一种卷绕张力控制系统辨识方法与流程

文档序号:15587492发布日期:2018-10-02 18:33阅读:1603来源:国知局

本发明涉及一种卷绕张力控制系统辨识方法。



背景技术:

卷绕张力系统在造纸、纺织等工业场合中应用广泛,它是典型的多输入多输出非线性系统,卷径及转动惯量是一个时变参数,而且速度和张力存在耦合关系,造成系统的动力学模型十分复杂,张力控制一直以来是制约制造业发展的瓶颈。

针对张力控制及系统辨识问题,近年来国内外展开了较为广泛的研究,取得了一定的研究成果。譬如,发明专利“卷绕张力控制系统”(授权公告号:cn102923511b)、“系统辨识在织机送经系统建模中的应用(论文作者:沈丹峰,叶国铭)”、“织机送经机构的系统辨识与计算机仿真(论文作者:袁建畅,王崇楼)”等等,但是由于在建模过程中包含一些假设和近似,使得张力系统模型与实际系统存在一定差异。为了获得更准确的系统模型,可以采用系统辨识方法对张力系统参数进行辨识,提高系统张力控制精度。

张力控制系统要求系统响应速度快、抗干扰能力强、鲁棒性好,能够抑制卷径时变等因素的影响,因此必须提出新的辨识方法,提高张力控制精度。



技术实现要素:

鉴于以上所述现有技术的缺点,本发明的目的在于提供一种卷绕张力控制系统辨识方法。将卷绕张力控制系统分为放卷模块、收卷模块和中间模块,在各模块设置测试点,采集输入信号和输出信号,分别对各模块进行参数辨识,然后针对整个卷绕张力控制系统,根据输入和输出,进行系统参数辨识,修正各模块参数。

优选的,对模块参数进行遗传算法辨识过程中,采用基于个体适应度的自适应交叉算子,交叉概率表达式为:

f=kx-b

式中x为个体适应度,k,b为常数,由最大和最小个体适应度、交叉概率确定。

优选的,系统参数辨识,修正各模块参数时,对修正量设置阈值,小于阈值的修正量才允许修改,否则重新辨识。

综上所述,本发明提出一种卷绕张力控制系统辨识方法,先对三个模块进行参数辨识,最后通过整个系统参数辨识的方法修正参数,大大提升了结果的准确性。辨识过程中采用遗传优化算法搜寻最优参数,并且采用了自适应交叉概率。设置参数修正量阈值,可以保证系统的鲁棒性,有利于保证遗传算法结果的可靠性。

附图说明

图1为本发明系统辨识原理图。

图2为本发明系统辨识流程图。

具体实施方式

以下通过特定的具体实例说明本发明的实施方式,本领域技术人员可由本说明书所揭露的内容轻易地实施。

本发明提出一种卷绕张力控制系统辨识方法,将卷绕张力系统分成放卷模块、中间模块和收卷模块,如图1所示,首先对各个模块进行参数辨识,然后对整个卷绕张力系统参数辨识。系统辨识流程如图2所示,整个卷绕张力系统参数辨识可以对各个模块参数辨识结果起到验证作用,如果两个辨识结果误差在阈值范围内,则修正各个模块参数,否则,重新辨识。由于各个模块和整个卷绕张力系统参数辨识原理相同,下面以放卷模块为例,详细说明实施方式:

1、实验设计。张力辨识实验共获得四组数据,前三组数据用来辨识模型参数,即1.5v-2.0v,2.0v-2.5v,2.5v-3.0v三组阶跃输入以及输出数据用来辨识模型参数,辨识过程采用遗传算法优化。为了验证模型参数的正确性,采用第四组用来检验。根据输入的阶跃信号3.0v-3.5v,在matlab中仿真,得到的输出张力信号与实际的输出比较,以此来验证模型参数的正确性。

输入信号记录点位于放卷模块控制器输入端,即记录输入被控对象的pwm信号,输出记录点位于放卷模块张力传感器输出信号滤波及调理端,记录张力值。在辨识放卷模块参数过程中,尽量保持中间模块、收卷模块恒线速度,输入阶跃电压,记录张力变化曲线,记录多组输入和输出数据,用于辨识研究。本实验阶跃电压跳变0.5v,记录4组数据,前3组数据用于参数辨识,第4组数据用于模型检验。

2、模型选择。模型类的选择基本原理是,用尽可能小的参数模型来描述待辨识的系统,而且必须注意所用的准则函数不能导致算法出现非唯一整体收敛或局部收敛。本发明采用鲁棒性强,算法简单的arx模型,表达式如下:

a(z-1)z(k)=b(z-1)u(k)+v(k)(1)

式中a(z-1),b(z-1)是系统待辨识参数,u(k)是输入,z(k)是输出响应,v(k)是白噪声。

3、输入信号。阶跃信号能够反映被辨识系统工作的大部分实际情况,且易于实现、便于分析处理。因此实验中辨识输入信号采用电压形式的阶跃信号,其幅度为0.5v。从1.5v-3.5v,分四组完成辨识实验。

4、准则函数。准则函数要考虑到算法的简便性,又要考虑模型的精度和鲁棒性。本张力系统辨识实验选择的准则函数为误差函数的平方和:

式中参数同(1)式,在张力系统辨识实验中采样时间0.010s,张力传感器信号a/d转换采用10位转换精度。对于输入输出数据中的直流成分或高频成分,需要进行零均值化和剔除高频的预处理。在辨识时,实测数据预处理是运用matlab滤波函数idfilt完成的。

对放卷模块参数进行遗传算法进行辨识过程中,采用基于个体适应度的自适应交叉算子,传统遗传算法使用固定交叉概率进行进化,很难保证种群的多样性和收敛性。个体适应度小于种群平均适应度时,应使用较大的交叉概率;个体适应度大于种群平均适应度时,采用较小的交叉概率。本发明采用自适应的交叉算子,以个体适应度作为判断依据,交叉概率随着适应度的变化而变化交叉概率表达式为:

f=kx-b(3)

式中x为个体适应度,k,b为常数,由最大和最小个体适应度、交叉概率确定,把(最大个体适应度、交叉概率),(最小个体适应度、交叉概率)两组数据代入(3)式,即可确定k,b。

依照上述步骤对各模块和系统进行参数辨识,其中卷绕张力系统标准模型是由放卷模块标准模型、中间模块标准模型、收卷模块标准模型级联而成,即将放卷模块标准模型、中间模块标准模型、收卷模块标准模型相乘得到。

5、判断后参数修正。卷绕张力系统参数辨识结果与各模块参数辨识结果如果有误差,且误差在阈值范围之内,则修正各模块参数辨识结果,否则,认定辨识结果不可靠,重新辨识。

综上所述,本发明提出针对卷绕张力控制系统辨识方法,先对三个模块进行参数辨识,然后通过整个系统参数辨识的方法修正参数,相当于对辨识结果进行了二次验证,大大提升了结果的准确性。辨识过程中采用遗传优化算法搜寻最优参数,并且采用了自适应交叉概率。设置参数修正量阈值,可以保证系统的鲁棒性,有利于保证遗传算法结果的可靠性。本发明有效克服了现有技术中的种种缺点而具高度产业利用价值。

当前第1页1 2 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1