一種聚酯短纖維生產過程中拉伸環節的去偽控制方法與流程
2023-05-13 13:47:31
本發明屬於自動控制技術領域,特別是涉及一種聚酯短纖維生產過程中拉伸環節的去偽控制方法。
背景技術:
聚酯短纖維主要用於棉紡行業,單獨紡紗或與棉、粘膠纖維、麻、毛、維綸等混紡,所得紗線用於服裝織布為主,還可用於家裝面料,包裝用布,充填料和保暖材料。生產聚酯短纖維時,多根線條集合在一起,經給溼上油後落入盛絲桶。再經集束、拉伸、捲曲、熱定形、切斷等工序得到成品。拉伸環節在纖維生產後加工過程中扮演著極其重要的作用,直接決定著纖維最終的性能。傳統控制方法分別對拉伸環節過程中的受變量利用PID控制器形成若干獨立閉環迴路進行控制,沒有考慮變量之間的相互影響對綜合控制效果的影響,調節手段單一,有其局限性,不利於產出高質量的纖維產品。
針對這種情況,採用數據驅動控制方法對碳纖維凝固過程進行控制。數據驅動控制是一種利用受控系統的在線和離線I/O數據以及經過數據處理而得到的知識來設計控制器的一種控制方法,有收斂性、穩定性保障和魯棒性結論。基於受控系統的在線數據主要有同步擾動隨機逼近控制(SPSA)、無模型自適應控制(MFAC)、和去偽控制(UC)這三種數據驅動控制方法。SPSA控制器設計較複雜(函數逼近器),收斂速度較慢,且在閉環實驗中要對控制器參數進行擾動,可能會導致廢產品的出現。MFAC首先要對非線性系統建立動態線性化模型,根據控制輸入準則函數得到控制律,再根據參數估計準則函數得到偽偏導數,繼而得到控制方案,但是MFAC控制器參數變化對控制系統穩定性有較大影響。本發明引入另一種基於在線數據的數據驅動方法——去偽控制。
技術實現要素:
本發明在數據驅動基礎上,採用兩級拉伸工藝對聚酯初生纖維進行拉伸,對於第二拉伸輥與定型輥之間的二級拉伸環節,引入去偽控制算法對聚酯短纖維生產過程中拉伸環節進行控制,該算法在候選控制器集合基礎上,計算虛擬參考信號,根據性能指標辨識出當前採樣時刻的非偽控制器,切換到控制迴路中,既可以使系統具有較好的瞬時響應性能,還能夠維持閉環系統的穩定性。差分進化算法(Differential Evolution,DE)是一種比較新穎的智能優化算法,對當前代數的種群在全局進行隨機並行直接搜索。因為其原理易懂,結構簡單,收斂速度快且優化效果出色而在實際工程項目優化技術中得到了極大的應用。在去偽控制基礎上對其進行差分進化優化,進一步優化了控制效果。
一種聚酯短纖維生產過程中拉伸環節的去偽控制方法,所述拉伸環節中的拉伸方式為兩級拉伸工藝,對於兩級拉伸工藝中的第二拉伸輥與定型輥之間的二級拉伸環節,其纖維拉伸時的速度和溫度採用去偽控制的速度-溫度耦合控制方法,具體控制步驟為:
(1)初始條件:
a、初始輸入:
速度實際輸出y1(k)在採樣時刻1~3的值y1(1)~y1(3);
溫度實際輸出y2(k)在採樣時刻1~3的值y2(1)~y2(3);
速度非偽控制器輸出u1(k)在採樣時刻1~2的值u1(1)~u1(2);
溫度非偽控制器輸出u2(k)在採樣時刻1~2的值u2(1)~u2(2);
初始化:
速度期望輸出y1*(k),初始化時將其設定為常值a,即為實際生產過程需要的速度目標值,在任何採樣時刻k,y1*(k)=a;
溫度期望輸出y2*(k),初始化時將其設定為常值b,即為實際生產過程需要的溫度目標值,在任何採樣時刻k,y2*(k)=b;
對速度-溫度耦合控制系統進行PID參數工程整定,得到X組PID參數:
比例係數KP候選值,從X組PID參數中提取出KP值,共有l個不同的取值:KP1,KP2,...,KPl;
積分係數KI候選值,從X組PID參數中提取出KI值,共有m個不同的取值:KI1,KI2,...,KIm;
微分係數KD候選值,從X組PID參數中提取出KD值,共有n個不同的取值:KD1,KD2,...,KDn;
在初始化中每次分別從l個比例係數KP候選值、m個積分係數KI候選值以及n個微分係數KD候選值中各自按序選擇一個候選值組成一組候選控制器參數,將每組候選控制器參數依次賦值到一個矩陣的相應行,組成一個候選控制器集合矩陣:
其中,N=l×m×n,則排列組合後有N組候選控制器參數,最終形成一個N×3矩陣,即候選控制器集合矩陣為一個N×3矩陣;形成的候選控制器集合矩陣中,KPi為第i組控制器的KP參數值,KIi為第i組控制器的KI參數值,KDi為第i組控制器的KD參數值;
速度誤差e1(k),為任一採樣時刻k速度期望輸出y1*(k)與速度實際輸出y1(k)之間的差值,即:
e1(k)=y1*(k)-y1(k);
溫度誤差e2(k),為任一採樣時刻k溫度期望輸出y2*(k)與溫度實際輸出y2(k)之間的差值,即:
e2(k)=y2*(k)-y2(k);
(2)在採樣時刻k,結合候選控制器集合矩陣中每組候選控制器的參數,分別計算出相應的速度和溫度虛擬參考信號和計算公式如下:
其中,k≥2且k取正整數;
e1(k-1)為k-1時刻纖維的速度誤差;
e1(k-2)為k-2時刻纖維的速度誤差;
e2(k-1)為k-1時刻纖維的溫度誤差;
e2(k-2)為k-2時刻纖維的溫度誤差;
u1(k-1)為k-1時刻纖維的速度非偽控制器輸出;
u2(k-1)為k-1時刻纖維的溫度非偽控制器輸出;
(3)在採樣時刻k,計算候選控制器集合矩陣中每組候選控制器參數的速度和溫度性能指標J1(i,k)和J2(i,k),計算公式如下:
其中,
τ是在0~k之間的任意一個採樣時刻;
u1(τ)為τ時刻速度非偽控制器輸出;
u2(τ)為τ時刻溫度非偽控制器輸出;
為τ時刻第i組控制器的速度虛擬參考信號;
為τ時刻第i組控制器的溫度虛擬參考信號;
y1(τ)為τ時刻的速度實際輸出;
y2(τ)為τ時刻的溫度實際輸出;
(4)在採樣時刻k,比較候選控制器矩陣中所有組候選控制器參數相應的速度性能指標J1(i,k),使得速度性能指標最小的一組相應序號記為速度非偽控制器序號也是候選控制器參數對應在候選控制器集合矩陣中的行號:
在採樣時刻k,比較候選控制器矩陣中所有組候選控制器參數相應的溫度性能指標J2(i,k),使得溫度性能指標最小的一組相應序號記為溫度非偽控制器序號也是候選控制器參數對應在候選控制器集合矩陣中的行號:
(5)滯後切換:
當時,即在當前採樣時刻k相應的最小速度性能指標值min(J1(i,k))與前採樣時刻k-1的速度非偽控制器器序號的當前採樣時刻性能指標之間的差值小於等於滯後切換閾值e時,拉伸機的速度非偽控制器序號和前一採樣時刻的相同,仍然採用前一採樣時刻的速度非偽控制器序號;
當時,
即在當前採樣時刻k相應的最小速度性能指標值min(J1(i,k))與前採樣時刻k-1的速度非偽控制器器序號的當前採樣時刻性能指標之間的差值大於滯後切換閾值e時,拉伸機的速度非偽控制器序號為當前採樣時刻速度性能指標最小的一組相應序號,採用當前採樣時刻的最小性能指標值對應的速度非偽控制器序號;
當時,
即在當前採樣時刻k相應的最小溫度性能指標值min(J2(i,k))與前採樣時刻k-1的溫度非偽控制器器序號的當前採樣時刻性能指標之間的差值小於等於滯後切換閾值e時,溫度非偽控制器序號和前一採樣時刻的相同,仍然採用前一採樣時刻的溫度非偽控制器序號;
當時,
即在當前採樣時刻k相應的最小溫度性能指標值min(J2(i,k)與前採樣時刻k-1的溫度非偽控制器器序號的當前採樣時刻性能指標之間的差值大於滯後切換閾值e時,溫度非偽控制器序號為當前採樣時刻速度性能指標最小的一組相應序號,採用當前採樣時刻的最小性能指標值對應的溫度非偽控制器序號;
(6)根據得到的非偽控制器序號和對應在候選控制器集合矩陣中的行號,得到相應的候選控制器參數,從而得到相應的速度非偽控制器和溫度非偽控制器
其中:
為候選控制器集合矩陣中第行第一列的KP值;
為候選控制器集合矩陣中第行第二列的KI值;
為候選控制器集合矩陣中第行第三列的KD值;
為候選控制器集合矩陣中第行第一列的KP值;
為候選控制器集合矩陣中第行第二列的KI值;
為候選控制器集合矩陣中第行第三列的KD值;
(7)根據步驟(6)中得到的速度非偽控制器和溫度非偽控制器得到採樣時刻k的速度非偽控制器輸出u1(k)和溫度非偽控制器輸出u2(k)如下,
其中,k>3;
(8)根據速度-溫度控制系統,得到採樣時刻k的速度實際輸出y1(k)和溫度實際輸出y2(k),計算公式如下:
y1(k)=0.001273·y1(k-1)+0.9987·u1(k-3)+0.9987·u2(k-6);
y2(k)=0.001273·y2(k-1)-6.4817·u1(k-3)+1.4981·u2(k-6);
其中,k>3;
y1(k-1)是採樣時刻k-1的速度實際輸出;
y2(k-1)是採樣時刻k-1的溫度實際輸出;
u1(k-3)是採樣時刻k-3的速度非偽控制器輸出;
u2(k-6)是採樣時刻k-6的溫度非偽控制器輸出;
(9)若當前採樣時刻k3;採樣時刻k=224時,u1(224)=0.1,u2(224)=0.8436,採樣時刻k=300時,u1(300)=0.1,u2(300)=0.8436
(8)根據速度-溫度控制系統,得到採樣時刻k的速度實際輸出y1(k)和溫度實際輸出y2(k),計算公式如下:
y1(k)=0.001273·y1(k-1)+0.9987·u1(k-3)+0.9987·u2(k-6);
y2(k)=0.001273·y2(k-1)-6.4817·u1(k-3)+1.4981·u2(k-6);
其中,k>3;
y1(k-1)是採樣時刻k-1的速度實際輸出;
y2(k-1)是採樣時刻k-1的溫度實際輸出;
u1(k-3)是採樣時刻k-3的速度非偽控制器輸出;
u2(k-6)是採樣時刻k-6的溫度非偽控制器輸出;
採樣時刻k=224時、y1(224)=1.00、y2(224)=0.25,採樣時刻k=300時,y1(300)=1.00,y2(300)=0.25;
(9)總採樣時間TotalTime=300,採樣時刻k=224時,k<TotalTime,開始下一採樣時刻的去偽控制,重複上述步驟中的(2)~(8);否則,結束聚酯短纖維生產過程中拉伸環節的速度-溫度去偽控制過程。
如上所述的一種聚酯短纖維生產過程中拉伸環節的去偽控制方法,對速度非偽控制器和溫度非偽控制器組成的非偽控制器參數在採樣時刻k,進行差分進化優化,具體包括以下步驟:
(1)本實例中初始化種群參數如下:種群數NP=60,決策變量維數D=6,變異策略為DE/rand/1,最大迭代次數IM=500,變異尺度因子F=0.85,交叉概率因子Cr=0.1,初始化種群上界約束矢量為下界約束矢量為
(2)初始化種群:根據初始化種群的上下界約束,在上、下界約束矢量間的隨機值構成的NP×D維的種群矩陣為初始化種群,在第G次迭代中,對初始化種群中的每一個個體參數矢量先初始化最優種群個體最優目標函數值
(3)差分變異操作產生變異矢量在第G次迭代中,在DE/rand/1的變異策略下其中,和是從初始化種群矩陣中隨機選擇的3個不同於父代且互不相同的個體參數矢量,即r1=1,2,...,NP,r2=1,2,...,NP,r3=1,2,...,NP,r1≠r2≠r3≠i,F為變異尺度因子;
(4)交叉操作產生實驗矢量在第G次迭代中,初始化種群中第i個個體參數矢量為變異矢量為採用二項式交叉操作,即生成NP×D階由0~1之間均勻取值的數值組成的矩陣,生成的隨機數數值小於等於交叉概率因子Cr時結果為1,此時生成的隨機數數值大於交叉概率因子Cr時結果為0,此時得到實驗矢量
(5)選擇操作產生下一代參數矢量在第G次迭代中,生成與實驗矢量相對應的速度虛擬參考信號和溫度虛擬參考信號在第G次迭代中,生成與個體參數矢量相對應的速度虛擬參考信號和溫度虛擬參考信號計算公式如下:
其次,根據適應度函數:
比較選擇較優者保存到下一代,當時,當時,並且,當時更新最優種群個體,即最優種群個體最優目標函數值返回步驟(3)的差分變異操作,直到達到優化目標值;
(6)當達到最大迭代次數IM或者當前最優目標函數值f(S)達到優化目標值,即時,根據此時的最優種群個數S得到當前採樣時刻的非偽控制器優化參數
仿真運行過程如圖1、2所示,分別使用去偽控制和基於差分進化的去偽控制對聚酯短纖維生產過程中拉伸環節的拉伸速度和拉伸溫度進行控制,仿真結果如圖3、4所示,由圖中可以看出,系統實際輸出能快速到達控制目標,且超調量小,具備消除時滯和解耦的能力。仿真表明該優化方法收斂速度快,具有較出色的優化效果。