PID神经网络在卷纸辊张力控制中的应用.pdfVIP

中国造纸学报 Transactions and ofChina Pulp Paper V01．29，No．1，2014 PID神经网络在卷纸辊张力 控制中的应用 邓 肖 胡慕伊+ (南京林业大学江苏省制浆造纸科学与技术重点实验室，江苏南京，210037) 制器的稳态响应过程比常规PID控制器快，没有超调，没有静差，过渡时间较短，收敛性较好，控制效果比常规PID控制算法有很大 改善。 关键词：PID神经网络；卷纸辊张力；PID控制；仿真 中图分类号：TS736 文献标识码：A 文章编号：1000—6842(2014)01一0044—05 在纸机运行过程中，卷纸辊张力是一个重要的参 1卷纸辊张力控制系统模型 数¨J。张力太大会造成断纸，不仅影响生产，还会 造成一定的经济损失；张力过小则会出现纸幅松弛现 在纸张卷曲过程中，由于纸卷半径不断变化使得 象，引起堆积和褶皱，对成纸质量产生影响。因此， 卷辊转动惯量、线速度等处于不断变化中，因此卷纸 控制好卷纸辊张力，不仅能有效提高生产效率，还能 辊张力控制过程是一个时变的非线性系统‘3。，纸机 使纸机运行更加稳定，提高产品质量。在纸机卷曲过 卷纸辊控制系统结构及纸张受力如图1所示。 程中，卷纸辊张力控制是一个时变、强耦合、多干扰 的非线性系统，中间环节有很多影响，且具有很多其 他不可预测的因素，因此保持适宜的卷纸辊张力有很 大难度。 Derivative Integral PID神经网络(Proportional Neural Network，PIDNN)是一种由比例元(P)、积 分元(I)、微分元(D)组成的3层前向神经元网 络。网络的输入层接受系统给的信号和对象输出信 号，网络的隐含层(神经元个数、连接方式、连接 图1卷纸辊张力系统原理图 权重初值)是按PID控制规律的基本原则确定，采 在卷纸机启动达到稳定后，其放卷线速度K是 用误差反向传播算法修改连接权重，通过在线训练和 恒定值，只有屹V1，纸幅才能产生一定的张力使 学习，改变网络中比例、积分、微分作用的强弱，输 出层实现规律的综合。它具有传统PID控制器结构简 纸张不断增加，尺逐渐变大，张力F也会成比例增 单的优点，又具有神经网络的并行结构和本质学习记 大，卷纸辊力矩M=FR将以更快速率增大，导致纸 忆功能，以及多层网络逼近任意函数的能力旧J。本 幅拉伸过度直至断纸。要使匕恒定不变，则转速n 要减小，所以此系统是一个时变非线性系统。力矩M 课题研究了PIDNN控制器对卷纸辊张力的控制，并 与传统PID控制器控制效果进行比较。 与张力F的传递函数的表达式为： F ，1 。，、 ，．、 bl0 0 1， 3，2一M 2—Ky(s)／—R+R 收稿日期：2013—09—09 基金项目：江苏