.
Problem pozycjonowania ładunku przemieszczanego przez suwnice jest często poruszany w pracach naukowych z uwagi na interesujące z punktu widzenia automatyki zagadnienia związane z tłumieniem wahań ładunku zawieszonego na linach, powstających w stanach nieustalonych pracy mechanizmów ruchu suwnicy, jak również konieczność zastosowania w układach regulacji rozwiązań adaptacyjnych uwzględniających zmianę parametrów obiektu regulacji, które są wynikiem zmian długości liny lub/i masy przemieszczanego przez urządzenie transportowe ładunku. Rzadziej poruszanym aspektem jest możliwość, lub sama realizacja aplikacyjnych rozwiązań na urządzeniach rzeczywistych.
Proponowane rozwiązania układów sterowania mechanizmami ruchu suwnic najczęściej oparte są na układach regulacji prędkości mechanizmu ruchu suwnicy z torem sprzężenia zwrotnego od sygnału kąta wychylenia, przemieszczanego przez suwnicę ładunku. Problemem w realizacji takiego rozwiązania jest wykonanie skutecznie i niezawodnie działającego układu pomiarowego wychyleń liny lub ładunku na obiekcie rzeczywistym. W większości prac naukowych proponowane metody tłumienia wahań
ładunku w systemach sterowania suwnicami są wynikiem rozważań i symulacji prowadzonych na cyfrowych modelach dynamiki suwnicy.
W wielu pracach problem sterowania suwnicą i tłumienia wahań ładunku rozważany jest jako zagadnienie sterowania optymalnego, w którym optymalna trajektoria ładunku wyznaczana jest zazwyczaj w oparciu o minimalizację funkcji kąta wychylenia ładunku i jego pochodnych, lub energetycznego wskaźnika jakości [2, 3, 12, 25]. Wiele rozwiązań opartych jest na rozważaniu nieliniowego systemu dynamiki suwnicy jako liniowego układu ze zmiennymi w czasie parametrami. Wśród proponowanych rozwiązań problemu tłumienia wychyleń ładunku przemieszczanego przez suwnicę można wyróżnić układy regulacji oparte na konwencjonalnych regulatorach proporcjonalno-różniczkująco-całkujących PID [29], metodach opartych na linearyzacji sprzężenia zwrotnego [4, 6, 7, 10], regulatorach LQR (Linear Quadratic Regulator) [5, 17], czy też metodzie Lapunova [11]. Wśród rozwiązań można także wyróżnić systemy odpornego i adaptacyjnego sterowania realizowane poprzez zastosowanie metod lokowania biegunów oraz estymatorów stanu [17, 19, 20, 27, 28]. W pracy [9] zaproponowany został układ regulacji odpornej z programową zmianą nastaw regulatorów (gain scheduling) realizowaną w następstwie zmiany punktu pracy układu regulacji. W pracy [13] dobór parametrów w układzie regulacji odpornej zrealizowany został w oparciu o metodę Ackermana. Układ sterowania z adaptacją pośrednią przedstawiony został w pracy [6], w której w systemie sterowania ruchem suwnicy zastosowana została linearyzacja sprzężenia zwrotnego oraz estymator parametrów modelu obiektu regulacji.
Wśród niekonwencjonalnych metod sterowania ruchem suwnic należy wymienić szereg rozwiązań opartych na systemach inteligentnych, sieciach neuronowych i logice rozmytej. Logika rozmyta, a w szczególności regulatory oparte na wnioskowaniu typu Mamdani (stosowane najczęściej w torach sprzężeń zwrotnych od sygnału kąta wychylenia) [5, 8, 15, 18, 22, 24], znalazły częste zastosowanie w systemach sterowania ruchem suwnic z uwagi na możliwość ujęcia wiedzy heurystycznej o sterowanym obiekcie w postaci prostych reguł, implikacji przedstawiających strategie sterowania. Wadą takich systemów jest jednak trudność realizacji w praktyce przemysłowej (złożoność algorytmu sterowania powoduje problemy w implementacji na sterownikach przemysłowych) oraz brak jasnej metodyki budowy i syntezy regulatora z wnioskowaniem Mamdaniego.
W pracy [22] regulator Mamdaniego został zastosowany w rozwiązaniu problemu sterowania optymalnego ruchem ładunku przemieszczanego przez suwnicę. Często proponowana kombinacja konwencjonalnych regulatorów proporcjonalno-różniczkujacych (PD) stosowanych w regulacji pozycji suwnicy oraz regulatora Mamdaniego tłumiącego wychylenia ładunku przedstawiona została między innymi w pracy [8]. W pracy [5] porównane zostały rezultaty odpornej regulacji z zastosowaniem regulatora LQR oraz regulatora Mamdaniego, uzyskując lepsze wyniki w przypadku sterowania rozmytego.
Między innymi w pracach [16, 26, 28, 32, 33] w systemach sterowania suwnicą zaproponowano rozwiązania oparte na wnioskowaniu rozmytym typu Takagi-Sugeno-Kang (TSK). W pracy [16] przedstawiono układ odpornej regulacji z regulatorem TSK realizującym programową zmianę parametrów układu sterowania poprzez umieszczenie w następnikach funkcyjnych rozmytych implikacji zbioru regulatorów dobieranych na podstawie zmiennej wiodącej – długości liny, na której zawieszony jest ładunek.
Rozwiązanie problemu sterowania ruchem suwnicy z zastosowaniem sieci neuronowych zostało przedstawione w pracach [1, 21, 23], w których w rezultacie badań
symulacyjnych uzyskano system sterowania oparty na regulatorach pozycji suwnicy i kąta wychylenia ładunku, których nastawy obliczane przez samouczącą się sieć neuronową, trenowaną w sposób on-line z zastosowaniem algorytmu wstecznej propagacji błędów. Również kombinacje logiki rozmytej i sztucznych sieci neuronowych znalazły zastosowanie w pracach [14, 27, 28] prezentujących rozwiązania systemów antywychyleniowych przemieszczanych przez mechanizmy ruchu suwnicy ładunków.
3. ADAPTACYJNY SYSTEM STEROWANIA RUCHEM
SUWNICY POMOSTOWEJ
Adaptacyjny system sterowania mechanizmami ruchu suwnicy pomostowej zbudowany został w oparciu o dyskretny układ regulacji pozycji i prędkości suwnicy oraz kąta wychylenia ładunku (rys. 1), w którym wartości nastaw regulatorów proporcjonalnych prędkości (Kpx&) i pozycji (K ) oraz regulatora proporcjonalno-różniczkujacego kąta px wychylenia ładunku (q1,q0,s0) wyznaczane są metodą lokowania biegunów (PPM – pole
placement method) na podstawie wartości estymatora parametrów dyskretnego modelu
obiektu regulacji wyznaczanego rekurencyjną metodą najmniejszych kwadratów (RLS –
reqursive least squares) (rys. 2).
Rys. 1. Układ regulacji pozycji i prędkości suwnicy oraz kąta wychylenia ładunku, gdzie: x &, - pozycja i prędkość suwnicy, x l - długość liny, α - kąt wychylenia ładunku,
2
m - masa ładunku, u - sygnał sterujący
Przyjęty w układzie regulacji (rys. 1) parametryczny model dynamiki suwnicy przedstawiony został w postaci dwóch transmitancji dyskretnych:
0 0 ) ( ) ( ) ( c z d z U z X z Gx + = = & & (1)
0 1 2 1 0 ) ( ) ( ) ( a z a z b z b z X z z G + + + = α = α & (2)
Rys. 2. Schemat ogólny pośredniego układu regulacji adaptacyjnej z lokowaniem biegunów i neuro-rozmytym estymatorem parametrów modelu obiektu regulacji
– suwnicy pomostowej
Wartości nastaw regulatorów obliczane są na podstawie równania Diofantycznego (3) wyznaczonego dla równania charakterystycznego transmitancji układu regulacji (rys. 1) oraz oczekiwanego wielomianu P(z) (4).
(
)
( ) ( ) ( ) ( ) ( ) ( ) ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( 1 z K z K z A z D z S z P z z S z D z A z K z Q z D z B z S z C z A z Px Px x P = ⋅ ⋅ ⋅ ⋅ ⋅ − ⎟ ⎟ ⎟ ⎠ ⎞ ⎜ ⎜ ⎜ ⎝ ⎛ ⋅ ⋅ ⋅ + + ⋅ ⋅ − − ⋅ ⋅ − & & (3) 0 1 2 2 3 3 4 4 5 ) (z z p z p z p z p z p P = + + + + + (4)Współczynniki
[
p4,p3,p2,p1,p0]
T wielomianu P(z) wyznaczane są dla przyjętych stabilnych biegunów układu regulacji:[
0 0]
5 0 2 0 0 4 , 3 , 2 , 1 exp 1 exp T z T j z ω − = ⎥⎦ ⎤ ⎢⎣ ⎡ ⎟ ⎠ ⎞ ⎜ ⎝ ⎛−ξω ω −ξ = m (5) gdzie: 0ω - pulsacja sygnału kąta wychylenia ładunku,
ξ - bezwymiarowy współczynnik tłumienia, 0
Stochastyczny charakter zmian wartości parametrów przyjętego modelu dynamiki obiektu regulacji, zależnych od wartości długości liny l i masy ładunku m , ma wpływ na 2
szybkość estymacji parametrów modelu realizowaną rekurencyjną metodą najmniejszych kwadratów i tym samym skuteczność działania układu regulacji z adaptacją pośrednią (rys. 2). W celu poprawy procesu estymacji parametrów modelu dynamiki suwnicy w układzie regulacji zastosowano rozmyty estymator zbudowany z zastosowaniem sztucznych sieci neuronowych i systemu wnioskowania rozmytego typu Takagi-Sugeno-Kang (TSK). W oparciu o dane zebrane w procesie identyfikacji przeprowadzonej dla wybranych długości liny i mas ładunku uzyskano w procesie uczenia sieci neuronowej neuro-rozmyty model dynamiki suwnicy, którego wejściami są długość liny l i masa
ładunku m , natomiast wyjściem jest wektor parametrów modelu obiektu regulacji. 2
Neuro-rozmyty estymator parametrów modelu obiektu regulacji wyznacza na podstawie zmiennych wejściowych początkowe wartości estymatora najmniejszych kwadratów oraz uczony jest on-line algorytmem rekurencyjnym. Zmienne wejściowe estymatora TSK poddawane są procesowi rozmywania z zastosowaniem trójkątnych funkcji przynależności
) (l
LM i LM(m2) (rys. 3).
Rys. 3. Funkcje przynależności rozmytego estymatora zdefiniowane dla zmiennych wejściowych długości liny l i masy ładunku m2 Baza reguł estymatora TSK złożona jest z N=n⋅m implikacji jeżeli-to:
Jeżeli l jest LMi(l) i m jest 2 LMj(m2) To Yk =
[
d0k,c0k,b1k,b0k,a1k,a0k]
T(6)gdzie: k=1,2,...,N, and i=1,2,...,n, j=1,2,...,m.
Przedstawiony układ regulacji z adaptacją pośrednią został zbudowany i poddany testom na modelu laboratoryjnym, dwudźwigarowej suwnicy pomostowej o udźwigu
Q=150 [kg]. Neuro-rozmyty estymator parametrów modelu dynamiki obiektu regulacji został zbudowany w oparciu o zbiór modeli parametrycznych uzyskanych w procesie identyfikacji zrealizowanym przy zastosowaniu metody błędu wyjściowego (OE – output
error) i wyznaczonych dla wybranych wartości długości liny i masy ładunku. Uzyskane w ten sposób dane treningowe zostały zastosowane do uczenia off-line neuro-rozmytego estymatora TSK metodą najmniejszych kwadratów. Wybrane wyniki eksperymentów przeprowadzonych na modelu laboratoryjnym zostały przedstawione w postaci charakterystyk czasowych przebiegów zmiany pozycji mechanizmu jazdy mostu suwnicy
pomostowej (dla zadanej pozycji xzad =1 m[ ]) oraz odchylenia ładunku od pionowej osi przyjętego układu współrzędnych OXY mierzonego, jako iloczyn długości liny i kąta wychylenia ładunku l⋅α (rys. 4÷7).
Rys. 4. Pozycja x mechanizmu jazdy suwnicy dla l=0,7[m] i m2 ={10,30,50,70}[kg]
Rys. 5. Odchylenie ładunku l⋅α dla ] [ 7 , 0 m l= i m2={10,30,50,70}[kg]
Rys. 6. Pozycja x mechanizmu jazdy suwnicy dla l=1,7[m] i m2={10,30,50,70}[kg]
Rys. 7. Odchylenie ładunku l⋅α dla ] [ 7 , 1 m l= i m2 ={10,30,50,70}[kg]
Wyniki eksperymentów przeprowadzonych dla zmiennych wartości długości liny i mas ładunku potwierdziły poprawność i zadowalającą skuteczność systemu pośredniej adaptacji z lokowaniem biegunów oraz zaproponowaną metodykę jego budowy. Dokładność pozycjonowania ładunku mieści się w zakresie przyjętej przy projektowaniu układu tolerancji wynoszącej 0,02 [m] i uzyskana została w zadowalającym czasie regulacji 7-8 [s] (rys. 4, rys. 6). Tłumienie wahań ładunku w zakresie przyjętej tolerancji realizowane jest w czasie około 4 [s] (rys. 5, rys. 7).
4. WNIOSKI
Głównym kierunkiem badań oraz rozwoju rozwiązań aplikacyjnych systemów sterowania ruchem suwnic są systemy przeciwdziałające wahaniom ładunku transportowanego przez suwnice, co jest wynikiem rosnących wymagań odnośnie czasu i dokładności realizowanych zadań transportowych w zautomatyzowanych procesach produkcyjnych. Na podstawie analizy rozwiązań własnych i komercyjnych, dotyczących w szczególności przeciwdziałania zjawisku wahań ładunku i ukosowania mostów suwnic, można zauważyć, że dąży się do aplikacji, które mogą być stosowane w systemach otwartych lub zamkniętych sterowania, wspomagających zadania sterowania realizowane przez operatora urządzenia lub też pracujących jako systemy w pełni zautomatyzowane. Wśród metod sterowania ruchem suwnic należy podkreślić skuteczność systemów zbudowanych z zastosowaniem inteligentnych metod sterowania, zwłaszcza opartych na wnioskowaniu rozmytym, których efektywność potwierdzają wyniki badań przedstawionych w pracach naukowo-badawczych.
Podziękowanie
Praca badawcza sfinansowania ze środków budżetowych na naukę w latach 2008-2011.
Bibliografia
1. Acosta L., Méndez J.A, Torres S, Moreno L., Marichal G.N.: On the design and implementation of a neuromorphic self-tuning controller. Neural Processing Letters 9, 1999, s. 229–242.
2. Al.-Garni A.Z., Moustafa K.A.F., Nizami J.S.S.A.K.: Optimal control of overhead cranes. Control Engineering Practice , Vol. 3, No. 9, 1995, s. 1277-1284.
3. Auernig J.W., Troger H.: Time optimal control of overhead cranes with hoisting of the load. Automatica, Vol.23, No. 4, 1987, s. 437-447.
4. Bartolini G., Pisano A., Usai E.: Second-order sliding-mode control of container cranes. Automatica 38, 2002, s. 1783-1790.
5. Benhidjeb A., Gissinger G.L.: Fuzzy control of an overhead crane performance comparison with classic control. Control Engineering Practice, Vol. 3, No. 12, 1995, s. 1687-1696.
6. Boustany F., d’Andrea-Novel B: Adaptive control of an overhead crane using dynamic feedback linearization and estimation design. Proceedings of the IEEE International Conference on Robotics and Automation, Nice, France 1992, s. 1963-1968.
7. Cheng C.C., Chen C.Y.: Controller design for an overhead crane system with uncertainty. Control Engineering Practice, Vol. 4, No. 5, 1996, s. 645-653.
8. Cho S.K., Lee H.H.: A fuzzy-logic antiswing controller for three-dimensional overhead cranes. ISA Transactions 41, 2002, s. 235-243.
9. Corriga G., Giua A., Usai G.: An implicit gain-scheduling controller for cranes. IEEE Transactions on Control Systems Technology, 6 (1), 1998, s. 15-20.
10. d’Andrea-Novel B., Coron J.M.: Exponential stabilization of an overhead crane with flexible cable via a back-stepping approach. Automatica 36, 2000, s. 587-593.
11. Giua A., Seatzu C. and Usai G.: Observer-controller design for cranes via Lyapunov equivalence. Automatica, Vol. 35, No 4 , 1999, s. 669-678.
12. Hamalainen J.J., Marttinen A., Baharova L., Virkkunen J.: Optimal path planning for a trolley crane: fast and smooth transfer of load. IEE Proceedings D: Control Theory Applications, 142 (1), 1995, s. 51-57.
13. Hicar M. and Ritok J.: Robust crane control. Acta Polytechnica Hungarica, Vol. 3, No. 2, 2006, s. 91-101.
14. Ishide T., Uchida H., Miyakawa S.: Application of a fuzzy neural network in the automation of roof crane system. Proceedings of the 9th Fuzzy System Symposium, 1993, s. 29-32.
15. Itoh O., Migita H., Itoh J., Irie Y.: Application of fuzzy control to automatic crane operation. Proceedings of IECON 1, 1993, s. 161-164.
16. Kang Z., Fujii S., Zhou C., Ogata K.: Adaptive control of a planar gantry crane by the switching of controllers. Transactions of Society of Instrument and Control Engineers, Vol. 35, No. 2,1999, s. 253-261.
17. Lew J.Y. and Halder B.: Experimental study of anti-swing crane control for a varying load. Proceedings of American Control Conference, V. 2, 2003, s. 1434-1439.
18. Mahfouf M., Kee C.H., Abbod M.F., Linkens D.A.: Fuzzy logic-based anti-sway control design for overhead cranes. Neural Computating and Applications, No. 9, 2000, s. 38-43.
19. Marttinen A.: Pole-placement control of a pilot gantry. Amer. Contr. Conf., ACC’89, Pittsburgh, PA, 1989.
20. Marttinen A., Virkkunen J., T.S. Riku: Control study with a pilot crane. IEEE Transactions on Education, Vol. 33, No. 3, 1990, s. 298-305.
21. Mendez J.A., Acosta L., Moreno L., Torres S., Marichal G.N.: An application of a neural self controller to an overhead crane. Neural Computing and Applications 8, 1999, s. 143-150.
22. Moon M.S., VanLandingham H.F., Beliveau Y.J.: Fuzzy time optimal control of crane load. Proceedings of the 35th Conference on Decision and Control, Kobe, Japan, 1996, s. 1127-1132.
23. Moreno L., Mendez J.A., Acosta L., Torres S., Hamilton A., Marichal G.N.: A self-tuning neuromorphic controller: application to the crane problem. Control Engineering Practice 6, 1998, s. 1475-1483.
24. Nalley M., Trabia M.: Control of overhead crane using a fuzzy logic controller. Journal of Intelligent and Fuzzy Systems, 8 (1), 2000, s. 1-18.
25. Sakawa Y, Shido Y.: Optimal control of container cranes. Automatica, Vol. 18, No. 3, 1982, s. 257-266.
26. Smoczek J., Szpytko J.: A mechatronics approach in intelligent control systems of the overhead traveling cranes prototyping. Information Technology and Control, Vol. 37, No. 2, 2008, s. 154-158.
27. Smoczek J., Szpytko J.: The neuro-fuzzy adaptive anti-sway crane control system. Proceeding of the 12th IFAC Symposium on Control in Transportation Systems CTS’09, Redondo Beach, USA, September 2009, s. 58-63.
28. Smoczek J., Szpytko J.: Pole placement approach to discrete and neuro-fuzzy crane control system prototyping. Journal of KONES on Powertrain and Transport Means, Vol. 16, No. 4, 2009, s. 435-445.
29. Stasik M.: Zastosowanie regulatora rozmytego, PID oraz optymalnego w systemie wahań na suwnicy w środowisku Matlab-Simulink. Konferencja nt.: Metody Aktywnej Redukcji Drgań i Hałasu, Kraków-Krynica, maj 2001, s. 309-316.
30. Szpytko J.: Integrated decision making supporting the exploitation and control of transport devices. Uczelniane Wydawnictwa Naukowo-Dydaktyczne AGH, Kraków 2004.
31. Szpytko J.: Kształtowanie procesu eksploatacji środków transportu bliskiego. Wydawnictwo Instytutu Technologii Eksploatacji, Kraków-Radom 2004.
32. Yi J., Yubazaki N., Hirota K.: Anti-swing fuzzy control of overhead traveling crane. Proceedings of IEEE International Conference on Fuzzy Systems, 2002, s. 1298-1303.
33. Yi J., Yubazaki N., Hirota K.: Anti-swing and positioning control of overhead traveling crane. Information Sciences 155, 2003, s. 19-42.
AUTOMATED OVERHEAD CRANES' CONTROL SYSTEMS OVERVIEW Abstract: The paper is focusing on automated overhead travelling cranes from their control sub-system
evaluation including anti-sway solutions. The adaptive crane control system, based on indirect adaptive pole placement (IAPP) method and neuro-fuzzy crane dynamic model has been presented. Also results from experiments carried out on the laboratory overhead travelling crane have been discussed.
Keywords: control adaptive type, crane, anti-sway crane control system
