Содержание к диссертации
Введение
Глава 1. Обзор и задачи исследования 10
Глава 2. Математическая модель движения рабочего органа Драглайна
2.1. Математическая модель системы «поворотная платформа -ковш» 19
2.2. Математическая модель системы «механизм подъема - ковш - механизм тяги» 28
2.3. Математическая модель системы «электропривод механизма поворота» 31
2.4. Математическая модель системы «электропривод механизма подъема (тяги)» 37
2.5. Иерархическая структура имитационной модели 40
2.6. Имитационная модель и пакет программ в среде Simulink/MATLAB 44
Глава 3. Лингвистический анализ движений рабочего органа Драглайна
3.1. Математическая модель рабочего пространства 49
3.2. Анализ предельных траекторий плоского движения ковша 56
3.3. Синтез кусочно-предельных траекторий движения ковша на разгрузку и черпание 61
3.4. Алгоритм синтеза опорной кусочно-предельной траектории безопасного движения ковша 71
3.5. Нечеткая лингвистическая модель безопасного траєкторного движения ковша драглайна 76
3.6. Стратегический анализ поворотного движения ковша 87
3.7. Синтез частного линейного управления поворотным движением ковша 95
3.8. Нечеткая лингвистическая модель управления поворотным движением ковша 112
Глава 4. Синтез интеллектуальных алгоритмов управления транспортным движением ковша Драглайна
4.1. Синтез нечеткого алгоритма управления движением ковша на разгрузку 115
4.2. Синтез нечеткого алгоритма управления движением ковша на черпание 122
4.3. Синтез нечеткого алгоритма управления траекторным движением ковша 126
4.4. Синтез нечеткого алгоритма управления поворотным движением ковша 134
4.5. Синтез нечеткого алгоритма согласования траєкторного и поворотного движений ковша 148
4.6. Алгоритм управления поворотным движением ковша на базе нечеткой нейронной сети 155
Глава 5. Исследовательские модельные испытания алгоритмов управления
5.1. Модельные представления интеллектуальных алгоритмов управления 161
5.2. Процедура исследовательской апробации интеллектуальных алгоритмов управления 167
5.3. Результаты моделирования работы алгоритма управления траекторным движением ковша 169
5.4.. Результаты моделирования работы алгоритма для согласованного управления траекторным и поворотным движением ковша 177
Заключение 185
Список литературы 187
Приложение
- Математическая модель системы «поворотная платформа -ковш»
- Анализ предельных траекторий плоского движения ковша
- Синтез нечеткого алгоритма управления движением ковша на разгрузку
- Модельные представления интеллектуальных алгоритмов управления
Введение к работе
Актуальность работы. Мощные шагающие экскаваторы — драглайны, предназначенные для вскрышных горных работ по бестранспортной схеме, являются сложными, потенциально высокопроизводительными, многофункциональными горными машинами, однако эффективность эксплуатации этих машин, как показывает практика, остается недостаточно высокой. Установленный коэффициент использования мощного драглайна в условиях реального технологического процесса не превышает 0,7. Основной причиной тому низкий уровень автоматизации процессов контроля состояния и управления этой машиной, существенная зависимость качества управления от квалификации и субъективного состояния машиниста экскаватора.
Многочисленные исследования проблемы повышения эффективности эксплуатации мощных горных машин - драглайнов, направленные на снятие противоречия между потенциально высокой производительностью машины и ограничением эффективности в силу ручного управления ею, позволили разработать принципы и средства автоматизации управления экскаваторами-драглайнами. Решение проблемы автоматизации мощных горных машин стало возможным в промышленных масштабах только в последние годы. Это связано с появлением надежной общепромышленной цифровой техники бортового исполнения - бортовых микропроцессорных вычислителей и управляющих ЭВМ, способных обеспечить устойчивое выполнение алгоритмов управления. Вычислительная мощность современных бортовых вычислителей позволяет применять как ранее известные, в основном аналоговые, так и качественно новые классы алгоритмов управления. Современное решение проблемы автоматизации драглайна отчасти сдерживается отсутствием новых алгоритмов управления этой машиной, обладающих интеллектуальными свойствами, высокой адаптивностью в условиях существенной неопределенности состояния машины и внешней технологической обстановки.
Актуальность проблемы повышения эффективности эксплуатации мощных драглайнов является стимулом научно-практического интереса инженеров технологов и конструкторов, результатом которого явилось создание драглайна с измененным рабочим оборудованием, позволяющим выполнять разгрузку внутри технологического пространства, так называемого кранлайна. Такие драглайны предназначены для использования в транспортной схеме ведения вскрышных горных работ.
Практическая реализация транспортной технологии вскрытия с использованием экскаватора-драглайна возможна лишь при условии трехмерной прицельной разгрузки, что достижимо, если управление драглайном позволяет эффективно гасить колебания и осуществлять качественное позиционирование тяжелого ковша драглайна, что возможно
РОС НАЦИОНАЛЬНАЯ) БИБЛИОТЕКА I
без существенной потери времени лишь автоматически. Решение задачи расширения технологических возможностей драглайна сдерживается отсутствием алгоритмов автоматического управления транспортными операциями ковша для трехмерной прицельной разгрузки, принадлежащих классу современных интеллектуальных логически, нечетких и нейросетевых алгоритмов.
Целью диссертационной работы является разработка интеллектуальных алгоритмов автоматического управления движением рабочего органа экскаватора-драглайна, позволяющих обеспечить эффективное выполнение транспортных операций с гашением колебаний в цикле, что может быть использовано для эксплуатации мощных драглайнов в транспортной и бестранспортной технологиях ведения открытых горных работ.
Идея работы состоит в создании логически нечетких алгоритмов, позволяющих реализовать близкие к оптимальным по времепи безопасные технологические траектории движения ковша драглайна, в течение всего транспортного цикла эффективно снижать его раскачивание и обеспечивать финальное позиционирование ковша драглайна.
Методы исследования. При решении поставленных в работе задач использовались методы математического анализа и моделирования, теоретической механики, теории управления, теории нечетких множеств и нечетких логических заключений, теории интеллектуальных систем и нейронных сетей, структурного и формального программирования в среде MATLAB:
Защищаемые научные положения и их новизна.
1. Разработанная комплексная математическая модель объекта
управления: динамических процессов в электромеханических системах
главных приводов, динамики движения рабочего органа, геометрической
ограниченности рабочего пространства и внешней технологической
обстановки - позволяет имитировать управляемые движения рабочего
органа в технологическом процессе транспортирования с разгрузкой в
любой точке рабочего пространства.
-
Разработанный метод лингвистического анализа рабочих движений ковша драглайна позволяет создавать новые вычислительно простые алгоритмы нечеткого управления приводами подъема и тяги для реализации траєкторного движения и прицельной разгрузкой ковша в рабочем пространстве.
-
Разработанный новый алгоритм нечеткого управления траєкторного движения ковша обеспечивает гарантированную безопасность движения во всем рабочем пространстве.
4. Разработанный новый интеллектуальный алгоритм управления
поворотным' движением платформы драглайна позволяет эффективно
снижать амплитуду отклонения ковша от плоскости стреловой
конструкции на всем интервале движения и осуществить финальное позиционирование ковша.
- 5. Разработанный новый алгоритм управления поворотным движением со структурой нечеткой нейронной сети обладает в процессе реального управления свойством доучиваться, что обеспечивает заданное качество позиционирования ковша.
Обоснованность н достоверность научных положений подтверждаются малым, не превосходящим 3%, расхождением результатов модельных управляемых движений с результатами реальных движений, взятых с осциллограмм натурных испытаний и движений в производственных условиях.
Практическая полезность работы состоит в следующем:
-
Разработан метод геометрического синтеза траекторий движения ковша в транспортном цикле, позволяющий формировать программные движения традиционного и нового технологического типа.
-
Разработан метод настройки нечеткого регулятора управления приводами подъема и тяги для реализации безопасного траєкторного движения и финального позиционирования ковша.
-
Разработаны методы синтеза линейного регулятора системы управления поворотным движением, основанные на методах пространства состояния и на обобщении свойств траекторий полюсов системы.
4. Разработан метод настройки интеллектуального регулятора
управления поворотным движением для снижения величины параметров
колебания ковша относительно плоскости стреловой конструкции в
течение всего времени движения и при финальном позиционировании.
5. Разработанные интеллектуальные алгоритмы управления
позволяют решать задачу трехмерной прицельной разгрузки ковша в
рабочем пространстве с заданным качеством позиционирования.
Реализация результатов. Интеллектуальные алгоритмы управления
движением ковша драглайна и методы настройки регуляторов приводов
главных механизмов рекомендованы Инженерным центром
Объединенных машиностроительных заводов для практического
использования при создании автоматизированных систем управления
мощными шагающими экскаваторами-драглайнами. Методы
лингвистического анализа и синтеза нечетких алгоритмов управления движением приняты для использования в учебном процессе при подготовке дипломированных специалистов по направлению «Автоматизация и управление» Московского государственного горного университета.
Апробация работы. Основные положения и результаты работы докладывалась на научных симпозиумах «Неделя горняка» (Москва, МГГУ, 2001 - 2003 г.г.); Международном научно-техническом семинаре «Современные технологии в задачах управления, автоматики и обработки
информации», 2002 г.; ОГК «Электропривода и автоматики» НИИтяжмаш
Уралмашзавода, Инженерного центра Объединенные
машиностроительные заводы, семинарах кафедры «Автоматики и управления в технических системах» МГТУ.
Публикации. Основные результаты настоящей работы опубликованы в 5 статьях.
Структура и объем работы. Диссертация состоит из введения, пяти глав, заключения, содержит 41 рисунок, 2 таблицы, список литературы из 64 наименований и 2 приложения.
Математическая модель системы «поворотная платформа -ковш»
Задача позиционирования рабочего органа поставлена в трехмерной пространственной форме, однако положение ковша описывается в фазовом пространстве длин подъемных, тяговых канатов и угла разворота поворотной платформы, что исключает из рассмотрения относительное отклонение ковша от вертикальной плоскости. Постановка задачи управления транспортными операциями является усеченной, предложенные алгоритмы не решают задачи устранения поперечных колебаний ковша. Возможность прицельной разгрузки не рассматривалась и не оценивалась.
Другое направление исследований - совершенствование технологии применения мощных экскаваторов-драглайнов и расширение технологических возможностей этих машин. Традиционным применением мощных драглайнов является бестранспортная технология ведения открытых горных работ. Применение экскаватора-драглайна в качестве высокопроизводительного элемента транспортной технологии [21,51] сдерживалось отсутствием технических решений, которые позволили бы выполнять прицельную разгрузку ковша без существенного снижения производительности. Работы, посвященные различным аспектам научного решения этой проблемы, начали появляться с начала 90-х годов.
В работе И. И. Лелякова [29] обоснованы и предложены технические решения, позволяющие увеличить производительность драглайнов при погрузке горной массы в средства цикличного и непрерывного транспорта на основе реконструкции их рабочего оборудования, введения перегрузочных устройств, оснащенных упорами для изменения радиуса разгрузки ковша. В работе А. А. Демина [9] предложены технические решения по модернизации и реконструкции рабочего оборудования драглайна, в частности упряжи коша, позволяющей значительно увеличить зону транспортирования, выполнять разгрузку переменного радиуса. В работе А. И. Шендерова [56] ИГД им. А. А. Скочинского предложены конструктивные схемы дополнительного устройства, обеспечивающего прицельной разгрузку ковша в произвольной точке рабочего пространства, предложена модернизация драглайна в универсальную выем очно-погрузочную машину, названную кранлайном. Эти идеи нашли свое продолжение и развитие в работе В, В. Перелыгина [45], который обосновал конструктивно-компоновочную схему новой машины, Создание на базе мощного драглайна универсальной выемочно-погрузочной машины сдерживается в настоящий момент отсутствием алгоритмов автоматического управления транспортными операциями ковша с прицельной разгрузкой переменного радиуса. Выполненный с глубиной двадцать пять лет анализ основных результатов исследований отечественных и зарубежных ученых позволяет утверждать, что задача синтеза алгоритмов автоматического управления транспортными операциями ковша мощного драглайна является актуальной, она пока не имеет решения и для автоматизации технологического процесса кранлайна. Развитие современной теории управления позволяет применить к решению задач автоматизации управления движением рабочего органа драглайна принципиально новые классы алгоритмов управления, обладающих интеллектуальными свойствами, свойствами адаптивности в условиях существенной неполноты информации о состоянии технологического объекта, характерной для технологического процесса мощного драглайна. С начала 90-х годов [2, 3, 5, 17, IS, 35, 46] произошел существенный скачок в развитии теории интеллектуального управления, нечетких и нейросетевых алгоритмов, накоплен достаточный практический опыт в проектировании интеллектуальных систем управления, что позволяет на новом научно-техническом уровне подойти к решению известной задачи управления транспортным перемещением ковша драглайна для обеспечения прицельной разгрузки. Синтез нечетких интеллектуальных алгоритмов требует составления лингвистических моделей объекта управления, выбора структур И параметров алгоритмов, исследовательской апробации на детальной имитационной модели объекта [28, 46,48]. 18. Проанализированное состояние проблемы и выбор класса алгоритмов для поиска решения позволило сформулировать задачи настоящего диссертационного исследования: разработать комплексную математическую модель электромеханической системы главных приводов, динамики движения рабочего органа драглайна с учетом ограниченности рабочего пространства и внешней технологической обстановки, которая позволяет исследовать возможность применения нечетких алгоритмов и оценивать их качество; разработать лингвистическое описание управления траекторным движением ковша драглайна, с целью обеспечения безопасного транспортирования и прицельной разгрузки ковша внутри рабочего пространства; разработать лингвистическое описание управления поворотным движением платформы, с целью обеспечения эффективного снижения параметров колебания ковша на всем интервале движения, включая финальное позиционирование; разработать и исследовать интеллектуальные алгоритмы управления траекторным и поворотным движением ковша драглайна, обеспечивающие заданное качество позиционирования и условия для трехмерной прицельной разгрузки ковша.
Анализ предельных траекторий плоского движения ковша
Обоснование и выбор моделирующего пакета MATLAB/Simulink, практические аспекты реализации детальной имитационной модели в выбранной среде, инструментальные возможности полученной модели и разработанного пакета вспомогательных программ подробно описаны автором в работе [32]. Приведем описание основных приемов, использованных при реализации имитационной модели в среде MATLAB/Simulink, и инструментальных возможностей полученной модели.
Перевод математической модели на входной язык пакета Shnulink заключается в программировании блоков и сигнальных связей согласно разработанной иерархической структуре. Блоки, имеющие собственную внутреннюю структуру, реализуются в технологии подсистем (subsystem) пакета. Формирование унифицированных сигнальных связей выполняется по технологии мультиплексирования и демультиплексирования сигналов, позволяющей создавать векторные сигнальные шины с возможностью считывания заданных наборов сигналов. Практическое программирование на наиболее низком иерархическом уровне заключается в формировании структуры и связей из блоков стандартного набора библиотеки пакета SimuJink [59]. Применены блоки стандартной библиотеки для задания линейных компонентов модели, представленных сумматорами, безинерционными усилителями, интеграторами, передаточными функциями, и нелинейных компонентов, представленных умножителями, вычислителями алгебраических и тригонометрических функций, характеристиками «вход-выход» типовых нелинейностей, табличными нелинейностями, вычислителями отношений и логических условии.
Реализация блока индикации рабочих движений ковша выполнена на базе стандартных средств отображения результатов моделирования, представленных цифровыми, графическими и фазовыми индикаторами стандартной библиотеки, и расширения возможностей среды путем программирования специализированных индикаторов. Реализованы специализированные индикаторы плоского движения ковша, пространственного положения ковша, удерживающих канатов, поворотной платформы со стреловой конструкцией. Программирование специализированных индикаторов рабочих движений выполнено на языке пакета MATLAB в интерфейсе сопряжения с пользовательскими блоками Simulink [47, 59].
Запрограммированные индикаторы плоского и пространственного движения ковша и вспомогательные программы, решающие задачи формирования программного управления для имитации транспортного цикла, оценки и сравнения движений в разных циклах, представления результатов последовательной имитации множества транспортных циклов, образуют собственную вычислительную среду на базе пакета MATLAB, реализованную по технологии пользовательских пакетов программ (toolboxes). Имитационная модель совместно с пакетом вспомогательных программ, обладающим свойством свободного расширения и дополнения, образуют универсальную расширяемую среду разработчика, решающего задачи синтеза алгоритмов автоматического управления и мониторинга драглайна. На рис. 2.6.1 представлен внешний вид среды разработчика при выполнении имитации согласованного траєкторного и поворотного движения.
Отладка имитационной модели заключается в уточнении числовых параметров соотношений математической модели, которое выполняется при многократной имитации рабочего цикла с известным программным управлением и сравнении результатов моделирования с осциллограммами, снятыми на экскаваторе-драглайне в процессе реального управления. Критериальной базой этого уточнения является определенный уровень близости процессов в реальном объекте управления и имитационной модели. Отладка завершается по достижении приемлемой величины соответствия. В разработанной инструментальной модели расхождение результатов модельных управляемых движений с результатами реальных движений, взятых с осциллограмм натурных испытаний и движений в производственных условиях, максимально не превосходит 3% [32].
Отлаженная наиболее детальная имитационная модель является инструментальным средством апробирования разработанных интеллектуальных алгоритмов управления и оценки их качества. При анализе управляемых движений рабочего органа, синтезе интеллектуальных алгоритмов, уточнении их параметров целесообразно применение упрощенных имитационных моделей.
Инструментально любая упрощенная модель порождается заменой одного или нескольких блоков детальной модели на блоки с более простой внутренней структурой.
Пакет вспомогательных программ наращивается по мере возникновения новых имитационных задач, которые естественно возникают при разработке интеллектуальных алгоритмов управления движением рабочего органа драглайна. Пакет был дополнен программами вычисления кусочно-предельных траекторий, программами для численной реализации методов синтеза частного линейного управления поворотным движением, программами, реализующими функции настройки и уточнения параметров устройств нечеткой логики и нечеткой нейронной сети, реализующих разработанные интеллектуальные алгоритмы управления рабочим органом. Дополнение в структуру имитационной модели блоков, реализующих интеллектуальные алгоритмы управления, дополнение в среду разработчика вспомогательных программ, обслуживающих отладку этих алгоритмов, выполнено на базе специализированных пакетов программ и библиотек Simulink: Fuzzy Logic Toolbox - пакет для создания и моделирования устройств нечеткой логики [57], Neural Network Toolbox - пакет для создания, обучения и моделирования нейронных сетей [58].
Синтез нечеткого алгоритма управления движением ковша на разгрузку
Интеллектуальный алгоритм управления движением ковша на разгрузку построен на базе нечетких логических выводов, составленной на основании выполненного синтеза программных движений и лингвистического анализа безопасного траєкторного движения ковша. Нечеткие логические выводы о текущем управлении траекторным движением принимаются по лингвистическим оценкам текущего положения ковша в рабочем пространстве относительно участков идеальной кусочно-предельной траектории движения, заранее вычисляемой программно. Синтез базы нечетких логических выводов выполнен независимо в классе алгоритмов нечеткого вывода по правилу Мамдани и Сугено-Такагии [28, 38, 48, 62]. Каждый из синтезированных алгоритмов нечеткого вывода обладает собственными практическими достоинствами.
Общепринятая форма описания алгоритмов нечеткого логического вывода предполагает описание: способов приведения входных величин алгоритма к нечеткости, базы знаний алгоритма в форме нечетких правил, механизма логического вывода, механизма композиции выходных величин, механизма приведения к четкости. Следуя этой форме, дадим описание синтезированной базы нечеткого логического вывода по правилу Мамдани.
Алгоритм вычисления безопасной кусочно-предельной траектории движения ковша на разгрузку выдает координаты опорных точек траектории. Знание координат опорных точек позволяет вычислять оценки (3.5.1) текущего положения ковша. Первый вариант базы нечеткого вывода использует приведенные к нечеткости оценки SL, R — расстояния до эллиптического участка кусочно-предельной траектории и вертикальной границы рабочего пространства соответственно.
Механизм приведения оценок SL, R к нечеткости - классический. Функции принадлежности iSLZ(SL), juRZ(R), определенные на входных переменных SL, R согласно свойствам модели (3.5.2), определяют степень истинности предпосылок SLZ, RZ нечетких правил вывода. Лингвистический смысл терм: SLZ- оценка SL близка к нулю, RZ- оценка R близка к нулю. Форма функций принадлежности juSLZ(SL), №R2(R) может быть сигмоидальной, S-образной или гауссова типа. Такое решение принято на основе качественного анализа нечеткого «размытия» линий переключения, порождаемых программой движения. Функции принадлежности jiSLZ(SL), JJ.RZ(R) представлены на UP, UT- выходные величины - управления приводами подъема и тяги соответственно; PN, PZ, РР - термы лингвистического разбиения переменной UP, соответствующие предельным управлениям приводом подъема; 77V, 7Z, ТР - термы лингвистического разбиения переменной UT, соответствующие предельным управлениям приводом тяги. Правила логического вывода синтезированы согласно форме переключательного управления (3.3.5) для кусочно-предельной траектории на разгрузку. Механизм логического вывода построен по классической схеме, когда нечеткая конъюнкция выполняется путем вычисления поточечного минимума над функциями принадлежности, а нечеткое отрицание - путем вычисления поточечной разности единицы с функцией принадлежности. Результатом логического вывода являются «усеченные» функции принадлежности терм выходных величин. Лингвистическое разбиение выходных величин UP, UT выполнено в форме, сосредоточенной относительно величин предельных управлений приводами. Функции принадлежности терм /лРЫ(иР), pPZ(UP), {iPP(UP), fiw(UT), ji iUT), fiTP(UT) выбраны треугольного типа, как наиболее простого (L-R)Hna. Полученные лингвистические разбиения представлены на рис. 4.1.2. Параметры функций принадлежности терм PN0,PN1,PN2i PZd,PZ ,PZ2, PP„PPVPP2, TN0,TNltW2 TZ0JTZ]rTZ2, TP0,TPVTP2 назначаются эскизно и уточняются в ходе модельного эксперимента. Механизм композиции нечетких подмножеств выходных переменных UP, UT из их «усеченных» терм построен по классической схеме, когда композиция выполняется путем вычисления поточечного максимума над функциями принадлежности «усеченных» терм. Механизм приведения к четкости выходных величин выбран центроидным, когда четкие значения Ul, U2 - управляющих сигналов для приводов подъема и тяги соответственно, определяются как центр тяжести для кривой, отвечающей функции принадлежности соответствующей выходной величины UP, UT. Следуя общепринятой форме, дадим описание результата альтернативного синтеза, выполненного для базы нечеткого логического вывода по правилу Сугено-Такаши. Алгоритм формирования программы движения на разгрузку выдает координаты опорных точек траектории. Второй вариант базы нечеткого вывода использует приведенные к нечеткости оценки SL, S - расстояния до эллиптического участка кусочно-предельной траектории и расстояния до окружности, проведенной у головы стрелы через целевую точку разгрузки. Механизм приведения оценок SL„ S к нечеткости - классический. Оценка SL приводится к нечеткости так же, как в первом варианте алгоритма. Функция принадлежности (S), согласно свойствам модели (3.5.2), определяет степень истинности предпосылки SZ нечетких правил вывода. Лингвистический смысл терма SZ - оценка S близка к нулю, ковш близок к окружности подъема в целевую точку движения.
Модельные представления интеллектуальных алгоритмов управления
Среда MATLAB, выбранная для модельного испытания работоспособности предлагаемых алгоритмов, располагает широкими возможностями для анализа, синтеза и моделирования нечетких и неиросетевых алгоритмов. Специализированный пакет среды MATLAB - Fuzzy Logic Toolbox [57] содержит набор программ, достаточный для решения прикладных задач, относящихся к теории размытых или нечетких множеств, конструирования нечетких управляющих систем. Инструментальные возможности пакета, такие как: построение систем нечеткого логического вывода, построение адаптивных нечетких систем с нейросетевой структурой, интерактивное динамическое моделирование в Simulink, использованы для уточнения параметров разработанных алгоритмов и их модельного испытания. Некоторые возможности другого специализированного пакета среды MATLAB -Neural Networks Toolbox [58], предназначенного для решения прикладных задач, связанных с искусственными нейронными сетями, использованы при модельном анализе методов адаптации параметров нейросетевой структуры алгоритма управления поворотным движением ковша.
Исследовательские модельные испытания разработанных интеллектуальных алгоритмов управления транспортным перемещением рабочего органа драглайна выполнены на базе комплексной имитационной модели трехмерного управляемого движения ковша. Структура имитационной модели объекта управления, представленная на входном языке моделирующего пакета Simulink среды математических расчетов MATLAB, дополнена структурными представлениями разработанных алгоритмов. На рис. 5.1.1 представлена структура модельного представления интеллектуальных алгоритмов управления транспортным движением рабочего органа драглайна. Структура содержит блоки нечеткого логического вывода (3, 4, 6, 8), соответствующие разработанным нечетким алгоритмам управления, блоки вычислителей лингвистических оценок (2, 5, 7), на значениях которых определена база логических выводов нечетких алгоритмов, блок вычислителя программы движения (1), реализующего расчет координат опорных точек кусочно-предельных траекторий движения на разгрузку и черпание, блок масштабирования командных сигналов для приводов подъема и тяги (9), реализующий временное согласование траєкторного и поворотного движений. Связи структуры, представленной нарис. 5.1.1, определяются сигналами: U - управляющий сигнал для привода поворота. Блок вычислителя координат опорных точек кусочно-предельных траекторий (1) реализован в Simulink программно по технологии маскируемой подсистемы с пользовательским меню и инициализирующей функцией. Инициализирующая функция выполняет пересчет программы движения, пользовательское меню позволяет задать координаты целевых точек /0, / / . Инициализация программы движения всегда предшествует режиму динамического моделирования. Блоки вычислителя лингвистических оценок SL, S, RL, RZ, R (2), вычислителя рассогласования ЛФ (5), вычислителя лингвистической оценки прогнозируемого лимитирования поворотного движения AT (7), вычислителя командных сигналов приводов подъема и тяги щ,иг (9) реализованы в Simulink структурно в виде независимых блоков подсистем, внутренние структуры которых составлены из блоков базовой библиотеки. Блоки нечеткого алгоритма управления траекторным движением ковша (3), нечеткого алгоритма управления режимами траєкторного движения (4), нечеткого алгоритма управления поворотным движением ковша (6), нечеткого алгоритма временного согласования траєкторного и поворотного движений (8) реализованы в Simulink структурно в виде блоков Fuzzy Logic Controller для модельного представления нечетких систем. Имитационная модель интеллектуальных алгоритмов управления встраивается в модельное представление объекта управления в среде Simulink. При отладке имитационной модели трехмерного управляемого движения рабочего органа использовались программные представления управлений, имитирующие известное управление в ручном режиме. Блоки программных формирователей командных сигналов приводов подъема, тяги и поворота заменяются модельным представлением интеллектуальных алгоритмов управления. На верхнем иерархическом уровне имитационной модели интеллектуальные алгоритмы управления представлены независимым блоком подсистемы. Сигналы 1Х, 12, Ф, Ф, р, ф, необходимые для реализации управления, могут быть непосредственно сняты с сигнальной шины объекта управления или восстановлены наблюдателем состояния объекта управления. В первом случае выполняется имитация прямого метода измерения углового отклонения ковша и его скорости р, ф, во втором - косвенного измерения с помощью линейных наблюдателей состояния. Апробация выполнена для обоих случаев, применены структуры и методы настройки линейных асимптотических наблюдателей, восстанавливающих состояние системы «поворотная платформа — ковш», представленные в работах [40, 44, 52].
