基于神經網絡的儲緯器恒張力控制策略的設計與實現

王凱旋 彭來湖 胡旭東

摘? 要：紗線的張力控制對紡織品的質量具有重要意義，針對紡織過程中紗線的張力波動大、非線性等問題，提出了基于神經網絡的儲緯器恒張力控制策略。將神經網絡應用于儲緯器控制算法，實時調整權重分配，提高性能，再將矢量控制應用于儲緯器的電機控制，實現良好的電機控制效果，最終實現紗線張力的穩定控制。經測試表明：該紗線控制策略實時性良好，紗線張力控制精確穩定，能夠有效實現儲緯器的恒張力控制。

關鍵詞：儲緯器;恒張力控制;神經網絡

中圖分類號：TP311? ? ?文獻標識碼：A

文章編號：2096-1472（2021）-09-51-03

Abstract： Tension control of the yarn is of great significance to the quality of textiles. Aiming at the problems of large fluctuations and non-linearity of the yarn tension during the weaving process， this paper proposes a constant tension control solution for the weft feeder based on neural network. Neural network is applied to the weft feeder control algorithm and weight distribution is adjusted in real time， so to improve system performance. Then， vector control is applied to motor control of the weft feeder to achieve a good motor control effect， and stable control of the yarn tension is finally realized. Tests show that the proposed yarn control solution has good real-time performance， precise and stable yarn tension control， and can effectively control the constant tension of the weft feeder.

Keywords： weft feeder; constant tension control; neural network

1? ?引言（Introduction）

儲緯器紗線張力控制是織機效率和織物質量的關鍵因素，若張力過大則容易造成紗線斷裂，嚴重影響織造效率[1];如果張力過小，則會嚴重影響織物的平整。在噴水織機進行織布的過程中紗線張力的波動是不可避免的，為了使儲緯器的紗線張力波動在合適的范圍內保持平衡，達到紗線恒張力控制，保證織物質量，文本提出了一種BP神經網絡與PID控制相結合的方式實現儲緯器的恒張力控制器的設計，提高了儲緯器電機響應速度，減小了張力波動，保證了噴水織機高效高質量地工作。

2? ?系統結構（System structure）

儲緯器張力控制主要是為了使張力保持在合理的波動范圍之內，保證織造出高質量的紡織品，比如在噴水織機上使用，使得織出來的布松緊均勻一致。如圖1所示為系統的主要結構。要實現紗線的恒張力控制，需要對紗線進行張力的測量、比較、反饋、調節，這個過程就需要合適的控制算法進行張力的閉環控制。首先以張力傳感器將紗線張力轉化為電壓量，與紗線張力的設定值進行比較，如果存在偏差，就需要控制系統進行調節，這個過程中紗線張力要保持在較小的波動范圍內，以保證織物的質量。張力控制CPU采用STM32103F[2]，對張力傳感器測得的電壓值進行A/D轉換，同時控制電機轉速，采用液晶觸摸屏來實現人機交互。

3? ?紗線張力控制策略（Yarn tension control solution）

張力控制在紡織領域運用非常廣泛，它直接決定了織物質量的好壞。紗線張力經常采用PID進行閉環控制，PID控制器結構簡單、容易實現的特點使得其應用非常廣泛。根據紗線張力的設定值與測量值進行比較，對紗線張力誤差進行比例、積分、微分處理，然后控制器進行張力控制。紗線張力PID控制數學表達式如下：

在本設計中使用其增量形式：

該控制方法需要對PID的參數進行整定，由于神經網絡算法在信號處理上取得不錯的效果，本文中利用神經網絡算法對信號處理的優越性，以及神經網絡的自適應能力，采用神經網絡進行PID的參數整定。在該控制器上，主要使用BP神經網絡加PID控制器來對儲緯器的紗線張力進行處理。

神經網絡算法目前是人工智能領域的研究熱點，是對動物神經網絡的抽象，大量神經元按特定的方式進行組合，而且按照一定的權重進行賦值計算。在本次的控制器設計上，結合BP神經網絡對張力PID控制器進行參數整定，使得儲緯器的紗線張力控制波動更小，儲緯器無刷直流電機響應更快。從BP神經網絡的結構而言，主要是由輸入層、隱含層和輸出層構成，然后根據設定的張力和實際的紗線張力進行比較，分析誤差調節神經元之間的連接權值。主要分為兩個部分來完成，即信息前向傳播部分和誤差反向傳播部分，基于該BP神經網絡算法設計了一款儲緯器張力控制器。

4? ?紗線恒張力控制器設計（Design of yarn constant tension controller）

根據紗線張力的設定值，對儲緯器進行控制，對該控制器的3 個權值kp、ki、kd進行整定，利用BP神經網絡實現該步驟。對于上述控制原理采用如圖2所示BP神經網絡結構，輸入層為3 個節點，隱含層為6 個節點，輸出層為3 個節點[3]。

基于BP神經網絡設計的PID控制器，通過上位機輸入紗線的張力值，張力傳感器測量紗線的張力，并且與設定的值進行比較和反饋。在紗線張力的調節過程中，需要在得到張力實際值和實現儲緯器電機的控制前提下進行紗線張力的恒張力調節。將紗線實際值與設定值進行比較，若張力過大就說明張力過緊，控制器加快儲緯器電機轉速，使得儲緯器上的紗線放松一些，降低紗線張力;反之，當張力太小的時候，紗線則過松。結合BP神經網絡和PID設計了該BP神經網絡的PID控制器，如圖3所示。

5? 儲緯器電機的矢量控制（Vector control of the weft feeder motor）

在BP神經網絡的PID控制器設計中，實際的控制對象為儲緯器的電機，儲緯器中的轉子一共有兩對磁極，該電機氣隙分布均勻，具有功率因數高和損耗小的優點。儲緯器電機的矢量控制主要基于三種坐標系，由此構成了abc三相坐標系[4]，該三相坐標系不易計算與控制，為了簡化該過程，將其簡化成兩相旋轉坐標系，步驟主要分為Clark變換與Park變換。

5.1? ?Clark變換

Clark變換三相靜止坐標系的電流表達式為：

其中，分別指的是三相電子的瞬間電流，Imax指三相電流幅值，指的是瞬時角速度[5]。

三相靜止坐標系的進一步推導如下：

轉化為矩陣為：

示意圖如圖4所示。

5.2? ?Park變換

Park變換表達式為：

示意圖如圖5所示。

基于紗線非線性、不能進行過張力調節的特點，儲緯器電機控制的基本要求是精確控制轉矩，需要實現電機的快速響應，以及紗線的波動范圍很小。根據此需求以及儲緯器的實際控制方式，本文采用永磁同步電機=0的控制方式。該控制方法電機效率高，產出的轉矩也很大，主要是由三個閉環控制嵌套，最外環為紗線的張力環，中間是速度環，最內部為電流環。張力環基于輸入的紗線張力期望值和實際的張力測量值[6]，根據公式計算出電機的目標速度，再根據傳感器的位置檢測，以及目標速度和實際速度進行速度環調節。儲緯器紗線的恒張力控制流程圖如圖6所示。

6? 實驗結果與分析（Experimental results and analysis）

本文搭建了如圖7所示的平臺驗證該控制方法的可靠性，使用兩個儲緯器和噴水織機進行測試，使用Linux工控屏作為系統的上位機，控制實驗平臺的運行。比較基于神經網絡的儲緯器恒張力控制策略與傳統的控制策略，得到如圖8所示的實驗數據，證明BP神經網絡的控制方法與傳統的控制方法相比較，其響應速度更快，波動更小。

7? ?結論（Conclusion）

將BP神經網絡與PID控制器相結合的方式能夠有效地實現儲緯器的恒張力控制[7]，實驗結果表明，該控制方法穩定性更好，紗線的張力波動更小，儲緯器電機的響應速度更快。本文的控制方法比傳統的控制系統在響應速度和控制精度上都有明顯提升，紗線的過張力以及斷線概率也大大降低，這種基于神經網絡的儲緯器紗線的恒張力控制策略為紗線的張力控制提供了參考[8]。

參考文獻（References）

[1] 鐘開鋒.基于矢量控制的電子儲緯器研制[D].杭州：杭州電子科技大學，2017.

[2] 沈之遠.基于無刷直流電機的電子儲緯器系統研究[D].金華：浙江師范大學，2015.

[3] 王廷周.電子儲緯器的緯紗實時檢測系統研究[D].金華：浙江師范大學，2015.

[4] 趙亮.基于神經網絡的無刷直流電機控制系統設計[J].內燃機與配件，2019（06）：78-80.

[5] 楊瑞鋒.基于模糊神經網絡的無刷直流電機控制系統[J].電腦知識與技術，2016，12（17）：185-187.

[6] 陳天炎，陳琦，張靜，等.機械臂系統自組織模糊徑向基神經網絡控制器設計[J].軟件工程，2020，23（12）：12-14.

[7] LI S J， WANG F， CHEN W， et al. Application of three dimensional （3D） curved multi-planar reconstruction images in 3D printing mold assisted eyebrow arch keyhole microsurgery[J]. Brain and Behavior， 2020，10（03）：10-16.

[8] 鄭舟. 噴氣織機儲緯器控制系統研制[D].杭州：浙江理工大學，2011.

作者簡介：

王凱旋（1996-），男，碩士生.研究領域：智能裝備與物聯網技術.

彭來湖（1980-），男，博士，講師.研究領域：智能裝備與嵌入式控制技術，工業互聯網通信.

胡旭東（1959-），男，博士，教授.研究領域：現代紡織裝備及控制技術，紡織裝備互聯互通，智能紡織裝備，機電控制及其自動化.