本發(fā)明涉及并紗機(jī)生產(chǎn)，具體涉及一種基于徑向基神經(jīng)網(wǎng)絡(luò)的紗線卷繞背壓力控制方法。

背景技術(shù)：

1、本發(fā)明的發(fā)明人發(fā)現(xiàn)并紗機(jī)在工作時(shí)，隨著紗線的卷繞量增加，筒紗的體積和質(zhì)量也會(huì)隨之增加，導(dǎo)致紗筒壓在卷取輥上產(chǎn)生背壓力。并且在筒紗的卷繞過程中，筒紗的體積和質(zhì)量隨時(shí)間的變化是不均勻的，使得筒紗與卷曲輥之間的背壓力也在不均勻的變化。

2、傳統(tǒng)的并紗機(jī)背壓力控制都依賴配重、彈簧拉伸或壓縮調(diào)節(jié)控制，調(diào)節(jié)過程復(fù)雜、對(duì)專業(yè)技術(shù)的要求較高，一般的操作人員未經(jīng)過培訓(xùn)難以對(duì)背壓力進(jìn)行精準(zhǔn)調(diào)節(jié)與控制，十分影響工廠的生產(chǎn)效率；并且受紗線的種類、紗筒的形狀、卷繞直徑、紗線卷繞的硬度等因素限制，使得搖架的穩(wěn)定性較差，在卷繞過程中很容易因?yàn)榧喚€卷繞成形不圓整，從而造成搖架失穩(wěn)、震動(dòng)和噪音較大等現(xiàn)象，影響筒紗的成形和卷裝質(zhì)量。

技術(shù)實(shí)現(xiàn)思路

1、針對(duì)現(xiàn)有技術(shù)存在的缺陷，本發(fā)明目的在于提供一種基于徑向基神經(jīng)網(wǎng)絡(luò)的紗線卷繞背壓力控制方法，其能夠?qū)ΜF(xiàn)有的背壓力控制方案進(jìn)行優(yōu)化，通過控制電機(jī)轉(zhuǎn)矩代替?zhèn)鹘y(tǒng)的如彈簧等機(jī)械裝置，實(shí)現(xiàn)在紗線卷繞過程中精準(zhǔn)控制紗筒與卷取輥之間的背壓力，進(jìn)而提高筒紗的卷裝質(zhì)量。

2、本發(fā)明提供一種基于徑向基神經(jīng)網(wǎng)絡(luò)的紗線卷繞背壓力控制方法，其使用的背壓力平衡裝置包括搖架、壓力傳感器、電機(jī)、卷取輥和機(jī)架。卷取輥轉(zhuǎn)動(dòng)連接在機(jī)架上，且卷取輥與機(jī)架之間設(shè)有壓力傳感器。搖架用于安裝筒紗；電機(jī)通過調(diào)節(jié)輸出轉(zhuǎn)矩調(diào)節(jié)搖架上的筒紗與卷取輥之間的背壓力。

3、該基于徑向基神經(jīng)網(wǎng)絡(luò)的紗線卷繞背壓力控制方法包括以下步驟：

4、步驟一：構(gòu)建由徑向基神經(jīng)網(wǎng)絡(luò)和pid控制器組成的rbf-pid聯(lián)合控制模型。

5、步驟二：通過壓力傳感器獲取當(dāng)前時(shí)刻k的實(shí)際背壓力；計(jì)算當(dāng)前時(shí)刻k的控制誤差；其中，r為背壓力設(shè)定值。

6、步驟三：將控制誤差e(k)輸入pid控制器；pid控制器輸入電機(jī)的控制信號(hào)增量以及當(dāng)前時(shí)刻的控制信號(hào)。

7、步驟四：構(gòu)建徑向基神經(jīng)網(wǎng)絡(luò)的輸入特征<mi>x=</mi><msup><mrow><mi>[</mi><mi>?</mi><mi>u(k),y(k),y(k?1)]</mi></mrow><mi>t</mi></msup>；將輸入特征輸入徑向基神經(jīng)網(wǎng)絡(luò)。徑向基神經(jīng)網(wǎng)絡(luò)輸出辨識(shí)信息和雅克比矩陣。

8、步驟五：根據(jù)徑向基神經(jīng)網(wǎng)絡(luò)輸出的雅可比矩陣更新pid控制器參數(shù)。

9、步驟六：通過粒子群算法更新徑向基神經(jīng)的網(wǎng)絡(luò)參數(shù)。粒子群算法中使用的適應(yīng)度函數(shù)為。

10、步驟七：循環(huán)執(zhí)行步驟二至步驟六，對(duì)紗線卷繞背壓力進(jìn)行動(dòng)態(tài)調(diào)節(jié)。

11、作為優(yōu)選，步驟六的具體過程為：

12、步驟6-1.將徑向基神經(jīng)網(wǎng)絡(luò)的中心、寬度和權(quán)值參數(shù)進(jìn)行組合構(gòu)成粒子位置參數(shù)，構(gòu)建初始狀態(tài)下的粒子群。

13、步驟6-2.利用適應(yīng)度函數(shù)對(duì)粒子的個(gè)體極值進(jìn)行尋優(yōu)；迭代確定粒子的個(gè)體最優(yōu)極值。

14、步驟6-3.利用適應(yīng)度函數(shù)對(duì)群體極值進(jìn)行尋優(yōu)；迭代更新粒子群體極值。

15、步驟6-4.迭代完成后，以最終尋優(yōu)得到的粒子群體極值就是粒子群算法得到的最優(yōu)值；然后利用最優(yōu)值對(duì)應(yīng)的粒子生成相應(yīng)徑向基神經(jīng)網(wǎng)絡(luò)更新后的中心、寬度和權(quán)值。

16、作為優(yōu)選，

17、步驟六中粒子位置和速度迭代的過程如下：

18、

19、

20、式中，、為粒子迭代過程中當(dāng)前、下一時(shí)刻的運(yùn)動(dòng)速度；、分別為當(dāng)前下一時(shí)刻的粒子位置；為個(gè)體最優(yōu)極值；為群體最優(yōu)極值；和為學(xué)習(xí)因子，和為之間的隨機(jī)數(shù)，為粒子的慣性因子。

21、慣性因子的表達(dá)式為：

22、

23、式中，為慣性因子最大值；為慣性因子最小值；為粒子群算法中最大迭代次數(shù)，為算法當(dāng)前迭代次數(shù)。

24、作為優(yōu)選，步驟三的具體過程如下：

25、步驟3-1.計(jì)算pid控制器當(dāng)前時(shí)刻k的三個(gè)輸入：；；；

26、步驟3-2.計(jì)算控制量的控制信號(hào)增量和當(dāng)前時(shí)刻的控制信號(hào)如下：

27、

28、

29、其中，為上一時(shí)刻的pid控制器輸出；、、分別表示當(dāng)前時(shí)刻k的pid控制器比例系數(shù)，積分系數(shù)和微分系數(shù)。

30、作為優(yōu)選，步驟四中的具體過程為：徑向基神經(jīng)網(wǎng)絡(luò)包括依次相連的是輸入層、隱含層和輸出層。

31、輸出層輸出的辨識(shí)信息如下：

32、

33、其中，為節(jié)點(diǎn)權(quán)值，為隱含層結(jié)構(gòu)的激活函數(shù)。

34、徑向基神經(jīng)網(wǎng)絡(luò)輸出的雅克比矩陣的表達(dá)式為：

35、

36、其中，為第i個(gè)隱含層節(jié)點(diǎn)的中心向量；為第i個(gè)隱含層節(jié)點(diǎn)的寬度。

37、作為優(yōu)選，隱含層結(jié)構(gòu)的激活函數(shù)采用高斯基函數(shù)，其表達(dá)式如下：

38、

39、其中，為歐幾里得范數(shù)。

40、作為優(yōu)選，步驟五更新pid控制器參數(shù)的具體過程為：

41、步驟5-1.計(jì)算pid控制器的比例系數(shù)，積分系數(shù)和微分系數(shù)的參數(shù)增量、、如下：

42、

43、

44、

45、其中，為pid控制的比例、積分、微分的學(xué)習(xí)速率；、、分別為pid控制器在當(dāng)前時(shí)刻k的三個(gè)輸入。

46、步驟5-2.計(jì)算pid控制器下一時(shí)刻的比例參數(shù)，積分參數(shù)和微分參數(shù)、、如下：

47、

48、

49、

50、作為優(yōu)選，所述的搖架呈u形，包括連接梁和兩根側(cè)臂。兩根側(cè)臂的內(nèi)端與連接梁的兩端分別連接。搖架轉(zhuǎn)動(dòng)連接在機(jī)架上。搖架的兩根側(cè)臂之間安裝有紗筒安裝組件。電機(jī)安裝在機(jī)架上。

51、作為優(yōu)選，所述的搖架與電機(jī)之間設(shè)有轉(zhuǎn)矩傳感器。

52、作為優(yōu)選，所述的卷取輥的兩端分別轉(zhuǎn)動(dòng)連接在兩個(gè)第二支座上。間隔設(shè)置的兩個(gè)第二支座均通過壓力傳感器安裝在機(jī)架上。

53、從上述技術(shù)方案可以看出，本發(fā)明的有益效果在于：

54、1、本發(fā)明采用的背壓力控制方法相較于傳統(tǒng)的背壓力控制方法進(jìn)行了優(yōu)化，通過控制電機(jī)轉(zhuǎn)矩代替了傳統(tǒng)的彈簧等機(jī)械裝置對(duì)背壓力進(jìn)行控制，可以使每一錠紗線的背壓力保持一致，提高紗線的卷裝質(zhì)量。

55、2、本發(fā)明基于背壓力測(cè)量值與徑向基神經(jīng)網(wǎng)絡(luò)輸出的辨識(shí)信息構(gòu)建適應(yīng)度函數(shù)，進(jìn)而通過粒子群算法對(duì)徑向基神經(jīng)網(wǎng)絡(luò)中心、寬度和權(quán)值進(jìn)行修正，使得訓(xùn)練后的網(wǎng)絡(luò)時(shí)有著更高的收斂速度與收斂精度。并通過徑向基神經(jīng)網(wǎng)絡(luò)對(duì)控制算法進(jìn)行優(yōu)化，該算法在保留了傳統(tǒng)pid特點(diǎn)的基礎(chǔ)上，還可以根據(jù)系統(tǒng)實(shí)際運(yùn)行的狀況，利用rbf神經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí)、自適應(yīng)能力在線實(shí)時(shí)修正pid的三個(gè)參數(shù)，以此來(lái)適應(yīng)由于各種因素導(dǎo)致的背壓力控制系統(tǒng)模型變化，滿足對(duì)非線性背壓力控制的控制需求，擁有更快的響應(yīng)速度和更好的控制效果。