dimensional  overhead  cranes  [J]。  ISA  Transactions,  2002,  41(2): Control Conference。 Boston: Institute of  Electrical and    Electronics

235−243。 and Engineers Inc, 2004: 1764−1769。

[2] JORG  N,  ECKHARD  A,  KLAUS  S,  OLIVER  S。  Tracking   and [15] IEROHAM S B, LUIS-ALBERTO H P, CARLOS-ROMAN M G。

anti-sway control for boom cranes [J]。 Control Engineering Practice, An adaptive sliding mode control with I-term using recurrent   neural

2010, 18(1): 31−44。 identifier  [J]。  Bulgarian  Academy  of  Sciences  Cybernetics     and

[3] CHANG Cheng-yuan, CHIANG Kuo-hung。 Fuzzy projection control Information Technologies, 2007, 7(1): 21−32。

law and its application to the overhead crane [J]。 Mechatronics, 2008, [16] KENNEDY J, EBERHART R C。 Particle swarm optimization    [C]//

18(10): 607−615。 Proceedings of the 1995  IEEE International Conference on    Neural

[4] MIZUMOTO  I,  CHEN  Tong-wen, OHDAIRA  S。  Adaptive output Networks。 Perth: IEEE Press, 1995: 1942−1948。

feedback control of general MIMO systems using multirate sampling [17] CHATTERJEE  A,  CHATTERJEE  R,  MATSUNO  F,  ENDO   T。

and  its  application  to  a  cart–crane  system  [J]。  Automatica, 2007, Neuro-fuzzy  state  modeling  of  flexible  robotic  arm     employing

43(12): 2077−2085。 dynamically varying cognitive and social component based PSO  [J]。

[5] SORENSEN  K  L,  SINGHOSE  W,  DICKERSON  S。  A controller Measurement, 2007, 40(6): 628−643。摘要：一种结合了模糊神经网络（FNN），滑模控制（SMC）与粒子群优化（PSO），新的智能防摆控制方案被提出应用于桥式起重机。三个模糊神经网络的输出被用来处理的不确定性的定位子系统，吊索子系统和防摇摆子系统。然后，采用粒子群优化算法对控制器参数进行优化，使系统具有良好的动态性能。在这个过程中，尽管存在不确定性的负载和最大摆角±0。1 rad，但是高速负载的起升与下降不仅能实现小车的精确定位，而且可以消除左右摇摆和彻底消除传统滑模控制的抖振，提高了系统的鲁棒性。仿真结果表明了正确性这种方法的有效性。

关键词：桥式起重机；防摆控制；模糊神经网络；滑模控制；粒子群优化

1简介

  桥式起重机在工业上广泛用于造船厂，建筑工地，钢铁厂，核电站和废物储存设施等地方运送重物和危险品和其他工业配合物。起重机应尽可能快地移动货物到终点并且不会有多余的运动。然而，对于大多数常见的桥式起重机，当负载突然移动时会引发它的摆动。摆动虽然可以在最终减少，但将消耗时间，即减少设备的可用性和生产率。控制起重机的故障也有可能引起事故，可能伤害周围的人。因此，在设计中，吊车系统的防摆控制方案已经得到越来越多的关注[1−11]。