基于改进神经网络的降低锭子转速波动控制算法

王延年，宋功庆

(西安工程大学 电子信息学院，陕西 西安 710048)

0 引 言

细纱卷绕作为成纱的最后一道关键工序，细纱的产量和质量都极大影响着纺织厂的效益[1]。通常纱线在卷绕过程中，锭子无刷直流电机转速波动较大，会出现成纱捻度差异较大，捻度不均匀率高，纱线易断头等问题[2]。

针对以上问题，在不升级电锭细纱机设备的前提下，近年来一些学者采取经典PID控制算法让锭子在设定的转速内运行[3-4]。但纱线卷绕过程受细纱张力波动、电机参数变化等因素影响[5-6]，该算法中PID参数不能去实时调整而造成锭子转速波动较大。很多文献都在研究如何准确检测细纱断头[7-8]，并没有深入探讨如何减少细纱断头现象。为此，本文将BP神经网络算法与PID控制器结合，在锭子无刷直流电机运行的过程中，神经网络会对锭子反馈的信息进行学习，从而实时调整PID参数，让电机尽可能地维持在设定的转速运行。但神经网络算法有收敛速度较慢和最优初始权值难以确定等问题，引入搜索空间内PSO算法对这些问题进行优化，克服了BP神经网络的缺陷。让锭子运行过程中转速、转矩波动更小，使纱线成纱捻度差异小，纱线断头减少[9-10]。

1 基于BP神经网络优化PID控制器算法

1.1 经典PID控制器算法

首先计算出系统给定量与反馈量的偏差，再将该偏差进行比例、积分、微分等线性运算，最后得到下一时刻系统所需对应的控制量[11]，增量式的数字PID控制算法表达式为

u(k)=u(k-1)+kp[e(k)-e(k-1)]+

kie(k)+kd[e(k)-2e(k-1)+e(k-2)]

(1)

式中：kp、ki、kd分别为PID控制器的比例、积分、微分系数；……