CN117476364B - 一种绕线机控制方法及系统 - Google Patents
一种绕线机控制方法及系统 Download PDFInfo
- Publication number
- CN117476364B CN117476364B CN202311774014.4A CN202311774014A CN117476364B CN 117476364 B CN117476364 B CN 117476364B CN 202311774014 A CN202311774014 A CN 202311774014A CN 117476364 B CN117476364 B CN 117476364B
- Authority
- CN
- China
- Prior art keywords
- coil
- winding
- cable
- speed
- controller
- 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.)
- Active
Links
- 238000004804 winding Methods 0.000 title claims abstract description 94
- 238000000034 method Methods 0.000 title claims abstract description 38
- 238000011217 control strategy Methods 0.000 claims abstract description 39
- 238000001514 detection method Methods 0.000 claims abstract description 35
- 230000011218 segmentation Effects 0.000 claims description 23
- 238000004422 calculation algorithm Methods 0.000 claims description 16
- 238000006073 displacement reaction Methods 0.000 claims description 14
- 238000004891 communication Methods 0.000 claims description 13
- 239000013598 vector Substances 0.000 claims description 10
- 239000002356 single layer Substances 0.000 claims description 8
- 230000007704 transition Effects 0.000 claims description 8
- 230000001133 acceleration Effects 0.000 claims description 7
- 230000035772 mutation Effects 0.000 claims description 6
- 238000007667 floating Methods 0.000 claims description 5
- 238000001914 filtration Methods 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 4
- 230000009467 reduction Effects 0.000 claims description 3
- 230000005540 biological transmission Effects 0.000 claims description 2
- 238000004364 calculation method Methods 0.000 claims description 2
- 230000012010 growth Effects 0.000 claims description 2
- 239000003638 chemical reducing agent Substances 0.000 claims 1
- 238000004519 manufacturing process Methods 0.000 abstract description 24
- 230000008713 feedback mechanism Effects 0.000 abstract description 9
- 230000006870 function Effects 0.000 description 11
- 238000013528 artificial neural network Methods 0.000 description 9
- 239000010410 layer Substances 0.000 description 9
- 230000002068 genetic effect Effects 0.000 description 8
- 238000007689 inspection Methods 0.000 description 8
- 230000009286 beneficial effect Effects 0.000 description 5
- 230000008859 change Effects 0.000 description 5
- 238000005457 optimization Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 230000033001 locomotion Effects 0.000 description 4
- 238000012423 maintenance Methods 0.000 description 4
- 239000000047 product Substances 0.000 description 4
- 238000003860 storage Methods 0.000 description 4
- 238000012937 correction Methods 0.000 description 3
- 239000011295 pitch Substances 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000004069 differentiation Effects 0.000 description 2
- 208000010392 Bone Fractures Diseases 0.000 description 1
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 206010017076 Fracture Diseases 0.000 description 1
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 238000005452 bending Methods 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 210000004027 cell Anatomy 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000010429 evolutionary process Effects 0.000 description 1
- 239000012467 final product Substances 0.000 description 1
- 229910002804 graphite Inorganic materials 0.000 description 1
- 239000010439 graphite Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 108090000623 proteins and genes Proteins 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01F—MAGNETS; INDUCTANCES; TRANSFORMERS; SELECTION OF MATERIALS FOR THEIR MAGNETIC PROPERTIES
- H01F41/00—Apparatus or processes specially adapted for manufacturing or assembling magnets, inductances or transformers; Apparatus or processes specially adapted for manufacturing materials characterised by their magnetic properties
- H01F41/02—Apparatus or processes specially adapted for manufacturing or assembling magnets, inductances or transformers; Apparatus or processes specially adapted for manufacturing materials characterised by their magnetic properties for manufacturing cores, coils, or magnets
- H01F41/04—Apparatus or processes specially adapted for manufacturing or assembling magnets, inductances or transformers; Apparatus or processes specially adapted for manufacturing materials characterised by their magnetic properties for manufacturing cores, coils, or magnets for manufacturing coils
- H01F41/06—Coil winding
- H01F41/094—Tensioning or braking devices
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
- B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
- B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
- B07C5/34—Sorting according to other particular properties
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B07—SEPARATING SOLIDS FROM SOLIDS; SORTING
- B07C—POSTAL SORTING; SORTING INDIVIDUAL ARTICLES, OR BULK MATERIAL FIT TO BE SORTED PIECE-MEAL, e.g. BY PICKING
- B07C5/00—Sorting according to a characteristic or feature of the articles or material being sorted, e.g. by control effected by devices which detect or measure such characteristic or feature; Sorting by manually actuated devices, e.g. switches
- B07C5/36—Sorting apparatus characterised by the means used for distribution
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B21—MECHANICAL METAL-WORKING WITHOUT ESSENTIALLY REMOVING MATERIAL; PUNCHING METAL
- B21F—WORKING OR PROCESSING OF METAL WIRE
- B21F3/00—Coiling wire into particular forms
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01F—MAGNETS; INDUCTANCES; TRANSFORMERS; SELECTION OF MATERIALS FOR THEIR MAGNETIC PROPERTIES
- H01F41/00—Apparatus or processes specially adapted for manufacturing or assembling magnets, inductances or transformers; Apparatus or processes specially adapted for manufacturing materials characterised by their magnetic properties
- H01F41/02—Apparatus or processes specially adapted for manufacturing or assembling magnets, inductances or transformers; Apparatus or processes specially adapted for manufacturing materials characterised by their magnetic properties for manufacturing cores, coils, or magnets
- H01F41/04—Apparatus or processes specially adapted for manufacturing or assembling magnets, inductances or transformers; Apparatus or processes specially adapted for manufacturing materials characterised by their magnetic properties for manufacturing cores, coils, or magnets for manufacturing coils
- H01F41/06—Coil winding
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01F—MAGNETS; INDUCTANCES; TRANSFORMERS; SELECTION OF MATERIALS FOR THEIR MAGNETIC PROPERTIES
- H01F41/00—Apparatus or processes specially adapted for manufacturing or assembling magnets, inductances or transformers; Apparatus or processes specially adapted for manufacturing materials characterised by their magnetic properties
- H01F41/02—Apparatus or processes specially adapted for manufacturing or assembling magnets, inductances or transformers; Apparatus or processes specially adapted for manufacturing materials characterised by their magnetic properties for manufacturing cores, coils, or magnets
- H01F41/04—Apparatus or processes specially adapted for manufacturing or assembling magnets, inductances or transformers; Apparatus or processes specially adapted for manufacturing materials characterised by their magnetic properties for manufacturing cores, coils, or magnets for manufacturing coils
- H01F41/06—Coil winding
- H01F41/082—Devices for guiding or positioning the winding material on the former
-
- H—ELECTRICITY
- H01—ELECTRIC ELEMENTS
- H01F—MAGNETS; INDUCTANCES; TRANSFORMERS; SELECTION OF MATERIALS FOR THEIR MAGNETIC PROPERTIES
- H01F41/00—Apparatus or processes specially adapted for manufacturing or assembling magnets, inductances or transformers; Apparatus or processes specially adapted for manufacturing materials characterised by their magnetic properties
- H01F41/02—Apparatus or processes specially adapted for manufacturing or assembling magnets, inductances or transformers; Apparatus or processes specially adapted for manufacturing materials characterised by their magnetic properties for manufacturing cores, coils, or magnets
- H01F41/04—Apparatus or processes specially adapted for manufacturing or assembling magnets, inductances or transformers; Apparatus or processes specially adapted for manufacturing materials characterised by their magnetic properties for manufacturing cores, coils, or magnets for manufacturing coils
- H01F41/06—Coil winding
- H01F41/098—Mandrels; Formers
Landscapes
- Engineering & Computer Science (AREA)
- Power Engineering (AREA)
- Manufacturing & Machinery (AREA)
- Mechanical Engineering (AREA)
- Winding, Rewinding, Material Storage Devices (AREA)
- Feedback Control In General (AREA)
Abstract
本发明公开了一种绕线机控制方法及系统,属于控制系统技术领域,方法包括:从线桶中抽取出线缆;基于PID控制策略,通过张力控制器,控制线缆中的张力;基于PID控制策略,通过绕线控制器,控制线轴旋转;基于PID控制策略,通过排线控制器,控制导针做往复运动,将线缆缠绕在线轴上,完成线圈的绕制;获取线圈图像;根据线圈图像对线圈进行质量检测;当质量检测合格时,将线圈入库;当质量检测不合格时,将线圈丢弃;当连续预设数量的线圈质量检测不合格时,停机检查。在本发明中,PID控制策略存在反馈机制,可以实时进行误差校准,控制精度高,提升生产线圈的质量。无需人工检查线圈质量,自动分拣质量合格的线圈,省时省力,提升线圈生产效率。
Description
技术领域
本发明属于控制系统技术领域,具体涉及一种绕线机控制方法及系统。
背景技术
随着工业技术的发展,电机及变压器等电气产品在工业领域中的应用越来越广泛,线圈作为这些电气产品的核心元件,其绕制成型质量直接影响电气产品的性能。在线圈绕制过程中,为提高线圈成型质量,需要保证稳定的缠绕张力,需要精准的排线缠绕。
传统的绕线机控制方法,主要是直接执行机床指令,缺乏反馈机制,无法进行实时误差校准,控制精度低,导致线圈质量不稳定。
进一步地,当前线圈制造过程中,当线圈制造完成后,还需要人工检查线圈质量,分拣出质量合格的线圈,费时费力,线圈生产效率低。
发明内容
为了解决传统的绕线机控制方法,主要是直接执行机床指令,缺乏反馈机制,无法进行实时误差校准,控制精度低,导致线圈质量不稳定,当前线圈制造过程中,当线圈制造完成后,还需要人工检查线圈质量,分拣出质量合格的线圈,费时费力,线圈生产效率低的技术问题,本发明提供一种绕线机控制方法及系统。
第一方面
本发明提供了一种绕线机控制方法,包括:
S101:从线桶中抽取出线缆;
S102:基于PID控制策略,通过张力控制器,控制所述线缆中的张力;
S103:基于PID控制策略,通过绕线控制器,控制线轴旋转;
S104:基于PID控制策略,通过排线控制器,控制导针做往复运动,将所述线缆缠绕在所述线轴上,完成线圈的绕制;
S105:获取线圈图像;
S106:根据所述线圈图像对线圈进行质量检测;当质量检测合格时,将线圈入库;当质量检测不合格时,将线圈丢弃;当连续预设数量的线圈质量检测不合格时,停机检查。
第二方面
本发明提供了一种绕线机控制系统,用于执行第一方面中的绕线机控制方法。
与现有技术相比,本发明至少具有以下有益技术效果:
(1)在本发明中,基于PID控制策略,通过张力控制器控制所述线缆中的张力,通过绕线控制器控制线轴旋转,通过排线控制器控制导针做往复运动,将所述线缆缠绕在所述线轴上,以完成线圈的绕制。可以实现对于线缆张力、线轴旋转、导针运动的精确控制,PID控制策略存在反馈机制,可以实时进行误差校准,控制精度高,提升生产线圈的质量一致性。
(2)在本发明中,获取线圈图像,根据线圈图像对线圈进行质量检测,当质量检测合格时,将线圈入库,当质量检测不合格时,将线圈丢弃,当连续预设数量的线圈质量检测不合格时,停机检查。无需人工检查线圈质量,自动分拣出质量合格的线圈,省时省力,提升线圈生产效率。当连续预设数量的线圈质量检测不合格时自动停机检查,有助于及早识别并解决可能导致不合格的根本问题,减少了生产中断和维修时间。
附图说明
下面将以明确易懂的方式,结合附图说明优选实施方式,对本发明的上述特性、技术特征、优点及其实现方式予以进一步说明。
图1是本发明提供的一种绕线机控制方法的流程示意图;
图2是本发明提供的一种绕线机控制方法的结构示意图。
具体实施方式
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对照附图说明本发明的具体实施方式。显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图,并获得其他的实施方式。
为使图面简洁,各图中只示意性地表示出了与发明相关的部分,它们并不代表其作为产品的实际结构。另外,以使图面简洁便于理解,在有些图中具有相同结构或功能的部件,仅示意性地绘示了其中的一个,或仅标出了其中的一个。在本文中,“一个”不仅表示“仅此一个”,也可以表示“多于一个”的情形。
还应当进一步理解,在本发明说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
在本文中,需要说明的是,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接。可以是机械连接,也可以是电连接。可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
另外,在本发明的描述中,术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
实施例1
在一个实施例中,参考说明书附图1,示出了本发明提供的一种绕线机控制方法的流程示意图。参考说明书附图2,示出了本发明提供的一种绕线机控制方法的结构示意图。
本发明提供的一种绕线机控制方法,包括:
S101:从线桶中抽取出线缆。
其中,线桶是指用来存储、运输和维护卷绕在其中的线材或线缆的圆筒形容器。
其中,线缆用于在线轴上缠绕成线圈,线缆可以是漆包线。
S102:基于PID控制策略,通过张力控制器,控制线缆中的张力。
其中,张力控制器用于控制线缆中的张力,维持适当的线缆张力有助于确保线圈的质量和一致性。不同线圈的张力不一致可能导致线圈在尺寸和密度方面存在差异,这可能对最终产品的性能产生不利影响。线缆在制造线圈的过程中需要经历弯曲、拉伸和卷绕等操作,适当的张力可以减少线缆的损坏和断裂风险。过高的张力可能导致线缆断裂,而过低的张力可能导致线缆缠绕不紧凑或出现松散。
其中,PID控制策略是一种广泛用于自动控制系统的反馈控制方法,它的目标是通过调整控制输出,使系统的输出与期望的目标值尽可能接近。PID控制基于系统的误差信号,根据比例、积分和微分三个控制部分的组合来调整控制输出。
在一种可能的实施方式中,S102具体包括子步骤S1021至S1024:
S1021:通过张力传感器测量线缆中的实际张力。
其中,张力传感器是一种用于测量物体上施加的张力或拉力的装置。
S1022:根据张力控制器的控制力与线缆中的张力之间的关联关系,计算出张力控制器的理论控制力:
其中,F表示张力控制器的理论控制力,T表示线缆中的实际张力,L 2表示浮动轮的固定端到转动中心的距离,L 1表示张力控制点到转动中心的距离。
其中,线缆从线桶中抽出,经过浮动轮之后缠绕在线轴上,浮动轮可以在张力控制器的控制下上下浮动,以调整线缆中的张力。当浮动轮处于理想状态时,张力控制器的控制力与线缆中的张力之间满足上述的关联关系。
S1023:获取张力控制器的实际控制力。
可选地,通过测力计获取张力控制器的实际控制力。
S1024:根据张力控制器的实际控制力与理论控制力之间的偏差值,基于PID控制策略,调整张力控制器的工作状态。
在一种可能的实施方式中,S1024具体包括:
根据张力控制器的实际控制力与理论控制力之间的偏差值,计算比例项、积分项和微分项:
其中,e表示张力控制器的实际控制力与理论控制力之间的偏差值, [P]表示比例项,[I]表示积分项,[D]表示微分项,K p 表示比例增益系数,K i 表示积分增益系数,K d 表示微分增益系数,t表示时间。
根据比例项、积分项和微分项,计算PID控制参数:
其中,PID表示PID控制参数。
在本发明中,基于PID控制策略,通过张力控制器控制线缆中的张力,通过绕线控制器控制线轴旋转,通过排线控制器控制导针做往复运动,将线缆缠绕在线轴上,以完成线圈的绕制。可以实现对于线缆张力、线轴旋转、导针运动的精确控制,PID控制策略存在反馈机制,可以实时进行误差校准,控制精度高,提升生产线圈的质量一致性。
在一种可能的实施方式中,本发明根据遗传算法提出了一种全新的比例增益系数K p ,积分增益系数K i 和微分增益系数K d 的具体确定方式,遗传算法是受生物进化理论启发而发展起来的一种优化算法。它模拟了自然界中的遗传和进化过程,通过模拟基因的遗传、交叉和变异等操作来搜索问题的解空间。遗传算法适用于那些问题空间庞大、复杂度高的优化问题,可以在大规模的搜索空间中找到较优解,方法具体为:
在预设的取值范围内,将比例增益系数K p ,积分增益系数K i 和微分增益系数K d 分别编码为二进制字符串,生成初始种群H 1。
构建目标函数:
其中,J表示目标函数,e表示张力控制器的实际控制力与理论控制力之间的偏差值,w 1表示偏差项权重,u表示张力控制器的输入电压,w 2表示输入项权重,t表示时间。
计算初始种群H 1中每个个体的目标函数值。
对初始种群H 1采取精英选择策略,将个体按照目标函数值从大到小排列,对目标函数值最差的1/4个体替换成新的个体,以形成新的种群H 2,其中,新的个体的产生方式如下:
其中,rand表示0至1之间的随机数,i表示迭代次数。
需要说明的是,对种群采取精英选择策略形成新的种群H 2,可以保留种群中较好的解个体,避免解的质量下降,同时引入新个体增加种群的多样性,有利于进一步的搜索和优化。
对种群H 2进行交叉操作,从种群H 2中随机选择两组解向量作为父体,生成一个随机数,并将该随机数与交叉概率p e 比较大小,若随机数小于交叉概率p e ,则对父体进行交叉操作产生新个体,以形成新的种群H 3,新个体y 1、y 2的产生方式如下:
其中,x 1、x 2表示父体,rand表示0至1之间的随机数。
需要说明的是,引入交叉操作可以增加解的多样性,促使种群在解空间中进行更广泛的搜索,以发现更优解。通过交叉操作,可以将两个父体的有益特征结合在一起,产生具有更好性能的新个体。
对种群H 3进行变异操作,从种群H 3中随机选择一组解向量x 3,生成一个随机数,并将该随机数与变异概率p m 比较大小,若随机数小于变异概率p m ,则对解向量x 3进行变异操作产生新个体y 3替换掉原个体,以形成新的种群H 4,新个体y 3的产生方式如下:
需要说明的是,变异操作能够增加种群的多样性,为进一步搜索和优化提供更广阔的解空间,提高算法的全局搜索能力。
对种群进行搜索寻优,得到关于比例增益系数K p ,积分增益系数K i ,微分增益系数K d 的最优解向量。
具体而言,可以通过粒子群寻优算法、灰太狼算法等来对种群进行搜索寻优。
将最优解向量中的二进制字符串转码为十进制数,确定比例增益系数K p ,积分增益系数K i 和微分增益系数K d 。
在本发明中,遗传算法能够进行全局搜索,不容易陷入局部最优解。这对于多参数优化问题尤为重要,因为局部搜索方法可能会错过全局最佳解。遗传算法通过引入随机性来探索更广泛的解空间,有助于找到更好的参数组合。通过遗传算法确定比例增益系数K p ,积分增益系数K i ,微分增益系数K d ,您可以获得更好的控制性能和更高的系统效率,同时减少了手动调整参数的复杂性和主观性。这种方法可以提高自动控制系统的鲁棒性,使其适应不同的工作条件和生产要求。
在一种可能的实施方式中,本发明根据模糊神经网络提出了一种全新的比例增益系数K p ,积分增益系数K i 和微分增益系数K d 的具体确定方式,模糊神经网络(Fuzzy NeuralNetwork,FNN)是一种结合了模糊逻辑和人工神经网络的计算模型,用于处理不确定性和模糊性信息。它结合了模糊系统的模糊推理和人工神经网络的学习能力,以处理复杂的非线性问题,特别是在存在不确定性和模糊性的情况下,方法具体为:
确定张力控制器的实际控制力与理论控制力之间的偏差变化率ec。
将偏差值e和偏差变化率ec输入模糊神经网络中,模糊神经网络包括:输入层、模糊化层、模糊推理层以及输出层,模糊神经网络中包括7个模糊子集,分别为{正大、正中、正小、零、负小、负中、负大}。
在输入层,输入为:
其中,e表示偏差值,ec表示偏差变化率。
在输入层,输出为:
在模糊化层,输入为:
其中,c ij 表示隶属度函数的中心值,b ij 表示隶属度函数的宽度。
在模糊化层,输出为:
其中,表示指数函数。
在模糊推理层,模糊推理层共有49个神经元节点,输入为:
在模糊推理层,输出为:
在输出层,输入为:
其中,w ij 表示权重系数。
在输出层,输出为:
其中,O 4(1)表示比例增益系数的修正值∆K p ,O 4(2)表示积分增益系数的修正值∆K i ,O 4(3)表示微分增益系数的修正值∆K d 。
通过以下公式,确定比例增益系数K p ,积分增益系数K i 和微分增益系数K d :
其中,K p (0)表示初始比例增益系数,K i (0)表示初始积分增益系数,K d (0)表示初始微分增益系数。
在本发明中,使用模糊神经网络来根据当前偏差值e和偏差变化率ec来确定比例增益系数K p ,积分增益系数K i 和微分增益系数K d ,具有自适应性,实时适应不同的工作条件和线缆特性。这意味着系统可以根据实际生产需要自动调整控制参数,以适应不同的工作条件和环境变化,提高了系统的鲁棒性和性能。
S103:基于PID控制策略,通过绕线控制器,控制线轴旋转。
在一种可能的实施方式中,S103具体包括子步骤S1031至S1034:
S1031:根据线圈规格以及单层绕制时间,确定理论排线速度:
其中,v 1表示理论排线速度,w表示线圈宽度,T表示单层绕制时间。
S1032:根据理论排线速度,计算绕线速度:
其中,v 2表示绕线速度,l表示每周线缆的长度,h表示螺距。
S1033:根据绕线速度,计算绕线控制器的理论电机转速:
其中,n 2表示绕线控制器的理论电机转速,d表示线轴的直径。
S1034:根据绕线控制器的实际电机转速与理论电机转速之间的偏差值,基于PID控制策略,调整绕线控制器的工作状态。
在本发明中,使用PID控制策略,系统可以实时监测实际电机转速与理论电机转速之间的偏差,并相应地调整绕线控制器的工作状态。这提供了实时反馈机制,确保绕线过程中的稳定性和准确性。通过精确控制绕线速度,可以减少制造过程中的错误和废品率。这有助于降低成本和提高线圈的质量一致性。
需要说明的是,基于PID控制策略调整绕线控制器的工作状态时,PID控制策略的具体实施方式可以参考上文基于PID控制策略调整张力控制器的工作状态的具体实施方式,为避免重复,本发明不再赘述。
S104:基于PID控制策略,通过排线控制器,控制导针做往复运动,将线缆缠绕在线轴上,完成线圈的绕制。
在一种可能的实施方式中,S104具体包括S1041至S1046:
S1041:根据线圈规格以及单层绕制时间,确定理论排线速度,并将理论排线速度作为匀速阶段的排线速度:
其中,v 1表示理论排线速度,w表示线圈宽度,T表示单层绕制时间。
S1042:基于S型曲线加减速控制策略,以匀速阶段的排线速度为终点,确定加速阶段的排线速度。以匀速阶段的排线速度为起点,确定减速阶段的排线速度。
在本发明中,通过使用S型曲线加减速控制策略,系统能够实现平滑的排线速度过渡,避免了急剧的速度变化,从而减少了线圈制造过程中的机械冲击和振动,有助于提高线圈的质量和稳定性。
S1043:将加速阶段、匀速阶段和减速阶段的排线速度组成排线速度曲线。
S1044:根据平滑过渡算法对排线速度曲线进行平滑过渡处理。
具体而言,平滑过渡算法可以是三次样条插值算法。
S1045:根据平滑过渡处理后的排线速度曲线,计算排线控制器的理论电机转速:
其中,n 1表示排线控制器的理论电机转速,t表示时间,s表示滑台导程,i表示减速器传动比。
S1046:根据排线控制器的实际电机转速与理论电机转速之间的偏差值,基于PID控制策略,调整排线控制器的工作状态。
在本发明中,通过PID控制策略,系统可以实时监测实际电机转速与理论电机转速之间的偏差,并相应地调整排线控制器的工作状态。这提供了实时反馈机制,确保绕线过程的稳定性和准确性。
需要说明的是,基于PID控制策略调整排线控制器的工作状态时,PID控制策略的具体实施方式可以参考上文基于PID控制策略调整张力控制器的工作状态的具体实施方式,为避免重复,本发明不再赘述。
S105:获取线圈图像。
具体而言,可以通过工业相机拍摄线圈图像。
S106:根据线圈图像对线圈进行质量检测。当质量检测合格时,将线圈入库。当质量检测不合格时,将线圈丢弃。当连续预设数量的线圈质量检测不合格时,停机检查。
在本发明中,获取线圈图像,根据线圈图像对线圈进行质量检测,当质量检测合格时,将线圈入库,当质量检测不合格时,将线圈丢弃,当连续预设数量的线圈质量检测不合格时,停机检查。无需人工检查线圈质量,自动分拣出质量合格的线圈,省时省力,提升线圈生产效率。当连续预设数量的线圈质量检测不合格时自动停机检查,有助于及早识别并解决可能导致不合格的根本问题,减少了生产中断和维修时间。
在一种可能的实施方式中,S106具体包括:
S1061:根据最优分割阈值,从线圈图像中分割出灰度值大于最优分割阈值的感兴趣区域。
在一种可能的实施方式中,最优分割阈值的确定方式为:
将线圈图像转化为灰度直方图。
设置初始的分割阈值,将灰度值大于分割阈值的区域作为前景区域,将灰度值小于或者等于分割阈值的区域作为背景区域。
计算在当前的分割阈值下,前景区域和背景区域的灰度概率:
其中,a表示当前的分割阈值,,n表示灰度级别总数,/>表示当分割阈值为a时背景区域的灰度概率,/>表示当分割阈值为a时前景区域的灰度概率,i表示灰度级别索引值,N i 表示灰度级别为i时的像素个数,N表示线圈图像的像素总个数。
计算在当前的分割阈值下,前景区域和背景区域的灰度均值:
其中,表示当分割阈值为a时背景区域的灰度均值,/>表示当分割阈值为a时前景区域的灰度均值,/>表示当分割阈值为a时整个石墨舟图像的灰度均值。
计算在当前的分割阈值下,背景区域与前景区域之间的类间方差:
其中,表示类间方差。
依次选取其他的分割阈值,计算在各个分割阈值下,背景区域与前景区域之间的类间方差。
将类间方差最大时对应的分割阈值作为最优分割阈值。
S1062:根据连通区域分割算法,从感兴趣区域中分割出每一圈线缆区域。
在一种可能的实施方式中,S1062具体包括:
采用区域生长法,在感兴趣区域中生成出多个连通区域。
计算各个连通区域的边界之间在竖直方向上的最小间隙,当两个连通区域的边界之间的最小间隙小于第一预设间隙时,将两个连通区域连通。
计算各个连通区域的边界之间在水平方向上的最小间隙,当两个连通区域的边界之间的最小间隙小于第二预设间隙时,将两个连通区域连通。
其中,第一预设间隙大于第二预设间隙。
需要说明的是,对于线圈图像而言,每一圈线缆区域实际图像中每一圈线缆区域展现出来的一个竖条状的细长区域,各圈线缆区域彼此在水平方向上存在着间隙,因此,在竖直方向上进行连通时应当适当放宽用于判定的预设间隙,尽可能的让线缆区域连通为细长竖条状,而在水平方向上进行连通时,预设间隙应当较之于竖直方向更为严格,使得各圈线缆区域彼此在水平方向上的间隙得以保留,便于后续计算每一圈线缆区域的中心点坐标。因此,第一预设间隙大于第二预设间隙。
在一种可能的实施方式中,第二预设间隙的确定方式为:
其中,δ 2表示第二预设间隙,λ表示分割系数,σ表示线圈的匝间间距。
需要说明的是,理想状态下,第二预设间隙应当等于匝间间距,即分割系数λ等于1,在实际应用过程中,可以将分割系数设置的小于1,使得第二预设间隙略小于匝间间距,使得各圈线缆区域彼此在水平方向上的间隙得以保留,便于后续计算每一圈线缆区域的中心点坐标。
S1063:对每一圈线缆区域进行降噪滤波处理。
具体而言,可以采用中值滤波、小波变换滤波等对每一圈线缆区域进行降噪滤波处理。
S1064:获取每一圈线缆区域的中心点坐标。
具体而言,可以使用图像处理库(如OpenCV)提供的函数,计算轮廓的中心点坐标。
S1065:计算相邻线缆区域的中心点之间的中心距离。
S1066:计算各个中心距离的标准差。
S1067:当标准差小于预设值时,线圈的质量检测合格。当标准差大于或者等于预设值时,线圈的质量检测不合格。
需要说明的是,各个中心距离的标准差越小,意味着线圈各匝之间间距的一致性越好,线圈的质量越好。反之,各个中心距离的标准差越大,意味着线圈各匝之间间距的一致性越差,线圈的质量越差。
与现有技术相比,本发明至少具有以下有益技术效果:
(1)在本发明中,基于PID控制策略,通过张力控制器控制线缆中的张力,通过绕线控制器控制线轴旋转,通过排线控制器控制导针做往复运动,将线缆缠绕在线轴上,以完成线圈的绕制。可以实现对于线缆张力、线轴旋转、导针运动的精确控制,PID控制策略存在反馈机制,可以实时进行误差校准,控制精度高,提升生产线圈的质量一致性。
(2)在本发明中,获取线圈图像,根据线圈图像对线圈进行质量检测,当质量检测合格时,将线圈入库,当质量检测不合格时,将线圈丢弃,当连续预设数量的线圈质量检测不合格时,停机检查。无需人工检查线圈质量,自动分拣出质量合格的线圈,省时省力,提升线圈生产效率。当连续预设数量的线圈质量检测不合格时自动停机检查,有助于及早识别并解决可能导致不合格的根本问题,减少了生产中断和维修时间。
实施例2
在一个实施例中,本发明提供的一种绕线机控制系统,用于执行实施例1中的绕线机控制方法。
本发明提供的一种绕线机控制系统可以实现上述实施例1中的绕线机控制方法的步骤和效果,为避免重复,本发明不再赘述。
与现有技术相比,本发明至少具有以下有益技术效果:
(1)在本发明中,基于PID控制策略,通过张力控制器控制线缆中的张力,通过绕线控制器控制线轴旋转,通过排线控制器控制导针做往复运动,将线缆缠绕在线轴上,以完成线圈的绕制。可以实现对于线缆张力、线轴旋转、导针运动的精确控制,PID控制策略存在反馈机制,可以实时进行误差校准,控制精度高,提升生产线圈的质量一致性。
(2)在本发明中,获取线圈图像,根据线圈图像对线圈进行质量检测,当质量检测合格时,将线圈入库,当质量检测不合格时,将线圈丢弃,当连续预设数量的线圈质量检测不合格时,停机检查。无需人工检查线圈质量,自动分拣出质量合格的线圈,省时省力,提升线圈生产效率。当连续预设数量的线圈质量检测不合格时自动停机检查,有助于及早识别并解决可能导致不合格的根本问题,减少了生产中断和维修时间。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (8)
1.一种绕线机控制方法,其特征在于,包括:
S101:从线桶中抽取出线缆;
S102:基于PID控制策略,通过张力控制器,控制所述线缆中的张力;
S103:基于PID控制策略,通过绕线控制器,控制线轴旋转;
S104:基于PID控制策略,通过排线控制器,控制导针做往复运动,将所述线缆缠绕在所述线轴上,完成线圈的绕制;
S105:获取线圈图像;
S106:根据所述线圈图像对线圈进行质量检测;当质量检测合格时,将线圈入库;当质量检测不合格时,将线圈丢弃;当连续预设数量的线圈质量检测不合格时,停机检查;
其中,所述S102具体包括:
S1021:通过张力传感器测量所述线缆中的实际张力;
S1022:根据所述张力控制器的控制力与所述线缆中的张力之间的关联关系,计算出所述张力控制器的理论控制力:
其中,F表示张力控制器的理论控制力,T表示线缆中的实际张力,L2表示浮动轮的固定端到转动中心的距离,L1表示张力控制点到转动中心的距离;
S1023:获取所述张力控制器的实际控制力;
S1024:根据所述张力控制器的实际控制力与理论控制力之间的偏差值,基于PID控制策略,调整所述张力控制器的工作状态;
其中,所述S106具体包括:
S1061:根据最优分割阈值,从所述线圈图像中分割出灰度值大于所述最优分割阈值的感兴趣区域;
S1062:根据连通区域分割算法,从所述感兴趣区域中分割出每一圈线缆区域;
S1063:对每一圈线缆区域进行降噪滤波处理;
S1064:获取每一圈线缆区域的中心点坐标;
S1065:计算相邻线缆区域的中心点之间的中心距离;
S1066:计算各个中心距离的标准差;
S1067:当所述标准差小于预设值时,线圈的质量检测合格;当所述标准差大于或者等于所述预设值时,线圈的质量检测不合格。
2.根据权利要求1所述的绕线机控制方法,其特征在于,所述S1024具体包括:
根据所述张力控制器的实际控制力与理论控制力之间的偏差值,计算比例项、积分项和微分项:
[P]=Kp·e
[I]=Ki·∫e dt
其中,e表示张力控制器的实际控制力与理论控制力之间的偏差值,[P]表示比例项,[I]表示积分项,[D]表示微分项,Kp表示比例增益系数,Ki表示积分增益系数,Kd表示微分增益系数,t表示时间;
根据比例项、积分项和微分项,计算PID控制参数:
其中,PID表示PID控制参数。
3.根据权利要求2所述的绕线机控制方法,其特征在于,所述比例增益系数Kp,所述积分增益系数Ki和所述微分增益系数Kd的具体确定方式为:
在预设的取值范围内,将所述比例增益系数Kp,所述积分增益系数Ki和所述微分增益系数Kd分别编码为二进制字符串,生成初始种群H1;
构建目标函数:
其中,J表示目标函数,e表示张力控制器的实际控制力与理论控制力之间的偏差值,w1表示偏差项权重,u表示张力控制器的输入电压,w2表示输入项权重,t表示时间;
计算初始种群H1中每个个体的目标函数值;
对初始种群H1采取精英选择策略,将个体按照目标函数值从大到小排列,对目标函数值最差的1/4个体替换成新的个体,以形成新的种群H2,其中,新的个体的产生方式如下:
其中,rand表示0至1之间的随机数,i表示迭代次数;
对种群H2进行交叉操作,从种群H2中随机选择两组解向量作为父体,生成一个随机数,并将该随机数与交叉概率pe比较大小,若随机数小于交叉概率pe,则对父体进行交叉操作产生新个体,以形成新的种群H3,新个体y1、y2的产生方式如下:
y1=rand×x1+(1-rand)×x2
y2=rand×x2+(1-rand)×x1
其中,x1、x2表示父体,rand表示0至1之间的随机数;
对种群H3进行变异操作,从种群H3中随机选择一组解向量x3,生成一个随机数,并将该随机数与变异概率pm比较大小,若随机数小于变异概率pm,则对解向量x3进行变异操作产生新个体y3替换掉原个体,以形成新的种群H4,新个体y3的产生方式如下:
对种群进行搜索寻优,得到关于所述比例增益系数Kp,所述积分增益系数Ki,所述微分增益系数Kd的最优解向量;
将所述最优解向量中的二进制字符串转码为十进制数,确定所述比例增益系数Kp,所述积分增益系数Ki和所述微分增益系数Kd。
4.根据权利要求1所述的绕线机控制方法,其特征在于,所述S103具体包括:
S1031:根据线圈规格以及单层绕制时间,确定理论排线速度:
其中,v1表示理论排线速度,w表示线圈宽度,T表示单层绕制时间;
S1032:根据所述理论排线速度,计算绕线速度:
其中,v2表示绕线速度,l表示每周线缆的长度,h表示螺距;
S1033:根据所述绕线速度,计算所述绕线控制器的理论电机转速:
其中,n2表示绕线控制器的理论电机转速,d表示线轴的直径;
S1034:根据所述绕线控制器的实际电机转速与理论电机转速之间的偏差值,基于PID控制策略,调整所述绕线控制器的工作状态。
5.根据权利要求1所述的绕线机控制方法,其特征在于,所述S104具体包括:
S1041:根据线圈规格以及单层绕制时间,确定理论排线速度,并将所述理论排线速度作为匀速阶段的排线速度:
其中,v1表示理论排线速度,w表示线圈宽度,T表示单层绕制时间;
S1042:基于S型曲线加减速控制策略,以匀速阶段的排线速度为终点,确定加速阶段的排线速度;以匀速阶段的排线速度为起点,确定减速阶段的排线速度;
S1043:将加速阶段、匀速阶段和减速阶段的排线速度组成排线速度曲线;
S1044:根据平滑过渡算法对所述排线速度曲线进行平滑过渡处理;
S1045:根据平滑过渡处理后的排线速度曲线,计算所述排线控制器的理论电机转速:
其中,n1表示排线控制器的理论电机转速,t表示时间,s表示滑台导程,i表示减速器传动比;
S1046:根据所述排线控制器的实际电机转速与理论电机转速之间的偏差值,基于PID控制策略,调整所述排线控制器的工作状态。
6.根据权利要求1所述的绕线机控制方法,其特征在于,所述S1062具体包括:
采用区域生长法,在所述感兴趣区域中生成出多个连通区域;
计算各个所述连通区域的边界之间在竖直方向上的最小间隙,当两个连通区域的边界之间的最小间隙小于第一预设间隙时,将两个连通区域连通;
计算各个所述连通区域的边界之间在水平方向上的最小间隙,当两个连通区域的边界之间的最小间隙小于第二预设间隙时,将两个连通区域连通;
其中,所述第一预设间隙大于所述第二预设间隙。
7.根据权利要求6所述的绕线机控制方法,其特征在于,所述第二预设间隙的确定方式为:
δ2=λ·σ
其中,δ2表示第二预设间隙,λ表示分割系数,σ表示线圈的匝间间距。
8.一种绕线机控制系统,其特征在于,用于执行权利要求1至7任一项所述的绕线机控制方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311774014.4A CN117476364B (zh) | 2023-12-22 | 2023-12-22 | 一种绕线机控制方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311774014.4A CN117476364B (zh) | 2023-12-22 | 2023-12-22 | 一种绕线机控制方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117476364A CN117476364A (zh) | 2024-01-30 |
CN117476364B true CN117476364B (zh) | 2024-03-12 |
Family
ID=89635004
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311774014.4A Active CN117476364B (zh) | 2023-12-22 | 2023-12-22 | 一种绕线机控制方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117476364B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114194937A (zh) * | 2021-12-20 | 2022-03-18 | 长春工程学院 | 一种高速绕线机绕线质量监控方法 |
CN114629314A (zh) * | 2022-01-26 | 2022-06-14 | 中国船舶重工集团公司第七0七研究所 | 自动绕线机控制系统及其控制方法 |
CN115180461A (zh) * | 2022-07-14 | 2022-10-14 | 青岛科技大学 | 新能源汽车压缩机电机生产装备的张力数据驱动控制方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4827892B2 (ja) * | 2008-06-27 | 2011-11-30 | 本田技研工業株式会社 | 巻線装置 |
-
2023
- 2023-12-22 CN CN202311774014.4A patent/CN117476364B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114194937A (zh) * | 2021-12-20 | 2022-03-18 | 长春工程学院 | 一种高速绕线机绕线质量监控方法 |
CN114629314A (zh) * | 2022-01-26 | 2022-06-14 | 中国船舶重工集团公司第七0七研究所 | 自动绕线机控制系统及其控制方法 |
CN115180461A (zh) * | 2022-07-14 | 2022-10-14 | 青岛科技大学 | 新能源汽车压缩机电机生产装备的张力数据驱动控制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN117476364A (zh) | 2024-01-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102831269A (zh) | 一种流程工业过程工艺参数的确定方法 | |
CN111988329B (zh) | 一种基于深度学习的网络入侵检测方法 | |
CN112987664A (zh) | 一种基于深度强化学习的流水车间调度方法 | |
Fu et al. | Drmad: Distilling reverse-mode automatic differentiation for optimizing hyperparameters of deep neural networks | |
Li et al. | Sequential multi-criteria feature selection algorithm based on agent genetic algorithm | |
CN108280236A (zh) | 一种基于LargeVis的随机森林可视化数据分析方法 | |
CN112561139A (zh) | 一种短期光伏发电功率预测方法和系统 | |
CN112287592A (zh) | 一种基于深度置信网络的工业设备故障诊断方法及系统 | |
CN117476364B (zh) | 一种绕线机控制方法及系统 | |
CN112651928A (zh) | 基于动态卷积神经网络的涤纶长丝均匀性在线检测系统 | |
CN115293400A (zh) | 一种电力系统负荷预测方法及系统 | |
CN110032069B (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 | |
CN114422262A (zh) | 一种基于自动机器学习的工控网络入侵检测模型构建方法 | |
CN116667369A (zh) | 一种基于图卷积神经网络的分布式光伏电压控制方法 | |
CN109993271A (zh) | 基于博弈理论的灰色神经网络预测方法 | |
CN114859719A (zh) | 一种基于图神经网络的强化学习集群蜂拥控制方法 | |
CN107766887A (zh) | 一种局部加权的不完整数据混杂聚类方法 | |
CN113901710A (zh) | 一种离心泵运行优化控制方法 | |
CN113627594A (zh) | 基于wgan的一维时序数据增广方法 | |
Bai et al. | Manufacturing quality prediction based on two-step feature learning approach | |
CN112069876A (zh) | 基于自适应带微分梯度优化的手写体识别方法 | |
Xia et al. | A Co-Evolutionary Genetic Algorithm Based on Improved K-Means Clustering | |
CN109784477B (zh) | 一种用于对比神经网络训练的采样的方法及系统 | |
CN110609832A (zh) | 一种面向流式数据的非重复采样方法 | |
CN118013864A (zh) | 一种基于鲸鱼算法的粘胶纤维黄化优化方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |