Разработка и исследование адаптивной системы вытяжки ленты на базе нейронного управления

Актуальность работы. В современных условиях жесткой конкуренции одной из главных задач автоматизации технологических процессов текстильной промышленности является задача повышения качества выпускаемой продукции и уменьшения расходов на сырье. Это особенно важно в связи с высокой долей исходного сырья в себестоимости готового текстильного изделия. В основе каждого текстильного изделия лежит нить, и от ее качества зависит качество готовой продукции. Процесс вытягивания волокнистого материала в вытяжном приборе является классическим объектом исследования науки о прядении. Именно вытягивание позволяет получить продукт с требуемым числом волокон.

Силы, действующие на волокно, зависят от конструкции и параметров вытяжного прибора и от количества волокон, находящихся в нем. Так как вытягиваемый продукт неравномерен, то поля сил трения будут иметь случайные составляющие. Кроме того, нестационарность работы вытяжного прибора, связанная с биениями цилиндров и валиков, с выходом иглы (в гребенных полях), также вызывает изменения сначала поля сил трения, затем кривых утонения, а последние изменения оказывают обратное влияние на поля трения и т. д. Также нельзя забывать и о характеристиках волокнистого материала, таких как качество очистки волокна, качество перемешивания волокна в смесях, влажность волокна, сорт, класс, длительность хранения, упругость, гладкость, неровнота ленты и т. д., существенно влияющих на процесс вытягивания.

Таким образом, в вытяжном приборе происходят сложнейшие взаимодействия, в которых иногда нельзя рассчитать или определить экспериментально даже отдельные стороны. В связи с этим необходимо исследовать и разрабатывать альтернативные алгоритмы и схемы управления, например, интеллектуальные системы управления. Такие системы обладают способностью к пониманию и обучению в отношении объекта управления, возмущений, внешней среды, условий работы. На данном этапе искусственные нейронные сети, благодаря своим способностям к самоорганизации и обучению, рассматриваются как перспективные средства для интеллектуальных систем. В связи с указанным, тема диссертационной работы, посвященная разработке и исследованию адаптивной системы вытяжки ленты на базе нейронного управления, является весьма актуальной.

Цель и задачи работы. Основная цель диссертационной работы является разработка и исследование адаптивной системы вытяжки ленты на базе нейронного управления, обеспечивающего автоматическую стабилизацию линейной плотности ленты. Данная система должна быть реализована на современных микропроцессорных программно-технических комплексах.

Для достижения поставленной цели в работе решаются следующие научно-технические задачи:

1. Анализ технологического процесса вытягивания и оценка возможных внешних возмущений, влияющих на процесс вытягивания волокнистого продукта.

2. Математическое моделирование процесса вытягивания ленты и их использование для решения поставленной цели.

3. Анализ известных автоматических систем стабилизации линейной плотности ленты (АСС ЛПЛ).

4. Аналитическое исследование и сравнительный анализ классических и нейросетевых методов управления.

5. Разработка и исследование автоматической системы стабилизации линейной плотности ленты на основе искусственной нейронной сети.

6. Практическая реализация автоматической системы стабилизации линейной плотности ленты на основе искусственной нейронной сети с использованием микропроцессорных программно-технических комплексов.

На защиту выносятся:

1. Структура адаптивной нейросетевой автоматической системы стабилизации линейной плотности ленты.

2. Результаты аналитического исследования и сравнительного анализа классических и нейросетевых методов управления.

3. Программная структура искусственной нейронной сети и алгоритм ее обучения для автоматической системы стабилизации линейной плотности ленты.

4. Программная реализация алгоритмов, разработанная на базе современных микропроцессорных программно-технических комплексов.

Методика проведения исследования. В работе использована комплексная методика исследования, сочетающая методы математического моделирования и инструментальные средства. При построении моделей использованы методы теории автоматического управления, методы экспериментально-теоретического моделирования, компьютерной обработки информации, а также методы математической статистики и вычислительной математики с применением ЭВМ.

Моделирование технологического процесса вытягивания волокнистого продукта проведена в пакете прикладных программ Matlab и его приложении Simulink. Реализация алгоритмов нейросетевого регулятора осуществлена с помощью специализированных промышленных программно-технических комплексов, включающих в себя микропроцессорные контроллеры и модули сопряжения с объектом (контроллеры и модули УСО серии АС500, AC800 °F компании ABB Industrial IT), а также программные средства разработки и визуализации (Freelance 800 °F Control Builder F v.8.1, Freelance 800 °F DigiVis v.8.1, Control Builder PS501 на основе CoDeSys v.2.3).

Научная новизна. В результате выполнения диссертационной работы получены следующие результаты:

1. Разработана и исследована структура нейросетевой автоматической системы стабилизации линейной плотности ленты.

2. Проведены аналитическое исследование и сравнительный анализ классических и нейросетевых методов управления.

3. Разработаны программная структура искусственной нейронной сети и алгоритм ее обучения для автоматической системы стабилизации линейной плотности ленты.

4. Выполнена программная реализация алгоритмов, разработанная на базе современных микропроцессорных программно-технических комплексов.

Достоверность результатов работы. Адекватность полученной математической модели регулятора на основе искусственной нейронной сети подтверждена совпадением результатов теоретических и экспериментальных исследований.

Практическая ценность. Использование разработанных систем автоматического регулирования на основе искусственных нейронных сетей позволит повысить качество и конкурентоспособность выпускаемой продукции. Разработанные в диссертационной работе методы управления могут найти широкое применение не только в различных отраслях текстильной промышленности, но и на других производствах. Полученные результаты могут быть использованы при создании и совершенствовании систем управления технологическими процессами.

Апробация работы. Материалы диссертационной работы доложены, обсуждены и получили положительную оценку на 59-й межвузовской научно-технической конференция молодых ученых и студентов «Студенты и молодые ученые КГТУ — производству» (Кострома, КГТУ, 2007 г.), на всероссийской научно-технической конференции «Современные технологии и оборудование текстильной промышленности» (ТЕКСТИЛЬ-2007), а также на научно-практической конференции аспирантов МГТУ им. А. Н. Косыгина на иностранных языках (Москва, МГТУ им. А. Н. Косыгина, 2006 г.).

Публикации. По материалам диссертационной работы опубликовано 6 печатных работ.

Структура и объем работы. Диссертационная работа изложена на 146 страницах машинописного текста и состоит из введения, четырех глав, выводов по главам и общих выводов по работе, а также содержит список используемой литературы из 76 наименований и приложение. Работа иллюстрирована 70 рисунками и 2 таблицами.

ОБЩИЕ ВЫВОДЫ.

1. Проведенный анализ технологического процесса вытягивания показывает, что в вытяжном приборе происходят сложнейшие взаимодействия, в которых иногда нельзя рассчитать или определить экспериментально даже отдельные стороны. К такого рода сложностям относятся определение и формализация следующих основных факторов, оказывающих влияние на процесс вытягивания: характеристики волокна (неравномерность волокна, случайный характер полей сил трения, извитость, упругость, гладкость, сорт, класс, влажность волокна, длительность хранения, качество очистки волокна, качество перемешивания волокон в смеси и т. д.) — влияния конструкции и параметров вытяжного прибора (изменения передаточной функции вытяжного прибора, биение цилиндров и валиков) — влияние других механизмов и процессов, происходящих до вытяжного прибора (биение валов и роликов, гарнитуры чесальной машины, структурная и периодическая неровнота ленты).

2. Рассмотренные математические модели показывают, что на вытягивание влияют различные факторы: распределение волокон по длине, распределение координат точек изменения скорости волокон, взаимодействие волокон в процессе вытягивания, — причем от характера этого взаимодействия эффективность вытягивания и его влияние на неровноту выходящего продукта по линейной плотности могут быть различными, а в некоторых случаяхпротивоположными.

3. Представлены известные системы автоматического регулирования, работающие по методам компенсации и/или регулирования по отклонению, имеют следующие основные недостатки: первые системы требуют точного определения коэффициента компенсации, что ведет к построению чрезмерно сложных многопараметрических математических моделей процессавторые — из-за неполноты информации не обеспечивают высокой динамической точности. В связи с этим в постановке задач предлагается разработать и исследовать адаптивную систему регулирования, основанную на нейронной схеме управления.

4. Рассмотрены традиционные, адаптивные и нейросетевые технологии управления. Выявлены их основные достоинства и недостатки. Проведен сравнительный анализ классических и нейросетевых регуляторов, по результатам которого даны оценки по точности и быстродействию регулирования. Проведенные исследования показали, что нейросетевой регулятор является адаптивным регулятором, и его целесообразно использовать в тех задачах, где регулируемая величина зависит от множества различных факторов, математическое описание которых — сложная и кропотливая работа. К такой задаче в том числе относится процесс вытягивания волокнистой ленты.

5. Выявлены возможные подходы к синтезу алгоритма обучения нейронной сети. Для использования многослойной нейронной сети в системе управления динамическим объектом с заранее неизвестной оптимальной траекторией управления в реальном масштабе времени необходимо ввести в нее динамику. Предлагается ввести динамику в алгоритм обучения, что позволяет избавиться от использования обратных связей в сети, а также позволяет объединить в единый процесс настройку весовых коэффициентов сети и формирование функции управления объектом.

6. Показан динамический скоростной алгоритм обратного распространения ошибки, работающий в реальном режиме времени, а также его модификация с прогнозом ошибки обучения.

7. Предложено использовать процесс предобработки данных, состоящий в совмещении нормализации исходных данных с повышением их равномерности распределения по нормализованному интервалу. Данный алгоритм преобразования позволяет повысить равномерность распределения, что приводит к улучшению различимости обучающей выборки и к повышению скорости обучения ИНС на 41%.

8. Реализована модель АСС ЛПЛ на основе искусственной нейронной сети, которая показывает работоспособность предложенного алгоритма, а также дает возможность оценить модель АСС ЛПЛ с точки зрения ее быстродействия и точности полученного результата. 9. Предложена структурная схема локальной подсистемы АСС ЛПЛ на основе ИНС. Показаны функции, выполняемые подсистемой. Представлена ее реализация на базе современного микропроцессорного программнотехнического комплекса.