本發明專利技術公開了一種基于優化BP神經網絡的長絲恒張力控制方法,首先搭建基于優化BP神經網絡的長絲恒張力控制硬件系統,確定BP神經網絡結構,輸入樣本數據以及神經網絡期望的輸出值,然后初始化權值和閾值的種群并計算種群適應度值,對神經網絡的初值和閾值進行選擇、交叉和變異操作,通過遺傳操作后根據適應度值的大小來進行優勝略汰,最終將優化BP神經網絡結構中的權值矩陣和閾值矩陣描述成染色體串,判斷系統是否達到要求的精度作為結束的條件,若達到則該算法結束,如沒達到則返回繼續進行。本發明專利技術解決了現有技術中存在的噴毛帶子紗中存在的張力不穩定問的問題。存在的張力不穩定問的問題。存在的張力不穩定問的問題。
【技術實現步驟摘要】
基于優化BP神經網絡的長絲恒張力控制方法
[0001]本專利技術屬于長絲恒張力控制
,具體涉及一種基于優化BP神經網絡的長絲恒張力控制方法。
技術介紹
[0002]紡織業是一個國家輕工業發展的代表,是國家的基礎行業,也是社會必不可少的行業。中國作為一個擁有歷史文化底蘊的大國,在唐代絲綢成為當時中國文化交流的象征,絲綢代表著我國先進的文化和紡織技術,名揚世界,千金難求。隨著科學技術的不斷發展,人們已經不滿足溫飽而是越來越注重精神層面的享受。因此,人們對織物的質量,柔軟度以及保暖性的要求越來越高。隨著技術的不斷改革和創新,我國紡織企業的設備逐漸落后,生產的產品參差不齊,生產效率低下等。存在的問題是我國紡織企業不可忽視的。由于人們現在對生活要求的不斷提高,生產出來低質量的帶子紗已經滿足不了人們對精致生活的追求。為了滿足人們對噴毛帶子紗高質量的要求,經過研究發現噴毛帶子紗長絲張力的波動是影響帶子紗質量的一個重要因素,它存在于整個紡織過程,要想生產高質量的帶子紗就需要讓長絲的張力保持恒定。長絲張力過大,當長絲受到的牽引力大于長絲彈性的峰值時容易造成長絲的斷裂,這樣就需要停機重新穿絲,嚴重影響生產效率;當長絲的張力過小時,生產出來的帶子紗缺乏彈性,網眼大小不一,成型較差,這樣還容易造成纖維外漏的現象。
[0003]現有技術《韓帥,狄士春,楊俊杰.嵌入式紗線張力控制系統設計[J].機械設計與制造,2015(08):140
?
142+146.》中提供一種將長絲被動送絲結構該為主動送絲結構,通過檢測張力的大小來控制送絲電機的加減速,進而控制長絲的張力。采用模糊控制作為該控制器的算法,通過模糊推理對PID參數進行在線自整定,使其能夠自動辨識控制過程中參數的變化。通過仿真結果表明模糊PID控制較常規PID控制超調量減小了21%,調整時間縮短了1s,并且在輸入信號變化時模糊PID控制效果更穩定,自適應性更好。一方面:現有技術的缺點在于張力控制系統的硬件設備成本過高,不適用于我國小型紡織企業,這樣會增加企業的成本。另一方面:算法一般采用經典的PID控制算法或者模糊控制算法等單一的算法,面對非線性、多個時變或復雜等系統難以滿足需要,對長絲張力的調節達不到比較好的效果,生產出來的紗線不能滿足人們的需求。
技術實現思路
[0004]本專利技術的目的是提供一種基于優化BP神經網絡的長絲恒張力控制方法,解決了現有技術中存在的噴毛帶子紗中存在的張力不穩定問的問題。
[0005]本專利技術所采用的技術方案是,基于優化BP神經網絡的長絲恒張力控制方法,具體按照以下步驟實施:
[0006]步驟1、搭建基于優化BP神經網絡的長絲恒張力控制硬件系統;
[0007]步驟2、根據系統的復雜程度確定BP神經網絡結構;
[0008]步驟3、輸入樣本數據以及神經網絡期望的輸出值;
[0009]步驟4、初始化權值和閾值的種群并計算種群適應度值,對神經網絡的初值和閾值進行選擇、交叉和變異操作,通過遺傳操作后根據適應度值的大小來進行優勝略汰,根據設定的遺傳算法結束條件進行判斷,是否還需要再進行上述步驟,如需要則返回,如不需要則將優化好的初值和閾值返回給神經網絡;通過神經網絡的算法原理,信息正向傳播和誤差反向傳播,不斷的修改權值和閾值,將優化BP神經網絡結構中的權值矩陣和閾值矩陣描述成染色體串,判斷系統是否達到要求的精度作為結束的條件,若達到則該算法結束,如沒達到則返回繼續進行。
[0010]本專利技術的特點還在于,
[0011]步驟1中基于優化BP神經網絡的長絲恒張力控制硬件系統具體結構為:包括張力檢測模塊、主控模塊、張力調節模塊、電機驅動模塊、人機交互模塊和報警模塊,其中,張力檢測模塊為張力傳感器,采用的是JZHL
?
T1三輥式,安裝在紗筒長絲與張力調節裝置的中間,用以檢測長絲初始的張力值,張力調節模塊采用杠桿式,通過主控芯片比較檢測的張力值與設定的張力閾值大小進行動作,電機驅動模塊采用的是步進電機驅動調節裝置的上下運動;人機交互模塊為LCD液晶顯示、LED蜂鳴器報警;主控模塊采用的是 STC12C5A08S2型號的單片機,用以對比張力傳感器檢測到的信號與閾值的大小、處理LCD顯示屏的信號。
[0012]步驟2中優化BP神經網絡結構具體為:
[0013]包括輸入層、隱含層和輸出層;
[0014]其中,輸入層節點選擇如下:將卷繞機構的線速度v2、長絲與壓桿間的摩擦力f、壓桿上下運動的速度v0以及長絲的送給速度v1這四個量作為神經網絡的輸入層;
[0015]隱含層節點選擇如下:隱含層將輸入的信號進行閾值過濾,并傳遞給輸出層,輸出層將誤差信號通過隱含層再反饋給輸入層,根據經驗公式n為輸入層的個數,m為輸出層的個數,a為1
…
10的常數,隱含層的個數為5;
[0016]輸出層節點選擇如下:輸出層的神經元對應于控制器的三個可調參數 k
p
,k
i
,k
d
,k
p
為比例調節系數,加快系統的響應速度,提高系統的調節精度; k
i
為積分調節系數,消除殘差;k
d
為微分調節系數,改善系統的動態性能。
[0017]步驟4具體如下:
[0018]選擇4*5*3的神經網絡結構,將卷繞機構的線速度v2、長絲與壓桿間的摩擦力f、壓桿上下運動的速度v0以及長絲的送給速度v1這四個量作為神經網絡的輸入樣本;將期望輸出的電機控制參數k
p
,k
i
,k
d
作為輸出,由于神經網絡的初始權值和閾值是隨機生成的,將隨機生成的權值和閾值送給遺傳算法,作為遺傳算法的初始種群,遺傳算法根據神經網絡的目標函數計算網絡遺傳算法的適應度值,E
p
(t)為在第p組經t次權值調整后網絡的輸出,將選擇算子作用于種群,選擇的目的是把優化的個體直接遺傳到下一代或通過配對交叉產生新的個體再遺傳到下一代,交叉操作是將兩個相互配對的染色體按某種方式相互交換其部分基因,從而形成兩個新的個體,變異運算是模擬生物進化過程中基因突變,染色體串上的的某一部位發生基因突變,成為種群中獨一無二的基因型,終止條件設定為進化代數為100 時結束算法,若沒有滿足終止條件則繼續遺傳操作,遺傳算法的參數設置:確定種群的進化代數為100,種群的大小規模為50,設定自適應參數的初始值為交叉概
率P
c
=0.6,變異概率P
m
=0.05,將優化好的初值和閾值解碼送給神經網絡;神經網絡不斷對比期望輸出糾正權值和閾值,直到滿足k
p
,k
i
,k
d
的要求為止。
[0019]本專利技術的有益效果是,一種基于優化BP神經網絡的長絲恒張力控制方法,首先可以減小硬件設計的成本,并且其精度相對較高,結構簡單,操作方便并且運行可靠,非常適合我國紡織領域的小型企業,可以節本文檔來自技高網...
【技術保護點】
【技術特征摘要】
1.基于優化BP神經網絡的長絲恒張力控制方法,其特征在于,具體按照以下步驟實施:步驟1、搭建基于優化BP神經網絡的長絲恒張力控制硬件系統;步驟2、根據系統的復雜程度確定BP神經網絡結構;步驟3、輸入樣本數據以及神經網絡期望的輸出值;步驟4、初始化權值和閾值的種群并計算種群適應度值,對神經網絡的初值和閾值進行選擇、交叉和變異操作,通過遺傳操作后根據適應度值的大小來進行優勝略汰,根據設定的遺傳算法結束條件進行判斷,是否還需要再進行上述步驟,如需要則返回,如不需要則將優化好的初值和閾值返回給神經網絡;通過神經網絡的算法原理,信息正向傳播和誤差反向傳播,不斷的修改權值和閾值,將優化BP神經網絡結構中的權值矩陣和閾值矩陣描述成染色體串,判斷系統是否達到要求的精度作為結束的條件,若達到則該算法結束,如沒達到則返回繼續進行。2.根據權利要求1所述的基于優化BP神經網絡的長絲恒張力控制方法,其特征在于,所述步驟1中基于優化BP神經網絡的長絲恒張力控制硬件系統具體結構為:包括張力檢測模塊、主控模塊、張力調節模塊、電機驅動模塊、人機交互模塊和報警模塊,其中,張力檢測模塊為張力傳感器,采用的是JZHL
?
T1三輥式,安裝在紗筒長絲與張力調節裝置的中間,用以檢測長絲初始的張力值,張力調節模塊采用杠桿式,通過主控芯片比較檢測的張力值與設定的張力閾值大小進行動作,電機驅動模塊采用的是步進電機驅動調節裝置的上下運動;人機交互模塊為LCD液晶顯示、LED蜂鳴器報警;主控模塊采用的是STC12C5A08S2型號的單片機,用以對比張力傳感器檢測到的信號與閾值的大小、處理LCD顯示屏的信號。3.根據權利要求2所述的基于優化BP神經網絡的長絲恒張力控制方法,其特征在于,所述步驟2中優化BP神經網絡結構具體為:包括輸入層、隱含層和輸出層;其中,輸入層節點選擇如下:將卷繞機構的線速度v2、長絲與壓桿間的摩擦力f、壓桿上下運動的速度v0以及長絲的送給速度v1這四個量作為神經網絡的輸入層;隱含層節點選擇如下:隱含層將輸入的信號進行閾值過濾,并傳遞給輸出層,輸出層將誤差信號通過隱含層再反饋給輸入層,根據經驗公式n為輸入層的個數,m為輸出層的個數...
【專利技術屬性】
技術研發人員:朱耀麟,武桐,陳鑫,孟超,周曉東,
申請(專利權)人:紹興市柯橋區西紡紡織產業創新研究院,
類型:發明
國別省市:
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。