（机械电子工程专业论文）机外卷布装置张力控制系统的研究.pdf

机外卷布装置张力控制系统的研究 中文摘要 机外卷布装置张力控制系统的研究 中文摘要 机外卷布装置作为织机的一种选配装置，由于其最大布卷卷径不受织机内部空间 的制约，可实现大卷装卷布，目前在纺织企业中的应用正在日益增加。布卷的卷绕质 量及卷布过程中织物张力的控制情况是卷布装置的主要性能指标，目前的国产机外卷 布装置主要有机械式和变频控制式二种，卷绕质量及织物张力控制精度都不很理想。 针对上述情况，本课题主要研究机外卷布装置的张力控制问题及其解决方案。 本文以双底辊表面传动型机外卷布装置为研究对象，通过卷绕过程中卷布辊及摩 擦辊( 即糙皮辊) 的动力学分析，构建了机外卷布装置的织物张力控制系统的数学模 型，分析了织物张力的各种影响因素；在此基础上，采用双闭环串联控制结构及p i d 控制算法，设计了机外卷布装置的织物张力控制系统；进而，为克服常规p i d 控制方 法整定困难、控制效果差及超调量大的缺陷，提出了采用b p 神经网络p i d 控制算法 实现织物张力控制的方案，并用m a t l a b 工具对该方案的织物张力控制情况进行了 模拟仿真，仿真结果表明：该织物张力控制方法是行之有效的，明显优于常规的p i d 控制方法。 此外，本文搭建了机外卷布装置张力控制系统的硬件平台，设计了张力控制软件。 采用s i e m e n s $ 7 - 2 0 0 型p l c 为主控制器，结合伺服驱动器及上位机p c ，构建了张 力控制系统的网络结构，满足了集散式控制的要求。同时，提出了利用w i n c c 组态 软件使p l c 与b p 神经网络p i d 控制算法相结合的方法，给出了新的基于正态分布 规则的均值数字滤波方法，为系统的实现提供可行的途径。 采用本文张力控制系统的机外卷布装置目前正在制作样机。 关键词：机外卷布装置；张力控制；b p 神经网络；f i d 控制；p i d 参数自整定 作者：朱良慧 指导教师：钱志良 英文摘要机外卷布装置张力控制系统的研究 r e s e a r c ht e n s i o n o fc l o t ht a k i n g - u r e s e a r c h0 nt e n s i o nc o n t r o ls y s t e mo fc l o t ht a k i n g - u o d e v i c eo u t w a r dt h el o o m a b s t r a c t 。t h ec l o t ht a k i n g - u pd e v i c eo u t w a r dt h el o o mi so n ek i n do fm a t c h i n gd e v i c eo ft h e l o o m a st h em a x i u mc l o t h - r o l ld i a m e t e rh a sn or e s t r i c t i o n sf r o mt h ei n t e m a ls p a c eo ft h e l o o m t h ec l o t ht a k i n g - u pd e v i c ec a nr e a l i z et h ef u c t i o no fl a r g ep a c k a g e ，a n dt h e a p p l i c a t i o no ft h i sd e v i c ei nt h et e x t i l ee n t e r p r i s e si si n c r e a s i n gd a yb yd a y c l o t h s w i n d i n gq u a l i t ya n dt e n s i o nc o n t r o ld u r i n gt h ef a b r i cr o l l i n gp r o c e s sa r et h em a i n p e r f o r m a n c e i n d i c a t o r so ft h e t a k i n g - u pd e v i c e t h e r e r et w ok i n d so fd r i v i n g m o d e s - m e c h a n i c a la n df r e q u e n c yc o n t r o l - i nt h ep r e s e n td o m e s t i cc l o t ht a k i n g - u pd e v i c e o u t w a r dt h el o o m ，w h o s ew i n d i n gq u a l i t ya n dt e n s i o nc o n t r o la c c u r a c ya r en o ts og o o d a c c o r d i n gt ot h es i t u a t i o na b o v e ，t h em a i nc o n t e n t so ft h i sp a p e ri st od oar e s e a r c ho nt h e t e n s i o nc o n t r o ls y s t e mo fc l o t ht a k i n g - u pd e v i c eo u t w a r dt h el o o ma n dt os h o ws o l u t i o n s t w ob o t t o mr o l l e r s s u r f a c e - d r i v e dt a k i n g - u pd e v i c eo u t w a r dt h el o o mi st h em a i n o b j e c t i v ei n t h i sp a p e r w i t ht h ed y n a m i ca n a l y s i so nc l o t hr o l l e ra n df r i c t i o nr o l l e r , t h e m a t h e m a t i cm o d e lo ft h ew h o l et e n s i o nc o n t r o ls y s t e mi sb u i l t ，a n dt h ei n f l u e n c i n gf a c t o r s o ff a b r i ct e n s i o na r ea l s oa n a l y z e d w i t ht h ew o r kd o n ea b o v e 。ad e s i g no ft h ew h o l e t e n s i o nc o n t r o ls y s t e mw i t hd o u b l ec l o s e dl o o pp i dc o n t r o la l g o r i t h mi sa d o p t e da tf i r s t i n o r d e rt oo v e r c o m et h ed e f e c t so ft h ed e s i g nw i t hc o n v e n t i o n a lp i da l g o r i t h m ，j u s tl i k e d i f f i c u l tt os e tt h ep a r a m e t e r so nt i m e ，b a dc o n t r o le f f e c t s 。b i go v e r s h o o tv a l u e e t c ，an e w d e s i g nw i t hp i dc o n t r o la l g o r i t h mb a s e do nb pn e u r a ln e t w o r ki sb r o u g h tu p ，a n dc a r r i e d o nb ys i m u l a t i o na tm a t l a b t h es i m u l a t i o nr e s u l t ss h o wt h a t ：t h en e wd e s i g nw i t h b p - - p i dc o n t r o la l g o r i t h mi sv e r ye f f e c t i v ea n ds i g n i f i c a n t l yb e t t e rt h a nt h ec o n v e n t i o n a l p i dc o n t r o l sd e s i g n o nt h eo t h e rh a n d 。t h i sa r t i c l ea l s ob u i l d st h eh a r d w a r em o d u l e sa n dd e s i g n st h e s o f t w a r ef o rt h ec l o t ht a k i n g - u pc o n t r o ls y s t e m t h et e n s i o nn e t w o r kc o n t r o ls y s t e mi sb u i l t w i t hs i e m e n s $ 7 - 2 0 0p l c a cs o l c od r i v e r sa n dh o s t - p c w h i c hc a nm c c tt h en e e d so f d i s t r i b u t e dc o n t r 0 1 a tt h es a m et i m e ，an e wm e t h o di sp r o p o s e dt o a p p l yt h eb p - p i d c o n t r o la l g o r i t h mt ot h ep l c c o n t r o l l i n gb yw i n c cc o n f i g u r a t i o ns o f t w a r e ，a n o t h e rn e w d i g i t a lf i l t e r i n gm e t h o db a s e do nt h en o r m a ld i s t r i b u t i o n i sp r o p o s e dt o o a l lt h ew o r k 机外卷布装置张力控制系统的研究英文摘要 w h i c hh a sb e e nd o n ep r o v i d e sav i a b l em e a nf o rt h es y s t e mr u n n i n g k e yw o r d s ：c l o t ht a k i n g - u pd e v i c eo u t w a r dt h el o o m ；t e n s i o nc o n t r o l ；b pn e t w o r k ； p i nc o n t r o l ；p i dp a r a m e t e rs e l f - t u n i n gc o n t r o l m w r i t t e nb y s u p e r v i s e db y z h ul i a n g h u i q i a nz h i l i a n g 苏州大学学位论文独创性声明及使用授权的声明 学位论文独刽性声明 本人郑重声明：所提交的学位论文是本人在导师的指导下，独立进 行研究工作所取得的成果。除文中已经注明引用的内容外，本论文不含 其他个人或集体已经发表或撰写过的研究成果，也不含为获得苏州大学 或其它教育机构的学位证书而使用过的材料。对本文的研究作出重要贡 献的个入和集体，均已在文中以明确方式标明。本人承担本声明的法律 责任。 研究生签名一基丝 日期： 学位论文使用授权声明 苏州大学、中国科学技术信息研究所、国家图书馆、清华大学论文 合作部、中国社科院文献信息情报中心有权保留本人所送交学位论文的 复印件和电子文档，可以采用影印、缩印或其他复制手段保存论文。本 人电子文档的内容和纸质论文的内容相一致。除在保密期内的保密论文 外，允许论文被查阅和借阅，可j 以公布( 包括刊登) 论文的全部或部分 内容。论文的公布( 包括刊登) 授权苏州大学学位办办理。 研究生签名_ 。丝 日 期： 塑墨：兰：垄 导师签名：厶益鳖罄 日期： 羔竺耻夏：! 机外卷布装置张力控制系统的研究第1 章绪论 1 1 机外卷布装置概述 第1 章绪论 增大织物的连续长度，可减少卷布辊的更换次数、减少操作工的用工人数、提高 织机的生产效率，还有利于验布、印染等织物后处理工序，因此，织造企业和织物用 户对织物连续长度的要求近年来一直在不断提高。传统的机内卷布装置受织机内部空 间的制约，所能卷绕的最大布卷直径通常较小，所卷绕织物的连续长度一般较短，已 难以满足织造企业和织物用户对织物连续长度的要求，正在被机外卷布装置所逐步取 代【1 】o 机外卷布装置是一种独立于织机的卷布装置。该装置首先通过导布辊把织物引出 织机，再在织机外将织物收卷成型，其所能卷绕的最大布卷直径不受织机内部空间的 制约，所卷绕织物的连续长度理论上仅取决于经轴所卷绕的经纱长度。由于与机内卷 布装置相比较，机外卷布装置的大卷装卷布方式能明显增大织物的连续长度、减少织 物的布头损耗，所以织造高档面料或毛巾类、工业用帘子布、帆布、牛仔布等厚重织 物时常采用机外卷布装置【2 】；又由于采用大卷装卷布方式可明显减少卷布辊的更换次 数，有利于提高织机的生产效率，所以，现代高速织机也大都配备机外卷布装置，以 充分发现代高速织机的高速高效的优点。 机外卷布装置在把织物卷绕成型的过程中必须对被卷织物的张力进行严格的控 制，其原因有二：一方面，不同的织物工艺上需要不同的拉伸比，而不同的拉伸比需 通过不同的织物张力来实现 3 1 。另一方面，为了保证织物的卷绕质量，织物张力在整 个卷绕过程中必须保持恒定或按某种规律( 如织物张力随布卷直径的增大而逐渐减 小) 变化【4 】【5 】，若织物张力过大，会造成织物内部网格增大或因经纱应力导致织物损 伤；若织物张力过小，可能会因为织物过于松弛而引起皱褶或跑偏，影响织物的卷绕 质量。 目前，纺织企业配备的机外卷布装置既有国产的，也有进口的。进口的机外卷布 装置通常采用电气控制，织物张力的控制精度高，布卷的成型质量好。国产的机外卷 布装置通常采用机械驱动方式或采用减速电机与变频器相结合的控制方式，织物张力 】 第1 章鳍论机外卷布装置张力控制系统的研究 的控制精度较低，布卷的成型质量较差所以，研发机外卷布装置的张力控制系统具 有理论和实用价值 1 2 机外卷布装置的组成与分类 1 2 1 机外卷布装置的组成 按功能，机外卷布装置可分成四部分： 1 导出部分 由导布辊、挡车工踏板等组成，将已织造的织物从织机卷取辊引导到机外卷取装 置的卷绕部分 2 驱动部分 由电机和减速器组成，用于驱动机外卷布装置的收卷部分，其主要指标为输出转 矩、输出转速及其允许的变动范围。 织造区 圈1 - 1 机外卷布装置的组成 3 收卷部分 主要由摩擦辊( 糙皮辊) 、支承辊( 光滑辊) 、卷布辊等组成，用于实现织物的 卷绕成型。 4 检测与控制部分 对织造速度、织物张力、布卷卷径等参量进行检测，再把所测得的参量值与设定 的预期值进行比较，并根据测量值与预期值的偏差调整驱动电机的转速，使织物按预 期方式卷绕成型 1 2 2 机外卷布装置的分类 1 按卷布辊的运动是否与织机主运动有关分有联动式和独立式两种l 联动式是指在织机卷取辊上安装链轮，依靠链条带动主动摩擦辊上的链轮传动， 2 机外卷布装置张力控制系统的研究第1 章绪论 摩擦辊使布卷在摩擦力作用下完成卷取。张家港棉纺织厂的机外卷布装置就属于此种 类型。 独立式是指采用调速电机，通过链条传动到摩擦辊上的链轮，布卷通过摩擦力的 作用进行卷取。德国d o n i e r 公司的h t n e 4 型剑杆织机织造帘子布时选用的机外 卷布装置就属于此种类型。 2 按收卷传动方式分，有表面传动、中心传动两种1 6 。 表面传动卷布方式指：驱动部分首先驱使摩擦辊转动，再通过摩擦辊与布卷( 即 卷布辊) 之间产生的表面摩擦力驱使布卷转动，最终实现织物的收卷【7 1 。由于摩擦辊 的半径始终不变，因此收卷线速度与电机的转速成固定的关系，维持电机恒速转动就 能使织物的收卷线速度保持基本不变。这种收卷方式简单易行，但也存在如下缺点： 一、织机的织造速度受众多因素的影响，一般不是常量，要实现织物的可控张力收卷， 必须使卷布装置的卷绕速度与织机的织造速度同步变化，这是相当困难的；二、摩擦 辊与布卷之间的表面摩擦力受众多因素的影响，若摩擦力小于织物的张力，则摩擦辊 与布卷之间会产生打滑，这种打滑会造成织物损伤，还可能产生静电。 中心传动卷布方式指：电机通过减速器直接驱动卷布辊，实现织物的收卷；在织 物的卷绕过程中，随着布卷直径的增大，卷布辊每转一转收卷的织物长度逐渐增大， 相应地，电机转速应逐渐降低，以维持织物的收卷速度与织机的织造速度基本一致【8 】。 目前机外卷布装置多采用表面传动卷布方式。 1 3 卷绕张力控制系统的分类 机外卷布装置仅是卷绕装置在纺织领域内的一个应用实例，其张力控制系统依然 按照卷绕张力控制系统进行设计。为了更好地设计机外卷布装置的张力控制系统，有 必要对卷绕张力控制系统进行分析。一般，卷绕张力控制系统可以采取如下分类： 1 按控制方式分，有直接闭环控制和间接闭环控n t 9 1 。 直接闭环控制指的是在实际系统运行中，将被调量即张力通过张力传感器进行反 馈，与给定张力相比较，再将差值输送至调节器，通过对被控对象进行调节，使输出 张力满足实际要求【1 0 】； 间接闭环控制不采用张力传感器，根据电机电流和转矩的关系，通过控制电流来 果1 覃堵论 机外卷布装置张力控制系统的研究 控制转矩，进而达到控制张力的目的 1 1 】 闭环控制的控制精度高，抗干扰能力强。目前先进的机外卷布装置都采用闭环张 力控制 2 按执行器种类分，有磁粉离合器控制和电机控制两种。 采用磁粉离合器与制动器组合进行张力控制具有运行可靠、控制简单的优点，但 同时也有运行热量大、磨损严重、控制糯度差等缺点1 1 2 】； 直流电机控制方案由于其调速简单，在部分张力控制系统中得以应用【1 3 】，但是传 统的直流调速控制方案因直流电机本身换向器和电刷的故障率较高，严重影响工作效 率，另一方面，在纺织工厂环境中，换向器和电刷的老化及运行时可能产生的电火花 会引发安全隐患； 目前，张力控制系统多采用变频器玟流伺服电机组合或伺服驱动器咬流伺服电 机组合控制【1 4 】【15 1 。交流伺服电机的调速性能已有很大改善 3 按控制器核心分，有微控制器( 单片机、a r m 、d s p 等) 控制、p l c 控制。 微控制器控制方案成本低，可以实现复杂算法，提高控制精度【9 】【16 】【1 7 1 但微控制 器系统设计复杂，而且在工业现场的环境中系统的可靠性取决于芯片自身、电路设计、 软件设计等很多因素，不适用于多台机器相连的分布式d c s 控制方式 p l c 控制方案l l 叼成本高于微控制器方案，但p l c 控制的可靠性高，可在工业现 场的多干扰环境下正常运行，易于与外部配套设备连接另外，p l c 编程简单，调试、 维护方便，所以目前在工业中应用广泛 4 按照张力检测方式分，有传感器式、浮辊式两种 浮辊式检测方式【1 9 】是一种间接的张力检测方式，实质上是一种位置控制方式在 张力有发生变化趋势时，浮辊式张力测量系统通过浮动辊的位置移动，调整前后级的 速度差，即时保持张力的恒定。此类测量机构在小张力控制系统应用的较多 张力传感器检测方式t 1 1 2 0 1 直接对张力进行检测属于没有移动部件的检测方式 检测系统中传感器与机械紧密地结合在一起，当被测量改变时，会使张力传感器的感 应元件产生位移或变形，从而检测出实际张力值，并将此张力数据转换成电压或电流 信号反馈给张力控制器，最终实现张力闭环控制 4 机外卷布装置张力控制系统的研究第1 章绪论 1 4 国内外机外卷布装置张力控制研究现状 卷绕装置种类繁多、应用广泛，如造纸、织布、轧钢、印刷、磁带、薄膜生产等 领域都需卷绕装置，机外卷布装置仅是卷绕装置在纺织领域内的一个应用实例。近年 来，卷绕装置的研究取得了长足的进步，主要体现在以下几个方面： 1 计算机技术的引入【1 6 】【1 7 】【2 l 】； 近年来，随着计算机技术及自动控制理论的不断发展，国内外对微机控制卷绕装 置的研究越来越多，现在新型的卷绕装置都是用微机控制的。计算机可取代许多调节 装置，使机构更简化、操作更简便、调速更准确、收卷效果更加理想。微机控制卷绕 装置是自动化理论与微机原理在工业生产中的综合应用实例，代表着卷绕装置的必然 发展方向。 2 新控制理论的引入【冽【捌【冽； 卷绕装置张力控制问题的静态数学模型都比较简单，但要设计高质量的能自调整 的控制系统，仅有静态数学模型是远远不够的，必须建立能用于控制工程的动态模型， 国外一些专家和学者很早就已从事这一方面的工作，但研究工作主要侧重于物理建 模。对于织机的机外卷布装置，由于织物的品种多、性质差异大，织造工艺复杂，所 以建立精确的数学模型较困难。为了简化建模，不得不给出种种假设，即便如此，构 建的模型仍然很复杂。 目前，控制理论已从经典控制理论、现代控制理论发展到了智能控制，包括预测 控制、模糊控制、神经网络控制等以及这些控制方法相结合构成的新的混合控制。智 能控制理论的出现和发展，对于解决像机外卷布装置这样具有非线形、不确定性的张 力控制系统提供了一个新的非常有效的方法。 3 新的调速技术的引入晒】； 机外卷布装置主要靠调节电机转速达到张力控制的目的，因此电机调速性能的好 坏是一个非常关键的因素。老的机外卷布装置多采用磁粉离合器与制动器的组合直接 对张力大小进行控制，但由于磁粉离合器本身磨损严重，精确度低，影响收卷效果； 而采用直流电机，又因为其电刷换向器易产生磨损、易老化、易产生电火花、控制精 度不高等因素，影响着织物的收卷质量。 目前，伺服技术有了很大的发展，采用伺服技术可使机外卷布装置结构相对简化， 第l 章绪论机外卷布装置张力控制系统的研究 收卷更容易，动态响应更快，同时可使机外卷布装置的张力控制具有良好的跟随特性 对子机外卷布装置的研究，国外起步较早，德国的多尼尔、日本的津田驹、丰田、 意大利的毕加诺等许多著名的公司在这方面的技术已经相当成熟，一般它们把机外卷 布装置作为现代高性能织机的可选购部件一起配套销售。国内在这方面的研究起步较 晚，相关技术与国外技术之间还有差距就目前的检索情况而言，只有为数不多的公 司( 例如台达公司) 独立研制出了该装置，其他公司基本是对国外公司产品进行仿制 或者直接引进，由于技术保密的缘故，这方面的相关论文也很少 1 5 本课题研究的主要内容 近2 0 年来，困内使用和生产的机外卷布装置基本都是以往引进的国外织机的配 套产品或其仿制品，织物张力的控制精度较低，布卷的成型质量较差，已难以满足织 造企业对织物收卷成型的要求另一方面，困外厂商近年来生产的高性能机外卷布装 置价格普遍较高，且很少单独销售，国内纺机制造企业生产的机外卷布装置与国外同 类产品相比较，尚存在一定的差距，亟需研发相应的高性能机外卷布数置，以满足国 内纺织企业对该产品的需求 机外卷布装置性能的优劣主要取决于织物卷绕过程中织物张力的控制精度，近年 来，随着工控技术和传感技术的突破性发展，涌现了许多价格低廉、精度高、性能稳 定的传感器和处理器，这些为织物的张力控制提供了良好的软、硬件基础基于上述 情况，本文以双底辊机外卷布装置为研究对象，以s i e m e n s $ 2 0 0p l c 作为控制核 心。搭建控制系统，并运用w i n c cv 6 。0 组态软件对整个系统组态，利用总线结构构 建监控网络，并对织物收卷过程中的张力控制进行研究，实现机外卷布装置的智能控 制，并采用m a t l a b 软件对系统进行仿真比较各种控制算法的效果，选取最佳控 制方案。 本课题源自江苏标准万工精密纺机有限公司，是江苏省科技成果转化专项资金项 目“新型高速喷气织机的研发与产业化”( 项目编号zb a 2 0 0 5 0 2 7 ) 的子课题，主要 内容为： 1 ) 完成整个张力控制系统的硬件模块与软件模块的分析与设计l 2 ) 对机外卷布装置的工作过程及织物张力的影响因素进行理论分析，推导相应 机外卷布装置张力控制系统的研究第1 章绪论 的张力控制数学模型； 3 ) 研究张力控制方式，对传统p i d 控制方式与基于b p 神经网络p i d 控制方式 进行比较，并采用m a t l a b 软件进行仿真，选取最优方案。 1 6 论文的章节安排 本文共分七章，各章的具体内容如下： 第1 章：对机外卷布装置进行了概述与分类，并对其张力控制系统进行描述， 另一方面，介绍了卷绕装置国内外研究状况，提出了机外卷布装置的织物张力控制问 题。 第2 章：介绍了机外卷布装置张力控制系统所采用的控制算法，包括算法的原 理和应用情况； 第3 章：阐述了机外卷布装置的工作原理，对其张力控制系统进行了分析，并 对收卷张力的影响因素进行了理论分析； 第4 章：系统硬件模块分析与设计，包括检测模块、控制器模块的选型与分析； 第5 章：系统软件模块分析与设计，包括上位机组态、编写系统控制流程图； 第6 章：系统控制器的设计，对张力控制策略进行研究、分析与m a t l a b 仿真， 选取最优控制方式； 第7 章对本文进行总结，指出了不足之处，并对进一步的研究方向进行展望。 7 第2 章控制算法描述机外格布装置张力控制系统的研究 第2 章控制算法描述 本文分别采用了常规p i d 控制算法与b p p i d 控制算法【2 7 】【2 8 】，通过对比控制效果 最终选择b p - - p i d 控制算法对张力调节器进行设计下面对常规p i d 控制算法和 b p - p i d 控制算法进行描述。 2 1 传统p id 控制算法 在工程实际中，应用最为广泛的调节器控制规律是比例、积分、微分控制，简称 p i d 控制。p i d 控制器问世至今已经有近7 0 年历史，它以其结构简单、稳定性好、 工作可靠、调整方便而成为工业控制的主要技术之一p i d 控制实际中也有p i 和 p d 控制p i d 控制器就是根据系统的误差，利用比例、积分、微分计算出控制量进 行控制的p i d 系统原理方框图如下。 圈2 - ip i d 控制系统原理图 图2 - 1 中，r o ) 为系统输入，) i 似为系统输出，e r r o r ( t ) j o 系统误差，e r r o r 似 r o ) - y f f ) 根据p i e ) 的三个参数的含义及以上的控制方框图，可以得到控制算法为t “( f ) 葺七尹删，( f ) + 毛f 甜。，o ) a t 4 - k 厂d e i r r o r 一( t ) ( 2 - 1 ) 式( 2 - i ) q jk p 为比例项系数，k ，为积分项系数，k d 为微分项系数 p i d 算法控制在实际系统中调节方便，参数的实现也很容易在实际系统中，为 使得控制算法易于实现，对式( 2 1 ) 按模拟p i d 控制算法，以一系列的采样时刻点惫z 代 机外卷布装置张力控制系统的研究第2 章控制算法描述 表连续时间t ，以矩形法数值积分近似代替积分部分，以一阶后向差分近似代替微分， t k t ( k = 0 ，1 ，2 ，) ce r r o r ( 力出r 砉e 舢r ( 歹d = r 蔷ke r r o r ( 力 e r r o r ( k t ) - e r r o r ( ( k - 1 ) t ) e r r o r ( k ) 一e r r o r ( k - 1 ) 出丁丁 则可以得到离散p i d 表达式如下： ( 2 - 2 ) m ( 足) ：k p e r r o r ( 忌) + k ，ke r r d r ( j ) r + k d e r r o r ( k ) - f e r r o r ( k - 1 ) ( 2 - 3 ) j ；0 j 式( 2 - 1 ) 5 享( 2 - 3 ) 中，t 为采样时间，毛= k p r , ，= k p 乙，k 为采样序号， k = 1 ，2 ，3 ，e r r o r ( k ) 与e r r o r ( k 一1 ) 分别为第k 时刻与第( k - 1 ) 时刻得到的偏差信号。 p i d 控制易于实现，参数调节方便，可以满足织机张力控制要求，因此在机外卷 布装置的张力控制中得到应用。在p i d 控制器中，积分项的作用在于减小系统稳态误 差，而微分项起超前控制的作用，能改善系统的动态性能。 2 2b p 神经网络控制算法 1 人工神经网络简介2 9 】 人脑是宇宙中已知最复杂、最完善和最有效的信息处理系统，是生物进化的最高 产物。长期以来，人们不断通过神经学、生物学、心理学、认知学、数学、电子学和 计算机科学等一系列学科，对神经网络进行分析和研究，企图揭示人脑的工作机理， 了解神经系统进行信息处理的本质，并通过对人脑结构及信息处理方式的研究，利用 大脑神经网络的一些特征，设计出具有类似大脑某些功能的智能系统来处理各种信 息，解决不同问题。 神经网络的基本处理单元是对生物神经元的近似仿真，因而被称为人工神经元。 它用于仿效生物神经细胞最基本的特征，与生物原形相对应。到目前为止，人们已建 立了数百种人工神经元模型3 0 1 。人工神经元的主要结构单元是信号的输入、综合处理 和输出，其输出信号的强度大小反应了该单元对相邻单元影响的强弱。人工神经元之 间互相连接形成网络，称为人工神经网络( 简称a n n ) 。人工神经网络是人类在对 9 第2 章控制算法描述 机外卷布装置张力控制系统的研究 其大脑神经网络认识理解基础上人工构造的能够实现某种功能的神经网络。它是理论 化的人脑神经网络的数学模型，是基于模仿大脑神经网络结构和功能而建立的一种信 息处理系统。 人工神经网络a n n 控制技术与传统控制技术相比，具有以下特征和性质 3 1 1z 1 ) 非线性t 能充分逼近任意复杂的非线性关系因此神经网络比其他建模更经 济； 2 ) 并行分布处理能力：神经网络具有高度并行的结构，这使本身可以平行实现。 由于分布和平行实现，因而比常规方法有更大程度的容错能力，神经网络基本单元结 构简单，并行联接会有很快的处理速度，许多制造厂家已经采用专门的v l s i 硬件来 制造神经元网络，使得运算速度进一步提高，而且网络能实现的规模也明显增大； 3 ) 学习和自适应性：利用系统过去的数据记录，可以对网络进行训练，经过训 练的网络具有泛化能力即当输入出现训练中未经历的数据时，网络也有能力进行辨 识，神经网络可在线训练l 4 ) 数据融合性t 网络可以同时对定性和定量的数据进行操作，可以作为传统工 程系统( 定量数据) 和人工智能领域( 符号数据) 信息处理技术之间的桥梁； 5 ) 多变量系统t 神经网络可方便的处理多输入信号，并且可以具有许多输出 非常适合多变量系统神经网络在某种程度上可以模拟人脑的功能，因此具有一定的 联想、推理和自组织的功能 近年来，随着对人工神经网络理论及其应用研究的不断深入，其表达非线性的能 力在理论和实际应用中得到证实基于神经网络的各类控制方案也显示了良好的性 能，因此将神经网络理论用于时变非线性的张力控制系统是一个很有潜力的发展方 向，而这种方法在机外卷布装置张力控制系统中的运用可以保证织物在收卷时保持张 力的稳定，提高整个系统的响应速度和控制精度 神经网络用于控制，主要用于解决复杂的非线性、不确定系统的控制问题。神经 网络具有模拟人的部分智能的特性，有自学习和自适应的能力，具备鲁棒性、容错性 和并行运算结构，能对变化的环境具有适应性，基本上不依赖受控对象的数学模型， 无须任何先验知识因此，考虑到工程实用性，决定采用神经网络控制方法 2 b p 神经网络及算法概述 r u m e l h a r t 和m c c l e l l a n d 于1 9 8 6 年提出了多层网络的误差反向传播算法( e r r o r 1 0 机外卷布装置张力控制系统的研究第2 章控制算法描述 b a c k - p r o p a g a t i o nt r a i n i n g ) 也即是b p 算法，系统解决了多层网络中隐含单元连接权 的问题，预示着b p 网络的出现。 b p 算法是一种基于梯度下降( g r a d i e n td e s c e n t ) 的最优化方法j 通过调节网络 的连接权值，使网络误差函数极小化。其网络结构如图2 - 2 所示。在b p 神经网络中 的神经元多采用s 型函数作为活化函数，利用其连续可导性，便于引入最小二乘( l e a s t m e a ns q u a r e s - - l m s ) 学习算法，即在网络学习过程中，使网络的输出与期望输出的 误差边向后传播边修正连接强度( 加权系数) ，目标是使网络输出与期望输出之间的 误差均方值最小2 7 1 。 b p 神经网络的学习过程可分为网络前向计算和误差反向传播一加权系数修正的 两个部分，这两个部分是连续而又反复循环的，直至误差满足要求。不论学习过程是 否结束，只要在网络的输入节点添加输入信号，则这些信号将一层一层的向前传播； 通过每一层时要根据当时连接于相邻两网络层的加权系数和神经元节点采用的活化 函数与阈值进行相应计算，所得的输出再继续向下一层传送。这个前向网络计算过程， 既是网络学习过程的一部分，也是之后网络的工作模式。在学习过程结束前，如果前 向网络计算的输出和期望输出之间存在误差，则转入反向传播，将误差沿着原来的路 径返回，作为修改加权系数的依据，目标是使误差减小。 隐含层 隐含神经元 层 图2 - 2b p 神经网络结构图 1 ) b p 神经网络的前向计算 前向计算是在网络各神经元的活化函数和连接强度都确定的情况下进行的。假设 以m 个输入、，1 个输出、1 个隐含层( 含p 个神经元) 即m - p - n 结构的b p 神经网络 第2 章控制算法描述机外卷布装置张力控制系统的研究 为例，作为训练网络学习的第一个阶段，并假设有个训练样本，对其中的一个样 本留进行计算，则隐含层的第，个神经元( fsp ) 输入可写成 n e t p t1 月e f ，l 乞吼巳 第i 个神经元的输出为 - l o i g ( n e t f ) ( 2 - 4 ) 式( 2 4 ) 中g ( ) 为活化函数，这里取s i g m o i d 活化函数，如下t 咖 i 鬲而而i 丽 2 - 5 式( 2 5 ) 中的参数岛表示阈值，对式( 2 - 4 ) 求导可得 ( n e t l ) 墨g ( n e t ，) 【1 一g ( n e t , ) 】 ( 2 - 6 ) 输出0 ，通过加权向前传播到输出层的第七个神经元( 七s 力) 所以输出层第 七个神经元的总输入为 n e t ki 艺q 口 i 乙k l o | - l 输出层的第七个神经元的总输出为 ( 2 - 7 ) 0 iig ( n e t ) ( 2 8 ) 在神经网络的正常工作期间，上面的过程完成了一次前向计算而若是在学习阶 段，则要将输出值与样本值之差回送以调整加权系数。 2 ) 误差的反向传播和加权系数的调整 在前向计算中，若d 与样本的期望输出欺不一致就要将其误差信号从输出端 反向传播回来，并在传播过程中对加权系数不断修正，使输出层神经元上得到所需要 的期望输出弧为止对个样本中的样本g 完成网络加权系数的调整后，再送入另 一个样本进行学习，直到完成个样本的训练学习为止 为了对加权系数进行调整，对每一个样本，例如样本g ，引入二次型误差函数 ，一 2 乓l 告( 一) 2 - 9 ) 则系统的平均误差函数为 ， ，一 2 占l 专萎善( 一) ( 2 10 ) 1 2 机外卷布装置张力控制系统的研究第2 章控制算法描述 学习调整加权系数，即可按使误差函数e 口减少最快的方向调整，也可按使误差 函数e 减少最快的方向调整，直到获得加权系数集为止。下面以按使误差函数己减 少最快的方向调整为例，使网络逐渐收敛。 i 输出层加权系数的调整 根据上述思想，加权系数的修正公式为 扭 a c o a = 一刁_ 卫( 2 - 1 1 ) o ( - o d 式( 2 - 1 1 ) 中r 为学习速率，r 0 。又有 当：旦一o n e t k ( 2 - 1 2 ) a 纨o n e t io c o n 其中，根据式( 2 - 7 ) 有 等= 击c 喜删= q 定义 睁鼍一鲁矗 由此可得 式( 2 1 4 ) 中， ( 2 - 1 3 ) ( 2 - 1 4 ) 壤= ( y k o , 0 9 矗( n e t k ) = o k ( 1 一o k ) ( y k o k ) ( 2 - 15 ) ：一( y k - o k ) d d i 盖， 所以，对输出层的任意神经元加权系数的修正公式为 = r ( y i o k ) g d ( n e t k ) o f = r l s k o j f = r i o i ( 1 一o k ) ( y i o k ) o , ( 2 - 1 6 ) 隐含层加权系数的调整 对于作用于隐含层的加权系数的调整与上面的推导过程基本相同，但由于不能直 接计算隐含层的输出，需要借助于网络的最后输出量。由式( 2 1 6 ) n - j 知 嘞= r 4 0 j( 2 - 1 7 ) 在式( 2 1 7 ) 中， 第2 章控制算法描述 机外卷布装置张力控制系统的研究 4蕾一旦i一堡且i一堡g舯，)8 。 n e t 。8 0 , 8 n e t 。8 0 。、 。 叫小痞岳等 8 ， f 1 ) 驴n8 幄n e t , 、8 o - i , z o j , 0 1 ) 一 墨g d ( n e t ，) 文 将式( 2 1 6 ) 与( 2 1 7 ) 整理可得 t v 埘( k + 1 ) 暑( 七) + ，7 瓯o i + 口【( 七) 一t v 材( k - 1 ) 】 2 - 1 9 ) 钆( 足+ 1 ) 叠q ( 足) + ，7 点d ，+ 口【( 七) 一( j ：c 一1 ) 】( 2 - 2 0 ) 式( 2 1 9 ) 与( 2 - 2 0 ) 中，口【吼( 七) 一吼( 七- 1 ) 】与口【( 七) 一吼( 七- 1 ) 】分别为使搜索快速 收敛的全局极小的动量项，其中a 为惯性系数，通常取0 a 1 2 3b p 中i d 控制算法 要想取得较好p i d 控制的控制效果，就必须通过调整好比例、积分和微分三种控 制作用，形成控制量的最优配对而这种配对关系往往不是简单的线形组合神经网 络具有对任意非线性的描述能力，可以通过对系统性能的学习来实现具有最佳组合的 p i d 控制采用b p 网络。可以建立参数k p 、七l 、k e 自学习的p i d 控制器【2 7 】。 基于b p ( b a c kp r o p a g a t i o n ) 网络的p i d 控制系统结构如图2 - 3 所示其控制器 由两部分构成： 1 ) 经典的p i d 控制器，直接对被控对象进行闭环控制，并且三个参数k 、七i 、 k 为在线调整方式： 2 ) 神经网络，根据系统的运行状态，调节p i d 控制器的参数，以期望达到某种 性能指标的最优化，使输出层神经元的输出状态对应于p i d 控制器的三个可调参数 知、七i 、h 通过神经网络的自学习、加权系数调整使神经网络输出对应于某种最优 控制规律下的p i d 控制器参数 机外卷布装置张力控制系统的研究第2 章控制算法描述 图2 - 3 基于b p 神经网络p i d 控制器的闭环系统 经典增量式数字p i d 的控制算法为： l “( 露) = u ( k - 1 ) + 甜( 尼) “( 七) = k p ( e r r o r ( k ) 一e r r o r ( k 一1 ) ) + k i e r r o r ( k ) ( 2 - 2 1 ) 【 + 屯( e r r o r ( k ) 一2 e r r o r ( k 一1 ) + e r r o r ( k - 2 ) ) 式( 2 2 1 ) 中，易、岛、幻分别为比例、积分、微分系数。 采用m - p - 3 即输入层神经元个数为m ，隐含层神经元个数为p ，输出层神经元个 数为3 的三层b p 网络。 网络输入层的输入为： d ，= x ( 歹)( j = 1 ，2 ，m )( 2 2 2 ) 式( 2 2 2 ) 中，输入变量的个数m 取决于被控系统的复杂程度，系统越是复杂，m 取值应该越大。一般输入变量在选择上取那些对系统影响较大的因素，如输入、输出、 误差等。 网络隐含层的输入、输出为： ，z e ( 七) = o j ( 2 2 3 ) d ，( 尼) = 厂( n p ( 尼) ) ( = - 1 ，2 ，p )( 2 2 4 ) 式( 2 2 3 ) q b ，为隐含层加权系数。式( 2 2 4 ) q b ，厂( ) 为隐含层神经元的活化函 数，取其正负对称的双曲正切函数： ) = t a n h ( x ) = 万e x 一e - x 1 5 第2 章控制算法描述机外卷布裟置张力控制系统的研究 网络输出层的输入输出为，其中z 为输出层中的第f 个神经元( zs3 ) t 删肚) 薯o 1 - o 0 t ( 七) 墨8