流延膜复合过程自动调节张力调节系统的制作方法

1.本发明涉及可编程控制技术领域，特别涉及流延膜复合过程自动调节张 力调节系统。


背景技术：

2.流延膜，是通过熔体流涎骤冷生产的一种无拉伸、非定向的平挤薄膜。 与一般的吹胀法相比，其特点是生产速度快，产量高，薄膜厚度均匀性以及 透明度、光泽性等都非常好。生产工艺过程为原料经挤出机塑化熔融后，熔 体经过一个t形狭缝模头挤出，流延铸片经急冷辊冷却，成型为薄膜。此法 生产速度快，急冷辊一般为表面镀铬、光洁度高的钢辊，而且薄膜透明度高、 厚度均匀，薄膜的纵向和横向性能一致，由于单种塑料薄膜总是存在着树脂 带来的固有优点同时也有它存在的一定的缺点，远不能满足越来越多种商品 对包装广泛而严苛的性能要求。因此薄膜生产商开发了薄膜与薄膜，纸、金 属箔等的复合材料的生产，来互相取长补短，更好地满足包装业的需要。
3.流延膜复合生产成型生产过程为：将干燥好的树脂原料[由基本树脂 (lldpe+ldpe、hdpe、eva或pp)和无机填充物(caco3含量在45％～50％之间)混 合组成]，经过挤出机熔融塑化后，通过过滤器和联接管进进流延t型模头， 经过狭缝型模唇挤出。薄膜直接紧贴在急冷辊上，通过2条冷却辊冷却和重 新固化。随后，薄膜通过测厚仪测厚，再经预热辊、拉伸辊后进行纵向拉伸， 定型冷却、电晕后再切往较厚的边料，通过全自动卷绕装置卷取为膜卷，进 行在线分切，得到筒状的薄膜产品。
[0004]
目前市场上在对流延膜进行收卷时，薄膜的张力控制显得尤为重要，薄 膜张力控制的好坏直接影响流延膜的制作质量；其中现有技术中往往会通过 人工调节电机的转速从而调节薄膜的张力，但是人工调节的方式十分不精确， 不利于加工高质量的流延膜。


技术实现要素：

[0005]
本发明的主要目的在于提供流延膜复合过程自动调节张力调节系统，可 以有效解决背景技术通过人工调节电机的转速从而调节薄膜的张力，但是人 工调节的方式十分不精确，不利于加工高质量的流延膜的问题。
[0006]
为实现上述目的，本发明采取的技术方案为：流延膜复合过程自动调节 张力调节系统，包括fpga芯片、pid控制器、变频器、电机模型、张力检测 模块、处理模块、报警模块以及显示模块；
[0007]
所述pid控制器，由比例单元、积分单元和微分单元组成，并通过k
p
、 ki和kd三个参数的设定来控制变频器；
[0008]
所述变频器，用于接收pid控制器的信号，并将其转化输送到电机模型 中，控制电机模型的运行；
[0009]
所述张力检测模块，用于检测张力测量机构产生的模拟量，并将其输出 转化为处理器可以运算处理的数字信号；
[0010]
所述处理模块用于接收报警模块与张力检测模块的信号，并做出相应的 动作；
[0011]
所述报警模块，用于对控制系统在正常工作过程中发生的异常现象进行 提示反馈，便于工作人员及时处理异常或检查设备状况；
[0012]
所述显示模块，用于接收处理模块的信号，并在显示屏中将各个参数显 示出来；
[0013]
所述fpga芯片包括控制模块、储存模块、多路选择器、初始化模块、全 局最优选择模块、局部最优选择模块以及速度位置更新模块；
[0014]
所述控制模块，用于协调控制整个系统的正常运转；
[0015]
所述储存模块，用于存放粒子的相关信息，所述储存模块包括ram1存储 器、ram2存储器、ram3存储器、ram4存储器以及ram5存储器，所述ram1存 储器，用于对位置的编码数据进行存储；所述ram2存储器用于对粒子适应度 值的存储；所述ram3存储器用于对局部最优的适应度值进行存储；所述ram4 存储器用于对局部最优值进行存储；所述ram5存储器用于对粒子的速度进行 存储；
[0016]
所述多路选择器，用于对输入输出的数据进行选择，记为mux；
[0017]
所述初始化模块，用于产生初始粒子群体；
[0018]
所述全局最优选择模块，用于选择、更新全局最优粒子；
[0019]
所述局部最优选择模块，用于选择、更新局部最优粒子；
[0020]
所述速度位置更新模块的主要作用是对粒子的速度以及位置进行更新；
[0021]
所述fpga芯片采用改进粒子群算法，所述改进粒子群算法对k
p
、ki和kd的整定步骤为：
[0022]
s1、规定pid控制器三个参数的取值范围及改进粒子群优化算法的最大 速度v
max
后，初始化一群位置xi(k+1)与速度vi(k+1)都符合该范围的粒子；其 中xi(k+1)与vi(k+1)计算公式如下所示：
[0023]vi
(k+1)＝wvi(k)+c1r1[pi(k)-xi(t)]+c2r2[pg(k)-xi(t)]
[0024]
xi(k+1)＝xi(k)+vi(k+1)
[0025]
式中：vi(k)为第k次迭代计算时第i个粒子的速度；xi(k)为第k次迭代 计算时第i个粒子的位置；c1、c2为学习因子，用于调节个体位置认知和群体 位置认识的程度；r1、r2为独立的区间为[0，1]的随机数；pi为群体的局部最 优位置；pg为粒子群的全局最优位置，w为惯性权重；
[0026]
s2、利用下列公式1和公式2求出每个粒子的适应度值ji；
[0027]
公式1当ey(t)≥0，
[0028]
公式2当ey(t)《0，
[0029]
式中：系统误差ey(t)＝y(t)-y(t-1)，y(t)为被控目标的输出；u(t)为控 制器输出；tu为上升时间；e(t)为误差；w1、w2、w3和w4为权值，w1＝0.999、 w2＝0.001、w3＝2.0、w4＝100；
[0030]
s3、对于每个粒子：若ji》j
ibest
，则j
ibest
＝ji，pi＝xi；若ji》j
gbest
，则j
gbest
＝ji， pg＝
xi；
[0031]
上式中ji所代表的含义为粒子目前的适应值，j
ibest
所代表的含义为粒子 个体经历过的最好适应值，j
gbest
所代表的含义为全局经历过的最好的适应值；
[0032]
s4、利用步骤s1中的公式更新粒子的速度与位置，且c1、c2取[0，2.5] 范围内的随机数，
[0033]
s5、引入杂交算子，改进粒子群优化算法：将适应度值较低的粒子用适 应度值较高的粒子替代，对粒子群进行杂交操作；
[0034]
所述杂交算子的引入的方法是：初始时令群体中的粒子均携带着杂交概 率s，在进行迭代操作时，选择一定量的粒子，然后按照杂交概率s，让粒子 两两杂交，生成同样数量的子代，最后将父代粒子用得到的子代粒子进行替 换，并且交叉过程，根据交叉概率pc，让粒子位置与粒子位置之间不同维度 上的值进行算术加权计算，让粒子在不局限于当前最优位置的条件下改变当 前位置，进行重新搜索；变异过程，根据变异概率pm，决定粒子是否要对其 位置在部分维度上的值进行重新初始化，假设m和n为2个粒子，则杂交操 作的公式如下：
[0035]
xm(t+1)＝s
·
xm(t)+(1-s)
·
xn(t)
[0036]
xn(t+1)＝s
·
xn(t)+(1-s)
·
xm(t)
[0037]
式中：0《s《1；
[0038][0039][0040]
式中：f
max
为群体中的最大适应值，f
avg
为群体平均适应值，f为要交叉的 两个个体中较大的适应度值；f
′
为要变异个体的适应度值；k1、k2、k3和k4为 常数，且k1《k2，k3《k4；
[0041]
并且可以进一步的对惯性因子w进行进一步的限定，其计算公式为：
[0042][0043]wmax
为最大惯性权重值，w
min
为最小惯性权重值，t为目前粒子的迭代次数， t
max
为粒子群算法所拥有的最大迭代次数；
[0044]
s6、判断运行次数达到最大迭代次数gk，若不是则重新回至步骤s2继续 运行；若是算法结束，并将得到的k
p
、ki和kd输送给pid控制器。
[0045]
优选地，所述张力检测模块包括张力传感器、采样模块以及模数处理模 块，
[0046]
所述张力传感器用于检测系统的张力，并将其输送到采样模块中；
[0047]
所述采样模块用于接收张力传感器输送到信号，并将其输送到模数处理 模块；
[0048]
所述模数处理模块用于将采样模块采集的模拟量信号转化为数字量信号， 并将输送到处理模块中。
[0049]
优选地，所述报警模块在电路中，采用一个双色灯和一个红灯；当设备 处于待机状态时，双色灯亮黄灯；当在正常工作过程中，双色灯亮绿灯；若 设备停止或遇到断线等故障时，显示红灯。
[0050]
优选地，所述显示模块通过i2c通信方式与处理模块连接，所述显示模块 采用lcd显示屏。
[0051]
优选地，所述电机模型包括冷却电机与收卷电机，所述电机模型的表达 式如下所示：
[0052][0053][0054]
式中：分别将冷却电机和收卷电机定义为电机1、2分别与上面各式中的 下标1、2对应；其中，ω为电机同步角速度，ωr是各电机的定子角速度，ψ 是各电机的转子磁链，j是各电机的转动惯量，t
l
是各电机的负载转矩，tr为 各电机的时间常数，lr、lm分别为各电机的电感和互感，n
p
为电机磁极对数， f
12
为电机1与电机2之间的张力。
[0055]
优选地，所述变频器与电机模型电性连接，且所述电机模型还与变频器 之间设置有光电编码器进行反馈连接。
[0056]
优选地，所述张力检测模块还包括卷径检测模块，所述卷径检测模块的 计算方法为：
[0057][0058]
式中：d(t)为t时刻的卷径，δ为收卷薄膜的厚度，v为收卷筒的线速 度。
[0059]
优选地，所述处理模块中设置有卷径判断模块，所述卷径判断模块用于 判断预设在处理模块中的卷径大小与现有卷径大小的关系，并由此控制系统 是否进行换卷动作。
[0060]
优选地，所述换卷动作需要进行短暂停机，重新收卷后收卷轴需以kb倍 速运行，且倍速运行时间为tb计算公式为：
[0061][0062]
式中：t0为停机时间，kb为常数。
[0063]
与现有技术相比，本发明具有如下有益效果：
[0064]
本发明中，通过提出用改进粒子群算法来整定pid控制器参数，并且引 入杂交算子，改进了粒子群算法，保证了微粒群的多样性，有效地避免了算 法陷入局部最优解，且其交叉过程，根据交叉概率pc，让粒子位置与粒子位 置之间不同维度上的值进行算术加权计算，让粒子在不局限于当前最优位置 的条件下改变当前位置，进行重新搜索；变异过程，根据变异概率pm，决定 粒子是否要对其位置在部分维度上的值进行重新初始化，改进后的pid控制 器进入稳定状态的速度较快。此外，在用标准粒子群算法优化的过程中，其 最大超调量为3.2％明显大于改进粒子群算法优化的最大超调量2.6％，因此， 使用改进的粒子群算法的pid控制器具有更好的性能。
附图说明
[0065]
图1为本发明流延膜复合过程自动调节张力调节系统流程示意图；
[0066]
图2为本发明流延膜复合过程自动调节张力调节系统的改进的粒子群算 法的pid控制器流程示意图；
[0067]
图3为本发明流延膜复合过程自动调节张力调节系统的电机模型结构示 意图；
[0068]
图4为本发明流延膜复合过程自动调节张力调节系统的控制结构示意图；
[0069]
图5为本发明流延膜复合过程自动调节张力调节系统张力检测模块示意 图；
[0070]
图6为本发明流延膜复合过程自动调节张力调节系统的张力检测模块电 路原理示意图；
[0071]
图7为本发明流延膜复合过程自动调节张力调节系统的信号灯 与报警电路图；图8为本发明提供的实施例与对比例的仿真曲线图。
具体实施方式
[0072]
为使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解， 下面结合具体实施方式，进一步阐述本发明。
[0073]
在本发明的描述中，需要说明的是，术语“上”、“下”、“内”、“外”“前 端”、“后端”、“两端”、“一端”、“另一端”等指示的方位或位置关系为基于 附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是 指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操 作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”仅用于 描述目的，而不能理解为指示或暗示相对重要性。
[0074]
在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语
ꢀ“
安装”、“设置有”、“连接”等，应做广义理解，例如“连接”，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。
[0075]
请参照图1—7所示，本发明为流延膜复合过程自动调节张力调节系统， 包括fpga芯片、pid控制器、变频器、电机模型、张力检测模块、处理模块、 报警模块以及显示模块；
[0076]
pid控制器，由比例单元、积分单元和微分单元组成，并通过k
p
、ki和kd三个参数的设定来控制变频器；
[0077]
变频器，用于接收pid控制器的信号，并将其转化输送到电机模型中， 控制电机模型的运行；
[0078]
张力检测模块，用于检测张力测量机构产生的模拟量，并将其输出转化 为处理器可以运算处理的数字信号；
[0079]
处理模块用于接收报警模块与张力检测模块的信号，并做出相应的动作；
[0080]
报警模块，用于对控制系统在正常工作过程中发生的异常现象进行提示 反馈，便于工作人员及时处理异常或检查设备状况；
[0081]
显示模块，用于接收处理模块的信号，并在显示屏中将各个参数显示出 来；
[0082]
fpga芯片包括控制模块、储存模块、多路选择器、初始化模块、全局最 优选择模块、局部最优选择模块以及速度位置更新模块；
[0083]
控制模块，用于协调控制整个系统的正常运转；
[0084]
储存模块，用于存放粒子的相关信息，储存模块包括ram1存储器、ram2 存储器、ram3存储器、ram4存储器以及ram5存储器，ram1存储器，用于对 位置的编码数据进行存储；ram2存储器用于对粒子适应度值的存储；ram3存 储器用于对局部最优的适应度值进行存储；ram4存储器用于对局部最优值进 行存储；ram5存储器用于对粒子的速度进行存储；
[0085]
多路选择器，用于对输入输出的数据进行选择，记为mux；
[0086]
初始化模块，用于产生初始粒子群体；
[0087]
全局最优选择模块，用于选择、更新全局最优粒子；
[0088]
局部最优选择模块，用于选择、更新局部最优粒子；
[0089]
速度位置更新模块的主要作用是对粒子的速度以及位置进行更新；
[0090]
fpga芯片采用改进粒子群算法，改进粒子群算法对k
p
、ki和kd的整定步 骤为：
[0091]
s1、规定pid控制器三个参数的取值范围及改进粒子群优化算法的最大 速度v
max
后，初始化一群位置xi(k+1)与速度vi(k+1)都符合该范围的粒子；其 中xi(k+1)与vi(k+1)计算公式如下所示：
[0092]vi
(k+1)＝wvi(k)+c1r1[pi(k)-xi(t)]+c2r2[pg(k)-xi(t)]
[0093]
xi(k+1)＝xi(k)+vi(k+1)
[0094]
式中：vi(k)为第k次迭代计算时第i个粒子的速度；xi(k)为第k次迭代 计算时第i个粒子的位置；c1、c2为学习因子，用于调节个体位置认知和群体 位置认识的程度；r1、r2为独立的区间为[0，1]的随机数；pi为群体的局部最 优位置；pg为粒子群的全局最优位置，w为惯性权重；
[0095]
s2、利用下列公式1和公式2求出每个粒子的适应度值ji；
[0096]
公式1当ey(t)≥0，
[0097]
公式2当ey(t)《0，
[0098]
式中：系统误差ey(t)＝y(t)-y(t-1)，y(t)为被控目标的输出；u(t)为控 制器输出；tu为上升时间；e(t)为误差；w1、w2、w3和w4为权值，w1＝0.999、 w2＝0.001、w3＝2.0、w4＝
100；
[0099]
s3、对于每个粒子：若ji》j
ibest
，则j
ibest
＝ji，pi＝xi；若ji》j
gbest
，则j
gbest
＝ji， pg＝xi；
[0100]
上式中ji所代表的含义为粒子目前的适应值，j
ibest
所代表的含义为粒子 个体经历过的最好适应值，j
gbest
所代表的含义为全局经历过的最好的适应值；
[0101]
s4、利用步骤s1中的公式更新粒子的速度与位置，且c1、c2取[0，2.5] 范围内的随机数，
[0102]
s5、引入杂交算子，改进粒子群优化算法：将适应度值较低的粒子用适 应度值较高的粒子替代，对粒子群进行杂交操作；
[0103]
杂交算子的引入的方法是：初始时令群体中的粒子均携带着杂交概率s， 在进行迭代操作时，选择一定量的粒子，然后按照杂交概率s，让粒子两两杂 交，生成同样数量的子代，最后将父代粒子用得到的子代粒子进行替换，并 且交叉过程，根据交叉概率pc，让粒子位置与粒子位置之间不同维度上的值 进行算术加权计算，让粒子在不局限于当前最优位置的条件下改变当前位置， 进行重新搜索；变异过程，根据变异概率pm，决定粒子是否要对其位置在部 分维度上的值进行重新初始化，假设m和n为2个粒子，则杂交操作的公式 如下：
[0104]
xm(t+1)＝s
·
xm(t)+(1-s)
·
xn(t)
[0105]
xn(t+1)＝s
·
xn(t)+(1-s)
·
xm(t)
[0106]
式中：0《s《1；
[0107][0108][0109]
式中：f
max
为群体中的最大适应值，f
avg
为群体平均适应值，f为要交叉的 两个个体中较大的适应度值；f
′
为要变异个体的适应度值；k1、k2、k3和k4为 常数，且k1《k2，k3《k4；
[0110]
并且可以进一步的对惯性因子w进行进一步的限定，其计算公式为：
[0111][0112]wmax
为最大惯性权重值，w
min
为最小惯性权重值，t为目前粒子的迭代次数， t
max
为粒子群算法所拥有的最大迭代次数；
[0113]
s6、判断运行次数达到最大迭代次数gk，若不是则重新回至步骤s2继续 运行；若是算法结束，并将得到的k
p
、ki和kd输送给pid控制器。
[0114]
实施例
[0115]
利用本发明的改进粒子群优化算法对k
p
、ki和kd三个参数进行整定，当 整定完成后将其输送到pid控制器中，从而使得pid控制器来控制变频器， 之后再由变频器来控制电机模型，即控制收卷电机与冷却电机的转速，其电 机模型的表达式如下所示：
[0116][0117][0118]
式中：分别将冷却电机和收卷电机定义为电机1、2分别与上面各式中的 下标1、2对应；其中，ω为电机同步角速度，ωr是各电机的定子角速度，ψ 是各电机的转子磁链，j是各电机的转动惯量，t
l
是各电机的负载转矩，tr为 各电机的时间常数，lr、lm分别为各电机的电感和互感，n
p
为电机磁极对数， f
12
为电机1与电机2之间的张力；可以看出就算将电机的转子磁链视为恒定， 电机速度与系统张力也存在强耦合，当系统的负载发生改变，电机的负载转 矩、转动惯量以及系统的张力都会随之改变，所以可以通过控制电机速度的 控制张力的变化，且电机模型还与变频器之间设置有光电编码器进行反馈连 接，所以能够进一步的提高对电机速度的控制，在收卷的过程中，通过张力 检测模块还包括卷径检测模块，所述卷径检测模块的计算方法为： 式中：d(t)为t时刻的卷径，δ为收 卷薄膜的厚度，v为收卷筒的线速度，来检测收卷的卷径，并将其信号输送到 处理模块中，最后有处理模块中的卷径判断模块用于判断预设在处理模块中 的卷径大小与现有卷径大小的关系，并由此控制系统是否进行换卷动作，当 需要对其进行换卷时需要进行短暂停机，重新收卷后收卷轴需以kb倍速运行， 且倍速运行时间为tb计算公式为：式中：t0为停机时间， kb为常数，以此来实现自动换卷。
[0119]
对比例
[0120]
采用标准粒子群算法来控制pid控制器。
[0121]
仿真实验验证
[0122]
利用matlab对实施例进行仿真实验。本次实验令其传递函数为参数k
p
、ki和kd的范围分别为[0,20]、[0,1]和[0,1]。群 体规模为20，最大迭代次数为50，控制器输出的范围为[-10,10]。经过matlab 仿真，得到其仿真曲线如下图所示，其中虚线代
表实施例；
[0123]
利用matlab对对比例进行仿真实验。本次实验令其传递函数为参数k
p
、ki和kd的范围分别为[0,20]、[0,1]和[0,1]。 群体规模为20，最大迭代次数为50，控制器输出的范围为[-10,10]。 经过matlab仿真，得到其仿真曲线如图8所示，其中实线代表对 比例。
[0124]
从图8可以看出：因其实线部分为标准粒子群算法的pid控制器 的仿真结果，虚线部分为改进的粒子群算法的pid控制器的仿真结果。 两种实现方法性能对比如下表所示。在参数相同的条件下，改进的粒 子群算法算法pid控制器的整体性能要优于标准粒子群算法算法pid 控制器。从pid控制器的响应时间来看，改进后的粒子群算法在 0.20s附近就达到了系统要求，而标准粒子群算法要在0.23s附近才 达到要求，改进后的pid控制器进入稳定状态的速度较快。此外，在 用标准粒子群算法优化的过程中，其最大超调量为3.2％明显大于改 进粒子群算法优化的最大超调量2.6％，因此，改进的粒子群算法算 法pid控制器具有更好的性能。
[0125][0126]
实施例与对比例性能对比
[0127][0128][0129]
以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行 业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明 书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下， 本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范 围内。本发明要求保护范围由所附的权利要求书及其等效物界定。