紗線張力控制器的設計

張 楠,景軍鋒,蘇澤斌

(西安工程大學 電子信息學院,陜西 西安 710048)

?

紗線張力控制器的設計

張 楠,景軍鋒,蘇澤斌

(西安工程大學 電子信息學院,陜西 西安 710048)

針對紡織過程中紗線張力波動問題,設計一種紗線張力控制器,并介紹其軟硬件設計方案．該控制器在STM32硬件平臺基礎上,基于BP神經網絡的自適應PID技術控制電機的加減速，恒定紗線的實時張力．仿真結果表明,基于BP神經網絡PID控制效果優(yōu)于常規(guī)PID,具有響應速度快、超調量小、魯棒性強等優(yōu)點．

紗線張力;BP神經網絡;PID;STM32

0 引 言

紡織行業(yè)一直在國民經濟中占有重要地位,尤其在改革開放以來,紡織業(yè)飛速發(fā)展．提高紡織品質量和產量的一個重要措施就是提高紗線的成型質量,而紗線張力是影響紗線成型質量的關鍵參數(shù)．當張力過小時,紗線卷繞過程中容易產生脫圈、紗筒容量小等問題;當張力過大時,容易導致紗線分子結構改變,影響后續(xù)的染色,甚至會出現(xiàn)斷紗現(xiàn)象．所以,在實際紗線絡筒卷繞過程中,當紗線張力波動過大,則需要恒定張力,使其接近預設值．隨著經濟條件的改善,消費者對織物的質量要求越來越高,促使廠商在生產的過程中對紗線張力的要求也變得越來越高．因此,張力的有效控制直接與生產效率息息相關[1]．

文獻[2]介紹了一種紗線張力控制方案,該方案采用主動退繞式張力產生結構,運用模糊 PID 控制算法,實現(xiàn)紗線張力的恒定;文獻[3]提出一套新的系統(tǒng)結構,增加PC端監(jiān)控程序,使用帶死區(qū)的PID控制算法實現(xiàn)紗線張力的恒定．但是該設備安裝相對復雜,成本較高,張力恒定時間過長,降低紗線的生產率．

目前,國際市場上普遍受歡迎的紗線張力控制設備主要有有日本村田公司、德國賜來福公司、意大利 BTSR 等廠家生產的紗線檢測控制一體化設備[4]．以意大利BTSR為例,該公司推出一款Winding Feeder紗線控制系統(tǒng),該系統(tǒng)以一套創(chuàng)新性理念將紗線裝置和恒張力控制結合在一起．系統(tǒng)的本質利用紗線與導紗輪之間的摩擦力調節(jié)紗線張力,但是長時間的摩擦會導致紗線產生毛羽,甚至發(fā)熱斷裂,從而降低了紗線的品質[5-6]．國內從事生產紗線張力控制系統(tǒng)的廠家相對較少,具有代表性的有青島宏大紡織機械有限責任公司,該公司生產的一款名為SMARO的自動絡筒機,采用電磁加壓的方式控制張力的波動,同時還增加一個氣圈破裂器,從一定程度上減少氣圈對紗線張力的影響．相比國內產品,國外產品的設備售價普遍較高,這大大增加國內的中小紗線生產廠商的成本[7]．

因此,本文提出一種以基于BP神經網絡的自適應PID技術控制電機的短時加減速過程來實現(xiàn)張力調節(jié)的控制器,不僅結構簡單,同時也降低硬件成本．通過軟件設置,一套控制設備可以控制檢測多路的紗線張力,對應的端口輸出驅動多個電機,不論在自動絡筒機、加彈機還是輸紗器中,都可以用來恒定紗線的實時張力,生產高質量的紗線．

1 工作原理及硬件結構設計

1.1 工作原理

紗線在運行過程中,張力會不斷地波動,有時會產生峰值,超出紗線制作工藝可接受的張力波動范圍．同時,紗線張力傳感器不斷采集當前的張力值，通過LCD顯示器顯示出實時張力數(shù)據．當張力值過大或過小時,系統(tǒng)會改變PWM的占空比,調整電機的加減速,直到張力達到一個恒定范圍的張力狀態(tài)．如果發(fā)生斷紗現(xiàn)象,電機立刻停止運行．系統(tǒng)工作原理如圖1所示．

1.2 張力傳感器

目前各種紗線張力測試方法基本原理類似,如圖2所示．

圖 1 工作原理圖 圖 2 傳感器原理示意圖Fig.1 Principle diagram Fig.2 Sensor principle diagram

將張力變化信號傳輸至敏感原件,轉換原件將其轉換為檢測裝置所能接收識別的電子信號,對其進行后續(xù)處理[8]．目前市場上常用的張力傳感器中接觸式的居多,其中應用最廣的是三輥式電阻應變電橋的測試方法[9-10]．三輥式紗線張力傳感器的中間輥是傳感器所在的測量輥,兩端是普通的輔助輥,待測紗線繞于其上．電阻式張力傳感器的特點適用于測試位移變化較小的工作場合,具有環(huán)境適應性強、精度高、價格低廉等優(yōu)點．因此,這種張力傳感器被普遍用于各個紡織環(huán)節(jié)中的紗線張力檢測[11]．

圖 3 硬件結構框圖Fig.3 Hardware structure diagram

1.3 硬件結構

紗線張力控制器的硬件結構主要包括張力傳感器、變送器、AD轉換模塊、LED報警、LCD顯示模塊等，硬件結構框圖如圖3所示．(1)控制器產生的PWM波經前級隔離放大驅動伺服電機的運行；(2)按鍵初始標定設置張力的設定值與零值；(3)12位的AD轉換模塊,可以實現(xiàn)對張力傳感器模擬信號的數(shù)字轉換；(4)LCD實時顯示當前的張力值和速度值；(5)處理器采用ST公司32位ARM Cortex-M3內核微處理器,時鐘頻率達72MHz,內部集成PWM控制器以及常用的SSI、I2C、UART通信接口[12]；(6)LED報警電路的設計采用晶體管放大電路,控制器I/O口通過改變輸入輸出狀態(tài)進行報警; (7)市場上大部分張力傳感器的輸出是4～20mA的國際標準電流,因此,使用變送器將其轉換為0～3.3V的電壓,以便控制器的處理．

圖 4 系統(tǒng)軟件流程圖Fig.4 System software diagram

1.4 軟件設計

系統(tǒng)的軟件設計方案包括以下內容:(1)硬件初始化,對系統(tǒng)需要的功能模塊進行配置[13];(2)進入系統(tǒng)主時序控制,輸出初始PWM以驅動電機;(3)張力傳感器輸出的同時,啟動ADC采樣;(4)對每50個AD值保存并求取其平均值,以此類推,新的一組值將代替舊值不斷進行處理;(5)每隔500ms實現(xiàn)一次張力均值的顯示,同時顯示當前電機轉速;(6)通過與設定值的比較判斷當前紗線的張力,如果波動值變大或者變小且超過可接受時間,系統(tǒng)將重新改變當前PWM占空比,對電機進行調速,直到紗線張力回歸到可接受范圍;(7)如果出現(xiàn)斷紗現(xiàn)象,PWM占空比變?yōu)?,此時停止電機運轉并進行燈光報警．軟件流程圖如圖4所示．

2 電機控制方案

選用基于BP神經網絡的自適應PID算法來控制電機的加減速運轉．該算法具有逼近任意非線性函數(shù)的能力,并且算法結構相對簡單明確．利用BP神經網絡自身的學習訓練,找到最適合的PID控制參數(shù)[14]．

基于BP神經網絡的PID控制結構如圖5所示．控制器由以下2部分組成:(1)經典的PID控制器;(2)BP神經網絡:根據系統(tǒng)實時運行狀態(tài),通過網絡自身的學習訓練,輸出對應于PID的比例(kp)、積分(ki)、微分(kd)參數(shù)．神經網絡通過自身調整加權系數(shù),從而使其穩(wěn)定運行于某種最優(yōu)控制下的PID的控制器參數(shù)[15]．經典的數(shù)字PID的算式為

u(k)=u(k-1)+kp(e(k)-e(k-1))+ki(k)+kd(e(k)-2e(k-1)+e(k-2)).

(1)

同時可將式(1)表達為

u(k)=f[u(k-1),kp,ki,kd,e(k),e(k-1),e(k-2)].

(2)

其中:u(k-1)為k-1時刻的輸出;e(k)為誤差輸入．通過BP神經網絡的訓練和學習找到這樣一個最佳參數(shù)組合來優(yōu)化系統(tǒng)．

設BP神經網絡采用3層BP結構,其結構如圖6所示.它有4個輸入節(jié)點,5個隱含節(jié)點,3個輸出節(jié)點．不同的系統(tǒng)復雜度,對應的輸入變量的個數(shù)也不同[16]．輸出節(jié)點分別對應PID控制器的3個參數(shù)比例(kp)、積分(ki)、微分(kd)．并且由于該參數(shù)不能為負,所以輸出層神經元活化函數(shù)取非負的Sigmoid函數(shù)[17]．

圖 5 BP-PID控制結構 圖 6 BP神經網絡結構圖Fig.5 BP-PID control structure Fig.6 The BP neural network structure

圖6中神經網絡的輸入、輸出設為

(3)

其中,將網絡的輸入變量作為控制器的輸入,即

(4)

網絡隱含層的輸入、輸出為

(5)

網絡輸出層的輸入、輸出為

(6)

取性能指標函數(shù)為

(7)

按照梯度下降法修正網絡的加權系數(shù)[18],即按E(k)對加權系數(shù)的負梯度方向搜索調整,并附加一個使搜索快速收斂全局極小的慣性項,則有

(8)

其中：η為學習率；α為慣性系數(shù)．由以式(8)得,BP神經網絡輸出層的加權系數(shù)學習算法為

(9)

網絡隱含層的加權系數(shù)學習算法為

(10)

綜上所述,基于BP網絡的PID控制器控制算法實現(xiàn)步驟如下:(1) 選取合適的網絡結構,確定各層加權系數(shù)的初始值,學習率η以及慣性系數(shù)γ[18];(2) 獲取張力初始時刻的輸入輸出值,計算此時誤差;(3) 對各項輸入進行歸一化處理．(4) PID控制器輸出u(k);(5) 在線調整加權系數(shù),實現(xiàn)PID控制參數(shù)的自適應調整.

3 仿真實驗結果

通過Matlab軟件對常規(guī)PID和基于BP神經網絡PID進行仿真實驗．輸入為階躍函數(shù)，輸出為其達到穩(wěn)定狀態(tài)的變化值.當輸出為1時，表示系統(tǒng)達到穩(wěn)定狀態(tài).仿真曲線如圖7,8所示．

(a) 常規(guī)PID (b) BP神經網絡PID圖 7 仿真曲線Fig.7 The simulation curve

圖 8 BP神經網絡PID參數(shù)整定Fig.8 BP neural network tuning PID parameters

從圖7可以看出,基于BP神經網絡 PID 控制比常規(guī)PID控制的調節(jié)時間縮短了約10%,超調量也較小,暫態(tài)過程中只有一次震蕩．通過圖8可以看出,基于BP神經網絡PID控制器的參數(shù)整定在15.2s之前完成．

4 結束語

提出一種紗線恒張力控制器的設計方案,該設計方案的安裝與控制過程相對便捷．通過控制電機的加減速來恒定紗線的實時張力,避免紗線與設備之間的摩擦,提高了紗線的質量．同時,選用基于BP神經網絡的自適應PID算法來控制紗線張力的波動規(guī)律.該方法可以在線自整定控制參數(shù),響應速度快,魯棒性較強,具有很好的環(huán)境適應性．

[1] 熊秋元,高曉平.紗線張力檢測與控制技術的研究現(xiàn)狀與展望[J].棉紡織技術,2011,39(6):65-68.

XIONG Qiuyuan,GAO Xiaoping.Current situation and outlook of yarn tension measurement and control technology[J].Cotton Textile Technology,2011,39(6):65-68.

[2] 韓帥,狄士春,楊俊杰.嵌入式紗線張力控制系統(tǒng)設計[J].機械設計與制造,2015(8):140-142.

HAN Shuai,DI Shichun,YANG Junjie.Design of embedded yarn tension control system [J].Machinery Design & Manufacture,2015(8):140-142.

[3] 黃健.紗線張力控制系統(tǒng)的設計與實現(xiàn)[D].杭州:杭州電子科技大學,2014:10-11.

HUANG Jian.Design and realize of the control system for yarn tension[D].Hangzhou:Hangzhou University of Electronics & Science,2014:10-11.

[4] VASCONCELOS F B D,MARCICANO J P P,SANCHES R A.Influence of yarn tension variations before the positive feed on the characteristics of knitted fabrics[J].Textile Research Journal,2015,85(17):1864-1871.

[5] 李麗君,崔鴻鈞.Auto coner338自動絡筒機均勻紗線張力的措施[J].現(xiàn)代紡織技術,2001,9(3):18-20.

LI Lijun,CUI Hongjun.Measures to make the yarn tension uniform on auto coner 338 winder[J].Advanced Textile Technology,2001,9(3):18-20.

[6] 張水英,馬也馳.Autoconer 5自動絡筒機中的現(xiàn)代電子技術[J].現(xiàn)代電子技術,2014,37(22):108-110.

ZHANG Shuiying,MA Yechi.Modern electronic technology used in Autoconer 5 automatic winders[J].Modern Electronics Technique,2014,37(22):108-110.

[7] 劉行,繆旭紅,趙帥權.紗線張力測試方法研究進展[J].棉紡織技術,2015,43(1):78-82.

LIU Xing,MIAO Xuhong,ZHAO Shuaiquan.Research progress of yarn tension test method[J].Cotton Textile Technology,2015,43(1):78-82.

[8] 陳振,梅順齊,李臻.基于MATLAB圖像處理技術的紗線氣圈張力測量方法研究[J].紡織科技進展,2015(3):18-21.

CHEN Zhen,MEI Shunqi,LI Zhen.Research on the measurement method of the yarn balloon tension based on MATLAB image processing technology[J].Progress in Textile Science & Technology,2015(3):18-21.

[9] 王光武,林富生,彭蒙.一種多層織機經紗張力補償裝置的設計[J].機電產品開發(fā)與創(chuàng)新,2014,27(6):38-39.

WANG Guangwu,LIN Fusheng,PENG Meng.Design of a multilayer warp tension compensation device[J].Development & Innovation of Machinery & Electrical Products,2014,27(6):38-39.

[10] 蘇中華,于翔,高正源,等.電子玻纖拉絲張力及毛羽影響因素[J].玻璃鋼/復合材料,2014(3):58-60.

SU Zhonghua,YU Xiang,GAO Zhengyuan，et al.Drawing rension and filoplume influencing factor of e-glass fiber[J].Fiber Reinforced Plastics/Composites,2014(3):58-60.

[11] 付天亮,韋云松,王昭東,等.鋁帶氣墊式熱處理線張力控制系統(tǒng)研究[J].鋁加工,2015(2):4-10.

FU Tianliang,WEI Yunsong,WANG Zhaodong，et al.Research on tension control system for aluminum strip air-cushion heat treatment line[J].Aluminium Fabrication,2015(2):4-10.

[12] 劉潔,魏金成,伍林.基于模糊神經網絡PID的線切割張力控制系統(tǒng)的分析[J].制造業(yè)自動化,2015,37(1):71-73.

LIU Jie,WEI Jincheng,WU Lin.Analysis of tension control system for cutting based on the fuzzy neural network with PID[J].Manufacturing Automation,2015,37(1):71-73.

[13] 林君煥,陳月芬,金建華.多線切割機恒張力控制系統(tǒng)研究[J].系統(tǒng)仿真技術,2015,11(3):224-230.

LIN Junhuan,CHEN Yuefen,JIN Jianhua.Research on constant tension control system for multi-wire saw[J].System Simulation Technology,2015,11(3):224-230.

[14] 楊藝,虎恩典.基于S函數(shù)的BP神經網絡PID控制器及Simulink仿真[J].電子設計工程,2014,22(4):29-31.

YANG Yi,HU Endian.Simulink simulation of BP neural network PID controller based on S-function[J].Electronic Design Engineering,2014,22(4):29-31.

[15] 蔣鼎國.基于改進型BP神經網絡PID控制器的溫室溫度控制技術[J].實驗室研究與探索,2015,34(1):9-13.

JIANG Dingguo.The temperature control of greenhouse based on novel PID controller[J].Research and Exploration in Laboratory,2015,34(1):9-13.

[16] 段艷明.基于PSO算法和BP神經網絡的PID控制研究[J].計算機技術與發(fā)展,2014,24(8):238-241.

DUAN Yanming.Research of PID control based on BP neural network and PSO algorithm[J].Computer Technology and Development,2014,24(8):238-241.

[17] 劉曉冬,張海,龐福.基于BP神經網絡的礦井提升機自適應PID控制器研究[J].煤礦機械,2014,35(7):171-173.

LIU Xiaodong,ZHANG Hai,PANG Fu.Adaptive PID controller research of mine hoist based on BP neural network[J].Coal Mine Machinery,2014,35(7):171-173.

[18] 張文興.基于BP神經網絡的模糊PID控制器的設計[J].電子世界,2014(15):131,134.

ZHANG Wenxing.Design of fuzzy PID controller based on BP neural network[J].Electronics World,2014(15):131,134.

編輯、校對：孟 超

Design of yarn tension controller

ZHANG Nan, JING Junfeng,SU Zebin

(School of Electronics and Information, Xi′an Polytechnic University, Xi′an 710048, China)

In view of the problem of the yarn tension fluctuation in textile process,a yarn tension controller is designed,and the controller hardware and software design scheme is introduced.The adaptive PID technology based on BP neural network is applied to control the constant yarn tension of the acceleration and deceleration of the motor based on the hardware platform of STM32.The simulation results show that the BP neural network PID control effect is better than conventional PID,and it has fast response, less overshoot and robustness etc.

yarn tension; BP neural network; PID; STM32

1674-649X(2016)04-0446-06

10.13338/j.issn.1674-649x.2016.007

2016-03-10

國家自然科學基金資助項目(61301276);陜西省教育廳產業(yè)化培育資助項目(2011JG18);西安工程大學學科建設經費資助項目(107090811)

景軍鋒(1978—),男,陜西省澄城縣人,西安工程大學副教授,博士,研究方向為工業(yè)檢測、圖像處理與模式識別等．E-mail:jingjunfeng0718@sina.com

張楠,景軍鋒,蘇澤斌.紗線張力控制器的設計[J].西安工程大學學報，2016，30(4)：446-451.

ZHANGNan,JINGJunfeng,SUZebin.Designofyarntensioncontroller[J].JournalofXi′anPolytechnicUniversity,2016，30(4)：446-451.

TS

A