随着工业自动化水平的不断提高,自动化立体仓库应用越来越广泛。堆垛机作为自动化立体仓库的核心设备,其运行状况对整个立体仓库的安全性、可靠性及工作效率起着决定性的作用。对堆垛机的要求己由过去简单的控制其进行货物搬运上升发展到对其速度、定位精度进行精确控制的阶段。因此,采用先进的控制技术,不断改善并提高堆垛机的运行速度、定位精度及自适应不同的工作环境的能力是一个必然趋势。智能技术在堆垛机运动控制中的应用,能够很好的实现对其位置的精确控制。本文主要研究内容和成果如下：1.将具有快速性和自学习能力的模糊小脑模型网络应用到堆垛机运动控制中。阐述了模糊控制技术和小脑模型网络(CMAC)的结构及工作原理,针对各自的特点,将模糊控制技术引入到小脑模型神经网络中,对二者进行有机结合,构成模糊神经网络(FCMAC)。详细介绍了新构建的FCMAC网络的结构、工作机理和学习算法,并且运用仿真软件Matlab7.0对所提出的控制器进行性能仿真分析,仿真结果表明FCMAC控制器能够完成对堆垛机的控制要求。2.在分析堆垛机的运动特点的基础上,基于FCMAC网络设计了堆垛机的智能控制系统,详细阐述了堆垛机FCMAC控制器的结构,并对堆垛机输入的模糊化处理过程、系统参数的选择和模糊隶属度函数的选择原则及步骤做了详细说明。3.针对FCMAC控制器存在的不足,提出应用改进的粒子群算法对控制系统的量化因子、比例因子和学习因子进行自适应优化处理。对粒子群算法的改进,主要针对其易于陷入局部最优解的缺陷,提出了将遗传算法中的交叉和变异功能引入到标准粒子群算法中的改进方法,并且用测试函数对其性能进行了测试。4.在Matlab7.0环境下对系统进行仿真分析,得到堆垛机在空载和带负载工况下参数的调整结果和速度响应曲线。结果表明,改进粒子群算法能够很好的优化参数并自适应的对其进行调整,改善控制系统性能。