Zastosowanie sieci neuronowej do sterowania pracą wciągarki

• Autorzy: Falat P.

Warianty tytułu

EN

Application of neural network to define winch drive function

• Języki publikacji: PL

Abstrakty

PL

Często spotykanym zadaniem stawianym przed żurawiami typu offshore jest utrzymanie ładunku na zadanej głębokości pomimo ruchów bazy żurawia wywołanych falowaniem morza. W niniejszym artykule przedstawiono zastosowa- nie sieci neuronowej do wyznaczania funkcji napędowej wciągarki zapewniającej stabilizację pionową ładunku. Analizy przeprowadzono dla żurawia typu A-rama. Opracowano jego model matematyczny, przy czym korzystając z wcześniejszych doświadczeń autora, przyjęto, że jedynym elementem podatnym w układzie jest lina. W poprzednich pracach autor proponował użycie metod optymalizacji do wyznaczenia poszukiwanej funkcji napędowej. Optymalizacja dynamiczna jest jednak na tyle czasochłonna obliczeniowo, że jej zastosowanie w czasie rzeczywistym nie jest możliwe. Stąd podjęto próbę wykorzystania do rozwiązania tego problemu sieci neuronowej. Optymalizację zastosowano natomiast do przygotowania odpowiedniego zbioru uczącego dla sieci neuronowej.

EN

The paper presents the application of the neural network to controlling of the drive function of a sea crane winch. The function ensures the load stabilization on a proper depth. The base ship movements, caused by the sea waves, are taken into consideration. The author applied the neural network and the object oriented programming techniques which have been used to crate own software applications.

Słowa kluczowe

PL

sterowanie; maszyna; sieci neuronowe

EN

control; machine; neural networks

• Wydawca: Oficyna Wydawnicza Politechniki Białostockiej
• Czasopismo: Acta Mechanica et Automatica
• Rocznik: 2010
• Tom: Vol. 4, no. 2
• Strony: 43--48
• Opis fizyczny: Bibliogr. 13 poz., Rys., Wykr.

Twórcy

autor

Falat P.

Bibliografia

• 1. Adamiec-Wójcik I., Fałat P., Gancarczyk T. (2003), Computer Analysis of static loads of an A-Frame, Zeszyty Naukowe Akademii Techniczno – Humanistycznej w Bielsku – Białej, Zeszyt nr 6, 7-25.
• 2. Duffy J. (2007), .NET Framework 2.0, Zaawansowane programowanie, Helion.
• 3. Chapra S.C., Canale R.P. (2002), Numerical methods for engineers, McGraw-Hill Higher Education, New York.
• 4. Falat P. (2004), Analiza dynamiczna żurawia okrętowego typu A-rama, rozprawa doktorska, ATH Bielsko-Biała.
• 5. Fałat P., Wojciech S. (2003), Application of non-linear optimisation methods to stabilise motion of a sea probe, Zeszyty Naukowe Akademii Techniczno – Humanistycznej w Bielsku – Białej, Zeszyt nr 6, pp. 29-40.
• 6. Fałat P., Brzozowska L., Brzozowski K. (2000), Application of object oriented neural network to control motion of the load of a sea crane, International Scientific Journal of Computing.
• 7. Fałat P. Maczyński A. Wojciech S. (2009), Optymalizacja w planowaniu ruchu urządzeń dźwigowych - część II, Pomiary Automatyka Kontrola, Nr 6/2009.
• 8. FOSSEN T.I. (1994), Guidance and Control of ocean vehicles, John Wiley and sons Chichester England.
• 9. Kruszewski J., Sawiak S.,Wittbrodt E. (1999), Metoda sztywnych elementów skończonych w dynamice konstrukcji, WNT – Warszawa.
• 10. Maczyński A. (2005), Pozycjonowanie i stabilizacja położenia ładunku żurawi wysięgnikowych, Wydawnictwo Akademii Techniczno – Humanistycznej.
• 11. Mosoud Z.N. (2000), A control system for the reduction of cargo pendulation of ship mounted cranes, Virginia Politechnic Institute and State University, Doctoral Thesis, Balcsburg, Virginia USA.
• 12. Paszkiewicz T., Osiński M, Wojciech S. (1999), Dynamic Analysis of an Offshore Crane on Offshore Installations, The 4th International Offshore Cranes Conference Stavanger, Norway.
• 13. Tadeusiewicz, R. (1993), Sieci neuronowe, Akademicka Oficyna Wydawnicza, Warszawa.