全地面起重机是起重机中的高端产品,技术复杂、安全性和可靠性要求高。全地面起重机优化与控制技术的研究对起重机全系列产品乃至工程机械行业都具有一定前瞻性和启发性。论文对单缸插销式伸缩路径优化算法和PID参数自适应整定与控制技术进行了研究,并将它们应用于全地面起重机的伸缩臂长切换控制,以及配重升降机构的同步追随控制中。全地面起重机多级套筒式起重臂采用单缸插销式机构对臂节进行伸缩,而单缸插销式伸缩臂变换臂长效率低下。如果能对伸缩过程进行优化,使伸缩步数和单油缸总行程减少,便能有效提升伸缩效率。单缸插销式伸缩路径优化是指:多级伸缩臂更换臂长时,从初始位置伸缩到目标位置所需伸缩步数最少、伸缩油缸总行程最短的问题。论文提出了单缸插销式伸缩路径规划问题,并对其进行了系统研究。对伸缩路径优化问题进行了数学描述,建立了数学模型。发明了两种枚举算法:渠流水阀法和排列组合法。并将动态规划法用于小规模伸缩路径优化问题。将Hopfield神经网络用于伸缩路径优化计算。提出了基于约束偏差控制的PID自适应罚参数调整策略引导网络收敛朝向全局最优;提出了功效因子策略用于平衡约束项参数λ和目标项参数γ的冲突,从而改善神经网络质量,提高解的生成率。经两种策略改善后,HNN有效解生成率从40%提升至90%以上;最优解生成率从10%提升至30%。将遗传算法用于伸缩路径优化计算,构造了求解大规模、复杂伸缩路径优化问题的通用算法。针对伸缩路径优化问题具有线性约束特征,提出了基于约束偏差重心的适应性罚函数策略用于算法中适应度计算。通过与另外两种通用罚函数策略比较,伸缩路径优化罚函数策略的稳健性更好、获得解的质量更高。对四种伸缩路径优化算法进行比较,得出结论:路径优化后,单缸插销式伸缩臂伸缩效率可提升10%～40%。对于臂节数量较少、臂节结构简单的小规模伸缩路径优化问题,排列组合算法具有优势;对于臂节数量多、臂节结构多元的大规模伸缩路径优化问题,遗传算法和神经网络各有优势。全地面起重机的卷扬机构、配重机构、超起伸缩机构,均是以钢丝绳联接的大负载系统,均存在同步控制问题。被控对象是柔性连接的大惯性负载,其横向振动类似单摆运动,一旦激发很难停止;而纵向振动受多种震源干扰,在多种振动叠加的环境中,频繁的控制调节容易激发共振。机构运动的同步性不好,以及操作中引发共振,是大型、巨型机械设备作业的重大安全隐患。此外,机构负载重量随工况变换,从几吨至上千吨,即被控对象是变参数系统。因此,同步控制对精度、速度、运动稳定性和变参数自适应性都有较高要求。本文以配重提升机构为被控对象,进行了同步控制研究。首先以阀控非对称缸系统为基础,建立了配重提升机构的数学模型;并采用系统辨识法,拟合了配重系统的传递函数,推导了闭环控制系统数学模型。为了确保控制稳定性,依据Hermite-Biehler定理,对闭环控制系统进行了PID参数稳定域计算,确定系统稳定时PID参数取值范围。现有PID整定方法多属于离线优化,很难用于在线控制。而离线整定过程繁琐,且整定结果用于实际系统可能并不理想。为了解决参数在线整定及控制不稳定问题,本文提出被优化参数与控制性能指标之间的类线性关系概念,并将其引入优化目标函数。将PID参数和增量引入目标函数,从而建立起参数与偏差;增量与偏差、偏差积分、偏差微分之间的类线性关系。基于专家知识和梯度增量原理,推导出了PID参数增量的符号规则。提出了一套PID参数自适应整定与控制方法。参数自适应整定控制器能实现对无模型被控系统的伺服跟踪,控制器只需要系统输入、输出信号。该方法能避免粒子群算法整定参数时容易落入局部最优的问题;以及现有在线控制方法中因参数大幅变化产生的输出震荡问题。在Simulink平台上,使用多种控制器对典型信号:阶跃、斜坡、正弦进行了响应试验;并针对有模型系统,使用最优控制器进行了信号响应试验。结果显示:参数自适应整定控制器比定参数PID、模糊PID自适应控制具有更优良的响应性能,其超调量、响应时间、调节时间,以及稳态误差等性能指标均有优势;并且,参数自适应整定的最优控制器比定参数的最优控制器能获得进一步的性能提升。构建了AMESim机械和液压系统模型,Simulink控制系统模型,对大配重提升系统同步控制进行了联合仿真试验,模拟了两种不同步工况:第一种是一侧油缸内泄、另一侧油缸正常;第二种是两侧平衡阀先导压差不一致。结果显示:基于无模型系统的参数自适应整定控制器具有良好的同步跟随性能、运动稳定性,以及变参数自适应性。最后,对伸缩路径优化算法和大配重同步升降控制进行了实车试验,试验结果验证了理论计算和仿真结果的正确性。本文的研究内容和理论方法可以运用于工程实际,并已经有部分技术实现产业化应用。本文的研究能对起重机械以及相关行业设备的智能化研究和发展提供一定参考。