一種兩電機調速系統無傳感器張力辨識方法
【技術領域】
[0001] 本發明涉及一種兩電機調速系統無傳感器張力辨識方法，具體是使用神經網絡左 逆方法實現張力辨識，適用于兩臺變頻器驅動兩臺感應電機的調速系統張力檢測，屬于軟 測量及軟儀表構造技術領域。
【背景技術】
[0002] 多電機調速系統被廣泛應用于冶金、造紙、紡織、印刷等現代工業領域，這類系統 需要多臺電機來傳送和抓取物料，張力的穩定是保證傳送和抓取效率的重要因素。穩定的 張力不僅能夠保證物料不會因過緊而拉斷，而且能夠保證物料不因松弛而堆積。傳統的方 法是通過安裝張力傳感器來實現張力的檢測和控制，但是高精度的張力傳感器價格比較昂 貴，且安裝要求高，材料和環境限制因素多，嚴重限制系統的應用與推廣。兩電機調速系統 具有多輸入多輸出、高階、非線性、強耦合的特點，且運行過程中受到參數變化和各種內外 干擾，難以得到系統精確的數學模型。而使用狀態觀測器等方法對張力進行觀測又依賴于 精確的數學模型，影響張力辨識的準確性。
【發明內容】
[0003] 本發明的目的是提供一種兩電機調速系統無傳感器的張力辨識方法，用以克服使 用高精度張力傳感器價格昂貴、安裝困難、材料和環境限制因素多的缺點，實現兩電機調速 系統張力的無傳感器高精度辨識。
[0004] 本發明的技術方案是在神經網絡左逆系統理論的基礎上，使用兩電機調速系統張 力的歷史數據，通過小波變換提取特征信號，然后訓練神經網絡來實現張力的實時辨識。在 節省張力傳感器的同時能夠保證張力的辨識精度。
[0005] 本發明采用的技術方案有以下步驟：
[0006] -種兩電機調速系統無傳感器張力辨識方法，包括如下步驟：
[0007] 1)根據兩臺變頻器驅動兩臺感應電機的調速系統的數學模型，推導出張力子系統 左逆模型；
[0008] 2)為增強神經網絡的逼近和抗干擾能力，在原左逆系統的基礎上增加張力給定Fs 和張力誤差eF兩個輸入形成六輸入左逆系統；
[0009] 3)使用小波分析對神經網絡輸入預先進行特征量提取；
[0010] 4)使用新型函數訓練神經網絡，約束神經網絡權重；
[0011] 5)在PLC中實現整套神經網絡算法，實現兩電機調速系統平臺張力的軟測量。
[0012] 進一步，所述步驟1)中，基于逆系統方法和兩電機調速系統數學模型，推導出張 力子系統左逆模型：
[0013]
[0014] 式中，F為張力，、來&為2號從動電機轉子角速度及其導數，％、〇2分別為1 號主動電機和2號從動電機的同步角速度；在左逆模型推導過程中，使用及其導數替換 為主要輸入量，由于本系統1號主動電機轉速需要跟隨速度給定，張力主要通過2號 從動電機轉速變化來調節。
[0015] 進一步，所述步驟2)中，在原左逆系統的基礎上增加張力給定Fs和張力誤差e「兩 個輸入形成六輸入左逆系統：
[0016]
[0017] 式中，F為張力，'2、由2為2號從動電機轉子角速度及其導數，《2分別為1 號主動電機和2號從動電機的同步角速度。
[0018] 進一步，所述步驟3)中，用小波變換對樣本進行特征量提取，小波基采用非線性 程度較高的Morlet小波。
[0019] 進一步，所述步驟4)中，使用貝葉斯正則化函數"trainbr"訓練神經網絡。
[0020] 進一步，所述步驟5)中，整個硬件系統以PLC為核心控制單元，PLC通過MPI接口 與上位機進行通訊同時PLC與兩臺變頻器通過Profibus總線進行串聯；變頻器工作在矢 量控制模式，直接與兩臺感應電機進行連接；上位機中，WinCC通過MPI總線實時監控PLC， Excel與PLC通過0PC技術實現數據傳輸，MATLAB直接調用Excel數據進行小波分析及神 經網絡訓練，權閾值通過0PC技術寫入PLC中。
[0021] 本發明優點在于：
[0022] 1、擺脫了張力檢測需要依賴張力傳感器的情況，適用范圍廣，不受材料和環境因 素的限制，具有較高的應用價值。
[0023] 2、節省價格昂貴的高精度張力傳感器，且不增加其他額外硬件，可節省系統成本。
[0024] 3、神經網絡不依賴系統精確的數學模型，大大提高對參數變化和內外干擾的魯棒 性，辨識精度高且易于實現。
[0025] 4、經過推導可知，張力本質上是由相鄰兩臺電機之間的轉速差所決定的，因此在 進行兩電機調速系統激勵時，設計了 2個PID控制器，并且以1號電機（主動電機）的速度 給定與2號PID張力控制器的輸出之差來調節2號電機（從動電機）的速度，使系統閉環 穩定，保證采集到更為有效的訓練數據，使訓練出的靜態神經網絡逼近效果更佳。
[0026] 5、在左逆系統推導過程中，使用及其導數替換作為主要輸入量。由于本 系統1號電機（主動電機）轉速需要跟隨速度給定，張力主要通過2號電機（從動電機） 轉速變化來調節，因此《^ 2比《h更能體現張力的變化規律。
[0027] 6、在原先推導得到的四輸入張力子系統左逆模型的基礎上，增加張力給定匕和張 力誤差eF兩個輸入量，增強了神經網絡的逼近和抗干擾能力。
[0028] 7、為減少系統運行過程中的噪聲干擾對訓練結果的影響，用小波變換對樣本進行 特征量提取，小波基采用非線性程度較高的Morlet小波；使用小波變換預先對訓練數據進 行特征量提取，避免系統噪聲和干擾降低神經網絡訓練精度，并增強系統的穩定性。
[0029] 8、由于樣本數據較多，因此在訓練神經網絡時，為保證收斂速度與精度，訓練函數 采用貝葉斯正則化函數"trainbr"，相對于傳統的訓練函數，"trainbr"能夠約束網絡的權 重，使網絡輸出平滑，提高神經網絡對新張力樣本的預測精度；對采樣數據進行掐頭去尾， 等間隔選取，進行歸一化處理，并將數據分為訓練數據集合檢驗數據集，前者進行神經網絡 訓練，后者檢驗神經網絡對新張力樣本的泛化能力和預測精度。
[0030] 9、在編寫程序時，采用自頂向下的方法編寫系統軟件，具有功能化、模塊化的特 點，并且具有良好的移植性和通用性。
【附圖說明】
[0031] 圖1為兩電機調速系統原理結構圖；
[0032] 圖2為兩電機調速系統數學模型等效示意圖；
[0033] 圖3為兩電機調速系統激勵及數據采樣原理圖；
[0034] 圖4為兩電機調速系統神經網絡張力辨識總體原理圖；
[0035] 圖5為本發明裝置示意圖；
[0036] 圖6為本發明在PLC中具體實現流程圖；
[0037] 圖7為PLC中神經網絡實現流程圖；
[0038] 圖8為張力辨識實驗結果圖；
[0039] 圖9為張力辨識實驗相對誤差圖。
【具體實施方式】
[0040] 下面將結合本發明實施例中的附圖，對本發明實施例中的技術方案進行清楚、完 整地描述。
[0041] 下面詳細描述本發明的實施例，所述實施例的示例在附圖中示出，其中自始至終 相同或類似的標號表示相同或類似的元件或具有相同或類似功能的元件。下面通過參考附 圖描述的實施例是示例性的，僅用于解釋本發明，而不能理解為對本發明的限制。
[0042] 本發明是在如圖1所示的兩電機調速系統平臺基礎上實施。系統包括兩臺變頻 器和兩臺感應電機，感應電機通過減速機與驅動輥連接，兩個驅動輥由一條皮帶相連，皮帶 上裝有浮動棍，由于浮動棍的張緊作用，皮帶上產生張力F。由于張力和轉速相互關聯，因 此本發明采用主從控制方式，一臺感應電機為主動電機，另外一臺感應電機為從動電機，從 動電機根據張力給定調節轉速。系統輸入為兩臺變頻器的轉速給定值? 2，輸出為主 動電機轉速、從動電機轉速和皮帶張力F。將兩臺變頻器與兩臺感應電機分別與 S7-300PLC連接，組成兩電機調速系統。具體的實施方案包含以下步驟：
[0043] 1)根據兩電機調速系統硬件平臺建立相應的數學模型，其輸入量為兩臺變頻器的 轉速給定值％何《 2，輸出量為主動電機轉速從動電機轉速和皮帶張力F，然后 對兩電機調速系統進行等效，如圖2所示。兩電機調速系統數學模型為兩相靜止坐標系下 的四階微分方程，包括兩個一階的速度輸出和一個二階的張力輸出。通過對張力輸出進行 推導，可證明張力子系統的左逆模型存在，為神經網絡的構建、訓練提供理論依據。值得注 意的是，這一步只是為神經網絡的構建、訓練提供理論依據，本發明的具體實施過程中，這 一步可跳過。基于逆系統方法和兩電機調速系統數學模型，推導出張力子系統左逆模型：
[0044]
[0045] 式中，F為張力，％為2號從動電機轉子角速度及其導數，％、《2分別為1 號主動電機和2號從動電機的同步角速度；在左逆模型推導過程中，使用及其導數替換 ?^作為主要輸入量，由于本系統1號主動電機轉速需要跟隨速度給定，張力主要通過2號 從動電機轉速變化來調節。
[0046]2)為進一步提升神經網絡的逼近和抗干擾能力，在張力子系統左逆模型的基礎 上，增加張力給SFs和張力誤差eF作為神經網絡輸入，形成《r2,取2:s:c^，《2,Fs，eF六輸 入和F單輸出的神經網絡模型，整體結構如圖4所示。在原左逆系統的基礎上增加張力給 定Fs和張力誤差e「兩個輸入形成六輸入左逆系統：
[0047]
[0048] 式中，F為張力，為2號從動電機轉子角速度及其導數，％、〇2分別為1 號主動電機和2號從動電機的同步角速度。
[0049] 本步驟首先設計兩個PID控制器使系統穩定；然后將心：，％，《2,Fs，ep?六 個神經網絡輸入信號實時進行小波變換，提取特征量，消除噪聲干擾；最后將提取后數據歸 一化到[-1，1]，送入神經網絡進行計算，經過反歸一化得到張力辨識值。
[0050] 3)采集訓練樣本進行特征量提取。由于張力實際是由兩臺電機的轉差決定，因此 設計兩個PID控制器，并以1號電機的轉速給定減去2號電機的PID控制器輸出來調節2 號電機的轉速，以此使系統