Simple Science

La science de pointe expliquée simplement

# Génie électrique et science des systèmes# Robotique# Systèmes et contrôle# Systèmes et contrôle

Améliorer le contrôle des grues à tour pour minimiser le balancement de la charge

Cet article parle des méthodes pour contrôler le balancement des charges dans les grues à tour pour des raisons de sécurité.

― 6 min lire


Balancement contrôlé dansBalancement contrôlé dansles grues à tourl'efficacité des opérations de grue.Méthodes pour améliorer la sécurité et
Table des matières

Les grues à tour sont super importantes dans le bâtiment, surtout pour soulever des charges lourdes. Mais parfois, elles peuvent balancer la charge de manière non désirée, ce qui peut être dangereux et pas trop efficace. Ce balancement se produit quand la charge n'est pas parfaitement contrôlée lors du levage, créant un mouvement de double pendule. Cet article explore une façon d'améliorer le contrôle des actions de la grue pour réduire au max le balancement tout en garantissant la sécurité et l'efficacité.

Comprendre les grues à tour

Les grues à tour sont des structures hautes qu'on voit souvent sur les chantiers. Elles ont un bras horizontal qui peut soulever et déplacer de grosses charges de haut en bas et de côté. Les composants de base d'une grue à tour incluent le mât, le jib (le bras horizontal), le crochet (où la charge est accrochée) et le chariot (qui se déplace le long du jib). La grue est contrôlée depuis une cabine en haut du mât.

Bien que les grues à tour soient super pratiques, elles ont un comportement complexe à cause de l'interaction entre les mouvements du chariot et la charge accrochée au crochet. Quand la grue bouge vite ou change de direction en levant une charge, la charge peut balancer, rendant le contrôle plus difficile. Ce mouvement dynamique peut poser des risques de sécurité et des inefficacités pendant la construction.

Le défi des charges qui balancent

Le mouvement de balancement peut survenir quand la grue soulève une charge lourde ou quand le câble qui relie la charge est long. Dans ces cas, le système se comporte comme un double pendule. Le premier pendule est le crochet et le câble, tandis que le second pendule est la charge elle-même. Ça complique le contrôle des mouvements de la grue et la stabilisation de la charge.

Contrôler ce balancement est crucial pour la sécurité et l'efficacité dans les opérations de construction. Si la charge balance trop, elle peut cogner des obstacles ou perturber la stabilité de la grue, entraînant des retards coûteux ou des accidents. Donc, il est essentiel de développer des stratégies qui non seulement optimisent le temps de levage mais aussi réduisent les balancements indésirés.

Solutions proposées pour la Planification de trajectoire

Pour résoudre le problème du balancement, l'idée est de développer un meilleur plan pour les mouvements de la grue, s'assurant qu'elle soulève les charges de manière fluide et précise. La méthode proposée consiste à utiliser des systèmes assistés par ordinateur pour aider à planifier les actions de la grue à l'avance. Ce système peut calculer la meilleure façon pour la grue à tour de soulever une charge tout en minimisant le balancement.

Planification de trajectoire multi-objectifs

La solution proposée repose sur la planification de trajectoire multi-objectifs. Ça veut dire que les mouvements de la grue sont optimisés en fonction de plusieurs objectifs en même temps, y compris :

  1. Minimiser le temps de levage : La grue doit terminer son levage le plus rapidement possible.
  2. Réduire la consommation d'énergie : La grue doit utiliser le moins d'énergie possible pendant le levage.
  3. Supprimer le balancement de la charge : La grue doit minimiser le mouvement latéral de la charge pendant les opérations.

Pour atteindre ces objectifs, la méthode analyse les mouvements de la grue et la dynamique de la charge pour formuler un plan qui équilibre ces buts efficacement.

Le rôle des Algorithmes dans la planification

Un élément clé de l'approche proposée est l'utilisation d'algorithmes qui peuvent aider à trouver les meilleurs chemins pour les mouvements de la grue. Un des principaux algorithmes utilisés est une version améliorée de l'algorithme d'évolution différentielle généralisée. Cet algorithme aide à générer un groupe de solutions potentielles au problème de planification de trajectoire et sélectionne les meilleures options basées sur les objectifs souhaités.

Initialisation opposée collective

Une partie cruciale de cet algorithme est la mise en place initiale des solutions. En utilisant une technique appelée initialisation opposée collective, la méthode crée un groupe initial de solutions qui couvre un plus large éventail de possibilités. Cette technique aide à s'assurer qu'il y a de bonnes options dès le départ, ce qui peut conduire à des solutions plus rapides et plus efficaces.

Le processus consiste à générer plusieurs solutions aléatoires et leurs opposées. En combinant ces solutions potentielles, l'algorithme peut explorer diverses possibilités plus efficacement, menant à de meilleurs résultats.

Études de Simulation

Pour démontrer l'efficacité de cette méthode, des études de simulation ont été réalisées. Elles simulent les opérations d'une grue à tour en utilisant un modèle virtuel. Les études évaluent comment la technique proposée fonctionne sous différentes conditions.

Mise en place de la simulation

La simulation impliquait une version réduite d'une vraie grue à tour. Pendant les tests, la grue devait soulever des charges tout en évitant des obstacles. Les chemins de levage étaient prédéterminés pour garantir la sécurité, et les limites de fonctionnement de la grue étaient soigneusement notées.

Critères de performance

La performance a été mesurée selon plusieurs critères :

  1. Convergence : À quelle vitesse l'algorithme a trouvé la meilleure solution.
  2. Qualité de la solution : L'efficacité de la trajectoire pour réduire le balancement et optimiser l'utilisation d'énergie.
  3. Efficience computationnelle : Comment l'algorithme a performé sans nécessiter un temps de traitement excessif.

Résultats et analyse

Les résultats de la simulation ont montré que le planificateur de trajectoire proposé a réussi à créer des chemins qui minimisent le balancement de la charge tout en réduisant l'utilisation d'énergie et le temps de levage. La performance de l'algorithme amélioré a été comparée statistiquement à une version standard, montrant qu'il offrait des solutions plus cohérentes et meilleures.

Conclusion

La méthode proposée pour la planification de trajectoire anti-balancement d'une grue à tour à double pendule traite des dynamiques complexes qui interviennent dans l'exploitation de telles grues. En se concentrant sur plusieurs objectifs et en utilisant des algorithmes avancés, l'approche montre un potentiel pour améliorer la sécurité et l'efficacité opérationnelle.

Les améliorations dans la planification peuvent conduire à des avancées significatives dans les opérations de construction, permettant aux grues à tour de fonctionner plus efficacement tout en réduisant les risques associés aux charges qui balancent. Les travaux futurs visent à affiner ces méthodes et à développer des systèmes de suivi robustes pour améliorer les applications dans le monde réel et traiter les incertitudes dans les opérations de grue.

Dans l'ensemble, cette recherche contribue aux efforts continus pour rendre la construction plus sûre et plus efficace en fournissant une approche systématique pour contrôler les opérations des grues à tour.

Source originale

Titre: Multi-objective Anti-swing Trajectory Planning of Double-pendulum Tower Crane Operations using Opposition-based Evolutionary Algorithm

Résumé: Underactuated tower crane lifting requires time-energy optimal trajectories for the trolley/slew operations and reduction of the unactuated swings resulting from the trolley/jib motion. In scenarios involving non-negligible hook mass or long rig-cable, the hook-payload unit exhibits double-pendulum behaviour, making the problem highly challenging. This article introduces an offline multi-objective anti-swing trajectory planning module for a Computer-Aided Lift Planning (CALP) system of autonomous double-pendulum tower cranes, addressing all the transient state constraints. A set of auxiliary outputs are selected by methodically analyzing the payload swing dynamics and are used to prove the differential flatness property of the crane operations. The flat outputs are parameterized via suitable B\'{e}zier curves to formulate the multi-objective trajectory optimization problems in the flat output space. A novel multi-objective evolutionary algorithm called Collective Oppositional Generalized Differential Evolution 3 (CO-GDE3) is employed as the optimizer. To obtain faster convergence and better consistency in getting a wide range of good solutions, a new population initialization strategy is integrated into the conventional GDE3. The computationally efficient initialization method incorporates various concepts of computational opposition. Statistical comparisons based on trolley and slew operations verify the superiority of convergence and reliability of CO-GDE3 over the standard GDE3. Trolley and slew operations of a collision-free lifting path computed via the path planner of the CALP system are selected for a simulation study. The simulated trajectories demonstrate that the proposed planner can produce time-energy optimal solutions, keeping all the state variables within their respective limits and restricting the hook and payload swings.

Auteurs: Souravik Dutta, Yiyu Cai, Jianmin Zheng

Dernière mise à jour: 2023-05-30 00:00:00

Langue: English

Source URL: https://arxiv.org/abs/2305.18745

Source PDF: https://arxiv.org/pdf/2305.18745

Licence: https://creativecommons.org/licenses/by/4.0/

Changements: Ce résumé a été créé avec l'aide de l'IA et peut contenir des inexactitudes. Pour obtenir des informations précises, veuillez vous référer aux documents sources originaux dont les liens figurent ici.

Merci à arxiv pour l'utilisation de son interopérabilité en libre accès.

Plus d'auteurs

Articles similaires