Zastosowanie sztucznych sieci neuronowych w doborze funkcji napędowych żurawi na podatnym podłożu

W artykule przedstawiono model dynamiczny układu żurawia chwytakowego posadowionego podatnie. Model posłużył do wykonania optymalizacji dynamicznej celem doboru funkcji napędowych ruchu obrotu i wysięgu zapewniających ruch ładunku po zadanej trajektorii (okręgu) oraz stabilizację ładunku po zatrzymaniu, mimo podatności podparcia. Ze względu na długi czas obliczeń optymalizacyjnych, model jest mało przydatny do sterowania układem w czasie rzeczywistym. Zastosowano zatem metodologię sztucznych sieci neuronowych, które generują odpowiedź dla układu sterowania w czasie znacznie krótszym.

The paper presents the application of the neural network to real-time control of drive characteristics. The mathematical model of the crane, which is flexibly supported, is considered. The problem of finding an optimal drive function can be solved by mean of the classic optimisation methods. However, due to long calculation time, this approach can not be applied in the crane control tasks in practice. Utilising the advantage of neural networks (fast response, ability to generalisation), we are able to obtain the courses of drive functions in the real-time. A well trained network can be then used also for other inputs, than those used during the training task. Some example of simulations have been presented in the article.