黃 凱(福建省特種設(shè)備檢驗(yàn)研究院泉州分院，福建 泉州 362000）

基于支持向量機(jī)的升船機(jī)電機(jī)同步控制

黃 凱
(福建省特種設(shè)備檢驗(yàn)研究院泉州分院，福建 泉州 362000）

文中提出了具有知識(shí)表達(dá)和自學(xué)習(xí)能力的支持向量機(jī)同步控制方法，并給出干式升船機(jī)四臺(tái)電機(jī)同步控制的支持向量機(jī)學(xué)習(xí)算法，對(duì)四臺(tái)電機(jī)同步控制進(jìn)行速度跟蹤實(shí)驗(yàn)。結(jié)果表明支持向量機(jī)同步控制能有效實(shí)現(xiàn)干式升船機(jī)四臺(tái)電機(jī)同步動(dòng)作，且收斂速度快，魯棒性好，能滿足干式升船機(jī)同步控制的要求。關(guān)鍵詞：升船機(jī)；同步控制；支持向量機(jī)；同步誤差

1 前言

升船機(jī)是一種投入大、能耗大、危險(xiǎn)性較高的水工設(shè)備[1]。目前的升船機(jī)主要采用傳統(tǒng)的行走凸輪控制起重機(jī)提升。承船箱采用密封箱體，司機(jī)現(xiàn)場(chǎng)操作形式，存在耗能大、安全性能一般、鋼結(jié)構(gòu)自重大、自動(dòng)化程度低等缺點(diǎn)。干式升船機(jī)[2]采用開(kāi)放式箱體，可以大大減少機(jī)體負(fù)荷、降低能耗，同時(shí)提高傳動(dòng)機(jī)構(gòu)的效率。然而，目前干式升船機(jī)無(wú)法得到廣泛應(yīng)用的致命缺點(diǎn)在于：難以在多個(gè)吊點(diǎn)之間獲取受力平衡，即無(wú)法實(shí)現(xiàn)4個(gè)吊點(diǎn)之間的同步控制。而常規(guī)的控制方案對(duì)此要兼有高性能調(diào)速以及穩(wěn)定控制難度很大。文獻(xiàn)[3]提出一種耦合補(bǔ)償?shù)目刂品椒?，然而其穩(wěn)態(tài)特性不理想，無(wú)法應(yīng)用于對(duì)安全要求極高的升船機(jī)。文獻(xiàn)[4]提出了一種基于電液比例技術(shù)的升船機(jī)主提升油缸同步控制系統(tǒng)，因?yàn)槿狈?shí)際案例的支持，難以應(yīng)用到升船機(jī)領(lǐng)域。

機(jī)器學(xué)習(xí)是為自動(dòng)控制提供決策算法的一種非常有效的手段，近年來(lái)，1995由Corinna Cortes和Vapnik等提出的支持向量機(jī)(Support Vector Machine，SVM)[5]得到學(xué)者們的認(rèn)可，并將其廣泛應(yīng)用于工程實(shí)踐中。升船機(jī)數(shù)量少，樣本數(shù)據(jù)采集不易，而且是電流控制，波動(dòng)頗大且數(shù)個(gè)電機(jī)間會(huì)相互影響，而SVM機(jī)恰恰是在機(jī)器學(xué)習(xí)眾多算法中解決小樣本、非線性、高維數(shù)等困難最為優(yōu)秀的算法，具有很強(qiáng)的泛化能力[6]，因此相對(duì)于人工神經(jīng)網(wǎng)絡(luò)等傳統(tǒng)學(xué)習(xí)方法更能解決實(shí)際問(wèn)題。

因此，文中提出一種基于支持向量機(jī)的干式升船機(jī)四臺(tái)電機(jī)同步傳動(dòng)控制器的設(shè)計(jì)方法。該方法用支持向量機(jī)對(duì)升船機(jī)運(yùn)行的各個(gè)主要參數(shù)進(jìn)行自學(xué)習(xí)，并得到控制策略，以此為基礎(chǔ)設(shè)計(jì)了同步控制器，該控制器能夠較好地滿足4吊點(diǎn)的同步運(yùn)行要求，具有很高的同步精度和動(dòng)態(tài)性能。

2 同步控制結(jié)構(gòu)

升船機(jī)控制系統(tǒng)要求能使4臺(tái)電機(jī)同步運(yùn)行，每臺(tái)電機(jī)均采用VVVF控制，如圖1所示。

圖1 4臺(tái)電機(jī)同步運(yùn)行控制圖

為保證升船機(jī)的安全性，在初始安裝后，根據(jù)工程的實(shí)際情況(卷?yè)P(yáng)機(jī)的直徑、聯(lián)軸器的長(zhǎng)度等)對(duì)升船機(jī)的運(yùn)行進(jìn)行調(diào)試和設(shè)置。在正常情況下，由PLC統(tǒng)一發(fā)送啟動(dòng)、制動(dòng)和運(yùn)行等指令，同時(shí)向四臺(tái)變頻器輸出方向、力大小進(jìn)行同時(shí)控制；同時(shí)采用剛性聯(lián)軸器連接相鄰兩電機(jī)，從而保證承船廂的水平度在任意時(shí)刻都能滿足國(guó)標(biāo)的要求，不至于傾覆。

但是，現(xiàn)場(chǎng)工況往往復(fù)雜多變，如風(fēng)阻、電機(jī)阻力矩等很多因素難以用公式表達(dá)，因此，文中采用支持向量機(jī)的方法，讓同步控制器對(duì)海量數(shù)據(jù)進(jìn)行自學(xué)習(xí)和自調(diào)整，以期獲得較好的同步效果，從而使聯(lián)軸器幾乎不受不同扭矩的影響，即不會(huì)因使用而損毀，也就不需要維護(hù)，從而獲得理想的經(jīng)濟(jì)效益和社會(huì)效益。

3 升船機(jī)同步控制算法

3.1 SVM流程

（1）文中根據(jù)日常建議的數(shù)據(jù)整理獲得樣本集{( x,y),(x,y),…,(x,y)}?Rn,主要采集四個(gè)同

1122n n步電機(jī)的步進(jìn)或者脈沖信號(hào)作為樣本集，樣本集的精確采集直接關(guān)系后面計(jì)算的精確性。

（2）用非線性映射將樣本集中的數(shù)據(jù)映射到高維特征空間[7]進(jìn)行線性回歸。映射到高維度空間主要作用在于清晰分辨彼此之間的耦合信息。

設(shè)得到的回歸為f(x)= ωΦ(x)+b

其中：Φ 為非線性函數(shù)，ω為權(quán)值 （1）

（3）根據(jù)利用結(jié)構(gòu)風(fēng)險(xiǎn)最小化準(zhǔn)則(SRM)[8～9]，為使(1)式的估計(jì)真實(shí)風(fēng)險(xiǎn)最小,構(gòu)造最小化目標(biāo)函數(shù)：

（4）設(shè)Lagrange函數(shù)為：

其中，αk為L(zhǎng)agrange乘子。根據(jù)K-T最優(yōu)條件：

（5）對(duì)于k =1,2,…,n，消去ω和ek,得到優(yōu)化方程：

（6）求解式（5）中的a、b和得

其中，K(x ,xi)為核函數(shù)[10]，δ為核寬度即邊界封閉包含的半徑。

3.2 同步控制器的決策算法[11]

（1）輸入層

設(shè)輸入變量為e(t), ec(t)，模糊化處理后得到控制系統(tǒng)的輸入x。

（2）隱含層

（3）輸出層

4 實(shí)驗(yàn)及分析

4.1 搭建仿真實(shí)驗(yàn)平臺(tái)

搭建4臺(tái)電機(jī)的同步運(yùn)行控制仿真，如圖2所示為每個(gè)軸的控制原理圖：

圖2 每軸的同步控制圖

監(jiān)測(cè)每臺(tái)電機(jī)的轉(zhuǎn)速，與額定轉(zhuǎn)速求方差，得到該軸的校準(zhǔn)轉(zhuǎn)速誤差。將四個(gè)電機(jī)的轉(zhuǎn)速誤差耦合后，輸入LS-SVM控制器。SVM優(yōu)化控制輸出調(diào)整量，通過(guò)調(diào)頻調(diào)幅控制變頻器來(lái)實(shí)現(xiàn)各電機(jī)的轉(zhuǎn)速的控制，最終實(shí)現(xiàn)各電機(jī)的同步運(yùn)行。

對(duì)4臺(tái)電機(jī)的速度信號(hào)進(jìn)行檢測(cè)采集，由于實(shí)際工況存在強(qiáng)電干擾、強(qiáng)風(fēng)等眾多因素，因此文中在實(shí)驗(yàn)過(guò)程中在系統(tǒng)輸出部分根據(jù)經(jīng)驗(yàn)公式模擬信號(hào)的的擾動(dòng)成分，使得所得信號(hào)可以等效實(shí)際信號(hào)。

4.2 實(shí)驗(yàn)結(jié)果

實(shí)驗(yàn)采集變頻器20組輸出數(shù)值信號(hào)作為樣本輸入，之后建立干式升船機(jī)電機(jī)速度的LS-SVM預(yù)測(cè)模型，利用MATLAB程序計(jì)算預(yù)測(cè)樣本的估計(jì)輸出，預(yù)測(cè)結(jié)果如圖3所示。

圖3 預(yù)測(cè)結(jié)果圖

從圖3左圖可以看出，實(shí)驗(yàn)實(shí)測(cè)的數(shù)值與LSSVN跟蹤預(yù)測(cè)的數(shù)值曲線具有很高的的耦合程度，說(shuō)明LS-SVM在預(yù)測(cè)干式升船機(jī)電機(jī)速度同步信號(hào)方面具有很好的效果。實(shí)驗(yàn)結(jié)果表明，在復(fù)雜工況下，四臺(tái)電機(jī)同步控制策略是有效的，能使電機(jī)誤差快速收斂且穩(wěn)定運(yùn)行，魯棒性好。

5 結(jié)論

干式升船機(jī)運(yùn)行環(huán)境惡劣，參數(shù)辨識(shí)困難，干擾因素多，導(dǎo)致控制數(shù)學(xué)模型難以建立，現(xiàn)有的控制策略無(wú)法有效控制。文中利用支持向量機(jī)的自學(xué)習(xí)和自適應(yīng)能力，構(gòu)建了基于聯(lián)軸器安全保障的智能控制器，給出了學(xué)習(xí)算法和控制策略，并用仿真系統(tǒng)進(jìn)行驗(yàn)證。結(jié)果表明：基于支持向量機(jī)的同步控制算法控制精度較高，魯棒性好，可以解決干式升船機(jī)的4吊點(diǎn)電機(jī)的同步問(wèn)題。

[1]黃建平,易春輝.丹江口大壩升船機(jī)監(jiān)控系統(tǒng)設(shè)計(jì)[J].人民長(zhǎng)江, 2012, 43(5):39-41.

[2]吳德鎮(zhèn).升船機(jī)及其發(fā)展概況[J].水運(yùn)工程, 1982,(10)：21-24.

[3]秦雅嵐,唐勇,王偉.垂直升船機(jī)多軸多電機(jī)機(jī)械同步出力均衡控制技術(shù)的研究與應(yīng)用[J].中國(guó)水運(yùn)(下半月刊), 2011,(01).

[4]朱仁慶,吳有生,王延?xùn)|.升船機(jī)主提升油缸同步控制系統(tǒng)研究與應(yīng)用[J].華電技術(shù),2014, 36(7):39-41.

[5]張學(xué)工.關(guān)于統(tǒng)計(jì)學(xué)習(xí)理論與支持向量機(jī)[J].自動(dòng)化學(xué)報(bào),2000,26(1):32-42.

[6]Dug Hun Hong, Chang Hai Wang. Support Vector Fuzzy Regression Machines[J].Fuzzy Sets and Systems,2003,138.

[7]周欣，吳瑛,等.基于高階累積量和支持向量機(jī)的信號(hào)調(diào)制分類[J].2009,信息工程大學(xué)學(xué)報(bào),2009,10(4):466-470.

[8]Chandaka S,Chatterjee A,Munshi S.Support vector machines employing cross-correlation for emotional speech recognition [J]. Measurement.2009, 42(4):611-618.

[9]張欽禮.基于支持向量機(jī)和模糊系統(tǒng)的機(jī)器學(xué)習(xí)方法及其應(yīng)用研究[D].無(wú)錫:江南大學(xué)，2009.

[10]Weston J, Watkins C. Support vector machinesfor multi-class pattern recognition[J]. Proceed-ings of the Seventh European Symposium on Artificial Neural Networks.1999.

[11]B Sholkopf,K Sung,CJ C Burges,etal. Comparing support vector machine with Ga-ussian kernels to radial basis function classifiers[J].IEEE Trans.Signal Processing,1997,45:2758- 2765.

[12]Zhi-wei Guo, Guang-chen Bai. Classification using least squares support vector machine for reliability analysis [J]. Applied Mathematics and Mechanics .2009,30(7):853-864.

Motor Synchronization Control of Ship Lift Based on Support Vector Machine

HUANG Kai
( Fujian Special Equipment Inspection and Research Institute,Quanzhou Branch Institute,Quanzhou 362000, Fujian, China)

In this paper, we have come up with a synchronous control method of support vector machine, which has the ability of knowledge representation and the self-learning. At the same time, the learning algorithm of support vector machine for four motor synchronized control in ship lift machine was given. Then, we took the experiment of four-motor synchronous speed track control. The result showed that, synchronous control of support vector machine can achieve synchronous action of the four motors in ship lift. This method has advantages of fast convergent speed and good robust, which can meet the requirements for synchronization control of ship lift.

Ship lift; Synchronization control ; Support vector machine; Synchronization error

2015-01-15

黃 凱，男，福建省特種設(shè)備檢驗(yàn)研究院泉州分院，工程師 ，碩士