薄膜生產工藝收卷精度優化控制仿真

方亮　竇峰

摘要：在當前形式下，我國的經濟水平迅速提升，新科技的迅速發展帶動了我國農村產業的調整，同時增大了薄膜的市場需求量。國內薄膜的產量較大，主要用于農業和工業兩個領域。薄膜性能對卷筒質量和收卷機所需附件的影響較大，對表面平整度要求較高的薄膜制造需要使用更為精細的卷取技術。保持張力的穩定是薄膜卷取得難點，優化控制薄膜收卷系統，可以保持收卷壓力穩定，提高收卷系統精度。

關鍵詞：薄膜生產工藝;收卷壓力;控制仿真

隨著我國科學技術水平的飛速提高，各個領域加大了新技術與新理念的應用，減輕了人們的體力勞動。在薄膜生產的過程中，為了保證塑料薄膜的質量，運用張力控制系統對卷筒進行調整。優質的薄膜離不開好的卷取，吹膜和平膜擠出會用接觸輥和塔式卷取機，這是兩種不同的卷取概念。張力的穩定性會影響薄膜卷取的質量，張力擾亂會導致層間滑動或膜面褶皺等問題的產生。本文研究分析薄膜生產工藝的雙工位收卷系統張力各影響因素，建立張力控制模型，驗證仿真效果的可實施性。

1 收卷系統的建模

1.1 雙工位收卷系統結構

雙工位收卷系統的組成部分有壓力輥、牽引輥、收卷輥、翻轉支架等，控制系統包含張力控制、壓力控制和換卷控制等。采用雙向拉伸工藝的薄膜在壓力輥和牽引輥的作用下能夠利用收卷輥收卷。翻轉機會帶動收卷輥轉動收卷，雙工位收卷系統有兩個收卷軸，一個收卷輥在收卷過程中達到最大卷徑時，另一個收卷輥接替它完成收卷工作。壓力輥會在薄膜生產過程中根據實際情況對薄膜施壓，控制收卷輥薄膜間的空氣含量，張力與壓力相互配合，提高薄膜表面的平整度與硬度，避免薄膜產生條紋。

1.2 收卷輥的動態數學模型

在收卷輥的運轉過程中卷軸的半徑不斷增大，力矩平衡公式為：

F表示張力，r表示收卷半徑，Me表示電磁轉矩，Mf表示阻力轉矩，j表示轉動慣量，ω表示角速度。

其中Jo表示電動軸的轉動慣量，Jr表示料卷的轉動慣量，Jro為料卷軸空軸的轉動慣量。

薄膜厚度用h表示，收卷線速度為ν，轉速為n，使用微元法由質量守恒定律率可得：

dm=2πrpadr=hdL dL=νdt ν=2πrn

由此可知，張力控制是一個非線性的復雜過程，會受到實時轉速與卷徑大小的影響。收卷軸的張力與壓力控制在收卷過程中會產生較強的耦合性，不利于彼此的調節。傳統的PID控制器只能調節張力控制回路，無法實時調節控制器的參數。為了改善這一缺陷，提高系統穩定性，工作人員研究出采用BP神經網絡PID算法對控制系統進行優化的方法。

2 BP神經網絡PID算法解析

2.1 變步長BP神經網絡

標準的BP學習算法采用階梯度法，存在易陷入局部極值、收斂速度慢等缺陷，為滿足實時控制的要求，改善其性能，將階梯度法升級為變步長法。BP神經網絡可以學習無需使用數學方程就能描述出的輸入—輸出映射關系。變步長法優化的公式如下：

Ω（k+1）=ω（k）+η（k）D（k）

η（k）=2λη（k-1） λ=sign[D（k）D（k-1）]

ω（k）是k時刻的網絡權值，η（k）表示學習速率，D（k）表示k時刻的負梯度。

2.2 神經網絡PID算法

神經網絡模型具有3層結構：輸入層、隱含層和輸出層，神經網絡模型各個結構的神經元個數分別是4、5、3。當網絡輸入層的神經元是壓力值時，降低了壓力因素對張力調節的影響。神經網絡具有自學習和自適應的特點，可以對張力與壓力間的耦合關系解耦控制。輸入層的神經元輸入又分為：張力誤差值、張力設定值、壓力設定值、實時張力值。

3 系統仿真結果

在薄膜生產制造的過程中搭建一個基于Matlab的系統仿真模型，其中基于變步長BP神經網絡PID的張力控制方案可以通過S-Function模塊實現。結果表明神經網絡可以通過調節網絡權值控制PID參數，系統超調量小、調節時間短，可以保證張力的穩定性。調節神經網絡PID的參數，可以使系統輸出恢復到穩定狀態，調節時間較短。在壓力信號的干擾下，調節PID參數可以保證張力的穩定響應，避免壓力變化對張力調節產生影響，提高系統的抗干擾性。保持張力的穩定性，可以提高薄膜產品質量。優化控制薄膜生產的張力系統，運用變步長BP神經網絡系統代替傳統的PID控制，可以改善系統的運轉速度與穩定性。

4 結語

薄膜生產工藝包括雙向拉伸系統、熔融擠出系統、收卷系統等子系統，保證收卷張力的穩定性，能夠提高薄膜的質量。張力控制屬于較為復雜的非線性系統，隨著收卷卷徑的不斷增長和壓力輥的實時調節，實現控制器的實時調節具有較大的難度。為了提高薄膜生產的穩定性，工作人員建立了張力控制模型，優化控制系統的精度，對其進行控制仿真，仿真結果驗證了控制模型在快速性和穩定性等方面得到了很大改善。

參考文獻：

[1]孫婉君.干式復合機張力控制系統的研究[D].哈爾濱：哈爾濱理工大學，2016.