張 楠,景軍鋒,蘇澤斌

(西安工程大學(xué) 電子信息學(xué)院,陜西 西安 710048)

?

紗線張力控制器的設(shè)計

張 楠,景軍鋒,蘇澤斌

(西安工程大學(xué) 電子信息學(xué)院,陜西 西安 710048)

針對紡織過程中紗線張力波動問題,設(shè)計一種紗線張力控制器,并介紹其軟硬件設(shè)計方案．該控制器在STM32硬件平臺基礎(chǔ)上,基于BP神經(jīng)網(wǎng)絡(luò)的自適應(yīng)PID技術(shù)控制電機的加減速，恒定紗線的實時張力．仿真結(jié)果表明,基于BP神經(jīng)網(wǎng)絡(luò)PID控制效果優(yōu)于常規(guī)PID,具有響應(yīng)速度快、超調(diào)量小、魯棒性強等優(yōu)點．

紗線張力;BP神經(jīng)網(wǎng)絡(luò);PID;STM32

0 引 言

紡織行業(yè)一直在國民經(jīng)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(zhì)量和產(chǎn)量的一個重要措施就是提高紗線的成型質(zhì)量,而紗線張力是影響紗線成型質(zhì)量的關(guān)鍵參數(shù)．當(dāng)張力過小時,紗線卷繞過程中容易產(chǎn)生脫圈、紗筒容量小等問題;當(dāng)張力過大時,容易導(dǎo)致紗線分子結(jié)構(gòu)改變,影響后續(xù)的染色,甚至?xí)霈F(xiàn)斷紗現(xiàn)象．所以,在實際紗線絡(luò)筒卷繞過程中,當(dāng)紗線張力波動過大,則需要恒定張力,使其接近預(yù)設(shè)值．隨著經(jīng)濟條件的改善,消費者對織物的質(zhì)量要求越來越高,促使廠商在生產(chǎn)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(chǎn)效率息息相關(guān)[1]．

文獻(xiàn)[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(chǎn)生結(jié)構(gòu),運用模糊 PID 控制算法,實現(xiàn)紗線張力的恒定;文獻(xiàn)[3]提出一套新的系統(tǒng)結(jié)構(gòu),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(shè)備安裝相對復(fù)雜,成本較高,張力恒定時間過長,降低紗線的生產(chǎn)率．

目前,國際市場上普遍受歡迎的紗線張力控制設(shè)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(chǎn)的紗線檢測控制一體化設(shè)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(jié)合在一起．系統(tǒng)的本質(zhì)利用紗線與導(dǎo)紗輪之間的摩擦力調(diào)節(jié)紗線張力,但是長時間的摩擦?xí)?dǎo)致紗線產(chǎn)生毛羽,甚至發(fā)熱斷裂,從而降低了紗線的品質(zhì)[5-6]．國內(nèi)從事生產(chǎn)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(zé)任公司,該公司生產(chǎn)的一款名為SMARO的自動絡(luò)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(nèi)產(chǎn)品,國外產(chǎn)品的設(shè)備售價普遍較高,這大大增加國內(nèi)的中小紗線生產(chǎn)廠商的成本[7]．

因此,本文提出一種以基于BP神經(jīng)網(wǎng)絡(luò)的自適應(yīng)PID技術(shù)控制電機的短時加減速過程來實現(xiàn)張力調(diào)節(jié)的控制器,不僅結(jié)構(gòu)簡單,同時也降低硬件成本．通過軟件設(shè)置,一套控制設(shè)備可以控制檢測多路的紗線張力,對應(yīng)的端口輸出驅(qū)動多個電機,不論在自動絡(luò)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(chǎn)高質(zhì)量的紗線．

1 工作原理及硬件結(jié)構(gòu)設(shè)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(chǎn)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(dāng)前的張力值，通過LCD顯示器顯示出實時張力數(shù)據(jù)．當(dāng)張力值過大或過小時,系統(tǒng)會改變PWM的占空比,調(diào)整電機的加減速,直到張力達(dá)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(zhuǎn)換原件將其轉(zhuǎn)換為檢測裝置所能接收識別的電子信號,對其進(jìn)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(yīng)用最廣的是三輥式電阻應(yīng)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(yīng)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(jié)構(gòu)框圖Fig.3 Hardware structure diagram

1.3 硬件結(jié)構(gòu)

紗線張力控制器的硬件結(jié)構(gòu)主要包括張力傳感器、變送器、AD轉(zhuǎn)換模塊、LED報警、LCD顯示模塊等，硬件結(jié)構(gòu)框圖如圖3所示．(1)控制器產(chǎn)生的PWM波經(jīng)前級隔離放大驅(qū)動伺服電機的運行；(2)按鍵初始標(biāo)定設(shè)置張力的設(shè)定值與零值；(3)12位的AD轉(zhuǎn)換模塊,可以實現(xiàn)對張力傳感器模擬信號的數(shù)字轉(zhuǎn)換；(4)LCD實時顯示當(dāng)前的張力值和速度值；(5)處理器采用ST公司32位ARM Cortex-M3內(nèi)核微處理器,時鐘頻率達(dá)72MHz,內(nèi)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(shè)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(jìn)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(biāo)準(zhǔn)電流,因此,使用變送器將其轉(zhuǎn)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(shè)計

系統(tǒng)的軟件設(shè)計方案包括以下內(nèi)容:(1)硬件初始化,對系統(tǒng)需要的功能模塊進(jìn)行配置[13];(2)進(jìn)入系統(tǒng)主時序控制,輸出初始PWM以驅(qū)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(jìn)行處理;(5)每隔500ms實現(xiàn)一次張力均值的顯示,同時顯示當(dāng)前電機轉(zhuǎn)速;(6)通過與設(shè)定值的比較判斷當(dāng)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(dāng)前PWM占空比,對電機進(jìn)行調(diào)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(zhuǎn)并進(jìn)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(jīng)網(wǎng)絡(luò)的自適應(yīng)PID算法來控制電機的加減速運轉(zhuǎn)．該算法具有逼近任意非線性函數(shù)的能力,并且算法結(jié)構(gòu)相對簡單明確．利用BP神經(jīng)網(wǎng)絡(luò)自身的學(xué)習(xí)訓(xùn)練,找到最適合的PID控制參數(shù)[14]．

基于BP神經(jīng)網(wǎng)絡(luò)的PID控制結(jié)構(gòu)如圖5所示．控制器由以下2部分組成:(1)經(jīng)典的PID控制器;(2)BP神經(jīng)網(wǎng)絡(luò):根據(jù)系統(tǒng)實時運行狀態(tài),通過網(wǎng)絡(luò)自身的學(xué)習(xí)訓(xùn)練,輸出對應(yīng)于PID的比例(kp)、積分(ki)、微分(kd)參數(shù)．神經(jīng)網(wǎng)絡(luò)通過自身調(diào)整加權(quán)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(jīng)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(dá)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(jīng)網(wǎng)絡(luò)的訓(xùn)練和學(xué)習(xí)找到這樣一個最佳參數(shù)組合來優(yōu)化系統(tǒng)．

設(shè)BP神經(jīng)網(wǎng)絡(luò)采用3層BP結(jié)構(gòu),其結(jié)構(gòu)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(fù)雜度,對應(yīng)的輸入變量的個數(shù)也不同[16]．輸出節(jié)點分別對應(yīng)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(fù),所以輸出層神經(jīng)元活化函數(shù)取非負(fù)的Sigmoid函數(shù)[17]．

圖 5 BP-PID控制結(jié)構(gòu) 圖 6 BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖Fig.5 BP-PID control structure Fig.6 The BP neural network structure

圖6中神經(jīng)網(wǎng)絡(luò)的輸入、輸出設(shè)為

(3)

其中,將網(wǎng)絡(luò)的輸入變量作為控制器的輸入,即

(4)

網(wǎng)絡(luò)隱含層的輸入、輸出為

(5)

網(wǎng)絡(luò)輸出層的輸入、輸出為

(6)

取性能指標(biāo)函數(shù)為

(7)

按照梯度下降法修正網(wǎng)絡(luò)的加權(quán)系數(shù)[18],即按E(k)對加權(quán)系數(shù)的負(fù)梯度方向搜索調(diào)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(xué)習(xí)率；α為慣性系數(shù)．由以式(8)得,BP神經(jīng)網(wǎng)絡(luò)輸出層的加權(quán)系數(shù)學(xué)習(xí)算法為

(9)

網(wǎng)絡(luò)隱含層的加權(quán)系數(shù)學(xué)習(xí)算法為

(10)

綜上所述,基于BP網(wǎng)絡(luò)的PID控制器控制算法實現(xiàn)步驟如下:(1) 選取合適的網(wǎng)絡(luò)結(jié)構(gòu),確定各層加權(quán)系數(shù)的初始值,學(xué)習(xí)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(jìn)行歸一化處理．(4) PID控制器輸出u(k);(5) 在線調(diào)整加權(quán)系數(shù),實現(xiàn)PID控制參數(shù)的自適應(yīng)調(diào)整.

3 仿真實驗結(jié)果

通過Matlab軟件對常規(guī)PID和基于BP神經(jīng)網(wǎng)絡(luò)PID進(jìn)行仿真實驗．輸入為階躍函數(shù)，輸出為其達(dá)到穩(wěn)定狀態(tài)的變化值.當(dāng)輸出為1時，表示系統(tǒng)達(dá)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(jīng)網(wǎng)絡(luò)PID圖 7 仿真曲線Fig.7 The simulation curve

圖 8 BP神經(jīng)網(wǎng)絡(luò)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(jīng)網(wǎng)絡(luò) PID 控制比常規(guī)PID控制的調(diào)節(jié)時間縮短了約10%,超調(diào)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(jīng)網(wǎng)絡(luò)PID控制器的參數(shù)整定在15.2s之前完成．

4 結(jié)束語

提出一種紗線恒張力控制器的設(shè)計方案,該設(shè)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(shè)備之間的摩擦,提高了紗線的質(zhì)量．同時,選用基于BP神經(jīng)網(wǎng)絡(luò)的自適應(yīng)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(yīng)速度快,魯棒性較強,具有很好的環(huán)境適應(yīng)性．

[1] 熊秋元,高曉平.紗線張力檢測與控制技術(shù)的研究現(xiàn)狀與展望[J].棉紡織技術(shù),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(shè)計[J].機械設(shè)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(shè)計與實現(xiàn)[D].杭州:杭州電子科技大學(xué),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(luò)筒機均勻紗線張力的措施[J].現(xiàn)代紡織技術(shù),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(luò)筒機中的現(xiàn)代電子技術(shù)[J].現(xiàn)代電子技術(shù),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(quán).紗線張力測試方法研究進(jìn)展[J].棉紡織技術(shù),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(shù)的紗線氣圈張力測量方法研究[J].紡織科技進(jìn)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(jīng)紗張力補償裝置的設(shè)計[J].機電產(chǎn)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(fù)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(jīng)網(wǎng)絡(luò)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(shù),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(jīng)網(wǎng)絡(luò)PID控制器及Simulink仿真[J].電子設(shè)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(jìn)型BP神經(jīng)網(wǎng)絡(luò)PID控制器的溫室溫度控制技術(shù)[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(jīng)網(wǎng)絡(luò)的PID控制研究[J].計算機技術(shù)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(jīng)網(wǎng)絡(luò)的礦井提升機自適應(yīng)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(jīng)網(wǎng)絡(luò)的模糊PID控制器的設(shè)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(xué)基金資助項目(61301276);陜西省教育廳產(chǎn)業(yè)化培育資助項目(2011JG18);西安工程大學(xué)學(xué)科建設(shè)經(jīng)費資助項目(107090811)

景軍鋒(1978—),男,陜西省澄城縣人,西安工程大學(xué)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(shè)計[J].西安工程大學(xué)學(xué)報，2016，30(4)：446-451.

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

TS

A