Machine learning based approach to a crane load estimation

• Autorzy: Smoczek Jarosław , Hyla Paweł , Kusznir Tom

Identyfikatory

DOI

10.2478/jok-2021-0040

Warianty tytułu

PL

Zastosowanie uczenia maszynowego w estymacji obciążenia suwnicy pomostowej

• Języki publikacji: EN

Abstrakty

EN

In the presence of increasing demands for safety and efficiency of material handling systems, the development of advanced supervisory control, monitoring, data acquisition and diagnostic systems is involved, especially for large industrial cranes. The important part of such systems is the continuous monitoring of a crane load. The crane load monitoring system proposed in the paper is based on a fuzzy model that estimates a payload mass transferred by a crane based on measuring the crane girder deflection and trolley position. The model was identified using the fuzzy subtractive clustering and least mean square with the data collected during experiments carried out on the laboratory scaled overhead crane.

PL

Coraz większe wymagania odnośnie bezpieczeństwa i wydajności procesu transportu technologicznego kierują uwagę na rozwój coraz bardziej zaawansowanych systemów nadrzędnego sterowania, monitorowania, akwizycji danych i diagnostyki dźwignic. Ważnym elementem takiego systemu jest pomiar i monitorowanie obciążenia dźwignicy. Zaproponowany w pracy system monitorowania obciążenia suwnicy pomostowej został oparty na rozmytym modelu estymującym masę ładunku transportowanego przez suwnicę na podstawie odkształcenia dźwigara mostu suwnicy oraz pozycji wciągarki. Przedstawiono dwustopniową procedurę identyfikacji modelu z zastosowaniem metod grupowania rozmytego oraz najmniejszych kwadratów, którą przeprowadzono dla danych uzyskanych z eksperymentów wykonanych na stanowisku laboratoryjnym.

Słowa kluczowe

EN

crane load monitoring; fuzzy model; machine learning

PL

monitorowanie obciążenia suwnicy; model rozmyty; uczenie maszynowe

• Wydawca: Wydawnictwo Instytutu Technicznego Wojsk Lotniczych
• Czasopismo: Journal of KONBiN
• Rocznik: 2021
• Tom: Vol. 51, iss. 4
• Strony: 1--10
• Opis fizyczny: Bibliogr. 10 poz., rys., tab.

Twórcy

autor

Smoczek Jarosław

• AGH University of Science and Technology (Akademia Górniczo-Hutnicza im. Stanisława Staszica)

autor

Hyla Paweł

• AGH University of Science and Technology (Akademia Górniczo-Hutnicza im. Stanisława Staszica)

autor

Kusznir Tom

• AGH University of Science and Technology (Akademia Górniczo-Hutnicza im. Stanisława Staszica)

Bibliografia

• 1. Balkan T.: A load control system for mobile crane, Mechanics Research Communications, Vol. 23, No. 4, 1996.
• 2. Chiu S. L.: Fuzzy model identification based in cluster estimation, Journal of Intelligent and Fuzzy Systems 2, 1994.
• 3. Gąska D., Margielewicz J., Haniszewski T., Matyja T., Konieczny Ł., Chróst P.: Numerical identification of the overhead traveling crane's dynamic factor caused by lifting the load off the ground, Journal of Measurements in Engineering 3 (1), 2015.
• 4. Haniszewski, T.: Modeling the dynamics of cargo lifting process by overhead crane for dynamic overload factor estimation, Journal of Vibroengineering, 19 (1), 2017.
• 5. Jang J.-S. R., Sun C.-T., Mizutani E.: Neuro-Fuzzy and soft computing, a computational approach to learning and machine intelligence, Prentice Hall, NJ, 1997.
• 6. Kalairassan G., Boopathi M., Mohan R.M.: Analysis of load monitoring system in hydraulic mobile cranes, IOP Conf. Series: Material Science and Engineering 263 (2017) 062045.
• 7. Ramli L., Mohamed Z., Abdullahi A.M., Jaafar H.I., Lazim, I.M.: Control strategies for crane systems: A comprehensive review, Mechanical Systems and Signal Processing 95, 2017.
• 8. Smoczek J., Szpytko J.: Evolutionary algorithm-based design of a fuzzy TBF predictive model and TSK fuzzy anti-sway crane control system, Engineering Applications of Artificial Intelligence 28, 2014.
• 9. Sugeno M., Kang T.: Structure identification of fuzzy model. Fuzzy Sets and Systems 28, 1988.
• 10. Takagi T., Sugeno M.: Fuzzy identification of systems and its application to modeling and control. IEEE Trans. Systems, Man and Cybernetics 15 (1), 1985.