魯 喜， 楊建成

(1. 天津工業(yè)大學(xué) 機(jī)械工程學(xué)院， 天津 300387； 2. 天津市現(xiàn)代機(jī)電裝備技術(shù)重點(diǎn)實(shí)驗(yàn)室， 天津 300387；3. 天津市機(jī)械基礎(chǔ)及紡織裝備設(shè)計(jì)虛擬仿真實(shí)驗(yàn)教學(xué)中心， 天津 300387)

用于碳纖維織物的多層織機(jī)經(jīng)紗張力檢測(cè)方法

魯 喜1,2,3， 楊建成1,2,3

(1. 天津工業(yè)大學(xué) 機(jī)械工程學(xué)院， 天津 300387； 2. 天津市現(xiàn)代機(jī)電裝備技術(shù)重點(diǎn)實(shí)驗(yàn)室， 天津 300387；3. 天津市機(jī)械基礎(chǔ)及紡織裝備設(shè)計(jì)虛擬仿真實(shí)驗(yàn)教學(xué)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(jī)構(gòu)長距離輸送過程中因自身質(zhì)量下垂，導(dǎo)致經(jīng)紗張力控制精度不高對(duì)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(luò)的模糊信息融合綜合算法。根據(jù)神經(jīng)網(wǎng)絡(luò)得到的權(quán)值函數(shù)，以多層織機(jī)的送經(jīng)機(jī)構(gòu)為研究對(duì)象進(jìn)行實(shí)驗(yàn)。實(shí)驗(yàn)過程中，在多層織機(jī)送經(jīng)機(jī)構(gòu)的不同位置安裝張力傳感器，通過無線信息采集系統(tǒng)，對(duì)經(jīng)紗張力進(jìn)行在線多點(diǎn)檢測(cè)，然后將檢測(cè)的張力信號(hào)進(jìn)行模糊信息融合。實(shí)驗(yàn)結(jié)果表明：多傳感器信息融合的識(shí)別準(zhǔn)確率優(yōu)于單傳感器，提高了用于碳纖維織物的多層織機(jī)經(jīng)紗張力的控制精度。

多層織機(jī)； 張力檢測(cè)； 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(xué)承擔(dān)的國家十二五科技重點(diǎn)支撐項(xiàng)目的子課題“碳纖維多層角聯(lián)機(jī)織裝備及技術(shù)研制”，該項(xiàng)目已通過科技部驗(yàn)收，然而在織造變截面織物時(shí)，送經(jīng)機(jī)構(gòu)還存在長距離、多工段及經(jīng)紗層數(shù)多而導(dǎo)致經(jīng)紗下垂等問題，且經(jīng)紗張力檢測(cè)點(diǎn)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(cè)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(xué)者對(duì)經(jīng)紗張力的檢測(cè)進(jìn)行了研究，例如對(duì)霍爾式張力傳感器的磁鋼探頭建立運(yùn)動(dòng)學(xué)模型，提出了動(dòng)態(tài)張力信號(hào)提取方法[1]；以活動(dòng)后梁為研究對(duì)象對(duì)張力進(jìn)行檢測(cè)[2]，這些都是以活動(dòng)后梁作為研究對(duì)象。然而，在用于碳纖維織物的多層織機(jī)時(shí)，由于碳纖維的特殊性，經(jīng)紗在長距離輸送過程中會(huì)出現(xiàn)下垂，只以活動(dòng)后梁為研究對(duì)象不能精確地檢測(cè)織機(jī)的經(jīng)紗張力，需要通過多點(diǎn)檢測(cè)的方式來達(dá)到張力檢測(cè)精度的要求。多傳感器信息融合理論已經(jīng)成熟，已廣泛應(yīng)用在各個(gè)領(lǐng)域，但在電子送經(jīng)機(jī)構(gòu)中應(yīng)用的報(bào)道很少。經(jīng)紗張力的變化為時(shí)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(luò)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(jī)的經(jīng)紗張力檢測(cè)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(jī)構(gòu)的張力部件由伺服退繞、張力補(bǔ)償、經(jīng)紗張力檢測(cè)以及卷繞部件組成。由于碳纖維拉伸強(qiáng)度高、剪切強(qiáng)度低等特點(diǎn)[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(gè)環(huán)節(jié)中添加相應(yīng)的傳感器來檢測(cè)張力，包括單紗張力檢測(cè)和片紗張力實(shí)時(shí)檢測(cè)。在張力補(bǔ)償裝置上安裝角位移傳感器和拉壓力傳感器；在張力檢測(cè)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(gè)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(luò)模糊融合綜合算法

2.1 模糊綜合評(píng)判

當(dāng)權(quán)重集A和模糊矩陣R為已知時(shí)，利用模糊變換進(jìn)行模糊綜合推斷。

(1)

因此，權(quán)重集A值的大小決定了綜合評(píng)判結(jié)果集P,所以，運(yùn)用模糊綜合評(píng)判方法應(yīng)先求解其權(quán)重的值[6]。

2.2 模糊綜合評(píng)判權(quán)重的求解

由于各子系統(tǒng)檢測(cè)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(luò)理論，通過神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)功能獲得各子系統(tǒng)檢測(cè)參數(shù)與信息融合數(shù)據(jù)有效性之間的網(wǎng)絡(luò)權(quán)值系數(shù)[8]，然后通過一定的關(guān)系轉(zhuǎn)換為模糊綜合評(píng)判的權(quán)重。

通過運(yùn)算求得最小值為權(quán)值ωj(j=1,2,…,n)的函數(shù)。在給定權(quán)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(guān)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(jí)融合。圖2示出多傳感器模糊信息融合框圖。

通過權(quán)重計(jì)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(cè)時(shí)，融合后判斷經(jīng)紗張力屬于狀態(tài)j的可能性。

3 實(shí)驗(yàn)結(jié)果與分析

在實(shí)驗(yàn)中，由混沌優(yōu)化法得到傳感器的權(quán)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(cè)的數(shù)據(jù)經(jīng)過歸一化處理，結(jié)果如表1所示。

表1 實(shí)驗(yàn)數(shù)據(jù)

某一時(shí)刻各個(gè)傳感器的隸屬度值和其所對(duì)應(yīng)的經(jīng)紗張力狀態(tài)及同時(shí)所得融合結(jié)果如表2所示。

表2 傳感器單獨(dú)識(shí)別及融合識(shí)別結(jié)果

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

在實(shí)驗(yàn)中，對(duì)經(jīng)紗張力檢測(cè)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(jìn)行比較，結(jié)果見圖3。準(zhǔn)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(diǎn)，又能避免單傳感器檢測(cè)的缺陷，明顯提高了經(jīng)紗張力檢測(cè)的精度。

本文針對(duì)多層織機(jī)的送經(jīng)機(jī)構(gòu)進(jìn)行了相關(guān)的實(shí)驗(yàn)。圖4示出利用單傳感器檢測(cè)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(jìn)行多點(diǎn)檢測(cè)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(jī)送經(jīng)系統(tǒng)中，經(jīng)紗張力的控制精度不高，特別是因?yàn)榻?jīng)紗長距離輸送而導(dǎo)致經(jīng)紗下垂等問題，對(duì)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(cè)傳感器的不確定性，將基于神經(jīng)網(wǎng)絡(luò)的模糊綜合評(píng)判方法應(yīng)用到送經(jīng)系統(tǒng)中是可行的。通過實(shí)驗(yàn)，將20組單傳感器檢測(cè)數(shù)據(jù)與多傳感器信息融合的數(shù)據(jù)進(jìn)行比較，準(zhǔn)確率增加了2.6%，經(jīng)紗張力的檢測(cè)精度顯著提高。因此，通過在多層織機(jī)送經(jīng)機(jī)構(gòu)中的不同位置安裝5組不同類型傳感器進(jìn)行多點(diǎn)檢測(cè)，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(dòng)態(tài)測(cè)量模型[J].紡織學(xué)報(bào),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(cè)及控制方案優(yōu)選[J].東華大學(xué)學(xué)報(bào)(自然科學(xué)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(fù)合控制在電子送經(jīng)中的應(yīng)用[J].紡織學(xué)報(bào),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(jī)開口引起的經(jīng)紗張力變化規(guī)律[J].紡織學(xué)報(bào),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(jī)電子送經(jīng)機(jī)構(gòu)控制模式的研究[J].紡織機(jī)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(xué)生模型的模糊綜合評(píng)判方法研究[J].電子設(shè)計(jì)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(luò)的多傳感器信息融合[J].自動(dòng)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(biāo)0-1規(guī)劃的混沌優(yōu)化算法[J].計(jì)算機(jī)應(yīng)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(yīng)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(xiàng)目(2011BAF08B00；2011BAF08B02)

魯喜(1989—)，男，碩士生。主要研究方向?yàn)榧徔棛C(jī)械。楊建成，通信作者，E-mail：yjcg589@163.com。

TS 105.1

A