薄膜生产工艺收卷精度优化控制仿真
来源:用户上传
作者:
摘要：在当前形式下，我国的经济水平迅速提升，新科技的迅速发展带动了我国农村产业的调整，同时增大了薄膜的市场需求量。国内薄膜的产量较大，主要用于农业和工业两个领域。薄膜性能对卷筒质量和收卷机所需附件的影响较大，对表面平整度要求较高的薄膜制造需要使用更为精细的卷取技术。保持张力的稳定是薄膜卷取得难点，优化控制薄膜收卷系统，可以保持收卷压力稳定，提高收卷系统精度。
关键词：薄膜生产工艺;收卷压力;控制仿真
随着我国科学技术水平的飞速提高，各个领域加大了新技术与新理念的应用，减轻了人们的体力劳动。在薄膜生产的过程中，为了保证塑料薄膜的质量，运用张力控制系统对卷筒进行调整。优质的薄膜离不开好的卷取，吹膜和平膜挤出会用接触辊和塔式卷取机，这是两种不同的卷取概念。张力的稳定性会影响薄膜卷取的质量，张力扰乱会导致层间滑动或膜面褶皱等问题的产生。本文研究分析薄膜生产工艺的双工位收卷系统张力各影响因素，建立张力控制模型，验证仿真效果的可实施性。
1 收卷系统的建模
1.1 双工位收卷系统结构
双工位收卷系统的组成部分有压力辊、牵引辊、收卷辊、翻转支架等，控制系统包含张力控制、压力控制和换卷控制等。采用双向拉伸工艺的薄膜在压力辊和牵引辊的作用下能够利用收卷辊收卷。翻转机会带动收卷辊转动收卷，双工位收卷系统有两个收卷轴，一个收卷辊在收卷过程中达到最大卷径时，另一个收卷辊接替它完成收卷工作。压力辊会在薄膜生产过程中根据实际情况对薄膜施压，控制收卷辊薄膜间的空气含量，张力与压力相互配合，提高薄膜表面的平整度与硬度，避免薄膜产生条纹。
1.2 收卷辊的动态数学模型
在收卷辊的运转过程中卷轴的半径不断增大，力矩平衡公式为：
F表示张力，r表示收卷半径，Me表示电磁转矩，Mf表示阻力转矩，j表示转动惯量，ω表示角速度。
其中Jo表示电动轴的转动惯量，Jr表示料卷的转动惯量，Jro为料卷轴空轴的转动惯量。
薄膜厚度用h表示，收卷线速度为ν，转速为n，使用微元法由质量守恒定律率可得：
dm=2πrpadr=hdL dL=νdt ν=2πrn
由此可知，张力控制是一个非线性的复杂过程，会受到实时转速与卷径大小的影响。收卷轴的张力与压力控制在收卷过程中会产生较强的耦合性，不利于彼此的调节。传统的PID控制器只能调节张力控制回路，无法实时调节控制器的参数。为了改善这一缺陷，提高系统稳定性，工作人员研究出采用BP神经网络PID算法对控制系统进行优化的方法。
2 BP神经网络PID算法解析
2.1 变步长BP神经网络
标准的BP学习算法采用阶梯度法，存在易陷入局部极值、收敛速度慢等缺陷，为满足实时控制的要求，改善其性能，将阶梯度法升级为变步长法。BP神经网络可以学习无需使用数学方程就能描述出的输入—输出映射关系。变步长法优化的公式如下：
Ω（k+1）=ω（k）+η（k）D（k）
η（k）=2λη（k-1） λ=sign[D（k）D（k-1）]
ω（k）是k时刻的网络权值，η（k）表示学习速率，D（k）表示k时刻的负梯度。
2.2 神经网络PID算法
神经网络模型具有3层结构：输入层、隐含层和输出层，神经网络模型各个结构的神经元个数分别是4、5、3。当网络输入层的神经元是压力值时，降低了压力因素对张力调节的影响。神经网络具有自学习和自适应的特点，可以对张力与压力间的耦合关系解耦控制。输入层的神经元输入又分为：张力误差值、张力设定值、压力设定值、实时张力值。
3 系统仿真结果
在薄膜生产制造的过程中搭建一个基于Matlab的系统仿真模型，其中基于变步长BP神经网络PID的张力控制方案可以通过S-Function模块实现。结果表明神经网络可以通过调节网络权值控制PID参数，系统超调量小、调节时间短，可以保证张力的稳定性。调节神经网络PID的参数，可以使系统输出恢复到稳定状态，调节时间较短。在压力信号的干扰下，调节PID参数可以保证张力的稳定响应，避免压力变化对张力调节产生影响，提高系统的抗干扰性。保持张力的稳定性，可以提高薄膜产品质量。优化控制薄膜生产的张力系统，运用变步长BP神经网络系统代替传统的PID控制，可以改善系统的运转速度与稳定性。
4 结语
薄膜生产工艺包括双向拉伸系统、熔融挤出系统、收卷系统等子系统，保证收卷张力的稳定性，能够提高薄膜的质量。张力控制属于较为复杂的非线性系统，随着收卷卷径的不断增长和压力辊的实时调节，实现控制器的实时调节具有较大的难度。为了提高薄膜生产的稳定性，工作人员建立了张力控制模型，优化控制系统的精度，对其进行控制仿真，仿真结果验证了控制模型在快速性和稳定性等方面得到了很大改善。
參考文献：
[1]孙婉君.干式复合机张力控制系统的研究[D].哈尔滨：哈尔滨理工大学，2016.
转载注明来源:https://www.xzbu.com/1/view-14874419.htm
