一种垂直提升机多工位精准停靠控制的方法与流程

本发明属于提升机控制，具体而言，涉及一种垂直提升机多工位精准停靠控制的方法。

背景技术：

1、垂直提升机广泛应用于智能仓储、工业生产线及高层建筑物料输送领域，其多工位精准停靠控制是保障系统运行效率的核心环节。现有技术通常采用基于位置闭环的比例积分微分控制器配合编码器反馈实现停靠定位，部分方案引入滑模控制或模型预测控制以提升鲁棒性，并通过温度补偿系数对导轨热膨胀进行静态修正。在多工位高频切换工况下，钢丝绳在频繁启停过程中产生非线性弹性蠕变，其蠕变量随负载质量、运行速度与当前温度场分布动态变化，同时导轨热膨胀呈现空间非均匀分布，导致各工位目标位置随时间持续漂移；现有控制方法依赖固定补偿系数或离线标定模型，无法实时捕捉弹性形变与热形变的耦合动态特性，在高频切换引发的系统状态熵增突变时控制输出过度自信，从而导致停靠精度动态劣化。也就是说，现有技术中存在垂直提升机在多工位高频切换工况下因钢丝绳弹性形变与导轨热膨胀耦合导致停靠精度动态劣化的技术问题。

技术实现思路

1、有鉴于此，本发明提供一种垂直提升机多工位精准停靠控制的方法，能够解决现有技术中存在垂直提升机在多工位高频切换工况下因钢丝绳弹性形变与导轨热膨胀耦合导致停靠精度动态劣化的技术问题。

2、本发明是这样实现的：本发明提供一种垂直提升机多工位精准停靠控制的方法，包括以下步骤：

3、在垂直提升机的驱动单元与导轨上布设位移传感器与温度传感器，采集钢丝绳弹性形变信号与导轨温度场分布数据，将所述信号接入双向循环队列，由流式时间序列高阶融合算法实时提取弹性形变特征；

4、将所述弹性形变特征与温度场分布数据输入状态熵增约束异步多流道网络，经共享潜在空间低维对齐算子投影至低维正交空间，由动力学特征流道、时域统计流道和频域变换流道三路并行处理，输出控制特征向量；

5、以所述控制特征向量作为人工蜂群中的蜜源，引领蜂算法在低维潜在空间内搜索满足动力学约束的初步控制电压，跟随蜂算法根据实时误差置信度对三路流道输出进行加权协同迭代优化，侦察蜂算法在系统熵增突变时自适应重构局部激活算子；

6、将所述控制特征向量同步输入高斯过程隐变量深度扩展模型，经深度分层隐变量空间概率映射，由柔性体弹性动力学边界方程驱动的先验均值函数修正各工位目标位置，输出停靠修正量；

7、采用空间自组织演化控制律，将所述停靠修正量与实时位置误差融合，经局部激活算子动态重构制动平稳曲线，在流式计算中实时抑制抖振高频项，驱动垂直提升机以修正后的目标位置完成多工位精准停靠。

8、其中，所述双向循环队列为先进先出的环形缓冲结构，队列深度根据高频脉冲爆发持续时长与采样频率的乘积通过实验测定，当新采样数据到达速率超过处理速率时，队列头部自动覆盖最旧数据。

9、其中，所述流式时间序列高阶融合算法基于双向长短期记忆单元，对双向循环队列中的多路传感器时间序列同步进行前向与反向时序建模，提取包含弹性蠕变滞后修正量的弹性形变特征向量，通过反向时序建模捕捉相位延迟并将前向与反向隐状态拼接后经线性投影层压缩，消除时域滞后误差。

10、其中，所述共享潜在空间低维对齐算子为双层全连接网络，将来自不同传感器的异构输入数据投影至低维正交特征空间，层间激活函数采用带泄漏线性整流函数。

11、其中，所述状态熵增约束异步多流道网络中，动力学特征流道由卷积神经网络组成，时域统计流道由局部非对称门控循环单元堆叠组成，频域变换流道对输入时间序列施加可学习的离散余弦变换基后由全连接网络提取频域统计特征，三路流道输出在汇聚层经拼接后通过注意力加权融合为控制特征向量。

12、其中，所述局部非对称门控循环单元的前向传播门控时间常数与反馈修正门控时间常数之比满足非对称设定值，前向传播快、反馈修正慢，以保障流式推理的实时性。

13、其中，所述状态熵增约束异步多流道网络内部设置多个基于状态熵增阈值的置信度分类器，当后验熵低于预设阈值时触发动态层级提前退出机制，直接输出停靠控制指令；网络中各层权重矩阵采用稀疏掩码约束，稀疏率根据各层神经元激活频率统计通过实验迭代确定。

14、其中，所述人工蜂群算法中引领蜂、跟随蜂与侦察蜂在推理阶段以多线程方式并行运行，侦察蜂算法在系统状态熵增超过熵增阈值时放弃当前蜜源并重新随机初始化局部激活算子参数。

15、其中，所述高斯过程隐变量深度扩展模型共设置多个隐变量层，每层隐变量空间由独立的高斯过程核函数动态定义，核函数采用径向基函数与线性核的加权组合，核超参数通过变分推断算法在训练阶段自动优化。

16、其中，所述高斯过程隐变量深度扩展模型内部设置自适应参数动态权重更新算法，根据各层隐变量方差的实时估计值动态调整各层核超参数的更新步长，当低层隐变量输出方差低于方差阈值时直接输出停靠修正量。

17、其中，所述柔性体弹性动力学边界方程为描述钢丝绳弹性蠕变与振动响应的偏微分方程组，边界条件随各工位目标位置、负载质量与导轨热膨胀量动态变化，嵌入先验均值函数后使停靠修正量在物理机理层面满足弹性动力学约束。

18、其中，所述状态熵增值的计算方式为：对最近若干个控制周期内的系统状态向量进行概率密度估计，计算估计分布与参考稳态分布之间的kullback-leibler散度作为归一化度量，参考稳态分布由提升机在标准工况下运行的历史数据拟合确定。

19、其中，在多工位精准停靠完成后，将本次停靠的弹性形变特征、温度场分布数据、停靠修正量与停靠精度误差写入训练数据集，触发状态熵增约束异步多流道网络与高斯过程隐变量深度扩展模型的在线自适应更新。

20、其中，停靠精度综合评估指数由最近若干次停靠的均方根位置误差、导轨温度场漂移量与状态熵增值加权线性求和得到，即，权重系数、、通过现场实验与数据回归分析确定。

21、其中，所述双向循环队列的队列深度范围为～个采样点；弹性形变特征向量的维度范围为32～128维；低维正交特征空间维度范围为16～64；稀疏率范围为30%～70%；方差阈值搜索范围为～mm；权重系数初始值范围为0.4～0.6，初始值范围为0.2～0.4，初始值范围为0.1～0.3；学习率满足，比例范围为5～20；状态熵增边界惩罚系数范围为～。

22、本发明通过构建流式时间序列高阶融合算法实时提取弹性形变特征，利用状态熵增约束异步多流道网络对弹性形变特征与温度场分布数据进行异步并行融合处理，并采用人工蜂群算法在低维潜在空间内协同优化控制电压，同时引入高斯过程隐变量深度扩展模型以柔性体弹性动力学先验对各工位目标位置进行概率修正，最终通过空间自组织演化控制律实时抑制抖振高频项，完成多工位精准停靠。本发明将弹性形变动态特征与温度场非均匀分布信息统一纳入概率控制框架，使系统在高频切换引发的熵增突变时能够自适应收紧控制输出边界，避免固定补偿模型在动态耦合条件下的外推失效，从而克服了现有控制方法因无法实时感知弹性形变与热形变耦合动态而导致停靠精度下降的缺陷。综上所述，本发明解决了背景技术中提到的垂直提升机在多工位高频切换工况下因钢丝绳弹性形变与导轨热膨胀耦合导致停靠精度动态劣化的技术问题。