一种聚酯短纤维生产过程中拉伸环节的免疫优化去伪控制方法技术

一种聚酯短纤维生产过程中拉伸环节的免疫优化去伪控制方法，拉伸环节中的拉伸方式为两级拉伸工艺，对于两级拉伸工艺中的第二拉伸辊与定型辊之间的二级拉伸环节，其纤维拉伸时的速度和温度采用去伪控制的速度‑温度耦合控制方法，在数据驱动的基础上，引入去伪控制算法对拉伸环节进行控制，该算法在候选控制器集合基础上，计算虚拟参考信号，根据性能指标辨识出当前采样时刻的非伪控制器，与其他数据驱动控制方法相比，去伪控制使系统具有较好的瞬时响应性能，还能够维持闭环系统的稳定性。根据去伪控制得到的非伪控制器参数，对其进行免疫优化，经过选择、交叉和变异操作后，再将改进后的非伪控制器切换至闭环控制回路，控制效果更好。

【技术实现步骤摘要】

本专利技术属于自动控制领域，特别是涉及一种聚酯短纤维生产过程中拉伸环节的免疫优化去伪控制方法。
技术介绍
聚酯短纤维主要用于棉纺行业，单独纺纱或与棉、粘胶纤维、麻、毛、维纶等混纺，所得纱线用于服装织布为主，还可用于家装面料，包装用布，充填料和保暖材料。生产聚酯短纤维时，多根线条集合在一起，经给湿上油后落入盛丝桶。再经集束、拉伸、卷曲、热定形、切断等工序得到成品。拉伸环节在纤维生产后加工过程中扮演着极其重要的作用，直接决定着纤维最终的性能。传统控制方法分别对拉伸环节过程中的受变量利用PID控制器形成若干独立闭环回路进行控制，没有考虑变量之间的相互影响对综合控制效果的影响，调节手段单一，有其局限性，不利于产出高质量的纤维产品。针对这种情况，采用数据驱动控制方法对碳纤维凝固过程进行控制。数据驱动控制是一种利用受控系统的在线和离线I/O数据以及经过数据处理而得到的知识来设计控制器的一种控制方法，有收敛性、稳定性保障和鲁棒性结论。基于受控系统的在线数据主要有同步扰动随机逼近控制(SPSA)、无模型自适应控制(MFAC)、和去伪控制(UC)这三种数据驱动控制方法。SPSA控制器设计较复杂(函数逼近器)，收敛速度较慢，且在闭环实验中要对控制器参数进行扰动，可能会导致废产品的出现。MFAC首先要对非线性系统建立动态线性化模型，根据控制输入准则函数得到控制律，再根据参数估计准则函数得到伪偏导数，继而得到控制方案，但是MFAC控制器参数变化对控制系统稳定性有较大影响。本专利技术引入另一种基于在线数据的数据驱动方法——去伪控制。
技术实现思路
本专利技术在数据驱动基础上，采用两级拉伸工艺对聚酯初生纤维进行拉伸，对于第二拉伸辊与定型辊之间的二级拉伸环节，引入去伪控制算法对聚酯短纤维生产过程中拉伸环节进行控制，该算法在候选控制器集合基础上，计算虚拟参考信号，根据性能指标辨识出当前采样时刻的非伪控制器，切换到控制回路中，既可以使系统具有较好的瞬时响应性能，还能够维持闭环系统的稳定性。免疫优化算法是一种比较新颖的智能优化算法，利用免疫系统的多样性产生和维持机制来保持群体的多样性，求得全局最优解。因为其原理易懂，收敛速度快且优化效果好而在实际工程项目优化技术中得到了极大的应用。在去伪控制基础上对其进行免疫优化，进一步优化了控制效果。一种聚酯短纤维生产过程中拉伸环节的免疫优化去伪控制方法，所述拉伸环节中的拉伸方式为两级拉伸工艺，对于两级拉伸工艺中的第二拉伸辊与定型辊之间的二级拉伸环节，其纤维拉伸时的速度和温度采用去伪控制的速度-温度耦合控制方法，其具体控制步骤为：(1)初始条件：a、初始输入：速度实际输出y1(k)在采样时刻1～3的值y1(1)～y1(3)；温度实际输出y2(k)在采样时刻1～3的值y2(1)～y2(3)；速度非伪控制器输出u1(k)在采样时刻1～2的值u1(1)～u1(2)；温度非伪控制器输出u2(k)在采样时刻1～2的值u2(1)～u2(2)；初始化：速度期望输出y1*(k)，初始化时将其设定为常值a，即为实际生产过程需要的速度目标值，在任何采样时刻k，y1*(k)＝a；温度期望输出y2*(k)，初始化时将其设定为常值b，即为实际生产过程需要的温度目标值，在任何采样时刻k，y2*(k)＝b；对速度-温度耦合控制系统进行PID参数工程整定，得到X组PID参数：比例系数KP候选值，从X组PID参数中提取出KP值，共有l个不同的取值：KP1,KP2,...,KPl；积分系数KI候选值，从X组PID参数中提取出KI值，共有m个不同的取值：KI1,KI2,...,KIm；微分系数KD候选值，从X组PID参数中提取出KD值，共有n个不同的取值：KD1,KD2,...,KDn；在初始化中每次分别从l个比例系数KP候选值、m个积分系数KI候选值以及n个微分系数KD候选值中各自按序选择一个候选值组成一组候选控制器参数，将每组候选控制器参数依次赋值到一个矩阵的相应行，组成一个候选控制器集合矩阵：KP1KI1KD1KP2KI2KD2.........KPiKIiKDi.........KPNKINKDN;]]>其中，N＝l×m×n，则排列组合后有N组候选控制器参数，最终形成一个N×3矩阵，即候选控制器集合矩阵为一个N×3矩阵；形成的候选控制器集合矩阵中，KPi为第i组控制器的KP参数值，KIi为第i组控制器的KI参数值，KDi为第i组控制器的KD参数值；速度误差e1(k)，为任一采样时刻k速度期望输出y1*(k)与速度实际输出y1(k)之间的差值，即：e1(k)＝y1*(k)-y1(k)；温度误差e2(k)，为任一采样时刻k温度期望输出y2*(k)与温度实际输出y2(k)之间的差值，即：e2(k)＝y2*(k)-y2(k)；(2)在采样时刻k，结合候选控制器集合矩阵中每组候选控制器的参数，分别计算出相应的速度和温度虚拟参考信号和计算公式如下：r~1(i,k)=y1(k)+u1(k)-u1(k-1)+(KPi+2KDi)×e1(k-1)-KDi×e1(k-2)KPi+KIi+KDi]]>r~2(i,k)=y2(k)+u2(k)-u2(k-1)+(KPi+2KDi)×e2(k-1)-KDi×e2(k-2)KPi+KIi+KDi]]>；其中，k≥2且k取正整数；e1(k-1)为k-1时刻纤维的速度误差；e1(k-2)为k-2时刻纤维的速度误差；e2(k-1)为k-1时刻纤维的温度误差；e2(k-2)为k-2时刻纤维的温度误差；u1(k-1)为k-1时刻纤维的速度非伪控制器输出；u2(k-1)为k-1时刻纤维的温度非伪控制器输出；(3)在采样时刻k，计算候选控制器集合矩阵中每组候选控制器参数的速度和温度性能指标J1(i,k)和J2(i,k)，计算公式如下：J1(i,k)=J(u1,y1,r~1,k)=maxτ∈[0,k]||u1(τ)||2+||r~1(i,τ)-y1(τ)||2||r~1(i,τ)||2+β,0<β<0.01]]>J2(i,k)=J(u2,y2,r~2,k)=maxτ∈[0,k]||u2(τ)||2+||r~2(i,τ)-y2(τ)||2||r~2(i,τ)||2+β,0<β<0.01]]>其中，τ是在0～k之间的任意一个采样时刻；u1(τ)为τ时刻速度非伪控制器输出；u2(τ)为τ时刻温度非伪控制器输出；为τ时刻第i组控制器的速度虚拟参考信号；为τ时刻第i组控制器的温度虚拟参考信号；y1(τ)为τ时刻的速度实际输出；y2(τ)为τ时刻的温度实际输出；在采样时刻k，比较候选控制器矩阵中所有组候选控制器参数相应的速度性能指标J1(i,k)，使得速度性能指·标最小的一组相应序号记为速度非伪控制器序号也是候选控制器参数对应在候选控制器集合矩阵中的行号：i^1(k)=argmin(J1(i,k)),i∈[1,N];]]>在采样时刻k，比较本文档来自技高网...

【技术保护点】
一种聚酯短纤维生产过程中拉伸环节的免疫优化去伪控制方法，其特征是：所述拉伸环节中的拉伸方式为两级拉伸工艺，对于两级拉伸工艺中的第二拉伸辊与定型辊之间的二级拉伸环节，其纤维拉伸时的速度和温度采用去伪控制的速度‑温度耦合控制方法，具体控制步骤如下：(1)初始条件：a、初始输入：速度实际输出y1(k)在采样时刻1～3的值y1(1)～y1(3)；温度实际输出y2(k)在采样时刻1～3的值y2(1)～y2(3)；速度非伪控制器输出u1(k)在采样时刻1～2的值u1(1)～u1(2)；温度非伪控制器输出u2(k)在采样时刻1～2的值u2(1)～u2(2)；b、初始化：速度期望输出y1*(k)，初始化时将其设定为常值a，即为实际生产过程需要的速度目标值，在任何采样时刻k，y1*(k)＝a；温度期望输出y2*(k)，初始化时将其设定为常值b，即为实际生产过程需要的温度目标值，在任何采样时刻k，y2*(k)＝b；对速度‑温度耦合控制系统进行PID参数工程整定，得到X组PID参数：比例系数KP候选值，从X组PID参数中提取出KP值，共有l个不同的取值：KP1,KP2,...,KPl；积分系数KI候选值，从X组PID参数中提取出KI值，共有m个不同的取值：KI1,KI2,...,KIm；微分系数KD候选值，从X组PID参数中提取出KD值，共有n个不同的取值：KD1,KD2,...,KDn；在初始化中每次分别从l个比例系数KP候选值、m个积分系数KI候选值以及n个微分系数KD候选值中各自按序选择一个候选值组成一组候选控制器参数，将每组候选控制器参数依次赋值到一个矩阵的相应行，组成一个候选控制器集合矩阵：KP1KI1KD1KP2KI2KD2.........KPiKIiKDi.........KPNKINKDN;]]>其中，N＝l×m×n，则排列组合后有N组候选控制器参数，最终形成一个N×3矩阵，即候选控制器集合矩阵为一个N×3矩阵；形成的候选控制器集合矩阵中，KPi为第i组控制器的KP参数值，KIi为第i组控制器的KI参数值，KDi为第i组控制器的KD参数值；速度误差e1(k)，为任一采样时刻k速度期望输出y1*(k)与速度实际输出y1(k)之间的差值，即： e1(k)＝y1*(k)‑y1(k)；温度误差e2(k)，为任一采样时刻k温度期望输出y2*(k)与温度实际输出y2(k)之间的差值，即： e2(k)＝y2*(k)‑y2(k)；(2)在采样时刻k，结合候选控制器集合矩阵中每组候选控制器的参数，分别计算出相应的速度和温度虚拟参考信号和计算公式如下：r~1(i,k)=y1(k)+u1(k)-u1(k-1)+(KPi+2KDi)×e1(k-1)-KDi×e1(k-2)KPi+KIi+KDi;]]>r~2(i,k)=y2(k)+u2(k)-u2(k-1)+(KPi+2KDi)×e2(k-1)-KDi×e2(k-2)KPi+KIi+KDi;]]>其中，k≥2且k取正整数；e1(k‑1)为k‑1时刻纤维的速度误差；e1(k‑2)为k‑2时刻纤维的速度误差；e2(k‑1)为k‑1时刻纤维的温度误差；e2(k‑2)为k‑2时刻纤维的温度误差；u1(k‑1)为k‑1时刻纤维的速度非伪控制器输出；u2(k‑1)为k‑1时刻纤维的温度非伪控制器输出；(3)在采样时刻k，计算候选控制器集合矩阵中每组候选控制器参数的速度和温度性能指标J1(i,k)和J2(i,k)，计算公式如下：J1(i,k)=J(u1,y1,r~1,k)=maxτ∈[0,k]||u1(τ)||2+||r~1(i,τ)-y1(τ)||2||r~1(i,τ)||2+β,0<β<0.01;]]>J2(i,k)=J(u2,y2,r~2,k)=maxτ∈[0,k]||u2(τ)||2+||r~2(i,τ)-y2(τ)||2||r~2(i,τ)||2+β,0<β<0.01;]]>其中，τ是在0～k之间的任意一个采样时刻；u1(τ)为τ时刻速度非伪控制器输出；u2(τ)为τ时刻温度非伪控制器输出；为τ时刻第i组控制器的速度虚拟参考信号；为τ时刻第i组控制器的温度虚拟参考信号；y1(τ)为τ时刻的速度实际输出；y2(τ)为τ时刻的温度实际输出；(4)在采样时刻k，比较候选控制器矩阵中所有组候选控制器参数相应的速度性能指标J1(i,k)，使得速度性能指标最小的一组相应序号记为速度非伪控制器序号也是候选控制器参数对应在候选控制器集合矩阵中的行号：i^1(k)=a...

【技术特征摘要】
1.一种聚酯短纤维生产过程中拉伸环节的免疫优化去伪控制方法，其特征是：所述拉伸环节中的拉伸方式为两级拉伸工艺，对于两级拉伸工艺中的第二拉伸辊与定型辊之间的二级拉伸环节，其纤维拉伸时的速度和温度采用去伪控制的速度-温度耦合控制方法，具体控制步骤如下：(1)初始条件：a、初始输入：速度实际输出y1(k)在采样时刻1～3的值y1(1)～y1(3)；温度实际输出y2(k)在采样时刻1～3的值y2(1)～y2(3)；速度非伪控制器输出u1(k)在采样时刻1～2的值u1(1)～u1(2)；温度非伪控制器输出u2(k)在采样时刻1～2的值u2(1)～u2(2)；b、初始化：速度期望输出y1*(k)，初始化时将其设定为常值a，即为实际生产过程需要的速度目标值，在任何采样时刻k，y1*(k)＝a；温度期望输出y2*(k)，初始化时将其设定为常值b，即为实际生产过程需要的温度目标值，在任何采样时刻k，y2*(k)＝b；对速度-温度耦合控制系统进行PID参数工程整定，得到X组PID参数：比例系数KP候选值，从X组PID参数中提取出KP值，共有l个不同的取值：KP1,KP2,...,KPl；积分系数KI候选值，从X组PID参数中提取出KI值，共有m个不同的取值：KI1,KI2,...,KIm；微分系数KD候选值，从X组PID参数中提取出KD值，共有n个不同的取值：KD1,KD2,...,KDn；在初始化中每次分别从l个比例系数KP候选值、m个积分系数KI候选值以及n个微分系数KD候选值中各自按序选择一个候选值组成一组候选控制器参数，将每组候选控制器参数依次赋值到一个矩阵的相应行，组成一个候选控制器集合矩阵：KP1KI1KD1KP2KI2KD2.........KPiKIiKDi.........KPNKINKDN;]]>其中，N＝l×m×n，则排列组合后有N组候选控制器参数，最终形成一个N×3矩阵，即候选控制器集合矩阵为一个N×3矩阵；形成的候选控制器集合矩阵中，KPi为第i组控制器的KP参数值，KIi为第i组控制器的KI参数值，KDi为第i组控制器的KD参数值；速度误差e1(k)，为任一采样时刻k速度期望输出y1*(k)与速度实际输出y1(k)之间的差值，即：e1(k)＝y1*(k)-y1(k)；温度误差e2(k)，为任一采样时刻k温度期望输出y2*(k)与温度实际输出y2(k)之间的差值，即：e2(k)＝y2*(k)-y2(k)；(2)在采样时刻k，结合候选控制器集合矩阵中每组候选控制器的参数，分别计算出相应的速度和温度虚拟参考信号和计算公式如下：r~1(i,k)=y1(k)+u1(k)-u1(k-1)+(KPi+2KDi)×e1(k-1)-KDi×e1(k-2)KPi+KIi+KDi;]]>r~2(i,k)=y2(k)+u2(k)-u2(k-1)+(KPi+2KDi)×e2(k-1)-KDi×e2(k-2)KPi+KIi+KDi;]]>其中，k≥2且k取正整数；e1(k-1)为k-1时刻纤维的速度误差；e1(k-2)为k-2时刻纤维的速度误差；e2(k-1)为k-1时刻纤维的温度误差；e2(k-2)为k-2时刻纤维的温度误差；u1(k-1)为k-1时刻纤维的速度非伪控制器输出；u2(k-1)为k-1时刻纤维的温度非伪控制器输出；(3)在采样时刻k，计算候选控制器集合矩阵中每组候选控制器参数的速度和温度性能指标J1(i,k)和J2(i,k)，计算公式如下：J1(i,k)=J(u1,y1,r~1,k)=maxτ∈[0,k]||u1(τ)||2+||r~1(i,τ)-y1(τ)||2||r~1(i,τ)||2+β,0<β<0.01;]]>J2(i,k)=J(u2,y2,r~2,k)=maxτ∈[0,k]||u2(τ)||2+||r~2(i,τ)-y2(τ)||2||r~2(i,τ)||2+β,0<β<0.01;]]>其中，τ是在0～k之间的任意一个采样时刻；u1(τ)为τ时刻速度非伪控制器输出；u2(τ)为τ时刻温度非伪控制器输出；为τ时刻第i组控制器的速度虚拟参考信号；为τ时刻第i组控制器的温度虚拟参考信号；y1(τ)为τ时刻的速度实际输出；y2(τ)为τ时刻的温度实际输出；(4)在采样时刻k，比较候选控制器矩阵中所有组候选控制器参数相应的速度性能指标J1(i,k)，使得速度性能指标最小的一组相应序号记为速度非伪控制器序号也是候选控制器参数对应在候选控制器集合矩阵中的行号：i^1(k)=argmin(J1(i,k)),i∈[1,N];]]>在采样时刻k，比较候选控制器矩阵中所有组候选控制器参数相应的温度性能指标J2(i,k)，使得温度性能指标最小的一组相应序号记为温度非伪控制器序号也是候选控制器参数对应在候选控制器集合矩阵中的行号：i^2(k)=argmin(J2(i,k)),i∈[1,N];]]>(5)滞后切换：当时，即在当前采样时刻k相应的最小速度性能指标值min(J1(i,k))与前采样时刻k-1的速度非伪控制器器序号的当前采样时刻性能指标之间的差值小于等于滞后切换阈值e时，拉伸机的速度非伪控制器序号和前一采样时刻的相同，仍然采用前一采样时刻的速度非伪控制器序号；当时，即在当前采样时刻k相应的最小速度性能指标值min(J1(i,k))与前采样时刻k-1的速度非伪控制器器序号的当前采样时刻性能指标之间的差值大于滞后切换阈值e时，拉伸机的速度非伪控制器序号为当前采样时刻速度性能指标最小的一组相应序号，采用当前采样时刻的最小性能指标值对应的速度非伪控制器序号；当时，即在当前采样时刻k相应的最小温度性能指标值min(J2(i,k))与前采样时刻k-1的温度非伪控制器器序号的当前采样时刻性能指标之间的差值小于等于滞后切换阈值e时，温度非伪控制器序号和前一采样时刻的相同，仍然采用前一采样时刻的温度非伪控制器序号；当时，即在当前采样时刻k相应的最小温度性能指标值min(J2(i,k)与前采样时刻k-1的温度非伪控制器器序号的当前采样时刻性能指标之间的差值大于滞后切换阈值e时，温度非伪控制器序号为当前采样时刻速度性能指标最小的一组相应序号，采用当前采样时刻的最小性能指标值对应的温度非伪控制器序号；(6)根据得到的非伪控制器序号和对应在候选控制器集合矩阵中的行号，得到相应的候选控制器参数，从而得到相应的速度非伪控制器和温度非伪控制器其中：为候选控制器集合矩阵中第行第一列的KP值；为候选控制器集合矩阵中第行第二列的KI值；为候选控制器集合矩阵中第行第三列的KD值；为候选控制器集合矩阵中第行第一列的KP值；为候选控制器集合矩阵中第行第二列的KI值；为候选控制器集合矩阵中第行第三列的KD值；(7)根据步骤(6)中得到的速度非伪控制器和温度非伪控制器得到采样时刻k的速度非伪控制器输出u1(k)和温度非伪控制器输出u2(k)如下:u1(k)=u1(k-1)+KPi^1×(e1(k)-e1(k-1))+KIi^1×e1(k)+KDi^1×(e1(k)-2·e1(k-1)+e1(k-2));]]>u2(k)=u2(k-1)+KPi^2·(e2(k)-...

【专利技术属性】
技术研发人员：丁永生，陈磊，赵晨暐，任立红，郝矿荣，
申请(专利权)人：东华大学，
类型：发明
国别省市：上海;31