基于神經(jīng)網(wǎng)絡(luò)的卷染機(jī)控制系統(tǒng)設(shè)計(jì)

魏苗苗， 劉洲峰

(中原工學(xué)院 電子信息學(xué)院， 河南 鄭州 450007)

布卷張力的變化和卷軸速度的波動(dòng)會(huì)引起染色不勻，影響卷染機(jī)染色質(zhì)量。因此，在卷染過程中，保證布卷張力和卷軸速度恒定是卷染機(jī)控制系統(tǒng)設(shè)計(jì)中一項(xiàng)十分重要的工作[1-2]。傳統(tǒng)的卷染機(jī)多采用雙直流電機(jī)進(jìn)行控制，但是其對(duì)布卷張力和卷軸速度的控制難以達(dá)到預(yù)期效果[3-6]，此外，在高溫高壓環(huán)境下，機(jī)器的腐蝕速率會(huì)加快，因此傳統(tǒng)的依靠傳感器進(jìn)行布卷張力和卷軸速度調(diào)節(jié)的控制系統(tǒng)已經(jīng)不適用[7]。

本文采用交流變頻調(diào)速傳動(dòng)系統(tǒng)，并輔以智能控制算法，進(jìn)行卷染機(jī)控制系統(tǒng)設(shè)計(jì)。該控制系統(tǒng)可以有效控制高溫高壓環(huán)境下卷染機(jī)的染色過程。

1 傳統(tǒng)PID控制算法

目前，基于PID算法的自動(dòng)控制系統(tǒng)因其結(jié)構(gòu)簡單、控制方便而在大多數(shù)工業(yè)生產(chǎn)中得到廣泛的應(yīng)用，該類控制算法包括比例、積分與微分3類控制分量[8-11]。PID控制器是將預(yù)先設(shè)定值與實(shí)際輸出值的差值的比例、積分和微分的線性組合作為綜合控制量對(duì)被控對(duì)象進(jìn)行控制，算法的具體原理如圖1所示。

圖1 PID算法原理圖[9]

在PID控制系統(tǒng)的使用過程中，PID控制算法的參數(shù)確定是難點(diǎn)。在實(shí)際應(yīng)用中，這些參數(shù)會(huì)受具體工作環(huán)境的影響，使得傳統(tǒng) PID控制器存在參數(shù)粗糙、適應(yīng)性差和控制效果欠佳等問題，難以適應(yīng)復(fù)雜的工況。針對(duì)這一問題，本文采用基于逆向反饋(Back Propagation, BP)神經(jīng)網(wǎng)絡(luò)[12]的PID控制算法來實(shí)現(xiàn)對(duì)高溫高壓下卷染機(jī)張力和速度的控制。

2 基于BP神經(jīng)網(wǎng)絡(luò)的PID控制器

針對(duì)PID控制算法存在的問題，本文利用BP神經(jīng)網(wǎng)絡(luò)對(duì)PID算法的參數(shù)進(jìn)行自適應(yīng)確定。算法的核心思想是，利用BP神經(jīng)網(wǎng)絡(luò)的多次反饋迭代過程，通過神經(jīng)網(wǎng)絡(luò)良好的特征提取能力對(duì)PID控制參數(shù)(比例KP、積分KI和微分參數(shù)KD)進(jìn)行調(diào)整以逼近最優(yōu)的控制效果?？刂破鹘Y(jié)構(gòu)如圖 2所示。

圖2 基于逆向反饋神經(jīng)網(wǎng)絡(luò)的PID控制器結(jié)構(gòu)圖[13]

本控制系統(tǒng)仍然采用以PID算法為核心的交流變頻控制器對(duì)速度和張力進(jìn)行控制，但對(duì) PID 的3個(gè)參數(shù)(比例 、積分和微分)的調(diào)整卻是利用逆向反饋神經(jīng)網(wǎng)絡(luò)來實(shí)現(xiàn)的。利用神經(jīng)網(wǎng)絡(luò)的迭代學(xué)習(xí)能力對(duì)控制算法的參數(shù)進(jìn)行更為精準(zhǔn)和細(xì)化的調(diào)整，以期逼近最優(yōu)控制參數(shù)組合。三層結(jié)構(gòu)逆向反饋神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)圖如圖3所示。

圖3 三層神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖

圖3中，隱層的輸入由輸入層的輸入和偏置信息之和構(gòu)成。將相鄰兩層之間的權(quán)值作為對(duì)輸入序列進(jìn)行加權(quán)的權(quán)向量，對(duì)應(yīng)公式為：

(1)

式(1)中，i表示輸入層神經(jīng)元編號(hào)(最大值為M)，代表隱層神經(jīng)元；x表示各層輸入序列；w表示相鄰兩層間的權(quán)向量；上標(biāo)表示對(duì)應(yīng)層，上標(biāo)(1)表示輸入層，上標(biāo)(2)表示隱層。設(shè)隱層神經(jīng)元的激活函數(shù)為：

(2)

那么隱層的輸出應(yīng)為：

(3)

這樣最終輸出層的輸入為：

(4)

其中Q為隱層神經(jīng)元的個(gè)數(shù)；上標(biāo)(3)表示輸出層。

設(shè)輸出層神經(jīng)元的激活函數(shù)為：

(5)

這樣輸出層的輸出為：

(6)

則輸出層所有輸出為：

(7)

輸出層3個(gè)輸出分別對(duì)應(yīng)PID算法的比例參數(shù)(KP)、積分參數(shù)(KI)和微分參數(shù)(KD)。 本系統(tǒng)的性能指標(biāo)函數(shù)選取為：

(8)

根據(jù)BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法對(duì)各層權(quán)值進(jìn)行調(diào)整。 輸出層將計(jì)算出的性能指標(biāo)誤差傳遞到隱層權(quán)值的公式為：

(9)

式(9)中，η表示神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)速率；α表示控制系統(tǒng)慣性系數(shù)。由基于逆向反饋神經(jīng)網(wǎng)絡(luò)的PID算法方程可以推得：

(10)

同時(shí)可知：

(11)

這樣就可以獲得：

(12)

其中：

(13)

繼續(xù)分析，可以得到隱層加權(quán)系數(shù)的調(diào)整迭代公式為：

(14)

(15)

算法的具體實(shí)現(xiàn)步驟為：

(1)根據(jù)控制系統(tǒng)設(shè)計(jì)要求，設(shè)置逆向反饋神經(jīng)網(wǎng)絡(luò)的層數(shù)M、每層神經(jīng)元個(gè)數(shù)Q以及神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)速率η和系統(tǒng)的慣性系數(shù)α。

(3)計(jì)算控制偏差e(k)=r(k)-y(k)，其中r(k)、y(k)分別為r(t)和y(t)的時(shí)刻采樣值。

(4)計(jì)算逆向反饋神經(jīng)網(wǎng)絡(luò)各層的輸入和輸出值。

(5)根據(jù)輸出層的3個(gè)輸出值(KP、KI和KD)和偏差e(k)計(jì)算控制輸出u(k)=u(k-1)+KP[e(k)-e(k-1)]+KIe(k)+KD[e(k)-2e(k-1)+e(k-2)]。

(7)更新輸出值KP、KI和KD。

3 測試結(jié)果

測試內(nèi)容包括兩個(gè)方面：一是張力變化情況，二是卷速變化情況。圖4為卷染機(jī)工作過程張力變化曲線圖。

圖4 卷染機(jī)工作過程張力變化曲線

從圖4可以看出，張力變化過程包括4個(gè)階段：加速階段、擺動(dòng)階段、減速階段和停止階段。其中OA段為加速階段，時(shí)長設(shè)為8 s；張力變化范圍為19.6～39.2 N；超調(diào)量為5%；卷軸速度為0～100 m/min；加速階段所用布長為6.6 m；在6.6 m布長上的張力變化為5%。擺動(dòng)階段是指OC整段，由加速OA、勻速AB和減速BC 3個(gè)階段組成。此外，CD段為停止段，DE段為加速段。由于卷染過程中勻速運(yùn)行是主要運(yùn)行狀態(tài)，因此本文主要考察勻速運(yùn)行過程中實(shí)際測得的張力和速度數(shù)據(jù)。

本文在放卷一側(cè)進(jìn)行張力檢測，在收卷一側(cè)進(jìn)行速度檢測。由于放卷側(cè)初始卷徑在測量時(shí)未受卷軸張力的影響，因此卷徑不發(fā)生變化，從而不會(huì)對(duì)卷軸卷染速度產(chǎn)生影響。而收卷側(cè)因受張力影響而使布的厚度發(fā)生變化，從而使卷徑變小，所以會(huì)影響卷軸卷染速度，一般情況下，在進(jìn)行恒速度恒張力設(shè)計(jì)時(shí)會(huì)通過設(shè)置補(bǔ)償系數(shù)來削弱這一影響。表1列出了勻速運(yùn)行情況下卷染機(jī)的張力和速度的設(shè)定和實(shí)測結(jié)果，根據(jù)表1可得出張力控制誤差在0.7%以內(nèi)，速度控制誤差在0.6%以內(nèi)。由此可見，雖然補(bǔ)償后仍然有誤差，但是誤差較小可以達(dá)到用戶的使用要求。

表1 設(shè)定和測試數(shù)據(jù)

4 結(jié) 語

張力和速度控制是影響織物染色質(zhì)量的關(guān)鍵。本文選擇基于BP神經(jīng)網(wǎng)絡(luò)的改進(jìn)PID控制算法，對(duì)PID參數(shù)進(jìn)行自適應(yīng)調(diào)整。通過實(shí)際測試結(jié)果可知，在卷染過程中，改進(jìn)的控制系統(tǒng)可以有效地實(shí)現(xiàn)恒速恒張力控制。

[1] 劉秉亮.卷染機(jī)恒線速度控制系統(tǒng)設(shè)計(jì)[D].濟(jì)南：山東大學(xué),2005.

[2] 文貝.雙變頻卷染機(jī)控制系統(tǒng)的設(shè)計(jì)[D].杭州：浙江理工大學(xué),2016.

[3] 梁逸敏,陳棟,壯炳良.卷染機(jī)智能化控制系統(tǒng)設(shè)計(jì)與應(yīng)用[J].輕紡工業(yè)與技術(shù),2016,45(04):5-7.

[4] 盛衛(wèi)鋒,王小偉.卷染機(jī)中央控制系統(tǒng)[J].電子設(shè)計(jì)工程,2015,23(05):97-100.

[5] 梁逸敏,陳棟,壯炳良.ZHGR1800S型雙變頻自動(dòng)卷染機(jī)控制系統(tǒng)[J].山東紡織經(jīng)濟(jì),2016(07):39-40,35.

[6] 陳璐露.基于TMS320F2812的紡織印染中心卷繞功能自適應(yīng)同步控制的研究[D].武漢：武漢紡織大學(xué),2016.

[7] 江明,王龍明,陳躍東.基于PLC的交流變頻調(diào)速控制高溫高壓卷染機(jī)研制[J].機(jī)電工程,2003(02):27-30.

[8] 楊驍.基于自適應(yīng)PID算法的軋染機(jī)恒張力控制系統(tǒng)研究[D].遼寧：遼寧工業(yè)大學(xué), 2014.

[9] 劉迪,李巖,張大為.一種改進(jìn)型自適應(yīng)PID控制算法的仿真與研究[J].儀表技術(shù),2014(03):50-51,54.

[10] 何軍紅,尹旭佳,史常勝.PID控制算法在西門子PLC中編程及55實(shí)現(xiàn)[J].工業(yè)儀表與自動(dòng)化裝置,2012(05):79-82.

[11] 郭昌,高清維,崔桂梅.模糊PID控制算法在變頻調(diào)速中的新應(yīng)用[J].電機(jī)與控制應(yīng)用,2011,38(08):19-22.

[12] 劉迪.基于神經(jīng)網(wǎng)絡(luò)的PID控制算法[D].哈爾濱：黑龍江大學(xué),2008.

[13] Kang W N, Chu T, Zhao H X. The Design of Constant Tension System Basedon BP Neural Network PID Control[J]. Scientific Journal of Control Engineering,2014,4(2)：58-63.