用于碳纖維織物的多層織機經(jīng)紗張力檢測方法

魯 喜， 楊建成

(1. 天津工業(yè)大學 機械工程學院， 天津 300387； 2. 天津市現(xiàn)代機電裝備技術重點實驗室， 天津 300387；3. 天津市機械基礎及紡織裝備設計虛擬仿真實驗教學中心， 天津 300387)

用于碳纖維織物的多層織機經(jīng)紗張力檢測方法

魯 喜1,2,3， 楊建成1,2,3

(1. 天津工業(yè)大學 機械工程學院， 天津 300387； 2. 天津市現(xiàn)代機電裝備技術重點實驗室， 天津 300387；3. 天津市機械基礎及紡織裝備設計虛擬仿真實驗教學中心， 天津 300387)

為提高經(jīng)紗張力的控制精度，防止碳纖維在送經(jīng)機構長距離輸送過程中因自身質(zhì)量下垂，導致經(jīng)紗張力控制精度不高對織物質(zhì)量造成影響，結(jié)合現(xiàn)有的經(jīng)紗張力控制方法，提出基于神經(jīng)網(wǎng)絡的模糊信息融合綜合算法。根據(jù)神經(jīng)網(wǎng)絡得到的權值函數(shù)，以多層織機的送經(jīng)機構為研究對象進行實驗。實驗過程中，在多層織機送經(jīng)機構的不同位置安裝張力傳感器，通過無線信息采集系統(tǒng)，對經(jīng)紗張力進行在線多點檢測，然后將檢測的張力信號進行模糊信息融合。實驗結(jié)果表明：多傳感器信息融合的識別準確率優(yōu)于單傳感器，提高了用于碳纖維織物的多層織機經(jīng)紗張力的控制精度。

多層織機； 張力檢測； 碳纖維織物； 模糊控制； 信息融合

本文研究內(nèi)容來源于天津工業(yè)大學承擔的國家十二五科技重點支撐項目的子課題“碳纖維多層角聯(lián)機織裝備及技術研制”，該項目已通過科技部驗收，然而在織造變截面織物時，送經(jīng)機構還存在長距離、多工段及經(jīng)紗層數(shù)多而導致經(jīng)紗下垂等問題，且經(jīng)紗張力檢測點少，經(jīng)紗張力的控制精度較低，直接影響三維多層織物的品質(zhì)，所以，碳纖維多層織物織造過程中經(jīng)紗張力的檢測精度與優(yōu)化控制算法成為提升該裝備性能的核心問題。

國內(nèi)很多學者對經(jīng)紗張力的檢測進行了研究，例如對霍爾式張力傳感器的磁鋼探頭建立運動學模型，提出了動態(tài)張力信號提取方法[1]；以活動后梁為研究對象對張力進行檢測[2]，這些都是以活動后梁作為研究對象。然而，在用于碳纖維織物的多層織機時，由于碳纖維的特殊性，經(jīng)紗在長距離輸送過程中會出現(xiàn)下垂，只以活動后梁為研究對象不能精確地檢測織機的經(jīng)紗張力，需要通過多點檢測的方式來達到張力檢測精度的要求。多傳感器信息融合理論已經(jīng)成熟，已廣泛應用在各個領域，但在電子送經(jīng)機構中應用的報道很少。經(jīng)紗張力的變化為時變非線性，較難確定合適的張力模型[3]。本文提出基于神經(jīng)網(wǎng)絡的模糊融合綜合算法，為解決這些問題提供了有效的理論參考。

1 多層織機的經(jīng)紗張力檢測原理

送經(jīng)系統(tǒng)包括經(jīng)紗退繞、張力控制、攏紗及經(jīng)紗卷繞部分等[4]，如圖1所示。送經(jīng)機構的張力部件由伺服退繞、張力補償、經(jīng)紗張力檢測以及卷繞部件組成。由于碳纖維拉伸強度高、剪切強度低等特點[5]，這種長距離輸送使碳纖維因自身質(zhì)量大而下垂，從而造成經(jīng)紗張力控制精度低。要保證片狀紗線的恒張力系統(tǒng)控制，必須在上述各個環(huán)節(jié)中添加相應的傳感器來檢測張力，包括單紗張力檢測和片紗張力實時檢測。在張力補償裝置上安裝角位移傳感器和拉壓力傳感器；在張力檢測輥上裝有拉壓力傳感器；在五輥片紗張力裝置中的第1和第5個張力輥上安裝拉壓力傳感器以及在卷繞裝置中安裝壓力傳感器。

2 神經(jīng)網(wǎng)絡模糊融合綜合算法

2.1 模糊綜合評判

當權重集A和模糊矩陣R為已知時，利用模糊變換進行模糊綜合推斷。

(1)

因此，權重集A值的大小決定了綜合評判結(jié)果集P,所以，運用模糊綜合評判方法應先求解其權重的值[6]。

2.2 模糊綜合評判權重的求解

由于各子系統(tǒng)檢測信息與多傳感器信息融合數(shù)據(jù)有效性之間存在模糊性以及高度非線性[7]。為此，結(jié)合模糊理論和神經(jīng)網(wǎng)絡理論，通過神經(jīng)網(wǎng)絡的學習功能獲得各子系統(tǒng)檢測參數(shù)與信息融合數(shù)據(jù)有效性之間的網(wǎng)絡權值系數(shù)[8]，然后通過一定的關系轉(zhuǎn)換為模糊綜合評判的權重。

通過運算求得最小值為權值ωj(j=1,2,…,n)的函數(shù)。在給定權值ωj的范圍[0,1]中，利用變尺度混沌優(yōu)化算法[9]求得最優(yōu)解ωj(j=1,2,…,n)后，可作以下轉(zhuǎn)換：

(2)

2.3 模糊關系矩陣的確定

由于經(jīng)紗張力的狀態(tài)受各種外界影響,為了方便分析,選用上述5種傳感器,分別表示為：傳感器1～傳感器5。本文采用決策級融合。圖2示出多傳感器模糊信息融合框圖。

通過權重計算求得模糊向量A=(a1,a2,a3,a4,a5)。按照線性變換，得

(3)

式中：P的各元素Pj(j=1,2,3)即為張力檢測時，融合后判斷經(jīng)紗張力屬于狀態(tài)j的可能性。

3 實驗結(jié)果與分析

在實驗中，由混沌優(yōu)化法得到傳感器的權重向量為(0.30，0.25，0.15,0.10,0.20)。

在融合過程中，各傳感器檢測的數(shù)據(jù)經(jīng)過歸一化處理，結(jié)果如表1所示。

表1 實驗數(shù)據(jù)

某一時刻各個傳感器的隸屬度值和其所對應的經(jīng)紗張力狀態(tài)及同時所得融合結(jié)果如表2所示。

表2 傳感器單獨識別及融合識別結(jié)果

從表2可看出，在該時刻，比如融合結(jié)果為P=(0.22，0.61,0.18)時，采用最大隸屬度方法對結(jié)果進行分析，可知經(jīng)紗張力處于適中狀態(tài)。

在實驗中，對經(jīng)紗張力檢測的20組數(shù)據(jù)中的傳感器1的隸屬度值與融合結(jié)果進行比較，結(jié)果見圖3。準確率增加2.6%，表明融合后的不確定性顯著降低，既能發(fā)揮信息融合的優(yōu)點，又能避免單傳感器檢測的缺陷，明顯提高了經(jīng)紗張力檢測的精度。

本文針對多層織機的送經(jīng)機構進行了相關的實驗。圖4示出利用單傳感器檢測狀態(tài)下經(jīng)紗出現(xiàn)下垂的情況。圖5示出采用多傳感器進行多點檢測的狀態(tài)下經(jīng)紗呈現(xiàn)平行退繞的情況。由圖4、5可看出，經(jīng)紗由下垂變?yōu)榭嚲o狀態(tài)，張力明顯得到了改善。

4 結(jié) 論

在多層織機送經(jīng)系統(tǒng)中，經(jīng)紗張力的控制精度不高，特別是因為經(jīng)紗長距離輸送而導致經(jīng)紗下垂等問題，對三維織物的織造產(chǎn)生了很大的影響。為提高送經(jīng)系統(tǒng)經(jīng)紗張力的控制精度，降低張力檢測傳感器的不確定性，將基于神經(jīng)網(wǎng)絡的模糊綜合評判方法應用到送經(jīng)系統(tǒng)中是可行的。通過實驗，將20組單傳感器檢測數(shù)據(jù)與多傳感器信息融合的數(shù)據(jù)進行比較，準確率增加了2.6%，經(jīng)紗張力的檢測精度顯著提高。因此，通過在多層織機送經(jīng)機構中的不同位置安裝5組不同類型傳感器進行多點檢測，使經(jīng)紗由下垂變?yōu)榭嚲o狀態(tài)，張力明顯得到了改善。

FZXB

[1] 吳震宇,陳琳榮,李子軍,等.接觸式紗線張力傳感器動態(tài)測量模型[J].紡織學報,2013,34(8):138-142. WU Zhenyu, CHEN Linrong, LI Zijun, et al. Dynamic measurement model of contact tension sensor for yarn [J]. Journal of Textile Research, 2013, 34(8): 138-142.

[2] 倪敏娜,李萍,李艷.基于模糊多屬性群決策的經(jīng)紗張力檢測及控制方案優(yōu)選[J].東華大學學報(自然科學版),2014,40(3):282-287. NI Minna, LI Ping, LI Yan. Schemes selection of warp tension measurement and control based on fuzzy multiple-attribute group decision making [J]. Journal of Donghua University (Natural Science), 2014，40(3): 282-287.

[3] 楊建成,蔣秀明,周國慶,等. Fuzzy-PID復合控制在電子送經(jīng)中的應用[J].紡織學報,2008,29(4):115-118. YANG Jiancheng, JIANG Xiuming, ZHOU Guoqing, et al. Application of Fuzzy-PID compound control on loom electronic let-off and take-up[J]. Journal of Textile Research, 2008, 29(4):115-118.

[4] 周香琴,劉宜勝.織機開口引起的經(jīng)紗張力變化規(guī)律[J].紡織學報,2014,35(5):132-136. ZHOU Xiangqin, LIU Yisheng. Warp tension change caused by shedding on loom[J]. Journal of Textile Research, 2014,35(5):132-136.

[5] 鄧海龍.現(xiàn)代織機電子送經(jīng)機構控制模式的研究[J].紡織機械,2012(3):27-30. DENG Hailong. Study on the control mode of electronic feeding mechanism in modern loom[J]. Textile Machinery. 2012(3):27-30.

[6] 焦蕾,殷鋒社.基于學生模型的模糊綜合評判方法研究[J].電子設計工程,2011(9):97-99. JIAO Lei, YIN Fengshe. Method of student model and fuzzy comprehensive evaluation [J]. International Electronic Elements, 2011(9):97-99.

[7] SAJEDI S, KHALIFEH F, KARIMI T, et al. Harmonics estimation investigation using a new fuzzy adeline neural network method[J]. Research Journal of Applied Sciences Engineering & Technology, 2012, 4(7):735-748.

[8] 付家才,萬遂.基于D-S證據(jù)理論和BP神經(jīng)網(wǎng)絡的多傳感器信息融合[J].自動化與儀器儀表,2011(1):22-24. FU Jiacai, WAN Sui. Multi sensor information fusion based on D-S evidence theory and BP neural network [J]. Automation and Instrumentation, 2011(1): 22-24.

[9] 楊玲玲,馬良,張惠珍.多目標0-1規(guī)劃的混沌優(yōu)化算法[J].計算機應用研究,2012,29(12):4486-4488. YANG Lingling, MA Liang, ZHANG Huizhen. Chaotic optimization algorithm for multi-objective 0-1 program-ming problem [J]. Application Research of Computers, 2012, 29(12):4486-4488.

[10] 付華,高婷,劉洋.多傳感器模糊信息融合在煤礦安全中的應用[J].傳感器與微系統(tǒng), 2008,27(5):114-120. FU Hua, GAO Ting, LIU Yang. Application of multi-sensor fuzzy information fusion in mine safety [J]. Transducer and Microsystem Technologies, 2008, 27(5):114-120.

Detection method of warp tension in multilayer loom for carbon fiber fabric

LU Xi1,2,3, YANG Jiancheng1,2,3

(1.SchoolofMechanicalEngineering,TianjinPolytechnicUniversity,Tianjin300387，China; 2.TianjinKeyLaboratoryofModernMechanicalandElectricalEquipmentTechnology,Tianjin300387，China; 3.TheVirtualSimulationExperimentalTeachingCenterofMachineryandTextileEquipmentDesignBasis,Tianjin300387，China)

The carbon fiber has the tendency of dragging during long distance transportation let-off process due to weight. The dragging will lead to inaccurate control on warp tension, and further influence fabric qualities. In order to improve the control precision, the fuzzy neural network information fusion algorithm was presented in combination with the existing warp tension control method. According to the weight function of neural network, the experiment was carried out on the mechanism of multilayer loom. During the experiment, the tensioner was mounted in different positions of multilayer loom let-off mechanism. Through the wireless data acquisition system, the warp tension was online detected, and then the detected signals was fuzzy information fused. Experimental results show that the multi sensor information fusion recognition accuracy is better than that of single sensor, and the precision of control on warp tension in multilayer loom used for carbon fibers were increased.

multilayer loom; tension detection; carbon fiber fabric; fuzzy control; information fusion

10.13475/j.fzxb.20150703205

2015-07-16

2016-03-18

國家十二五科技支撐項目(2011BAF08B00；2011BAF08B02)

魯喜(1989—)，男，碩士生。主要研究方向為紡織機械。楊建成，通信作者，E-mail：yjcg589@163.com。

TS 105.1

A