基于改进PSO-FNN的电缆线径控制系统研究与设计

发布时间：2020-07-17 12:40

【摘要】：随着中国智能制造2025的提出及发展,各行各业的生产要求及精度都在不断提高。在电缆制造行业,电线直径是衡量电线电缆质量的重要指标之一。特别是在航空航天、通信、汽车制造等工业领域,对所用电线电缆的线径精度提出了更高的要求。然而,现阶段用于电线电缆生产的卧式聚四氟乙烯推挤机,存在精度低、稳定性差、手动调节等缺陷。因此,针对确定线径精度的电线电缆生产控制系统的研究与设计具有一定的理论意义与应用价值。针对电缆线径控制系统大都存在滞后与干扰的问题,本文在线径控制系统中采用改进的粒子群优化模糊神经网络(PSO-FNN)的方法,来提高线径控制精度以及设备的自动化程度。所做的主要工作如下:(1)分析了电缆生产过程中的主要工艺流程,以及电缆推挤系统的控制特性,在忽略其他较小影响因素的情况下,建立电缆线径控制系统的数学模型,作为后期实验仿真的对象,根据实际需要给出了线径控制系统的整体设计方案。(2)通过结合现场生产经验,在线径控制系统中采用模糊神经网络控制器,利用神经网络的学习能力和模糊控制的模糊推理能力,来提高电缆生产过程中的线径精度,以及系统的自动化程度。考虑到模糊神经网络在离线训练的初始阶段可能会存在的难以实现最优解计算,且当模糊神经网络的参数选择不恰当的时候可能会使得整个网络的收敛性变差的问题,利用改进的粒子群算法结合BP算法对模糊神经网络离线学习阶段的连接权值及隶属度函数的中心值和宽度进行初始化寻优。通过仿真实验,对算法的有效性进行了验证分析,并和常规PID与模糊PID之间的控制效果进行对比,实验表明,其阶跃响应和抗干扰能力明显优于模糊PID和PID控制。(3)根据实际生产需求,设计了分布式电缆线径控制系统结构,根据控制系统的功能,分别进行了相应的硬件选型、电路设计、控制程序、人机界面程序与上位机程序等设计。现场数据的验证分析表明,本文采用基于改进PSO-FNN的线径控制系统,在胚料的接头处,其线径稳定在3.57 mm左右波动,具有较高的线径控制精度。
【学位授予单位】：江西理工大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TM75;TP311.52;TP273
【图文】：

示意图,电缆,示意图,电缆线径

第二章电缆线径控制系统总体方案设计在现有实验对象中，对该电缆公司中的PTFE 电缆生产线中的推挤系统进行分析，影响电缆生产的因素由很多，通过对PTFE 电缆推挤生产工艺、能够影响PTFE 通信电缆推挤生产的因素以及推挤系统的控制特点进行分析，建立起电缆线径控制系统的数学模型，并且根据实际需求进行电缆线径控制系统的总体方案设计。2.1 电缆推挤生产工艺流程在电缆的生产制造过程中主要分为两部分：一是电缆的铜芯线生产，二是电缆铜芯线的绝缘层生产。在本文中均假定铜芯线粗细程度相同，不考虑铜芯线对于绝缘层生产过程中的影响。即本文主要研究对象为PTFE 卧式电缆推挤系统。在PTFE 卧式电缆推挤系统中，生产过程大致分为PTFE 胚料预处理、放线、推挤、模口测径、冷却、收卷测径、放电检测、牵引、成品收卷[29,30]等步骤。PTFE 卧式电缆推挤系统示意图如图2.1 所示。

流程图,后跳,步骤,最优状态

调整后跳转到步骤3，进行粒子群的下一次迭代。步骤6：优化结束，记录当前最优状态gbest 作为模糊神经网络之间的需要调整参数。其实现流程图如图3.5 所示。

仿真模型,仿真实验,模糊PID,比例因子

(1)p k的曲面图像 (2)i k的曲面图像 (3)d k的曲面图像图 3.9p k、i k和d k规则曲面图像示意图经过比例因子将通过模糊规则计算出来的p k 、i k和d k转化到实际论域内的实，与PID 控制相结合，通过当前的误差数据情况来改变控制参数。在 mat lab 中 Simulink 仿真平台中进行实验，仿真实验过程中 PID 控制选取参0.8, 0.8, 2.1i d K K 。模糊PID 控制中，PID 初始参数选取与 PID 控制参数相同算分析，取量化因子 3, 1e ecK K ，比例因子 0.01, 0.16, 0.02p i d K K K 的仿真模型如图3.10 所示。为模拟现场线径生产值，在仿真实验中，选用阶跃响应的响应值为3.6，此时能够与模糊PID 控制在仿真模型中的响应曲线如图3.11 所示。通过对比分析，可知通过模糊规则自动调整 PID 参数控制在与 PID 控制基本参数况下达到稳态时间大概需要 23s 左右，而 PID 控制需要 38s 左右，且模糊 PID 能控制更快响应，因此模糊 PID 效果整体优于 PID 控制效果。在后续仿真实验过程有针对性的对模糊PID 控制效果进行改进。

【参考文献】