【摘要】：隨著中國智能制造2025的提出及發(fā)展,各行各業(yè)的生產要求及精度都在不斷提高。在電纜制造行業(yè),電線直徑是衡量電線電纜質量的重要指標之一。特別是在航空航天、通信、汽車制造等工業(yè)領域,對所用電線電纜的線徑精度提出了更高的要求。然而,現(xiàn)階段用于電線電纜生產的臥式聚四氟乙烯推擠機,存在精度低、穩(wěn)定性差、手動調節(jié)等缺陷。因此,針對確定線徑精度的電線電纜生產控制系統(tǒng)的研究與設計具有一定的理論意義與應用價值。針對電纜線徑控制系統(tǒng)大都存在滯后與干擾的問題,本文在線徑控制系統(tǒng)中采用改進的粒子群優(yōu)化模糊神經網絡(PSO-FNN)的方法,來提高線徑控制精度以及設備的自動化程度。所做的主要工作如下:(1)分析了電纜生產過程中的主要工藝流程,以及電纜推擠系統(tǒng)的控制特性,在忽略其他較小影響因素的情況下,建立電纜線徑控制系統(tǒng)的數(shù)學模型,作為后期實驗仿真的對象,根據實際需要給出了線徑控制系統(tǒng)的整體設計方案。(2)通過結合現(xiàn)場生產經驗,在線徑控制系統(tǒng)中采用模糊神經網絡控制器,利用神經網絡的學習能力和模糊控制的模糊推理能力,來提高電纜生產過程中的線徑精度,以及系統(tǒng)的自動化程度�？紤]到模糊神經網絡在離線訓練的初始階段可能會存在的難以實現(xiàn)最優(yōu)解計算,且當模糊神經網絡的參數(shù)選擇不恰當?shù)臅r候可能會使得整個網絡的收斂性變差的問題,利用改進的粒子群算法結合BP算法對模糊神經網絡離線學習階段的連接權值及隸屬度函數(shù)的中心值和寬度進行初始化尋優(yōu)。通過仿真實驗,對算法的有效性進行了驗證分析,并和常規(guī)PID與模糊PID之間的控制效果進行對比,實驗表明,其階躍響應和抗干擾能力明顯優(yōu)于模糊PID和PID控制。(3)根據實際生產需求,設計了分布式電纜線徑控制系統(tǒng)結構,根據控制系統(tǒng)的功能,分別進行了相應的硬件選型、電路設計、控制程序、人機界面程序與上位機程序等設計�，F(xiàn)場數(shù)據的驗證分析表明,本文采用基于改進PSO-FNN的線徑控制系統(tǒng),在胚料的接頭處,其線徑穩(wěn)定在3.57 mm左右波動,具有較高的線徑控制精度。
【學位授予單位】：江西理工大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：TM75;TP311.52;TP273
【圖文】：

第二章 電纜線徑控制系統(tǒng)總體方案設計在現(xiàn)有實驗對象中，對該電纜公司中的PTFE 電纜生產線中的推擠系統(tǒng)進行分析，影響電纜生產的因素由很多，通過對PTFE 電纜推擠生產工藝、能夠影響PTFE 通信電纜推擠生產的因素以及推擠系統(tǒng)的控制特點進行分析，建立起電纜線徑控制系統(tǒng)的數(shù)學模型，并且根據實際需求進行電纜線徑控制系統(tǒng)的總體方案設計。2.1 電纜推擠生產工藝流程在電纜的生產制造過程中主要分為兩部分：一是電纜的銅芯線生產，二是電纜銅芯線的絕緣層生產。在本文中均假定銅芯線粗細程度相同，不考慮銅芯線對于絕緣層生產過程中的影響。即本文主要研究對象為PTFE 臥式電纜推擠系統(tǒng)。在PTFE 臥式電纜推擠系統(tǒng)中，生產過程大致分為PTFE 胚料預處理、放線、推擠、�？跍y徑、冷卻、收卷測徑、放電檢測、牽引、成品收卷[29,30]等步驟。PTFE 臥式電纜推擠系統(tǒng)示意圖如圖2.1 所示。

調整后跳轉到步驟3，進行粒子群的下一次迭代。步驟6：優(yōu)化結束，記錄當前最優(yōu)狀態(tài)gbest 作為模糊神經網絡之間的需要調整參數(shù)。其實現(xiàn)流程圖如圖3.5 所示。

(1)p k的曲面圖像 (2)i k的曲面圖像 (3)d k的曲面圖像圖 3.9p k、i k和d k規(guī)則曲面圖像示意圖經過比例因子將通過模糊規(guī)則計算出來的p k 、i k和d k轉化到實際論域內的實，與PID 控制相結合，通過當前的誤差數(shù)據情況來改變控制參數(shù)。在 mat lab 中 Simulink 仿真平臺中進行實驗，仿真實驗過程中 PID 控制選取參0.8, 0.8, 2.1i d K K 。模糊PID 控制中，PID 初始參數(shù)選取與 PID 控制參數(shù)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 的仿真模型如圖3.10 所示。為模擬現(xiàn)場線徑生產值，在仿真實驗中，選用階躍響應的響應值為3.6，此時能夠 與模糊PID 控制在仿真模型中的響應曲線如圖3.11 所示。通過對比分析，可知通過模糊規(guī)則自動調整 PID 參數(shù)控制在與 PID 控制基本參數(shù)況下達到穩(wěn)態(tài)時間大概需要 23s 左右，而 PID 控制需要 38s 左右，且模糊 PID 能 控制更快響應，因此模糊 PID 效果整體優(yōu)于 PID 控制效果。在后續(xù)仿真實驗過程有針對性的對模糊PID 控制效果進行改進。

【參考文獻】

相關期刊論文 前10條

1 程聲烽;程小華;楊露;;基于改進粒子群算法的小波神經網絡在變壓器故障診斷中的應用[J];電力系統(tǒng)保護與控制;2014年19期

2 張雨濃;王茹;廖柏林;劉錦榮;林鍵煜;;權值與結構雙確定法的RBF神經網絡分類器[J];計算技術與自動化;2014年03期

3 王曉晨;朱釗;;基于S7-300PLC鍍膜控制系統(tǒng)的設計與應用[J];制造業(yè)自動化;2014年03期

4 劉浩;楊官校;吳將;;基于模擬退火粒子群優(yōu)化的粒子濾波算法[J];電子世界;2013年19期

5 曲秋江;于連勝;;模糊pid控制器在復雜控制中的應用[J];電子世界;2013年13期

6 王莉榮;祁云嵩;;基于函數(shù)最優(yōu)解問題的粒子群算法改進[J];計算機技術與發(fā)展;2013年02期

7 趙修平;蘇正波;郭凱;王天輝;;導彈發(fā)射裝置隨動系統(tǒng)模糊神經PID控制器[J];海軍航空工程學院學報;2012年06期

8 趙常林;;基于模糊自適應PID的電動助力轉向系統(tǒng)電流控制器研究[J];邢臺職業(yè)技術學院學報;2012年03期

9 胥小波;鄭康鋒;李丹;武斌;楊義先;;新的混沌粒子群優(yōu)化算法[J];通信學報;2012年01期

10 雷軍程;;基于模糊推理的網絡故障診斷研究[J];計算機時代;2011年12期

相關碩士學位論文 前5條

1 過振宇;基于模糊預測PID的PTFE電線電纜線徑控制系統(tǒng)研究與設計[D];江西理工大學;2018年

2 于強強;電線電纜生產線線徑控制系統(tǒng)研究[D];長春工業(yè)大學;2017年

3 王莉莉;張力控制系統(tǒng)在絕緣芯線生產中的應用研究[D];蘇州大學;2009年

4 穆慧靈;基于現(xiàn)場總線的電線生產線網絡控制研究[D];內蒙古科技大學;2007年

5 李連海;基于現(xiàn)場總線技術的線纜生產設備控制系統(tǒng)研究與設計[D];湖南大學;2004年

本文編號：2759454