Le système de contrôle anti-balancement du pont roulant est une solution intelligente qui supprime le balancement de l'dispositif de préhension pendant les opérations grâce à des algorithmes de contrôle. Les approches techniques dominantes comprennent la mise en forme d'entrée en boucle ouverte, le contrôle adaptatif par PID flou en boucle fermée et la commande prédictive LSTM avec action anticipative. La mise en forme d'entrée réduit le balancement résiduel de plus de 90 %, le PID flou en boucle fermée maintient le balancement en régime permanent à ±5 mm, et la commande prédictive LSTM assure un fonctionnement entièrement automatique anti-balancement sur des trajectoires complexes. Ces trois solutions sont classées selon leur précision de contrôle et leur gradient de coût, répondant ainsi à diverses exigences des conditions de fonctionnement.

Comparatif des approches techniques anti-balancement

Pour un projet de rénovation d'un pont roulant déjà équipé d'un variateur de fréquence, il est recommandé de commencer par la mise en forme d'entrée (sans investissement matériel), puis d'évoluer vers une solution en boucle fermée selon les exigences de précision. Le système de surveillance à distance numérique du pont roulant (voir solution de mise à niveau intelligente) peut collecter simultanément les données de balancement pour l'entraînement du modèle. Pour un pont roulant automatisé neuf, il est recommandé de déployer directement la solution LSTM+MPC afin d'obtenir des performances d'anti-balancement optimales.

Conception des paramètres de la mise en forme d'entrée

Le principe fondamental de la mise en forme d'entrée consiste à concevoir une séquence d'impulsions qui annule les vibrations résiduelles du système. Pour le système de balancement de l'écarteur de levage d'un pont roulant, la fréquence propre est ω_n = (g/L)^0,5, où L représente la longueur du câble en acier (en mètres). Le formateur ZV (Zero Vibration) est composé de deux impulsions : les amplitudes sont A₁ = 1/(1+K) et A₂ = K/(1+K), avec un délai ΔT = π/ω_d. À titre d'exemple, pour L = 8 m, on obtient ω_n = √(9,8/8) ≈ 1,1 rad/s, un taux d'amortissement ζ ≈ 0,005 à 0,01, et K = e^(−ζπ/√(1−ζ²)) ≈ 0,984, ce qui donne A₁ ≈ 0,504, A₂ ≈ 0,496 et ΔT ≈ 2,86 s. Après mise en forme de la commande de vitesse, l'angle d'oscillation du chariot à l'arrivée est inférieur à 0,5°, contre 8 à 15° sans mise en forme, soit une réduction de plus de 90 %.

Dans la pratique, des perturbations telles que la variation en temps réel de la longueur du câble métallique et les changements de charge suspendue doivent être prises en compte. Le formateur EI (Extra-Insensitive) ajoute une troisième impulsion pour étendre la tolérance de déviation de fréquence de ±5 % (ZV) à ±20 %, ce qui le rend adapté aux ponts roulants généraux dont la longueur de câble varie fréquemment. Le formateur UM-ZV (Unity Magnitude ZV) normalise toutes les amplitudes d'impulsions à ±1, évitant ainsi la surcharge du moteur ; il est particulièrement recommandé pour la rénovation de ponts roulants équipés d'anciens variateurs de fréquence. Les paramètres de calcul des trois types de formateurs sont présentés dans le tableau ci-dessus.

Implémentation pratique de la commande adaptative PID floue

Le contrôleur PID flou utilise l'angle de balancement de l'écarteur de levage θ et sa vitesse angulaire θ’ comme entrées. Les paramètres Kp, Ki et Kd sont ajustés en ligne via une base de règles floues. L'univers flou est défini comme θ∈[-15°,15°] et θ’∈[-30°/s,30°/s]. Les fonctions d'appartenance adoptent des triangles étroits près de zéro (pour une sensibilité élevée) et des trapèzes larges loin de zéro (pour une couverture étendue). La base de règles contient 7×7=49 règles. Une règle typique : lorsque θ et θ’ sont tous deux grands (oscillation excessive), Kp prend une valeur élevée (retour rapide) et Kd une valeur moyenne (évite le dépassement). Les sorties PID sont défuzzifiées par la méthode du centre de gravité, puis superposées à la consigne de la boucle de vitesse.

Lorsque le PID flou est déployé conjointement avec le système d'inspection par vision du pont roulant (voir Solution technique d'inspection par vision IA), le système de vision fournit une mesure redondante de l'angle de balancement du crochet. Les données sont comparées à l'angle calculé par le codeur ; un écart supérieur à 2° déclenche une vérification automatique du capteur. Les essais de la solution anti-balancement en boucle fermée sur un pont roulant de 32 t ont donné : balancement résiduel de ±4 mm à vide, ±8 mm en pleine charge (32 t), et un temps de convergence de l'angle ≤ 3 s, répondant à l'exigence de précision de positionnement de ±10 mm pour le levage de précision.

Solution de commande prédictive LSTM

La solution LSTM-MPC superpose une couche de prédiction anticipative au PID flou : un nœud d'inférence en périphérie exécute le modèle LSTM, qui reçoit les 32 derniers pas de temps (100 ms chacun) des séquences d'angle de balancement et de commande de vitesse, et prédit l'angle de balancement sur les 10 pas suivants (1 s). Le contrôleur MPC utilise ces prédictions comme référence et optimise en boucle glissante la commande de vitesse afin de minimiser le futur angle de balancement. Cette solution repose sur l'inférence GPU en périphérie ; le Jetson Orin NX réalise une prédiction en moins de 2 ms, satisfaisant aux exigences de temps réel. Dans un scénario de pont roulant entièrement automatique (en coordination avec le système de dispatching IA pour ponts roulants sans pilote), la précision de positionnement de l'écarteur atteint ±3 mm.

Avantages de la solution anti-balancement de Kelude

Kelude Industries Lourdes propose une solution anti-balancement à trois niveaux : mise en forme d'entrée (standard, offerte avec la rénovation du variateur de fréquence), PID flou (en option, avec ajout d'IMU et de codeurs, compatible avec les variateurs Siemens, Schneider et ABB), et anti-balancement entièrement automatique par LSTM (déploiement complet, incluant la plateforme d'entraînement IA). Toutes les solutions prennent en charge la transmission des données OEE et la mise en service à distance. Kelude Industries Lourdes propose une évaluation sur site gratuite et un rapport de mesure de l'angle de balancement pour les projets de rénovation anti-balancement de ponts roulants.

Questions fréquentes

Solutions d'anti-balancement pour ponts roulants

L'anti-balancement est un enjeu majeur pour la sécurité et la productivité des ponts roulants. Kelude propose plusieurs technologies complémentaires, chacune avec ses atouts selon l'application et le type d'installation.

Mise en forme d'entrée : simplicité et fiabilité

La mise en forme d'entrée est une technique en boucle ouverte qui consiste à façonner le signal de commande pour minimiser l'oscillation résiduelle de la charge. Elle est particulièrement efficace pour les applications à longueur de câble fixe, où elle offre un excellent rapport performance/coût. Son principal avantage réside dans sa robustesse : elle ne dépend pas de capteurs supplémentaires et reste opérationnelle même dans des environnements difficiles.

Contrôle prédictif LSTM pour charges variables

Pour les installations où la longueur de câble et la charge varient fréquemment, le contrôle prédictif basé sur un réseau de neurones LSTM (Long Short-Term Memory) s'avère plus performant. Cette technologie apprend les dynamiques du système et anticipe les oscillations, ce qui permet une adaptation en temps réel aux conditions changeantes. Elle convient particulièrement aux applications complexes où les méthodes classiques atteignent leurs limites.

PID flou : réglage dynamique en temps réel

Le régulateur PID flou ajuste ses paramètres en continu en fonction de l'angle d'oscillation mesuré. Combiné à une anticipation de vitesse, il offre une meilleure adaptabilité qu'un PID à paramètres fixes, notamment lors des phases d'accélération et de décélération. Cette approche hybride est idéale pour les opérateurs recherchant un compromis entre performance et simplicité d'implémentation.

Trois niveaux de solutions Kelude

Kelude propose trois niveaux de solutions d'anti-balancement, adaptés aux besoins spécifiques de chaque installation :

Ces trois technologies sont disponibles aussi bien pour les installations neuves que pour les projets de modernisation de ponts roulants existants. Notre équipe technique vous accompagne dans le choix de la solution la plus adaptée à votre application.

Questions fréquentes sur l'anti-balancement

Q : Quelles sont les différences entre la mise en forme d'entrée et le contrôle prédictif LSTM pour l'anti-balancement des ponts roulants ?
A : La mise en forme d'entrée en boucle ouverte est simple et fiable, adaptée aux longueurs de câble fixes ; le LSTM est plus adaptable, adapté aux longueurs de câble et charges variables.

Q : Comment le PID flou contribue-t-il à l'anti-balancement ?
A : Il ajuste les paramètres PID en temps réel en fonction de l'angle d'oscillation, en combinaison avec l'anticipation de vitesse, offrant une meilleure adaptabilité qu'un PID à paramètres fixes.

Q : Quelles solutions d'anti-balancement Kelude propose-t-elle ?
A : Trois niveaux sont disponibles : mise en forme d'entrée, PID flou et LSTM, adaptés aux installations neuves comme aux projets de rénovation.

Système de contrôle anti-balancement pour pont roulant : implémentation pratique du formage d'entrée, du PID flou et de la prédiction LSTM

Le contrôle anti-balancement est au cœur des ponts roulants intelligents. Il vise à atténuer, voire éliminer, les oscillations résiduelles de la charge et de l'élingue, qui nuisent à la précision du positionnement et à la sécurité des opérations. Trois approches techniques complémentaires sont couramment mises en œuvre : le formage d'entrée (Input Shaping), le contrôle adaptatif par PID flou et la prédiction d'oscillation par réseau de neurones LSTM. Cet article détaille leur implémentation concrète, de la conception des paramètres du formateur en boucle ouverte à la configuration des capteurs en boucle fermée, jusqu'aux méthodes de mise en service sur site.

Formage d'entrée : conception des paramètres du formateur en boucle ouverte

Le formage d'entrée est une technique de prédiction qui consiste à superposer au signal de commande nominal une version décalée et atténuée de lui-même. Cette opération, effectuée en amont de l'amplificateur de puissance, permet de neutraliser les composantes oscillatoires du système. Pour un pont roulant, le formateur le plus répandu est le formateur à deux impulsions (ZV) ou à trois impulsions (ZVD), dont les paramètres clés sont l'amplitude des impulsions et l'intervalle de temps entre elles.

La détermination de ces paramètres repose sur la fréquence naturelle du pendule formé par l'élingue et la charge, ainsi que sur son amortissement. En pratique, on mesure cette fréquence à l'aide d'un accéléromètre placé sur la charge ou d'un capteur d'angle sur le câble. Le formateur est ensuite réglé pour annuler les deux premiers modes de vibration dominants. Un réglage fin est généralement nécessaire sur site, car la longueur d'élingue varie en fonction de la hauteur de levage.

Contrôle adaptatif par PID flou pour la suppression active des oscillations

En complément du formage d'entrée, une boucle de régulation fermée est indispensable pour faire face aux perturbations externes (vent, frottements, variations de charge) et aux incertitudes du modèle. Le contrôleur PID flou combine la simplicité de mise en œuvre du PID classique avec la robustesse de la logique floue. Les gains proportionnel, intégral et dérivé sont ajustés en temps réel en fonction de l'erreur de position et de sa dérivée, via une table d'inférence floue.

Cette approche permet de maintenir une bonne dynamique de déplacement tout en limitant les dépassements et les oscillations résiduelles. Le réglage des fonctions d'appartenance et des règles floues s'effectue à partir de simulations et d'essais sur site. Un soin particulier est apporté à la plage de variation des gains, afin d'éviter toute instabilité en cas de variation brutale de la charge ou de la longueur de câble.

Prédiction d'oscillation par réseau LSTM pour une anticipation des mouvements

Les réseaux de neurones récurrents de type LSTM (Long Short-Term Memory) sont particulièrement adaptés à la modélisation de séries temporelles. Dans le contexte de l'anti-balancement, ils sont utilisés pour prédire l'évolution de l'angle d'oscillation sur un horizon de quelques secondes, à partir de l'historique des commandes et des mesures. Cette prédiction est ensuite intégrée dans la loi de commande pour anticiper les mouvements de la charge et corriger la trajectoire en conséquence.

L'entraînement du réseau s'effectue hors ligne, à partir de données collectées sur le pont roulant ou générées par simulation. Les entrées typiques sont la position du chariot, la vitesse, l'accélération, la longueur d'élingue et l'angle mesuré. La sortie est l'angle prédit à un horizon donné. Une fois entraîné, le modèle est intégré dans le contrôleur temps réel, avec une contrainte de temps de calcul stricte. Cette approche est particulièrement efficace pour les mouvements de grande amplitude ou les trajectoires complexes.

Configuration des capteurs et mise en service sur site

La qualité de la mesure est déterminante pour la performance de l'ensemble du système. Les capteurs couramment utilisés sont les codeurs incrémentaux sur le moteur de levage et de translation, les accéléromètres sur la charge, et les capteurs d'angle sur le câble. Leur résolution et leur fréquence d'acquisition doivent être adaptées à la dynamique du système. Un filtrage passe-bas est souvent nécessaire pour éliminer le bruit haute fréquence, sans introduire de retard excessif.

La mise en service procède par étapes : vérification du câblage et de la communication, étalonnage des capteurs, réglage du formateur d'entrée en boucle ouverte, puis activation progressive de la boucle fermée. Des essais de validation sont effectués avec différentes charges et longueurs d'élingue, afin de vérifier que l'oscillation résiduelle reste dans la tolérance spécifiée, généralement ±5 mm. Des ajustements finaux des paramètres du PID flou et du seuil de déclenchement de la prédiction LSTM sont souvent nécessaires pour optimiser le compromis entre rapidité et précision.

Comparaison des approches et critères de choix

Le formage d'entrée est simple, robuste et ne nécessite pas de capteur supplémentaire, mais il est sensible aux variations de la fréquence naturelle. Le PID flou offre une bonne adaptabilité et une certaine robustesse, mais son réglage est plus délicat. La prédiction LSTM est la plus performante pour les mouvements complexes, mais elle exige des données d'entraînement et une puissance de calcul plus importante. Le choix de la technologie dépend de l'application : pour un pont roulant standard avec des charges et des hauteurs de levage variables, une combinaison de formage d'entrée et de PID flou est souvent suffisante. Pour des applications à haute cadence ou des charges sensibles, l'ajout de la prédiction LSTM apporte un gain significatif.

Questions fréquentes sur le contrôle anti-balancement

Q : Quelle est la précision typique d'un système anti-balancement ?
A : Avec un réglage soigné et des capteurs adaptés, l'oscillation résiduelle peut être maintenue à ±5 mm, comme le montre l'implémentation décrite dans cet article. Cette valeur est indicative et dépend des conditions d'exploitation.

Q : Le formage d'entrée est-il efficace pour toutes les longueurs d'élingue ?
A : Non, le formage d'entrée est optimisé pour une fréquence naturelle donnée. Si la longueur d'élingue varie fortement, il est nécessaire de recalculer les paramètres du formateur, ce qui peut être fait automatiquement si le système dispose d'une mesure de longueur de câble.

Q : Quelle est la différence entre l'anti-balancement électronique et mécanique ?
A : L'anti-balancement mécanique utilise des dispositifs physiques (amortisseurs, masses, etc.) pour dissiper l'énergie d'oscillation. L'anti-balancement électronique, comme celui décrit ici, agit sur la commande du moteur pour annuler activement les oscillations. L'approche électronique est plus flexible et plus facile à intégrer sur des ponts existants.

Q : Le système LSTM est-il difficile à mettre en œuvre sur un pont roulant existant ?
A : L'intégration d'un modèle LSTM nécessite un contrôleur capable d'exécuter l'inférence en temps réel et une phase d'entraînement hors ligne. Cela représente un investissement supplémentaire, mais l'infrastructure de capteurs et de commande existante peut généralement être réutilisée.