基于神經(jīng)網(wǎng)絡(luò)的儲(chǔ)緯器恒張力控制策略的設(shè)計(jì)與實(shí)現(xiàn)

王凱旋 彭來湖 胡旭東

摘? 要：紗線的張力控制對紡織品的質(zhì)量具有重要意義，針對紡織過程中紗線的張力波動(dòng)大、非線性等問題，提出了基于神經(jīng)網(wǎng)絡(luò)的儲(chǔ)緯器恒張力控制策略。將神經(jīng)網(wǎng)絡(luò)應(yīng)用于儲(chǔ)緯器控制算法，實(shí)時(shí)調(diào)整權(quán)重分配，提高性能，再將矢量控制應(yīng)用于儲(chǔ)緯器的電機(jī)控制，實(shí)現(xiàn)良好的電機(jī)控制效果，最終實(shí)現(xiàn)紗線張力的穩(wěn)定控制。經(jīng)測試表明：該紗線控制策略實(shí)時(shí)性良好，紗線張力控制精確穩(wěn)定，能夠有效實(shí)現(xiàn)儲(chǔ)緯器的恒張力控制。

關(guān)鍵詞：儲(chǔ)緯器;恒張力控制;神經(jīng)網(wǎng)絡(luò)

中圖分類號(hào)：TP311? ? ?文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：2096-1472（2021）-09-51-03

Abstract： Tension control of the yarn is of great significance to the quality of textiles. Aiming at the problems of large fluctuations and non-linearity of the yarn tension during the weaving process， this paper proposes a constant tension control solution for the weft feeder based on neural network. Neural network is applied to the weft feeder control algorithm and weight distribution is adjusted in real time， so to improve system performance. Then， vector control is applied to motor control of the weft feeder to achieve a good motor control effect， and stable control of the yarn tension is finally realized. Tests show that the proposed yarn control solution has good real-time performance， precise and stable yarn tension control， and can effectively control the constant tension of the weft feeder.

Keywords： weft feeder; constant tension control; neural network

1? ?引言（Introduction）

儲(chǔ)緯器紗線張力控制是織機(jī)效率和織物質(zhì)量的關(guān)鍵因素，若張力過大則容易造成紗線斷裂，嚴(yán)重影響織造效率[1];如果張力過小，則會(huì)嚴(yán)重影響織物的平整。在噴水織機(jī)進(jìn)行織布的過程中紗線張力的波動(dòng)是不可避免的，為了使儲(chǔ)緯器的紗線張力波動(dòng)在合適的范圍內(nèi)保持平衡，達(dá)到紗線恒張力控制，保證織物質(zhì)量，文本提出了一種BP神經(jīng)網(wǎng)絡(luò)與PID控制相結(jié)合的方式實(shí)現(xiàn)儲(chǔ)緯器的恒張力控制器的設(shè)計(jì)，提高了儲(chǔ)緯器電機(jī)響應(yīng)速度，減小了張力波動(dòng)，保證了噴水織機(jī)高效高質(zhì)量地工作。

2? ?系統(tǒng)結(jié)構(gòu)（System structure）

儲(chǔ)緯器張力控制主要是為了使張力保持在合理的波動(dòng)范圍之內(nèi)，保證織造出高質(zhì)量的紡織品，比如在噴水織機(jī)上使用，使得織出來的布松緊均勻一致。如圖1所示為系統(tǒng)的主要結(jié)構(gòu)。要實(shí)現(xiàn)紗線的恒張力控制，需要對紗線進(jìn)行張力的測量、比較、反饋、調(diào)節(jié)，這個(gè)過程就需要合適的控制算法進(jìn)行張力的閉環(huán)控制。首先以張力傳感器將紗線張力轉(zhuǎn)化為電壓量，與紗線張力的設(shè)定值進(jìn)行比較，如果存在偏差，就需要控制系統(tǒng)進(jìn)行調(diào)節(jié)，這個(gè)過程中紗線張力要保持在較小的波動(dòng)范圍內(nèi)，以保證織物的質(zhì)量。張力控制CPU采用STM32103F[2]，對張力傳感器測得的電壓值進(jìn)行A/D轉(zhuǎn)換，同時(shí)控制電機(jī)轉(zhuǎn)速，采用液晶觸摸屏來實(shí)現(xiàn)人機(jī)交互。

3? ?紗線張力控制策略（Yarn tension control solution）

張力控制在紡織領(lǐng)域運(yùn)用非常廣泛，它直接決定了織物質(zhì)量的好壞。紗線張力經(jīng)常采用PID進(jìn)行閉環(huán)控制，PID控制器結(jié)構(gòu)簡單、容易實(shí)現(xiàn)的特點(diǎn)使得其應(yīng)用非常廣泛。根據(jù)紗線張力的設(shè)定值與測量值進(jìn)行比較，對紗線張力誤差進(jìn)行比例、積分、微分處理，然后控制器進(jìn)行張力控制。紗線張力PID控制數(shù)學(xué)表達(dá)式如下：

在本設(shè)計(jì)中使用其增量形式：

該控制方法需要對PID的參數(shù)進(jìn)行整定，由于神經(jīng)網(wǎng)絡(luò)算法在信號(hào)處理上取得不錯(cuò)的效果，本文中利用神經(jīng)網(wǎng)絡(luò)算法對信號(hào)處理的優(yōu)越性，以及神經(jīng)網(wǎng)絡(luò)的自適應(yīng)能力，采用神經(jīng)網(wǎng)絡(luò)進(jìn)行PID的參數(shù)整定。在該控制器上，主要使用BP神經(jīng)網(wǎng)絡(luò)加PID控制器來對儲(chǔ)緯器的紗線張力進(jìn)行處理。

神經(jīng)網(wǎng)絡(luò)算法目前是人工智能領(lǐng)域的研究熱點(diǎn)，是對動(dòng)物神經(jīng)網(wǎng)絡(luò)的抽象，大量神經(jīng)元按特定的方式進(jìn)行組合，而且按照一定的權(quán)重進(jìn)行賦值計(jì)算。在本次的控制器設(shè)計(jì)上，結(jié)合BP神經(jīng)網(wǎng)絡(luò)對張力PID控制器進(jìn)行參數(shù)整定，使得儲(chǔ)緯器的紗線張力控制波動(dòng)更小，儲(chǔ)緯器無刷直流電機(jī)響應(yīng)更快。從BP神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)而言，主要是由輸入層、隱含層和輸出層構(gòu)成，然后根據(jù)設(shè)定的張力和實(shí)際的紗線張力進(jìn)行比較，分析誤差調(diào)節(jié)神經(jīng)元之間的連接權(quán)值。主要分為兩個(gè)部分來完成，即信息前向傳播部分和誤差反向傳播部分，基于該BP神經(jīng)網(wǎng)絡(luò)算法設(shè)計(jì)了一款儲(chǔ)緯器張力控制器。

4? ?紗線恒張力控制器設(shè)計(jì)（Design of yarn constant tension controller）

根據(jù)紗線張力的設(shè)定值，對儲(chǔ)緯器進(jìn)行控制，對該控制器的3 個(gè)權(quán)值kp、ki、kd進(jìn)行整定，利用BP神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)該步驟。對于上述控制原理采用如圖2所示BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，輸入層為3 個(gè)節(jié)點(diǎn)，隱含層為6 個(gè)節(jié)點(diǎn)，輸出層為3 個(gè)節(jié)點(diǎn)[3]。

基于BP神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)的PID控制器，通過上位機(jī)輸入紗線的張力值，張力傳感器測量紗線的張力，并且與設(shè)定的值進(jìn)行比較和反饋。在紗線張力的調(diào)節(jié)過程中，需要在得到張力實(shí)際值和實(shí)現(xiàn)儲(chǔ)緯器電機(jī)的控制前提下進(jìn)行紗線張力的恒張力調(diào)節(jié)。將紗線實(shí)際值與設(shè)定值進(jìn)行比較，若張力過大就說明張力過緊，控制器加快儲(chǔ)緯器電機(jī)轉(zhuǎn)速，使得儲(chǔ)緯器上的紗線放松一些，降低紗線張力;反之，當(dāng)張力太小的時(shí)候，紗線則過松。結(jié)合BP神經(jīng)網(wǎng)絡(luò)和PID設(shè)計(jì)了該BP神經(jīng)網(wǎng)絡(luò)的PID控制器，如圖3所示。

5? 儲(chǔ)緯器電機(jī)的矢量控制（Vector control of the weft feeder motor）

在BP神經(jīng)網(wǎng)絡(luò)的PID控制器設(shè)計(jì)中，實(shí)際的控制對象為儲(chǔ)緯器的電機(jī)，儲(chǔ)緯器中的轉(zhuǎn)子一共有兩對磁極，該電機(jī)氣隙分布均勻，具有功率因數(shù)高和損耗小的優(yōu)點(diǎn)。儲(chǔ)緯器電機(jī)的矢量控制主要基于三種坐標(biāo)系，由此構(gòu)成了abc三相坐標(biāo)系[4]，該三相坐標(biāo)系不易計(jì)算與控制，為了簡化該過程，將其簡化成兩相旋轉(zhuǎn)坐標(biāo)系，步驟主要分為Clark變換與Park變換。

5.1? ?Clark變換

Clark變換三相靜止坐標(biāo)系的電流表達(dá)式為：

其中，分別指的是三相電子的瞬間電流，Imax指三相電流幅值，指的是瞬時(shí)角速度[5]。

三相靜止坐標(biāo)系的進(jìn)一步推導(dǎo)如下：

轉(zhuǎn)化為矩陣為：

示意圖如圖4所示。

5.2? ?Park變換

Park變換表達(dá)式為：

示意圖如圖5所示。

基于紗線非線性、不能進(jìn)行過張力調(diào)節(jié)的特點(diǎn)，儲(chǔ)緯器電機(jī)控制的基本要求是精確控制轉(zhuǎn)矩，需要實(shí)現(xiàn)電機(jī)的快速響應(yīng)，以及紗線的波動(dòng)范圍很小。根據(jù)此需求以及儲(chǔ)緯器的實(shí)際控制方式，本文采用永磁同步電機(jī)=0的控制方式。該控制方法電機(jī)效率高，產(chǎn)出的轉(zhuǎn)矩也很大，主要是由三個(gè)閉環(huán)控制嵌套，最外環(huán)為紗線的張力環(huán)，中間是速度環(huán)，最內(nèi)部為電流環(huán)。張力環(huán)基于輸入的紗線張力期望值和實(shí)際的張力測量值[6]，根據(jù)公式計(jì)算出電機(jī)的目標(biāo)速度，再根據(jù)傳感器的位置檢測，以及目標(biāo)速度和實(shí)際速度進(jìn)行速度環(huán)調(diào)節(jié)。儲(chǔ)緯器紗線的恒張力控制流程圖如圖6所示。

6? 實(shí)驗(yàn)結(jié)果與分析（Experimental results and analysis）

本文搭建了如圖7所示的平臺(tái)驗(yàn)證該控制方法的可靠性，使用兩個(gè)儲(chǔ)緯器和噴水織機(jī)進(jìn)行測試，使用Linux工控屏作為系統(tǒng)的上位機(jī)，控制實(shí)驗(yàn)平臺(tái)的運(yùn)行。比較基于神經(jīng)網(wǎng)絡(luò)的儲(chǔ)緯器恒張力控制策略與傳統(tǒng)的控制策略，得到如圖8所示的實(shí)驗(yàn)數(shù)據(jù)，證明BP神經(jīng)網(wǎng)絡(luò)的控制方法與傳統(tǒng)的控制方法相比較，其響應(yīng)速度更快，波動(dòng)更小。

7? ?結(jié)論（Conclusion）

將BP神經(jīng)網(wǎng)絡(luò)與PID控制器相結(jié)合的方式能夠有效地實(shí)現(xiàn)儲(chǔ)緯器的恒張力控制[7]，實(shí)驗(yàn)結(jié)果表明，該控制方法穩(wěn)定性更好，紗線的張力波動(dòng)更小，儲(chǔ)緯器電機(jī)的響應(yīng)速度更快。本文的控制方法比傳統(tǒng)的控制系統(tǒng)在響應(yīng)速度和控制精度上都有明顯提升，紗線的過張力以及斷線概率也大大降低，這種基于神經(jīng)網(wǎng)絡(luò)的儲(chǔ)緯器紗線的恒張力控制策略為紗線的張力控制提供了參考[8]。

參考文獻(xiàn)（References）

[1] 鐘開鋒.基于矢量控制的電子儲(chǔ)緯器研制[D].杭州：杭州電子科技大學(xué)，2017.

[2] 沈之遠(yuǎn).基于無刷直流電機(jī)的電子儲(chǔ)緯器系統(tǒng)研究[D].金華：浙江師范大學(xué)，2015.

[3] 王廷周.電子儲(chǔ)緯器的緯紗實(shí)時(shí)檢測系統(tǒng)研究[D].金華：浙江師范大學(xué)，2015.

[4] 趙亮.基于神經(jīng)網(wǎng)絡(luò)的無刷直流電機(jī)控制系統(tǒng)設(shè)計(jì)[J].內(nèi)燃機(jī)與配件，2019（06）：78-80.

[5] 楊瑞鋒.基于模糊神經(jīng)網(wǎng)絡(luò)的無刷直流電機(jī)控制系統(tǒng)[J].電腦知識(shí)與技術(shù)，2016，12（17）：185-187.

[6] 陳天炎，陳琦，張靜，等.機(jī)械臂系統(tǒng)自組織模糊徑向基神經(jīng)網(wǎng)絡(luò)控制器設(shè)計(jì)[J].軟件工程，2020，23（12）：12-14.

[7] LI S J， WANG F， CHEN W， et al. Application of three dimensional （3D） curved multi-planar reconstruction images in 3D printing mold assisted eyebrow arch keyhole microsurgery[J]. Brain and Behavior， 2020，10（03）：10-16.

[8] 鄭舟. 噴氣織機(jī)儲(chǔ)緯器控制系統(tǒng)研制[D].杭州：浙江理工大學(xué)，2011.

作者簡介：

王凱旋（1996-），男，碩士生.研究領(lǐng)域：智能裝備與物聯(lián)網(wǎng)技術(shù).

彭來湖（1980-），男，博士，講師.研究領(lǐng)域：智能裝備與嵌入式控制技術(shù)，工業(yè)互聯(lián)網(wǎng)通信.

胡旭東（1959-），男，博士，教授.研究領(lǐng)域：現(xiàn)代紡織裝備及控制技術(shù)，紡織裝備互聯(lián)互通，智能紡織裝備，機(jī)電控制及其自動(dòng)化.