摘要：起重機是指在一定范圍內垂直提升和水平搬運重物的多動作起重機械。又稱吊車。屬于物料搬運機械。起重機的工作特點是做間歇性運動，即在一個工作循環中取料、運移、卸載等動作的相應機構是交替工作的，起重機在市場上的發展和使用越來越廣泛。
關鍵詞：起重機,電子技術,機電化論文發表
起重機主要包括起升機構、運行機構、變幅機構、回轉機構和金屬結構等。起升機構是起重機的基本工作機構，大多是由吊掛系統和絞車組成，也有通過液壓系統升降重物的。運行機構用以縱向水平運移重物或調整起重機的工作位置，一般是由電動機、減速器、制動器和車輪組成。變幅機構只配備在臂架型起重機上，臂架仰起時幅度減小，俯下時幅度增大，分平衡變幅和非平衡變幅兩種。回轉機構用以使臂架回轉，是由驅動裝置和回轉支承裝置組成。金屬結構是起重機的骨架，主要承載件如橋架、臂架和門架可為箱形結構或桁架結構，也可為腹板結構，有的可用型鋼作為支承梁。
隨著起重機行業的不斷發展越來越多的企業加入到起重機行業中來。高滿指出，工程機械的風險包括技術風險、供求風險和經濟波動風險等。當前工程機械部分產品的核心技術主要體現在總體設計和技術集成方面，如果企業不能及時研究開發新技術、新工藝及新產品，滿足市場的要求，產品可能面臨被淘汰的風險。
由于我國工程機械行業競爭十分激烈，特別是國際工程機械巨頭大舉進入我國市場。與國外競爭對手相比，我國企業在產品種類、研發實力、技術水平、資本規模及品牌影響力等方面還有較大差距。此外，世界經濟的波動也或將給該行業帶來一定的不可控風險。工程機械行業作為基礎建設項目投資拉動型行業，如果未來國民經濟增長速度的放緩，固定資產投資規模下。
起重機廣泛應用于港口碼頭、廠房、車間、倉庫等工業場所，要求安全可靠、快速、精確定位以及運行平穩。然而在起重機工作過程中由于大、小車的加減速和負載的提升動作以及風力、摩擦引起的擾動等會引起負載的來回擺動，這不僅嚴重影響作業效率，而且增加了起重機發生事故的可能性。為此，起重機的防擺控制越來越受到廣泛關注。
1、起重機防擺技術分類
起重機防擺技術分為機械式防擺和電子式防擺兩類。
機械式防擺主要是通過機械手段消耗擺動的能量來達到最終消除搖擺的目的。例如交叉鋼絲繩減搖裝置，分離小車式減搖裝置，翹板梁式減搖等，然而大多數機械防搖裝置因外圍設備太多，結構復雜，可靠性差，維修保養工作量大且價格昂貴，因而實際應用存在諸多問題。同時，傳統的機械防搖設備在實際應用中仍存在停機時振動太大等不足。
電子式防擺是通過各種傳感器和檢測元件將檢測到的擺角、角速度等信息，從而控制小車的運行方向和速度，將該擺動角度限制到最小，達到防擺的目的。電子防擺作為一種新興的防搖措施，將減擺和小車運行結合起來，通過控制相應的輸入力來達到降低搖擺的效果。這就可以實現自動控制，從而使減搖脫離了司機的操作經驗，同時發展下去也可以實現無人化操作。因此，電子防搖技術得到了越來越廣泛的重視。電子式防擺按控制方式的不同，可以分為開環控制和閉環控制。
2、起重機電子式防擺系統組成及原理
電子防擺系統組成
橋式起重機電子防擺控制系統由傳感器、可編程控制器、驅動裝置及橋式起重機系統組成。其工作原理是：微機內部控制軟件(可編程控制器)對各種傳感器和檢測元件檢測到的信息，如吊具前后擺動的角度和角速度，進行處理后，將最佳的控制參數提供給小車調速系統(驅動裝置)來控制小車的運行方向和速度，將吊具及載荷的擺動角度限制到最小，達到防擺和消擺的目的。
3、起重機電子式防擺控制研究現狀
鑒于起重機自動控制問題的重要性，國內外研究人員都對起重機的準停和防擺問題做了一定的研究工作，并取得了一定的成果。
3.1由于經典控制理論體系的完善和成熟，所求解的控制器簡單實用，在實際工業控制中大量應用。同樣，在防搖問題上，許多學者采用經典控制方法的研究。基于開環控制系統方法的防擺起重機在工業實踐中通常不用測量有效載荷的搖擺角度。例如Hetronic公司的ASLC(AntiSwingLoadControl)系統，它主要應用來在工業橋式和門式起重機中，該控制系統不需要反饋載荷擺動狀況，根據操作人員的控制信號以及繩長的變化來實現載荷擺動減小。SmartCrane公司的SmartCrane開環控制防搖的系統，主要依賴于控制起重機的加速度來減小擺動。Konecranes公司開發的DynAPilot負載搖擺控制系統，主要通過負載的高度信息和操作指令來計算最優的加速路徑實現減小擺動的目的。開環控制系統不能檢測誤差，也不能校正誤差，而且對系統參數的變動很敏感。韓國學者Hoon Lee采用經典控制理論，用傳統的根軌跡、頻域法分析防搖問題，同時也適當的采取了現代的智能控制，將兩種方法結合起來，設計了防擺、定位控制器，并進行了仿真實驗，取得了較好的結果[1]。美國學者Hanafy設計了基于增益調度控制思想的全狀態反饋控制器，采用PID控制分別設計定位和防搖的控制器，通過仿真實驗說明了該方法可以有效的迅速消除擺動[2]。
3.2傳統控制系統的設計與分析是建立在已知系統精確數學模型的基礎上，而實際系統由于存在復雜性、非線性、時變性、不確定性和不完全性等，一般無法獲得精確的數學模型;研究這類系統時，必須提出并遵循一些比較苛刻的假設，而這些假設在應用中往往與實際不相吻合;對于某些復雜的和包含不確定性的對象，由于無法解決建模問題，所以根本不能以傳統數學模型來表示;為了提高性能，傳統控制理論可能變得非常復雜，從而增加了控制設備初始投資和維修費用，降低了系統的可靠性。因此不依賴數學模型且能適應不確定性的智能控制方法如模糊控制可以被應用到此類控制中，當前模糊控制在起重機防擺的試驗或仿真方面取得了不少成果。
利用模糊控制防擺的主要原理是模仿司機的操作經驗：開始時驅動小車加速運行，如果開始后還離目的地很遠，則應按一定加速度增加小車速度，使貨物稍落后于小車;當貨物接近目標時，則應按一定負加速度減小小車速度，使貨物稍前于小車;當貨物離目的地很近時，稍微增大小車加速度(小車仍減速行駛)，使貨物正好懸于目標位置上，且當不搖擺時，電機停車。
Chenngyuan C等人設計了兩個模糊控制器，用小車位置模糊控制器實現起重機快速對位，用吊重擺角模糊控制器達到抑制吊重搖擺[3]。王曉軍針對小車吊重模型的非線性和不確定性，利用兩個模糊控制器分別對小車的位置和負載的擺動進行模糊控制，并和線性二次型最優控制進行了比較，取得良好的控制效果[4]。Sung-Kun Cho使用位置伺服控制和模糊邏輯控制器分別對起重機的位置和擺角進行控制，實現了準確定位和迅速消擺，取得了比較滿意的控制效果[5]。Benhidjeb和Gissinger.對起重機的模糊控制和Linear Quadratic Gaussian(LQG)控制進行了比較研究[6]; Nally M和Trabia M B對起重機的位置和擺角分別進行了控制，其中模糊位置控制規則的建立側重于小車的位置參考曲線[7];波蘭的Nowacki Z和Owezarz D則利用比例PD控制器和模糊PD控制器對起重機進行控制并利用變結構理論對系統的魯棒性進行了分析[8]; MahfoufM和Kee C H等人在對起重機模型進行開環試驗基礎上對起重機的模糊控制方法進行了閉環研究，模糊位置控制規則的建立也是基于小車的位霞參考曲線[9];國內如中國民航學院的華克強”在模型起重機上對簡化的模糊起重機防擺方案進行了實驗研究，取得良好效果[10];
3.3模糊控制的實質是將基于專家知識的控制策略轉換為控制系統的策略，主要原理是模仿司機的操作經驗，建立模糊控制規則庫。在模糊控制器中，精確量的模糊化、模糊規則的選取及輸出信息的模糊判決來自專家和操作員的經驗和知識，且在系統運行過程中保持不變，不能在線修正模糊推理以適應控制對象的大范圍變化。因此，模糊控制難以解決自學習和自適應問題單純的模糊控制器的設計亦有不足之處，缺乏理論的指導和有效的設計方法，不僅隸屬函數的確定、模糊規則的選取來自人的操作經驗，并需經過反復調試，才能得到比較好的控制品質，而且不能在線修正以適應控制對象的大范圍變化。因此，模糊控制的自學習和自適應是需要解決的瓶頸問題
人工神經網絡的研究開始是在20世紀40年代，并在80年代神經網絡的研究逐漸深化，應用面也逐漸擴大。人工神經網絡具有自適應學習、自組織、函數逼近、大規模并行處理及較強的魯棒性等特點，為解決不確定非線性的建模和控制問題提供了一種新的有效途徑。因此，人工神經網絡己成為國內外專家研究的一個新的方向。J. A. Mendez和L. Acosta等人采用神經網絡的方法對起重機控制參數調整，使用BP算法在線訓練來減少二次成本函數[11,12]。
郭建明將神經網絡與模糊控制技術有機結合，用神經網絡生成隸屬函數和修正模糊控制規則，既克服了單純的模糊控制必須具備較完善的控制規則和系統自學習能力差的缺點，又克服了神經網絡信息隱式、權值的初始值難以確定的不足[13]。T. Ishide等人在模糊神經網絡訓練使用反向傳播法來控制起重機的擺動[14]。J. Smoczek 和 J. Szpytko使用自適應模糊神經網絡控制方法研究起重機的防擺 [15]。
4、結論與展望
本文探討了起重機電子式防擺技術及其存在的問題，分析了電子式防擺技術工作原理和國內外研究狀況，存在的問題。
起重機吊重防搖閉環控制系統的基本要求之一就是需要現場提供狀態變量空間中的小車位置、小車速度、吊重擺角和吊重擺角角速度等信息。這可以通過專門的物理傳感器檢測這些變量的現場數據，但前提是這些變量必須具有可測性或便于測量。但實際上并不是每個變量都具有可測性，或者有的變量即使具有可測性也往往測量成本較高或不方便測量。由于起重機小車與吊重的柔性聯結特點，對吊重擺角和擺角角速度信息測量就一直成為工程中有待解決的難題，吊重擺角和擺角角速度測量技術也成為吊重防搖控制系統的關鍵技術之一。
鑒于起重機系統模型存在著許多未知干擾，很難用精確數學模型來反映起重機的實際動態過程。開發不依賴于系統模型的神經網絡模糊控制器，使系統有較強的魯棒性能夠適應不同的工況。還可以方便的加入一些經驗和專家知識的數據，適應系統參數變化，提高控制效果。
