Обґрунтування способу керування маніпуляторними установками вантажних автомобілів
DOI:
https://doi.org/10.31734/agroengineering2023.27.035Ключові слова:
кран-маніпулятор, гідропривід, сервопривід, електронна система керуванняАнотація
Під час перевезень часто виникає необхідність завантаження або розвантаження вантажів поза межами стаціонарних складів, у полі тощо. Для цих потреб прийнято використовувати вантажні автомобілі, обладнані маніпуляторами. Найчастіше в маніпуляторах використовується гідропривід, який забезпечує належну потужність і продуктивність й може інтегруватись у штатну гідросистему автомобіля.
Для обґрунтування ефективної системи керування гідроприводом маніпулятора розроблено модель борта вантажного автомобіля, що складається з таких складових частин: бортова платформа, поворотний модуль, силова частина (стріла, балка), гідропривід, електротехнічна частина (привід, управління), вантажозахоплювач з сервоприводом.
Запропоновано раціональну модель електронної системи керування гідроприводом крана-маніпулятора для використання в універсальних кран-маніпуляторних установках на автомобільних, самохідних та причіпних шасі. Це дає можливість підвищити ефективність навантажувально-розвантажувальних операцій, зменшуючи при цьому кількість техніки та працівників, залучених до вантажопереробки поза межами складів.
Запропонована архітектура керування маніпуляторними установками з невисокою вартістю її реалізації та простим зрозумілим налаштуванням. Використання пропонованої технології та схеми електронного керування забезпечує управління складною системою приводів, дозволяє проводити гнучкі налаштування за потребою користувача. Наприклад, керувати кран-маніпулятором дистанційно через радіоканал чи обмежити величину ходу в певних напрямах.
Для управління виконавчими механізмами крана-маніпулятора використовувалася апаратно-обчислювальна платформа з мікроконтролером Ardiuno із середовищем розробки програмного забезпечення Processing/Wiring на мові програмування, яка є підмножиною C/C++ і забезпечує: безперебійну роботу механізмів під час роботи; їх пуск і гальмування; інформативність, точність і оперативність механізмів; мінімальні статичні та динамічні навантаження зі зниженою інерційною дією під час переміщення вантажу.
Посилання
Antonelli, G. (2018). Underwater Robots. Switzerland: Springer Cham. [in English].
Aulin, V. V., & Velykodnyi, D. O. (2018). Methods for creating the transport-technological supply in AIC. Transport and logistics: problems and solutions: collection of scientific works and materials of the 8th International Scientific and Practical Conference. (May 23-25, 2018, Odesa), 15-17.
Bakai, B. Ya. (2011). Preliminary presentation of the equation of the manipulator dynamics by the Euler–Lagrange equation. Scientific bulletin of NLTU of Ukraine. Lviv: Published by NLTU Ukrainy, 21.18, 322–327.
Bozorg-Haddad, O., Solgi, M., & Loáiciga, H. (2017). Meta‐Heuristic and Evolutionary Algorithms for Engineering Optimization. Hoboke: John Wiley & Sons Inc. doi: 10.1002/9781119387053.
Buriennikov, Yu. A., Nemirovskyi, I. A., & Kozlov, L. H. (2013). Hydraulics, hydraulic and pneumatic drives: manual. Vinnytsia: VNTU, 2013.
Chander, A., Chatterjee, A., & Siarry, P. (2011). A New Social and Momentum Component Adaptive PSO Algorithm for Image Segmentation. Expert Systems with Applications, 38, 5, 4998-5004. doi: 10.1016/j.eswa.2010.09.151.
Greer, R., Haas, C., Gibson, G., Traver, A., & Tucker, R. L. (1997). Advances in Control Systems for Construction Manipulators. Automation in Construction, 6(3), 193-203.
Heo, J., Lee, K., & Garduno-Ramirez, R. (2006). Multiobjective Control of Power Plants Using Particle Swarm Optimization Techniques. IEEE Transactions on Energy Conversion, 21(10), 552-561. doi: 10.1109/TEC.2005.858078.
Kiranyaz, S., Ince, T., Yildirim, A., & Gabbouj, M. (2009). Evolutionary Artificial Neural Networks by Multi-Dimensional Particle Swarm Optimization. Neural Networks, 22(10), 1448-1462. doi: 10.1016/j.neunet.2009.05.013.
Lewis, F. L., Dawson, D. M., & Abdallah, C. T. (2004). Robot Manipulator Control Theory and Practice. New York: Marcel Dekker.
Loveikin, V., Romasevich, Y., & Spodoba, O. (2019). Mathematical model of the dynamics varying the radius jib system loader crane with a load at adjustment movement. Machinery & Energetics. Journal of Production Research, 10(1), 141-149.
Oliskevych, M., Kovalyshyn, S., Magats, M., Shevchuk, V., & Sukach, O. (2020). The optimization of trucks fleet schedule in view of their interaction and restrictions of the European agreement of work of crews. Transp. Probl., 15(2), 157–170.
Romasevych, Y., & Loveikin, V. (2018). A Novel Multi-Epoch Particle Swarm Optimization Technique. Cybernetics and Information Technologies, Bulgarian Academy of Sciences, 18, 3, 62-74.
Shramenko, N., Muzylyov, D., & Shramenko, V. (2020). Methodology of costs assessment for customer transportation service of small perishable cargoes. International Journal of Business Performance Management, 21(1-2), 132–148.
Zamani, M., Karimi-Ghartemani, M., Sadati, N., & Parniani, M. (2009). Design of a Fractional Order PID Controller for an AVR Using Particle Swarm Optimization. Control Engineering Practice, 17, 1380-1387.
