CN114034417A - 一种剑杆织机专用的张力检测系统及控制策略 - Google Patents

一种剑杆织机专用的张力检测系统及控制策略 Download PDF

Info

Publication number
CN114034417A
CN114034417A CN202111320769.8A CN202111320769A CN114034417A CN 114034417 A CN114034417 A CN 114034417A CN 202111320769 A CN202111320769 A CN 202111320769A CN 114034417 A CN114034417 A CN 114034417A
Authority
CN
China
Prior art keywords
tension
module
value
warp
loom
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202111320769.8A
Other languages
English (en)
Inventor
肖艳军
王晓亮
韩芙蓉
刘萍
刘伟玲
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jiangsu Keruide Intelligent Control Automation Technology Co ltd
Original Assignee
Jiangsu Keruide Intelligent Control Automation Technology Co ltd
Hebei University of Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Jiangsu Keruide Intelligent Control Automation Technology Co ltd, Hebei University of Technology filed Critical Jiangsu Keruide Intelligent Control Automation Technology Co ltd
Priority to CN202111320769.8A priority Critical patent/CN114034417A/zh
Publication of CN114034417A publication Critical patent/CN114034417A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01L—MEASURING FORCE, STRESS, TORQUE, WORK, MECHANICAL POWER, MECHANICAL EFFICIENCY, OR FLUID PRESSURE
    • G01L1/00—Measuring force or stress, in general
    • G01L1/20—Measuring force or stress, in general by measuring variations in ohmic resistance of solid materials or of electrically-conductive fluids; by making use of electrokinetic cells, i.e. liquid-containing cells wherein an electrical potential is produced or varied upon the application of stress
    • G01L1/22—Measuring force or stress, in general by measuring variations in ohmic resistance of solid materials or of electrically-conductive fluids; by making use of electrokinetic cells, i.e. liquid-containing cells wherein an electrical potential is produced or varied upon the application of stress using resistance strain gauges
    • G01L1/225—Measuring circuits therefor
    • G01L1/2262—Measuring circuits therefor involving simple electrical bridges
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01L—MEASURING FORCE, STRESS, TORQUE, WORK, MECHANICAL POWER, MECHANICAL EFFICIENCY, OR FLUID PRESSURE
    • G01L1/00—Measuring force or stress, in general
    • G01L1/20—Measuring force or stress, in general by measuring variations in ohmic resistance of solid materials or of electrically-conductive fluids; by making use of electrokinetic cells, i.e. liquid-containing cells wherein an electrical potential is produced or varied upon the application of stress
    • G01L1/22—Measuring force or stress, in general by measuring variations in ohmic resistance of solid materials or of electrically-conductive fluids; by making use of electrokinetic cells, i.e. liquid-containing cells wherein an electrical potential is produced or varied upon the application of stress using resistance strain gauges
    • G01L1/2268—Arrangements for correcting or for compensating unwanted effects
    • G01L1/2281—Arrangements for correcting or for compensating unwanted effects for temperature variations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/17—Mechanical parametric or variational design
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces

Landscapes

  • Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Geometry (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Looms (AREA)

Abstract

本发明为一种剑杆织机专用的张力检测系统及控制策略，包括张力感知模块、张力信息处理与传输模块、供电电源模块、张力变换与温度采集模块，张力感知模块包括弹性体，弹性体的材料屈服强度不小于900MPa，弹性体分为上下两个机械部件，下部机械部件的尾端通过螺栓及连接件固定在织机的固定后梁上，上下两个机械部件交界位置设置有将张力辊卡合住的开孔，张力辊卡在该开孔位置并通过螺栓固定；弹性体的形变范围集中在中间区域，在形变范围集中的弹性体的正反面中间区域均开设盲孔，盲孔内黏贴应变片。针对剑杆织机的机械结构和张力检测、控制原理进行研究，实现对剑杆织机张力信息的高精度、宽量程和强抗干扰性检测，实现对织机经纱张力的稳定控制。

Description

一种剑杆织机专用的张力检测系统及控制策略
技术领域
本发明涉及检测系统领域，具体涉及一种剑杆织机专用的张力检测系统及控制策略。
背景技术
剑杆织机作为无梭织机的一种，在目前纺织行业中应用最为广泛。对于剑杆织机来说，张力控制是其织造过程中一个重要环节。织机的张力控制是确保其稳定可靠运行的重要因素之一，而张力大小的准确测量是张力控制系统正常工作的前提，张力的过大或者过小都会对织物的成形产生较大影响：如果经纱张力过大，则经纱会很轻易就断裂，造成织机停机，同时还可能导致纱线变形，影响成品的性能和结构；如果经纱张力过小，则会导致织物成品较为松散，品型不好且弹性缺失。稳定的张力是织物结构紧密，弹性适中，成型良好的保证。当前国内纺织领域机械智能化程度不高，工作效率较低，生产成本较高，且织物产品质量不如国外产品。经纱张力检测的水平的高低决定了织机张力控制的效果，同时稳定的张力控制算法决定了织物的质量等级，所以经纱张力检测和张力精细控制是纺织领域工业自动化发展所追逐的目标之一。
目前，剑杆织机的张力检测系统主要以系统集成张力控制系统为主，失去了检测系统的专用性，并未针对织机领域进行系统优化，对于织机领域，尤其是剑杆织机领域的适配度不算太高。其次抗干扰能力较差，尤其当变频器开启时，张力测量值会产生较大偏差，造成检测误差。高精度检测系统测量范围往往较小，而量程较大的检测系统的检测误差往往过大，检测量程和检测精度间的矛盾没有解决，同时现有的张力检测系统大多没有考虑温度因素对于张力检测的影响，影响了张力检测的精度与准确性，且多为电压和电流输出型，输出模拟信号，需要将信号传输到织机的主控系统进行二次处理，增加了织机主控系统设计的复杂度。其次，现有的织机张力控制策略仍以传统PID算法为主，但是由于其局限性难以满足如今高速化现状下对于张力波动的控制需求。因此发明一款成本适中，适配剑杆织机机械结构，简单易用，且具有较高精度，较宽量程，强抗干扰能力，张力波动较小的织机张力检测系统及控制策略将有广泛的应用市场和显著的社会需求。
发明内容
针对现有技术的不足，本发明提供一种剑杆织机专用的张力检测系统及控制策略，针对剑杆织机的机械结构和张力检测、控制原理进行研究，针对性开发和设计系统架构和功能，基于模糊PID的织机经纱张力调节算法，最终实现对剑杆织机张力信息的高精度、宽量程和强抗干扰性检测，同时也实现了对织机经纱张力的稳定控制。
为实现上述目的，本发明采用的技术方案是：
一种剑杆织机专用的张力检测系统，包括张力感知模块、张力信息处理与传输模块、供电电源模块，所述张力感知模块包括弹性体、应变片及全桥、调零电路，其特征在于：该张力检测系统还包括张力变换与温度采集模块，张力变换与温度采集模块、张力信息处理与传输模块、供电电源模块均集成在一块电路板上；
所述弹性体的材料屈服强度不小于900MPa，弹性体整体采用分体式结构，分为上下两个机械部件，并且分别设置螺栓孔，下部机械部件的尾端通过螺栓及连接件固定在织机的固定后梁上，下部机械部件的头端和上部机械部件为卡式结构，上下两个机械部件交界位置设置有将张力辊卡合住的开孔，张力辊卡在该开孔位置并通过螺栓固定；
剑杆织机中当张力辊对弹性体进行力的作用时，弹性体的形变范围集中在中间区域，在形变范围集中的弹性体的正反面中间区域均开设盲孔，在正和/或反面的盲孔内黏贴应变片；
上述张力变换与温度采集模块，包括抗混叠滤波电路、A/D转换模块、环境温度检测模块，抗混叠滤波电路和A/D转换模块共同构成张力变换电路，张力信号经过抗混叠滤波电路进行滤波处理，然后将信号输入到A/D转换模块进行A/D转换；环境温度检测电路用于检测环境温度；
上述张力信息处理与传输模块，包括信息运算与处理核心、通讯模块和存储扩展模块，信息运算与处理核心获取A/D转换后的张力信息和环境温度信息，信息运算与处理核心中设置滤波算法和数据拟合模块，得到准确张力数字量。
所述滤波算法为采取中值滤波与限幅滤波相融合的滤波方式，能够对频率在0.01Hz以下的信号进行滤波操作，中值滤波的具体实现过程为：首先对某个参数进行N次的连续采样，N 通常情况下选取奇数，然后把这N次采样的数值结果根据从小到大的顺序进行排列，再选择中间值作本次采样的最终值，经过中值滤波后，采样值的波动范围明显减小，超过一半数据的波动幅度减少超过50％；限幅滤波运用限幅原理，限幅滤波的数据源为中值滤波后的数据，对输入信号进行判断，将超过预设门限值的全部瞬时值消减到接近先前设置的门限值，设置门限值为150。
所述数据拟合模块使用遗传算法与BP神经网络融合实现数据拟合，BP神经网络架构选择采取三层结构设计，两个输入、一个输出，其中两个输入分别为在相同温度下的张力的实际采样值和理论采样值，即张力的实际采样值与理论采样值构成的数据集，BP神经网络的激活函数选择RELU函数，去除整个神经网络输出的线性化，使得整个神经网络模型呈非线性化，使用trainlm函数作为输入节点的训练函数，输出层传递函数使用purelin函数，隐含层传递函数使用tansig函数，根据BP神经网络输入层、输出层和隐含层神经元数量，确定权值和阈值个数，进而确定遗传算法种群的编码长度，通过遗传算法优化BP神经网络的初始权值和阈值，得到的最优个体对应BP神经网络的初始权值和阈值赋值，再通过训练获得在特定环境温度下采用遗传算法与BP神经网络融合拟合后的曲线，该曲线综合了环境温度因素和实际采样值、理论采样值的内在联系，表现出线性的形式，拟合误差不大于0.0105％。
该张力检测系统的检测精度达到0.01％～0.15％FS，且拥有0～800kg的宽量程；所述弹性体的下部机械部件的尺寸大小为，长16.5cm、宽3cm、高6cm，其中固定张力辊的孔洞应设置为直径3.5cm的圆孔，弹性体采用42CrMo材料制成。
张力检测系统的最大量程为800kg,盲孔区域的应变为0.5～0.6mm/m，应变片型号为 BF350-3AA，电桥电路为直流电桥，采用全桥电路的接法，全桥电路为四个桥臂全部使用相同的应变片，四个应变片均安装在一侧的盲孔内，采用电位器和电阻相结合的方式，对电路进行分压，达到调节电桥桥臂电阻平衡的效果，实现全桥电路调零。
张力变换与温度采集模块对张力感知过程中混入的噪声，采用标准双路运算放大器 LM358B搭建抗混叠滤波电路完成硬件的抗干扰功能，利用AD7730芯片模块及其外围电路组成模数转换模块，实现模拟电压信号到数字离散信号的转换，并且选用DS18B20数组温度传感器实现检测系统对于环境温度的检测，使用BP神经网络来抵消温度对于电桥电路输出电压的影响，保证测量的精度，实现温度补偿；
张力信息处理与传输模块采用STM32单片机作为运算处理核心，并配备CAN通讯接口实现与织机主控系统的传输，利用AT24C512芯片实现张力重要信息的掉电保存功能，防止重要数据丢失，实现数据复盘；
供电电源模块作为独立的模块对其它3个模块进行供电，织机主控系统电路板的24V电源作为输入，通过电源转换电路，转化为5V和3.3V两种电压标准。
本发明还保护一种剑杆织机专用的张力控制策略，其特在于，以模糊PID与传统PID控制结合方式对剑杆织机的经纱张力进行控制，构建基于模糊PID的经纱张力闭环控制系统，实现对经纱张力的稳定控制，
张力控制策略以建立织机经纱张力数学模型为基础，选定以送经轴为控制对象，定区间采集张力，同时以PID控制为框架，结合模糊理论对输出张力进行控制，能够根据所设定的模糊规则自动调整控制参数，实现了对织机张力的稳定控制。
所述织机经纱张力数学模型为：
Figure BDA0003345534910000031
其中，Ft为经纱所受的总张力，n为绕过张力辊的纱线根数，A0为单根纱线横截面积，E为纱线的弹性模量，L0为送经轴A与纱线切点和摩擦辊B与织物切点之间的纱线长度，△L0为张力初始化设定后纱线形变量，△L’为纱线两端速度差造成的形变量，vA和vB分别为两切点上的线速度；
保证线速度差vB-vA恒定且趋近于0，能保证经纱的张力恒定且误差保持在一定范围内，即只需调整送经轴和卷取轴转速即能达到控制张力稳定的目的。
定区间采集张力的过程是：对张力的采集过程中的开口、打纬和引纬动作对采集效果的影响进行了分析，取每个周期内的45°～55°的10°范围作为经纱张力采样的角度区间。
通过运用ANSYS Workbench软件对弹性体结构进行有限元分析，使得弹性体的受力满足剑杆织机张力检测的原理，确定弹性体应力分布的集中区域，设置盲孔位置及形状，安装应变片，确定张力感知模块结构；
在张力辊和固定后梁位置固定张力感知模块，
搭建基于模糊PID的经纱张力闭环控制模型，模糊控制器采用两输入三输出的控制模型，输入量为以张力测量值c(t)与张力设定值r(t)的偏差值e(t)和张力误差变换率ec(t)，输出为对 PID三个参数的修正值△Kp、△Ki、△Kd；PID控制器三个基本参数Kp、Ki、Kd通过该输出修正值进行在线调整，调整公式为：
Figure BDA0003345534910000041
其中，Kp0、Ki0、Kd0为系统初始化时的设定值，通过传统PID整定方法获得；将模糊论域中的数值转化为模糊子集{NB，NM，NS，ZO，PS，PM，PB}，子集中元素分别对应负大、负中、负小、零、正小、正中、正大；选择隶属度函数时，输入输出各参数对应的模糊子集中元素NB和PB选用Z型和反Z型隶属函数构成左右边界，实现平滑过渡；中间五个子元素采用三角形隶属函数并使其均匀分布；
模糊规则的推理过程应遵循以下规则：
(1)在张力调节初期，主轴刚启动还未稳定，且收放卷速度存在较大偏差，此时经纱上张力与设定值的偏差e较大；为提高响应速度，应适当增加Kp，而Ki则取较小值或为零；
(2)在张力较稳定即偏差值e较小时，张力偏差变化率ec也较小，为提高稳定性和控制精度，应适当减小Kp和Ki，而Kd应稳定在较小范围内；
(3)在调节过程中遇到调整主轴转速或其它干扰时，造成短时间内张力波动较大，此时张力偏差值e和偏差变化率ec较大，为防止超调和震荡，应适当减小Kp，增加Ki和Kd；
数字滤波算法对张力数据进行处理，摒弃数据中混入的无效和干扰数据，提取有效的张力数据后将其传送到数据拟合模块，在此模块中通过遗传算法和BP神经网络对有效的张力数据与相应环境温度下的理论采样值数据进行分析与融合，最终得到准确张力数字量；此数字量分两路处理，一路被存储到存储读取模块，一路通过通讯模块传输到织机主控系统，使用所建立的基于模糊PID的经纱张力闭环控制模型对采集的张力值与设定值比较，使用模糊控制器对参数进行在线调整，控制张力波动在±1％以内，到达对经纱张力的稳定控制。
与现有技术相比，本发明的有益效果如下：
1.本发明针对当前剑杆织机张力检测系统适配度不高的现状，提出了模块化的检测系统架构，对织机检测的原理进行分析，自主设计出高度契合的专用化的张力感知模块，通过运用ANSYS Workbench软件对弹性体结构进行有限元分析，提出盲孔设计，弹性体的应变分布受到盲孔结构的约束，盲孔法能够有效的集中其所受的应力与应变效应，有利于提高电阻应变片对于张力的敏感程度，使其按规律分布。同时，采用盲孔结构粘贴应变片还可以防止应变片和其引线暴露在外，起到有效的保护作用，避免了工业现场和生产运输途中意外的发生而导致应变片测量准确性受损。克服了现有张力检测系统缺乏专用性，无法对剑杆织机进行系统优化的问题。
2.通过对主流织机结构的测量和分析，为提高检测系统在织机的适用性，设计弹性体的尺寸大小为，长16.5cm，宽3cm，高6cm，其中固定张力辊的孔洞设置为直径3.5cm。
2、本发明采用四层板设计，电源与地进行隔离，对织机工作过程中的干扰源进行了分析，提出硬件抗混叠滤波与软件数字滤波算法实现高抗干扰性与高稳定性，能够实现消除变频器工作的干扰。针对温度对于电桥电路输出电压的复杂影响，加入温度采集电路，对环境温度进行实时采集，保证了张力检测的精度。同时，本发明拥有较高的可靠性，能在-10℃～50℃的环境内正常工作，并保证检测效果。同时使用高精度24位转换器AD7730，实现张力信号的高精度转换。
3、本发明采用遗传算法与BP神经网络融合替代传统最小二乘法进行数据拟合，减少了温度因素带来的误差，提高了检测精度，检测精度达到0.01％～0.15％FS，更高的检测精度能够为织机张力控制提供更为精确的张力值，从而达到更好的控制效果。解决了其量程与精度间的矛盾，拥有0～800kg的宽量程，使得检测系统能够适用于更多的织机张力检测场景。
4、本发明的检测系统可以直接输出数字量信息，可通过CAN总线实现与织机主控系统的传输，实现了张力重要信息的掉电保存功能。简化了织机主控系统设计的复杂程度，提高智能化程度，减少了织机主控系统的负担。
5、本发明采用通过定区间的采样方式减少了对经纱张力采集的干扰，采用模糊控制结合 PID搭建基于模糊PID的经纱张力闭环控制模型，对比传统PID控制策略，模糊PID控制能够实现更小的张力波动。
综上，本系统对剑杆织机的机械结构和张力检测过程进行研究，并根据张力信号的流向和功能提出了模块化架构，优化设计出张力感知的弹性体结构，加入温度采集电路，提出硬件抗混叠滤波电路和软件数字滤波相结合的设计，以遗传算法和BP神经网络融合实现对数据的高精度拟合，最终实现对剑杆织机张力信息的高精度、宽量程和强抗干扰性检测。在高精度检测的基础上提出以模糊PID算法为核心的张力闭环控制策略，实现了对织机张力的稳定控制。
附图说明
图1为本发明剑杆织机专用的张力检测系统的系统结构示意图；
图2为本发明的经纱张力传力模型示意图；
图3为本发明的织机整体机械机构示意图；
图4为本发明的弹性体简单模型示意图；
图5为本发明优化后的弹性体3D模型示意图；
图6为经纱张力采样模型示意图；
图7为传统弹性体与本发明弹性体的应变对比云图，图中(a)为传统弹性体的应变图，(b) 为本发明弹性体的应变图；
图8为本发明的盲孔法贴片示意图，图中左边为传统贴片式粘结固定应变片的示意图，右边为本发明盲孔法黏贴应变片的示意图；
图9为本发明的抗混叠滤波电路结构图弹性体简单模型示意图；
图10为本发明的AD7730与STM32硬件接口连接示意图；
图11为本发明的DS18B20与STM32硬件接口连接示意图；
图12为本发明的遗传算法和BP神经网络融合的工作流程示意图；
图13为本发明的BP神经网络模型示意图；
图14为本发明的遗传算法和BP神经网络融合的测试结果示意图；
图15为本发明的系统电源供电整体架构示意图；
图16为本发明的系统电源转换电路示意图；
图17为本发明的经纱张力采样区间示意图；
图18为本发明的模糊PID张力闭环控制系统结构示意图；
图19为本发明的输入输出参数论域对应图；
图20为本发明的△Kp、△Ki、△Kd的模糊规则图。
具体实施方式
为了使本发明技术方案和优点更加清晰，下面将结合附图给出本发明的具体实施例。具体实施例仅用于进一步详细说明本发明，不限制本申请的保护范围。
本发明张力检测系统通过对剑杆织机的机械结构和张力检测的基本工作原理进行分析，并根据张力信号的流向和功能提出了模块化架构，将系统总体架构分为张力感知、张力变换与温度采集、张力信息处理与传输、供电电源等四个模块，分别实现张力信息的输入、转化、数据处理、数据输出和系统供电功能。张力控制策略为以模糊PID与传统PID控制结合方式对剑杆织机的经纱张力进行控制，构建基于模糊PID的经纱张力闭环控制系统，实现对经纱张力的稳定控制。
张力感知模块为以织机机械结构和应变式张力检测原理为基础，针对剑杆织机的机械结构和受力进行适配性设计，自主研发设计的剑杆织机专用的张力感知模块，该模块以弹性体和电阻式应变片为主要结构，将织机的张力转化为张力辊所受的压力，进而将压力作用于弹性体转化为应力。通过对主流织机结构和应力的分析，对弹性体结构进行了针对性设计，同时充分考虑到剑杆织机的工作环境，弹性体采用42CrMo材料。弹性体的材料选用需要考虑以下几个方面：强度、弹性、韧性、抗氧化能力。强度要高，保证弹性体在高负荷状态下能够保持良好的机械性能；要有较佳的弹性；韧性要足，确保弹性体具备一定的抗冲击能力；因为弹性体所处的工作环境并不是很好，所以也需要它具备相应的抗氧化能力。优化弹性体的结构和应变片黏贴位置，提高张力检测精度，应变片采用盲孔法贴片模式，使用电阻式应变片搭建电桥电路与调零电路。
张力变换与温度采集模块对张力感知过程中混入的噪声，采用标准双路运算放大器 LM358B搭建抗混叠滤波电路完成硬件的抗干扰功能，利用AD7730芯片模块及其外围电路组成模数转换模块，实现模拟电压信号到数字离散信号的转换。当环境温度产生变化时，应变片的敏感栅自身的电阻值会随之产生改变，弹性体也会随着温度改变发生细微的变化。除去以上因素，还可能因为温度变化导致电桥电路的零点发生漂移，导致电压输出发生改变。因此，温度对于电桥电路的输出电压的影响是多重因素叠加的影响，温度变化和电桥电压输出的关系为伪线性关系，使得提取具体线性关系变得非常困难，影响了张力检测的精度。因此，选用DS18B20数组温度传感器实现检测系统对于环境温度的检测，通过遗传算法与BP 神经网络融合实现温度补偿。
张力信息处理与传输模块采用STM32单片机作为运算处理核心，并配备CAN通讯接口实现与织机主控系统的传输，利用AT24C512芯片实现张力重要信息的掉电保存功能，防止重要数据丢失，实现数据复盘。为了提取有效的张力离散数字信息，使用中值滤波与限幅滤波相结合的数字滤波方式，使用遗传算法和BP神经网络融合作为张力检测系统数据拟合的算法。
供电电源模块作为独立的模块对其它3个模块进行供电，采用高精度且低噪声的供电电源设计，以提高张力检测系统的检测精度。织机主控系统电路板的24V电源作为输入，通过电源转换电路，转化为5V和3.3V两种电压标准。
张力控制策略以建立织机经纱张力数学模型为基础，选定以送经轴为控制对象，为了提高张力控制精度，采用定区间张力采集方式，同时以PID控制为框架，结合模糊理论对输出张力进行控制，能够根据所设定的模糊规则自动调整控制参数，实现了对织机张力的稳定控制。
织机经纱张力数学模型如图6所示，
由胡克定律可知，经纱所受张力Ft应为：
Figure BDA0003345534910000071
其中，Ft为经纱所受的总张力，n为绕过张力辊的纱线根数，A0为单根纱线横截面积，E为纱线的弹性模量，L0为送经轴A与纱线切点和摩擦辊B与织物切点之间的纱线长度，△L0为张力初始化设定后纱线形变量，△L’为纱线两端速度差造成的形变量，vA和vB分别为两切点上的线速度。由式可知，要保证经纱的张力恒定且在误差保持在一定范围内，只需保证线速度差vB-vA恒定且趋近于0，即只需调整送经轴和卷取轴转速即可达到控制张力稳定的目的。只控制一个轴即可，送经轴或卷取轴，本实施例中根据数学模型选择控制送经轴，卷取轴固定转速。
本发明为一种剑杆织机专用的张力检测系统，检测系统结构如图1所示。其包括硬件结构和软件架构，两者相互配合，构成完整的张力检测系统。整个系统包括张力感知模块、张力变换与温度采集模块、张力信息处理与传输模块、供电电源模块及软件架构。张力变换与温度采集模块、张力信息处理与传输模块、供电电源模块均集成在一块电路板上，所述张力感知模块由弹性体，应变片及全桥、调零电路组成，弹性体是安装在织机上用来传递织机的张力，而应变片粘贴在弹性体上，将张力的变化转换为电阻的变化，可以采集织机的张力信息。织机在正常进行织造时，送经轴上的经纱绕过固定后梁后通过中间结构动作形成成品织物绕卷在卷取轴上(参见图3)，在这个过程中，经纱会持续的对张力辊产生持续变化的力的作用，所以与织机张力检测直接相关的机械结构为张力辊和固定后梁，其中固定后梁起到固定张力感知模块位置的作用，张力感知模块所要感知的经纱的张力实质上可以转化为感知张力辊受到的压力，进而转化为应力。
经纱张力的传力模型如图2所示，T为经纱张力，F为经纱对张力辊施加的压力。张力感知模块要对张力辊所受到的压力进行检测，结合图3的剑杆织机的机械结构，针对张力辊和固定后梁的结构进行弹性体的结构设计，要求弹性体能够一端固定在固定后梁上，另一端能够感知到张力辊上的传递过来的力作用，得到弹性体的简单模型，如图4所示。弹性体的一端通过螺栓、连接件固定在织机的固定后梁上，另外一端应采用穿孔结构，包裹住张力辊，感知张力辊的压力，其中F为张力辊对弹性体施加的作用力。
本实施例中通过对主流剑杆织机结构的测量和分析，为提高检测系统在织机的适用性，设计弹性体的尺寸大小为，长16.5cm，宽3cm，高6cm，其中固定张力辊的孔洞应设置为直径3.5cm的圆孔。弹性体通过SolidWorks对其机械结构进行3D模型的建立，弹性体整体采用分体式结构，分为上下两个部分，并且分别设置螺栓孔，尾端通过螺栓可固定在固定后梁上，提供一个力的支撑作用，头端为卡式结构，上下两个机械部件将张力辊卡合住，并通过螺栓固定，在保证张力辊对弹性体的力作用的完整性的同时，也便于生产和现场安装使用，对弹性体的受力方向进行分析，当张力辊对弹性体进行力的作用时，弹性体的形变范围应当集中在中间区域，这部分区域也是最适合黏贴金属电阻应变片的区域。
为了使应变区域更为集中，对弹性体3D模型进行进一步的优化，针对性的设计出盲孔结构，即在弹性体正反面的中间区域打上盲孔。采用圆形盲孔设计圆形结构相对于其他结构对于力有更好的收集作用，而对比通孔结构，盲孔结构更有利于应变片的粘贴，具体设计方案如图5所示。接着将其传入有限元仿真平台ANSYS Workbench中，材料设置为42CrMo，根据图2的张力传力模型，经过现场测量张力角α的值大小大概为15°，张力检测系统的最大量程为800kg，通过计算可以得到向下的压力F约为4060N。将模型尾端螺栓位置设置为固定约束，对张力辊施加向下4060N的压力。得到其应力云图，如图7中(b)所示。从图7中(b)中可以看出弹性体的应变主要集中在中间区域，在最大载荷时，最大应变约为170MPa，远小于材料的屈服强度950Mpa，代表这整体的结构设计和材料选择能达到张力检测系统的最大量程 800kg需求。本系统弹性体采用盲孔结构，理论上对力的应力和应变有很好的集中作用。利用ANSYS Workbench对弹性体进行应变分析，并且与没有开盲孔的普通结构(传统结构)进行对比，弹性体应变对比云图如图7所示，盲孔区域的应变可以达到0.5～0.6mm/m，传统结构相应区域的应变为0.15～0.2mm/m，有盲孔结构的弹性体的盲孔所在区域的应变是没有开盲孔结构弹性体的应变的三倍左右，体现了盲孔结构的优越性。应变片被黏贴在弹性体应变效应最为突出的部分，使用盲孔法黏贴应变片，将应变片粘贴在盲孔位置，如图8所示。对比传统的贴片方式，盲孔法能够充分的集中弹性体所受应力作用，并积极反馈到应变片上，同时能够保护电桥电路及其导线。而穿孔结构也能集中应力，但是它固有的结构不适宜粘贴应变片。应变片型号可以为BF350-3AA，其根据应力集中原则安装于盲孔内。电桥电路具体为直流电桥，采用全桥电路的接法，全桥电路为四个桥臂全部使用相同的应变片，本实施例中四个应变片均安装在一侧的一个盲孔内。采用电位器和电阻相结合的方式，对电路进行分压，达到调节电桥桥臂电阻平衡的效果，实现全桥电路调零。
上述张力变换与温度采集模块，包括抗混叠滤波电路、A/D转换模块、环境温度检测模块，抗混叠滤波电路和A/D转换模块共同构成张力变换电路，张力信号经过抗混叠滤波电路进行滤波处理，然后将信号输入到A/D转换电路进行A/D转换。环境温度检测电路用于检测环境温度，本实施例A/D转换模块所使用的芯片为AD7730芯片，增加环温度检测模块实现对温度的检测，考虑温度对张力的影响，提高了张力检测的精度。
抗混叠滤波电路如图9所示，其作用为滤除在采集张力信息的过程中，混入的高频干扰信号。通过对织机工作的干扰源进行分析，其干扰信号频率集中于5k～90MHz，运放选择标准双路运算放大器LM358B，LM358B芯片在+5V电压下工作，IN1+和IN1-管脚为第一路通道的输入端，IN1+和IN1-管脚分别与电容值为120nF和220nF的电容C9和C6相连。IN2+ 和IN2-管脚为第二路通道的输入端，IN2+和IN2-管脚分别与电容值为120nF和220nF的电容C10和C8相连，两路通道分别接收张力感知模块的张力信号VI1、VI2，通过运放芯片的滤波处理将处理过的张力模拟信号通过OUT1和OUT2管脚传输到A/D转换模块中AD7730芯片的AIN1(+)和AIN2(-)管脚，进行后续的信号处理。
A/D转换模块采用AD7730芯片，它在5V单极性电压供电下工作，具有23万的高分辨率。其与STM32的硬件连接如图10所示。AD7730模块芯片在+5V供电和参考电压的作用下工作，芯片的复位信号_RESET连接到STM32单片机的IO管脚PA5，由软件开关量进行控制，而状态寄存器变量_RDY则连接到STM32单片机的PA6管脚，PA6管脚在软件上被设置为输入状态，以便随时跟踪读取AD7730的工作状态。张力模拟信号量通过抗混叠滤波电路滤波处理后，被传输到AD7730的AIN1(+)和AIN1(-)管脚，作用是张力模拟信号的输入端，即AIN1(+)和AIN1(-)，进行A/D转换处理。因为AD7730的控制和通讯主要采用SPI的方式，四个信号量：SCLK、_CS、DIN和DOUT，分别和STM32单片机的SPI接口：PB13、PB12、PB15和PB14 相连接。其中PB13管脚输出SPI_SCK，提供时钟脉冲。PB12管脚输出SPI_NSS片选，选择工作的芯片。PB15管脚输出SPI_MOSI信号，表示为主控模块输出，受控模块输入模式。PB14 管脚输出SPI_MISO信号，表示为主控模块输入，受控模块输出模式。同时，对AD7730进行软件设计，编写程序设置A/D转化参数，AD7730模数转化模块的基准和供电电压为5V，分辨率为23万，电桥电路的供电电压为5V，张力检测系统的量程为800kg。随着环境温度变化，应变片电桥电路的电压输出也会随着发生变化，并且这种变化不可忽视，环境温度检测模块检测环境温度，对张力信息进行温度补偿，使用DS18B20单线数字温度传感器完成环境温度的跟踪工作。环境温度检测模块包括数字温度传感器、电阻R9和电容C17，数字温度传感器的NC和GND引脚接地，DQ管脚与STM32运算核心连接，VCC管脚与+3.3V电压和电阻 R9的一端、电容C17的一端连接，电阻R9的另一端也与STM32运算核心连接，电容C17的另一端连接DGND。电阻R9的阻值为4.7KΩ，电容C17的电容值为100nF。DS18B20单线数字温度传感器工作于3～5.5V的额定电压里，并且将预设的警报温度保存在EEPROM中，达到掉电后存储的目的。DS18B20单线数字温度传感器与运算与处理核心STM32的硬件连接图如图11所示，DS18B20采用电源转换模块转化得来的3.3V供电，DQ管脚与运算与处理核心 STM32的PA1管脚链接，与单片机进行连接通讯。运算与处理核心STM32通过PA1管脚读取 DS18B20所检测到的环境温度。所读取到数据均为数字量，便于运算与处理核心直接进行相关处理。
上述张力信息处理与传输模块，包括信息运算与处理核心、通讯模块和存储扩展模块。所述运算与处理核心选用意法半导体推出的ARM内核的单片机STM32F103C8T6，最小系统采用+3.3V直流电压供电，外接32.768K和8M的时钟晶振，SWD1为串口端口，可以对STM32 单片机进行程序的写入和参数读取工作，方便了程序的调试和系统功能的验证。通讯模块通过CAN总线技术与织机主控系统进行通讯，采用JTA1050CAN通信收发芯片实现CAN通信功能，TJA1050芯片的TXD和TXD管脚和STM32运算核心的CAN通讯接口连接，通过STM32单片机控制，实现数据的通讯。存储扩展模块采用的EEPROM存储芯片为AT24C512，其容量为512KB，用于存储关键时间结点的张力数据，防止掉电丢失，实现掉电数据保存功能，AT24C512芯片的管脚A0～A2均接地处理，即将地址为设置为0。I2C1_SCL连接到STM32单片机MCU的PB6上，I2C1_SCL连接到STM32单片机MCU的PB7上，并接入3.3V的上拉电压。 A/D转换模块得到的张力数字信号的数据，信号随机变化情况明显，伴随有变频器的干扰，拟在STM32中采取中值滤波与限幅滤波相融合的滤波方式，减少变频器干扰信号所占的比重，达到抗干扰的目的，这种滤波方式能够对频率很低的信号进行滤波操作，如0.01Hz的信号，弥补了传统模拟滤波器存在的缺点。中值滤波算法的具体实现过程为：首先对某个参数进行N次的连续采样，N通常情况下选取奇数，然后把这N次采样的数值结果根据从小到大的顺序进行排列，再选择中间值作本次采样的最终值。经过中值滤波后，采样值的波动范围明显减小，超过一半数据的波动幅度减少超过50％。限幅滤波算法运用限幅原理，对输入信号进行判断，将超过预设门限值的全部瞬时值消减到接近先前设置的门限值，通过这种方法保留下其他全部的瞬时值，采用限幅滤波算法，对采样的波动幅值进行限制，设置门限值为150。限幅滤波的数据源为中值滤波后的数据，通过限幅后的采样值趋于平稳，较之总量程，误差为0.056％，效果优秀，能够满足设计需求。本发明需要对织机张力进行实时检测，并且对A/D 转换而来的数字信号量进行处理，通过数学方程式逆向转换得到具体的张力值，这个输入和输出的匹配过程需要数据拟合配合完成。
本发明使用遗传算法与BP神经网络融合实现数据拟合，在存储于STM32中。传统的BP 神经网络算法的学习的收敛速度太慢，容易陷入全局最小值。遗传算法是模拟自然界进化论的思想发展而来的一种算法，它本质是一种搜索算法，可以用于对全局问题的最优化求解。遗传算法类似于自然进化，通过作用于染色体上的基因寻找最好的染色体来求解问题，在遗传算法中，通过随机方式产生若干个所求解问题的数字编码，即染色体，形成初始种群；通过适应度函数给每个个体一个数值评价，淘汰低适应度的个体，选择高适应度的个体参加遗传操作，经过遗传操作后的个体集合成下一代新的种群，对这个新种群进行下一轮进化。遗传算法优化BP神经网络工作流程如图12所示，分为BP神经网络部分和遗传算法部分，其中，当数据信息输入后，首先要需要先确定神经网络的拓扑结构并且初始化相关的参数值，然后确定计算出遗传算法种群的编码长度，然后通过遗传算法优化权值和阈值。随之BP神经网络用遗传算法得到的最优个体对BP网络的初始权值和阈值赋值，进入到实际的训练工作中，通过计算得到实际输出，然后判断误差是否满足相关的条件，如果满足则输出；若是不满足，则需要通过反向传播不断调整和更新权值阈值，通过这种多次训练和学习，使得目标函数值愈发符合要求，从而得到最终的BP神经网络，用于解决相关问题。
本实施例的BP神经网络架构选择采取三层结构设计，如图13所示包括输入层、隐藏层和输出层。本实施例中有两个输入、一个输出。输入层为2个神经元，输出层为1个神经元，隐含层为9个神经元，其中两个输入分别为在相同温度下的张力的实际采样值和理论采样值，即张力的实际采样值与理论采样值(理论计算得到)构成的数据集。输入的矩阵表达为X＝ [X1,X2]，模型需要对输入矩阵X进行增广，然后乘以参数θj，相当于神经网络中的偏置项，所以在算法设计中不需要额外的增广。本系统中BP神经网络的激活函数选择RELU函数，即 f(x)＝max(0,x)，目的是去除整个神经网络输出的线性化，使得整个神经网络模型呈非线性化，使用trainlm函数作为输入节点的训练函数，输出层传递函数使用purelin函数，隐含层传递函数使用tansig函数。根据神经网络输入层、输出层和隐含层神经元数量，可得到有27个权值，10个阈值，所以遗传算法编码长度为37，采用二进制编码方式。选择算子使用轮盘赌选择法，交叉算子选择单体交叉，交叉概率和变异概率采用自适应调节方式，将传统遗传算法中数值固定不变的交叉概率和变异概率设置成可以根据个体适应度情况自适应变化的一种方式，这样可以使选择的随机性和收敛速度达到一定的平衡。交叉概率(Pc)和变异概率(Pm) 的公式如下：
Figure BDA0003345534910000111
Figure BDA0003345534910000112
其中，f’为当前个体的适应度，fmax为最大适应度，favg为平均适应度，k1、k2、k3、k4为常数，根据实际情况确定。将数据集分成训练集和测试集，训练集用于BP神经网络的训练，将训练集中的样本数据输入到BP神经网络中对BP神经网络进行训练，使用测试集样本输入训练后的BP神经网络，输出相应的预测结果，将预测结果与实际值做差获得误差绝对值，将测试集样本数据经BP神经网络预测后的预测误差绝对值之和作为个体适应度值。根据个体适应度情况进行选择操作，再结合上述的交叉概率和变异概率公式获得相应的交叉概率和变异概率，将变异操作后的新群体作为新的权值和阈值，更新BP神经网络的权值和阈值，再用训练集数据对更新权值和阈值后的BP神经网络再次进行训练，训练后再用测试集样本进行预测得到相应的个体适应度值，再次输入到BP神经网络中得到预测结果，再次计算适应度值，判断是否满足结束条件，如果不满足，继续进行选择操作，重复上述过程，如果满足结束条件，获得最优权值和阈值，获得最终的BP神经网络结构。个体适应度值越小，该个体越优，本实施例中遗传算法结束条件为迭代次数为20次。适应度函数如下所示：
Figure BDA0003345534910000113
其中，Ne表示输出节点数，此处Ne＝1。No表示测试集的样本个数，
Figure BDA0003345534910000114
表示第k个测试样本通过神经网络得到的第i个预测输出，
Figure BDA0003345534910000115
表示相应的实际输出。在环境温度15℃上下微小浮动情况下，对10kg到50kg的张力采样数据中100组的数据进行拟合分析，响应范围对应的理论采样值的范围为2875到14375，理论采样值与实际采样值构成数据集。利用遗传算法和BP神经网络进行数据拟合，测试结果绘制成得到图14。图14中横坐标为实际采样值，纵坐标为理论采样值。可以看到在15℃的环境温度下采用遗传算法和BP神经网络拟合后的曲线，综合了环境温度因素和实际采样值、理论采样值的内在联系，表现出线性的形式。通过软件对训练效果，即拟合误差和损失量进行跟踪，可以发现最后的拟合误差可以最高达到0.0105％，拟合效果优异。
上述供电电源模块为检测系统提供电源，系统电源整体供电架构如图15所示。剑杆织机专用的张力检测系统的供电电源模块的输入主要是来自于织机主控系统电路板的24V电源输出，供电电源模块包括电源转换电路，通过电源转换电路，将24V电源转化为5V和3.3V 两种电压标准。其中5V主要给应变电桥电路、抗混叠滤波电路、A/D转换模块和通讯模块供电；而3.3V则主要给信息运算与处理核心、存储扩展模块和环境温度检测模块供电。电源转换电路如图16所示，本系统采用LM2596S-5开关电源转换芯片完成电压24V到5V的电源转化，然后通过ASM1117-3.3低压降稳压器实现5V到3.3V的电压转化。所得到的两种不同电压分别引入四层板的电源层，进行隔离使用，四层的作用是使电源层和地层的独立，增加了硬件系统的屏蔽性，减少了电源和地之间的干扰，同时也能够提高系统相应的抗干扰能力。由织机主控系统提供的24V电源通过LM2586S-5开关电源转换芯片，配合相关外围转换电路实现由24V到5V的电压转换。其中电解电容C2和C5利用电容的充放电与储能特性实现电路的稳压，并配合无极性电容C7实现对低频噪声干扰的滤除作用。电感L1实现阻止交流信号通过的作用。而为了防止短路的意外状况发生，在LM2586S-5开关电源转换芯片和电感L1直接接入肖特基二极管D1的一端，肖特基二极管D1的另一端接地AGND和电解电容C5的负极，采用肖特基二极管D1起到限流保护作用。得到5V的电压后，将其传送到ASM1117-3.3低压降稳压器，实现5V与3.3V的转化。ASM1117-3.3低压降稳压器的输出接电解电容C3与无极性C4的一端、+3.3V电源，电解电容C3与无极性C4的另一端接地 AGND，电解电容C3与无极性C4实现滤波的功效，得到较为干净的电源信号。
张力控制策略以传统PID控制算法为基础，结合模糊控制理论对输出张力进行控制。首先对张力的采集过程中的开口、打纬和引纬动作对采集效果的影响进行了分析，由此提出了定区间张力采集取代传统的实时采样策略，当主轴角度处于45°～57°时处于开口最大状态且开口保持静止，此时引纬动作刚开始而打纬还未开始，纬纱还未进入梭口，对经纱张力无影响。因此可取每个周期内的45°～55°的10°范围作为经纱张力采样的角度区间，如图17 所示。采用模糊PID控制与传统PID控制结合的方式对剑杆织机的经纱张力进行控制。为此，搭建基于模糊PID的经纱张力闭环控制模型如图18所示。图18所示模糊控制器采用两输入三输出的控制模型，输入量为以张力测量值c(t)与张力设定值r(t)的偏差值e(t)和张力误差变换率ec(t)，输出为对PID三个参数的修正值△Kp、△Ki、△Kd。PID控制器三个基本参数Kp、 Ki、Kd通过该输出修正值进行在线调整，调整公式为：
Figure BDA0003345534910000121
其中，Kp0、Ki0、Kd0为系统初始化时的设定值，可通过传统PID整定方法获得。以设定张力为110Kg且张力波动范围在±1％以内为例，并结合其余参数的实际变化范围，设定输入输出参数的基本论域，并选取一定的量化因子，各参数对应的模糊论域具体如图19所示。将图19中模糊论域中的数值转化为模糊子集{NB，NM，NS，ZO，PS，PM，PB}，子集中元素分别对应负大、负中、负小、零、正小、正中、正大。选择隶属度函数时，输入输出各参数对应的模糊子集中元素NB和PB选用Z型和反Z型隶属函数构成左右边界，实现平滑过渡；中间五个子元素采用灵敏度较高的三角形隶属函数并使其均匀分布。
模糊PID控制器的控制效果在很大程度上取决于对Kp、Ki、Kd的选取，而对Kp、Ki、Kd进行在线自整定的关键在于模糊规则的推理。模糊规则是模糊控制的核心，在输入、输出变量的隶属度函数确定以后，如何建立模糊规则便是一个需要解决的关键性问题，且在模糊规则的建立过程中，需考虑控制规则的完备性、交叉性和一致性。考虑到增大比例系数Kp可加快系统的响应速度，调整积分系数可消除系统的稳态误差，而调整微分系数可改善系统的动态性能，本系统根据实际调试经验和织造过程需求，其推理过程应遵循以下规则：
(1)在张力调节初期，主轴刚启动还未稳定，且收放卷速度存在较大偏差，此时经纱上张力与设定值的偏差e较大；为提高响应速度，应适当增加Kp，而Ki则取较小值或为零；
(2)在张力较稳定即偏差值e较小时，张力偏差变化率ec也较小，为提高稳定性和控制精度，应适当减小Kp和Ki，而Kd应稳定在较小范围内；
(3)在调节过程中遇到调整主轴转速或其它干扰时，造成短时间内张力波动较大，此时张力偏差值e和偏差变化率ec较大，为防止超调和震荡，应适当减小Kp，增加Ki和Kd。
根据上述控制规则，采用if-then形式建立模糊规则如图20所示。为得到精确的控制量，即清晰量，还需要对上述模糊规则表中的模糊量进行去模糊化。本发明选用重心法，并通过隶属度函数来计算清晰量。本文图19中采用的模糊论域U＝{u1,u2,u3…un}为离散型，n取7，则清晰量ucen的计算公式为：张力波动在±1％以内。
Figure BDA0003345534910000131
其中，A(ui)为模糊量ui处对应的隶属度函数，分子为通过模糊规则表得到的控制量所属的模糊论域内的值与它们各自对应的隶属度函数乘积的和，分母为隶属度函数之和。
在织机主轴转速为50rpm时进行模糊PID控制进行实验，通过模糊PID控制算法对PID 各参数进行在线调整。此时张力设定值为110Kg，PID比例增益KP为100％，积分时间Ti为500ms，未使用微分控制，设定的PID采样时间为200ms。经模糊PID控制后张力有效值与设定值误差范围约为[-0.8,+1.0]，达到了良好的控制效果。
本发明的工作原理及过程是：在张力检测系统中，张力感知模块的弹性体将织机经纱张力转化为自身的应力，将力传递到电阻应变片及其电桥电路，再根据应变效应将应力变化转化为电信号的变化。所产生的电信号变化被传输到张力变换与温度采集模块，抗混叠滤波电路将电信号进行处理，同时利用A/D转换模块，操作芯片设置A/D转换的相关参数配置完成转换工作。同时，环境温度检测模块对周围环境温度参数进行采集，连同张力A/D转换得到的数据一同被传输到张力信息处理与传输模块中。不同点在于张力数据需要数字滤波，而环境温度数据直接用于进行数据拟合。数字滤波算法对张力数据进行进一步处理，摒弃数据中混入的无效和干扰数据，提取有效的张力数据后将其传送到数据拟合模块，在此模块中通过遗传算法和BP神经网络对有效的张力数据(实际采样值)与相应环境温度下的理论采样值数据进行分析与融合，最终得到准确张力数字量。此数字量分两路处理，一路被存储到存储读取模块，一路通过通讯模块传输到织机主控系统，使用所建立的基于模糊PID的经纱张力闭环控制模型对采集的张力值与设定值比较，使用模糊控制器对参数进行在线调整，张力波动在±1％以内，到达对经纱张力的稳定控制。
本发明未述及之处适用于现有技术。

Claims (10)

1.一种剑杆织机专用的张力检测系统，包括张力感知模块、张力信息处理与传输模块、供电电源模块，所述张力感知模块包括弹性体、应变片及全桥、调零电路，其特征在于：该张力检测系统还包括张力变换与温度采集模块，张力变换与温度采集模块、张力信息处理与传输模块、供电电源模块均集成在一块电路板上；
所述弹性体的材料屈服强度不小于900MPa，弹性体整体采用分体式结构，分为上下两个机械部件，并且分别设置螺栓孔，下部机械部件的尾端通过螺栓及连接件固定在织机的固定后梁上，下部机械部件的头端和上部机械部件为卡式结构，上下两个机械部件交界位置设置有将张力辊卡合住的开孔，张力辊卡在该开孔位置并通过螺栓固定；
剑杆织机中当张力辊对弹性体进行力的作用时，弹性体的形变范围集中在中间区域，在形变范围集中的弹性体的正反面中间区域均开设盲孔，在正和/或反面的盲孔内黏贴应变片；
上述张力变换与温度采集模块，包括抗混叠滤波电路、A/D转换模块、环境温度检测模块，抗混叠滤波电路和A/D转换模块共同构成张力变换电路，张力信号经过抗混叠滤波电路进行滤波处理，然后将信号输入到A/D转换模块进行A/D转换；环境温度检测电路用于检测环境温度；
上述张力信息处理与传输模块，包括信息运算与处理核心、通讯模块和存储扩展模块，信息运算与处理核心获取A/D转换后的张力信息和环境温度信息，信息运算与处理核心中设置滤波算法和数据拟合模块，得到准确张力数字量。
2.根据权利要求1所述的张力检测系统，其特征在于，所述滤波算法为采取中值滤波与限幅滤波相融合的滤波方式，能够对频率在0.01Hz以下的信号进行滤波操作，中值滤波的具体实现过程为：首先对某个参数进行N次的连续采样，N通常情况下选取奇数，然后把这N次采样的数值结果根据从小到大的顺序进行排列，再选择中间值作本次采样的最终值，经过中值滤波后，采样值的波动范围明显减小，超过一半数据的波动幅度减少超过50％；限幅滤波运用限幅原理，限幅滤波的数据源为中值滤波后的数据，对输入信号进行判断，将超过预设门限值的全部瞬时值消减到接近先前设置的门限值，设置门限值为150。
3.根据权利要求1所述的张力检测系统，其特征在于，所述数据拟合模块使用遗传算法与BP神经网络融合实现数据拟合，BP神经网络架构选择采取三层结构设计，两个输入、一个输出，其中两个输入分别为在相同温度下的张力的实际采样值和理论采样值，即张力的实际采样值与理论采样值构成的数据集，BP神经网络的激活函数选择RELU函数，去除整个神经网络输出的线性化，使得整个神经网络模型呈非线性化，使用trainlm函数作为输入节点的训练函数，输出层传递函数使用purelin函数，隐含层传递函数使用tansig函数，根据BP神经网络输入层、输出层和隐含层神经元数量，确定权值和阈值个数，进而确定遗传算法种群的编码长度，通过遗传算法优化BP神经网络的初始权值和阈值，得到的最优个体对应BP神经网络的初始权值和阈值赋值，再通过训练获得在特定环境温度下采用遗传算法与BP神经网络融合拟合后的曲线，该曲线综合了环境温度因素和实际采样值、理论采样值的内在联系，表现出线性的形式，拟合误差不大于0.0105％。
4.根据权利要求1所述的张力检测系统，其特征在于，该张力检测系统的检测精度达到0.01％～0.15％FS，且拥有0～800kg的宽量程；所述弹性体的下部机械部件的尺寸大小为，长16.5cm、宽3cm、高6cm，其中固定张力辊的孔洞应设置为直径3.5cm的圆孔，弹性体采用42CrMo材料制成。
5.根据权利要求1所述的张力检测系统，其特征在于，张力检测系统的最大量程为800kg,盲孔区域的应变为0.5～0.6mm/m，应变片型号为BF350-3AA，电桥电路为直流电桥，采用全桥电路的接法，全桥电路为四个桥臂全部使用相同的应变片，四个应变片均安装在一侧的盲孔内，采用电位器和电阻相结合的方式，对电路进行分压，达到调节电桥桥臂电阻平衡的效果，实现全桥电路调零。
6.根据权利要求1所述的张力检测系统，其特征在于，张力变换与温度采集模块对张力感知过程中混入的噪声，采用标准双路运算放大器LM358B搭建抗混叠滤波电路完成硬件的抗干扰功能，利用AD7730芯片模块及其外围电路组成模数转换模块，实现模拟电压信号到数字离散信号的转换，并且选用DS18B20数组温度传感器实现检测系统对于环境温度的检测，使用BP神经网络来抵消温度对于电桥电路输出电压的影响，保证测量的精度，实现温度补偿；
张力信息处理与传输模块采用STM32单片机作为运算处理核心，并配备CAN通讯接口实现与织机主控系统的传输，利用AT24C512芯片实现张力重要信息的掉电保存功能，防止重要数据丢失，实现数据复盘；
供电电源模块作为独立的模块对其它3个模块进行供电，织机主控系统电路板的24V电源作为输入，通过电源转换电路，转化为5V和3.3V两种电压标准。
7.一种剑杆织机专用的张力控制策略，其特在于，以模糊PID与传统PID控制结合方式对剑杆织机的经纱张力进行控制，构建基于模糊PID的经纱张力闭环控制系统，实现对经纱张力的稳定控制，
张力控制策略以建立织机经纱张力数学模型为基础，选定以送经轴为控制对象，定区间采集张力，同时以PID控制为框架，结合模糊理论对输出张力进行控制，能够根据所设定的模糊规则自动调整控制参数，实现了对织机张力的稳定控制。
8.根据权利要求7所述的剑杆织机专用的张力控制策略，其特在于，所述织机经纱张力数学模型为：
Figure FDA0003345534900000021
其中，Ft为经纱所受的总张力，n为绕过张力辊的纱线根数，A0为单根纱线横截面积，E为纱线的弹性模量，L0为送经轴A与纱线切点和摩擦辊B与织物切点之间的纱线长度，△L0为张力初始化设定后纱线形变量，△L’为纱线两端速度差造成的形变量，vA和vB分别为两切点上的线速度；
保证线速度差vB-vA恒定且趋近于0，能保证经纱的张力恒定且误差保持在一定范围内，即只需调整送经轴和卷取轴转速即能达到控制张力稳定的目的。
9.根据权利要求7所述的剑杆织机专用的张力控制策略，其特在于，定区间采集张力的过程是：对张力的采集过程中的开口、打纬和引纬动作对采集效果的影响进行了分析，取每个周期内的45°～55°的10°范围作为经纱张力采样的角度区间。
10.根据权利要求7所述的剑杆织机专用的张力控制策略，其特在于，通过运用ANSYSWorkbench软件对弹性体结构进行有限元分析，使得弹性体的受力满足剑杆织机张力检测的原理，确定弹性体应力分布的集中区域，设置盲孔位置及形状，安装应变片，确定张力感知模块结构；
在张力辊和固定后梁位置固定张力感知模块，
搭建基于模糊PID的经纱张力闭环控制模型，模糊控制器采用两输入三输出的控制模型，输入量为以张力测量值c(t)与张力设定值r(t)的偏差值e(t)和张力误差变换率ec(t)，输出为对PID三个参数的修正值△Kp、△Ki、△Kd；PID控制器三个基本参数Kp、Ki、Kd通过该输出修正值进行在线调整，调整公式为：
Figure FDA0003345534900000031
其中，Kp0、Ki0、Kd0为系统初始化时的设定值，通过传统PID整定方法获得；将模糊论域中的数值转化为模糊子集{NB，NM，NS，ZO，PS，PM，PB}，子集中元素分别对应负大、负中、负小、零、正小、正中、正大；选择隶属度函数时，输入输出各参数对应的模糊子集中元素NB和PB选用Z型和反Z型隶属函数构成左右边界，实现平滑过渡；中间五个子元素采用三角形隶属函数并使其均匀分布；
模糊规则的推理过程应遵循以下规则：
(1)在张力调节初期，主轴刚启动还未稳定，且收放卷速度存在较大偏差，此时经纱上张力与设定值的偏差e较大；为提高响应速度，应适当增加Kp，而Ki则取较小值或为零；
(2)在张力较稳定即偏差值e较小时，张力偏差变化率ec也较小，为提高稳定性和控制精度，应适当减小Kp和Ki，而Kd应稳定在较小范围内；
(3)在调节过程中遇到调整主轴转速或其它干扰时，造成短时间内张力波动较大，此时张力偏差值e和偏差变化率ec较大，为防止超调和震荡，应适当减小Kp，增加Ki和Kd；
数字滤波算法对张力数据进行处理，摒弃数据中混入的无效和干扰数据，提取有效的张力数据后将其传送到数据拟合模块，在此模块中通过BP神经网络对有效的张力数据与相应环境温度下的理论采样值数据进行分析与融合，最终得到准确张力数字量；此数字量分两路处理，一路被存储到存储读取模块，一路通过通讯模块传输到织机主控系统，使用所建立的基于模糊PID的经纱张力闭环控制模型对采集的张力值与设定值比较，使用模糊控制器对参数进行在线调整，控制张力波动在±1％以内，到达对经纱张力的稳定控制。
CN202111320769.8A 2021-11-09 2021-11-09 一种剑杆织机专用的张力检测系统及控制策略 Pending CN114034417A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111320769.8A CN114034417A (zh) 2021-11-09 2021-11-09 一种剑杆织机专用的张力检测系统及控制策略

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111320769.8A CN114034417A (zh) 2021-11-09 2021-11-09 一种剑杆织机专用的张力检测系统及控制策略

Publications (1)

Publication Number Publication Date
CN114034417A true CN114034417A (zh) 2022-02-11

Family

ID=80136874

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111320769.8A Pending CN114034417A (zh) 2021-11-09 2021-11-09 一种剑杆织机专用的张力检测系统及控制策略

Country Status (1)

Country Link
CN (1) CN114034417A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114967422A (zh) * 2022-04-22 2022-08-30 海门喜满庭纺织品有限公司 基于计算机辅助决策的整经机智能检测及控制系统
CN116281422A (zh) * 2023-05-18 2023-06-23 青岛宏大纺织机械有限责任公司 一种络筒机张力控制器的控制方法及系统
CN117775886A (zh) * 2024-02-26 2024-03-29 太原理工大学 一种用于纤维缠绕的高性能张力控制方法及系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20110052193A (ko) * 2009-11-12 2011-05-18 한국기계연구원 접촉저항의 변화를 이용한 장력검출기
CN102914400A (zh) * 2012-10-22 2013-02-06 江苏万工科技集团有限公司 近织口处织物张力的测量装置
CN107226378A (zh) * 2017-06-01 2017-10-03 浙江理工大学 针织圆纬机的恒张力卷布装置
CN109030972A (zh) * 2018-05-04 2018-12-18 武汉精测电子集团股份有限公司 基于fpga的多通道液晶模组测试电源监控装置
CN110608836A (zh) * 2019-05-16 2019-12-24 蚌埠学院 用于硬质金属线的绕紧力传感器和绕紧力检测方法
EP3751035A1 (en) * 2019-06-13 2020-12-16 VÚTS, a.s. Device for sensing warp thread tension in a weaving machine

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20110052193A (ko) * 2009-11-12 2011-05-18 한국기계연구원 접촉저항의 변화를 이용한 장력검출기
CN102914400A (zh) * 2012-10-22 2013-02-06 江苏万工科技集团有限公司 近织口处织物张力的测量装置
CN107226378A (zh) * 2017-06-01 2017-10-03 浙江理工大学 针织圆纬机的恒张力卷布装置
CN109030972A (zh) * 2018-05-04 2018-12-18 武汉精测电子集团股份有限公司 基于fpga的多通道液晶模组测试电源监控装置
CN110608836A (zh) * 2019-05-16 2019-12-24 蚌埠学院 用于硬质金属线的绕紧力传感器和绕紧力检测方法
EP3751035A1 (en) * 2019-06-13 2020-12-16 VÚTS, a.s. Device for sensing warp thread tension in a weaving machine

Non-Patent Citations (11)

* Cited by examiner, † Cited by third party
Title
何勇, 刁岩斌: "浆纱机卷绕张力控制系统的改造", 毛纺科技, no. 11, 5 November 2004 (2004-11-05), pages 61 - 63 *
吴飞青;马修水;关宏伟;刘庆;: "基于模糊专家控制的织机经纱恒张力控制研究", 中国机械工程, no. 04, 25 February 2008 (2008-02-25), pages 384 - 387 *
喻鸣;毛宁;刘海堂;: "基于DSP捕获单元和复合滤波的航空发动机转速测量", 航空计算技术, no. 04, 15 July 2010 (2010-07-15) *
庾在海, 吴文英, 陈瑞琪: "纺织过程中的纱线张力测试方法", 传感器世界, no. 01, 19 January 2004 (2004-01-19) *
李晓东;: "喷气织机经纱张力的高精度检测及误差补偿", 上海纺织科技, no. 11, 28 November 2006 (2006-11-28) *
李玲纯;田丽;: "基于遗传算法和BP神经网络的短期电力负荷预测", 安徽工程科技学院学报(自然科学版), no. 03, 15 September 2009 (2009-09-15) *
李顺利;董家权;: "解决测量电路工频干扰的中值滤波法", 中国棉花加工, no. 06, 25 December 2007 (2007-12-25) *
胡亚伟;熊红云;禹恒洲;: "卷绕张力控制系统的建模及张力观测器的设计", 广东印刷, no. 03, 1 June 2008 (2008-06-01) *
蔡兵: "用神经网络消除温度对传感器输出的影响", 传感器技术, no. 01, 20 January 2004 (2004-01-20) *
贾要勤, 常炳国: "采用神经网络数据融合改善传感器的静态特性", 西安交通大学学报, no. 11, 20 November 1999 (1999-11-20) *
马志春;孙建起;刘振永;耿亮;: "纤维张力控制模糊自适应PID算法研究", 自动化与仪器仪表, no. 08, 25 August 2016 (2016-08-25) *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114967422A (zh) * 2022-04-22 2022-08-30 海门喜满庭纺织品有限公司 基于计算机辅助决策的整经机智能检测及控制系统
CN116281422A (zh) * 2023-05-18 2023-06-23 青岛宏大纺织机械有限责任公司 一种络筒机张力控制器的控制方法及系统
CN116281422B (zh) * 2023-05-18 2023-08-18 青岛宏大纺织机械有限责任公司 一种络筒机张力控制器的控制方法及系统
CN117775886A (zh) * 2024-02-26 2024-03-29 太原理工大学 一种用于纤维缠绕的高性能张力控制方法及系统
CN117775886B (zh) * 2024-02-26 2024-05-10 太原理工大学 一种用于纤维缠绕的高性能张力控制方法及系统

Similar Documents

Publication Publication Date Title
CN114034417A (zh) 一种剑杆织机专用的张力检测系统及控制策略
CN106642067B (zh) 锅炉液位的控制系统及其控制方法
CN110566406B (zh) 基于强化学习的风电机组实时变桨距鲁棒控制系统及方法
CN102636624B (zh) 铝电解过程电解槽中氧化铝浓度的软测量方法
CN111460729A (zh) 一种桥梁变形智能检测系统
CN111444947B (zh) 一种桥梁沉降智能检测系统
CN114397043A (zh) 多点温度智能检测系统
CN115936061A (zh) 基于数据驱动的火电厂烟气含氧量软测量方法及系统
CN110119165B (zh) 一种水产养殖池塘溶解氧检测装置
CN114355848A (zh) 张力检测与智能控制系统
CN110032069A (zh) 一种基于误差补偿的聚酯纤维纺丝工序分段参数配置方法
CN112505482A (zh) 一种基于智能化故障定位的电网自愈方法及实现该方法的系统
CN116880201A (zh) 基于模糊神经网络的水网渠道状态控制系统
CN116865343A (zh) 分布式光伏配电网的无模型自适应控制方法、装置及介质
CN116826728A (zh) 一种少测量样本条件下的配电网状态结构估计方法及系统
Zhang et al. Application of neural network predictive control in cement combined grinding
CN112831873B (zh) 一种基于环锭纺纱线质量的独立工序单独控制系统及方法
CN102011220B (zh) 基于模糊控制器的自调匀整控制系统及控制方法
Bocaniala et al. Computational intelligence methodologies in fault diagnosis: review and state of the art
CN114415503A (zh) 温度大数据物联网检测与智能控制系统
Borairi et al. Dynamic modelling of a paper making process based on bilinear system modelling and genetic neural networks
CN112615364A (zh) 一种新型的电网稳控装置广域智能协同控制方法
Schaefer et al. The Recurrent Control Neural Network.
Han et al. Online aware synapse weighted autoencoder for recovering random missing data in wastewater treatment process
Xu et al. Warp tension detection method of carbon fiber multilayer loom

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
CB02 Change of applicant information

Address after: 223900 No.17, Hengshan North Road, Sihong Economic Development Zone, Sihong County, Suqian City, Jiangsu Province

Applicant after: JIANGSU KERUIDE INTELLIGENT CONTROL AUTOMATION TECHNOLOGY CO.,LTD.

Applicant after: Hebei University of Technology

Address before: 300130 No. 8, Hebei University of Technology, Tianjin, Hongqiao No. 330

Applicant before: Hebei University of Technology

Applicant before: Jiangsu kered Intelligent Control Automation Technology Co., Ltd

CB02 Change of applicant information
TA01 Transfer of patent application right

Effective date of registration: 20220615

Address after: 223900 No.17, Hengshan North Road, Sihong Economic Development Zone, Sihong County, Suqian City, Jiangsu Province

Applicant after: JIANGSU KERUIDE INTELLIGENT CONTROL AUTOMATION TECHNOLOGY CO.,LTD.

Address before: 223900 No.17, Hengshan North Road, Sihong Economic Development Zone, Sihong County, Suqian City, Jiangsu Province

Applicant before: JIANGSU KERUIDE INTELLIGENT CONTROL AUTOMATION TECHNOLOGY CO.,LTD.

Applicant before: Hebei University of Technology

TA01 Transfer of patent application right