[發明專利]基于優化BP神經網絡的長絲恒張力控制方法有效

申請號：	202011147183.1	申請日：	2020-10-23
公開（公告）號：	CN112698568B	公開（公告）日：	2022-11-25
發明（設計）人：	朱耀麟;武桐;陳鑫;孟超;周曉東	申請（專利權）人：	西安工程大學;紹興市柯橋區西紡紡織產業創新研究院
主分類號：	G05B13/02	分類號：	G05B13/02;G05B13/04;B65H59/36;G06N3/06;G06N3/08;G06N3/12
代理公司：	西安弘理專利事務所 61214	代理人：	韓玙
地址：	710048 陜***	國省代碼：	陜西;61
權利要求書：	查看更多	說明書：	查看更多
摘要：
搜索關鍵詞：	基于優化 bp 神經網絡長絲張力控制方法
鉆瓜網技術展會專利詞庫專利權人專利榜在售專利公布日期熱門專利

【權利要求書】：

1.基于優化BP神經網絡的長絲恒張力控制方法，其特征在于，具體按照以下步驟實施：

步驟1、搭建基于優化BP神經網絡的長絲恒張力控制硬件系統；

基于優化BP神經網絡的長絲恒張力控制硬件系統具體結構為：包括張力檢測模塊、主控模塊、張力調節模塊、電機驅動模塊、人機交互模塊和報警模塊，其中，張力檢測模塊為張力傳感器，采用的是JZHL-T1三輥式，安裝在紗筒長絲與張力調節模塊的中間，用以檢測長絲初始的張力值，張力調節模塊采用杠桿式，通過主控模塊比較檢測的張力值與設定的張力閾值大小進行動作，電機驅動模塊采用的是步進電機驅動調節裝置的上下運動；人機交互模塊為LCD液晶顯示、LED蜂鳴器報警；主控模塊采用的是STC12C5A08S2型號的單片機，用以對比張力傳感器檢測到的信號與閾值的大小、處理LCD顯示屏的信號；

步驟2、根據系統的復雜程度確定BP神經網絡結構；

優化BP神經網絡結構具體為：

包括輸入層、隱含層和輸出層；

其中，輸入層節點選擇如下：將卷繞機構的線速度v₂、長絲與壓桿間的摩擦力f、壓桿上下運動的速度v₀以及長絲的送給速度v₁這四個量作為神經網絡的輸入層；

隱含層節點選擇如下：隱含層將輸入的信號進行閾值過濾，并傳遞給輸出層，輸出層將誤差信號通過隱含層再反饋給輸入層，根據經驗公式n為輸入層的個數，m為輸出層的個數，a為1…10的常數，隱含層的個數為5；

輸出層節點選擇如下：輸出層的神經元對應于控制器的三個可調參數k_p,k_i,k_d，k_p為比例調節系數；k_i為積分調節系數；k_d為微分調節系數；

給定輸入輸出的樣本對，計算網絡的輸出：令輸入層輸入為I₁(i),輸出為O₁(i)，其輸入層到隱含層的權值為w_ij，隱含層輸入為I₂(i)，輸出為O₂(i)，隱含層到輸出層的權值為v_ij，輸出層的輸入為I₃(i)，輸出層的輸出為O₃(i)，隱含層和輸出層的激勵函數選擇S函數

1)計算輸入層的輸入輸出：

2)計算隱含層的輸入輸出：

3)計算輸出層的輸入與輸出

4)計算目標函數J

假設E_p為在第p組輸入時的目標函數，則

式中：y_kp(t)為在第p組樣本輸入時，經t次權值調整后網絡的輸出；k為輸出層第k個節點；

步驟3、輸入樣本數據以及神經網絡期望的輸出值；

步驟4、初始化權值和閾值的種群并計算種群適應度值，對神經網絡的初始化權值和閾值進行選擇、交叉和變異操作，通過遺傳操作后根據適應度值的大小來進行優勝劣汰，根據設定的遺傳算法結束條件進行判斷，是否還需要再進行上述步驟，如需要則返回，如不需要則將優化好的初始化權值和閾值返回給神經網絡；通過神經網絡的算法原理，信息正向傳播和誤差反向傳播，不斷的修改權值和閾值，將優化BP神經網絡結構中的權值矩陣和閾值矩陣描述成染色體串，判斷系統是否達到要求的精度作為結束的條件，若達到則該算法結束，如沒達到則返回繼續進行。

2.根據權利要求1所述的基于優化BP神經網絡的長絲恒張力控制方法，其特征在于，所述步驟4具體如下：

選擇4*5*3的神經網絡結構，將卷繞機構的線速度v₂、長絲與壓桿間的摩擦力f、壓桿上下運動的速度v₀以及長絲的送給速度v₁這四個量作為神經網絡的輸入樣本；將期望輸出的電機控制參數k_p,k_i,k_d作為輸出，由于神經網絡的初始化權值和閾值是隨機生成的，將隨機生成的權值和閾值送給遺傳算法，作為遺傳算法的初始種群，遺傳算法根據神經網絡的目標函數計算網絡遺傳算法的適應度值，E_p(t)為在第p組經t次權值調整后網絡的輸出，將選擇算子作用于種群，選擇的目的是把優化的個體直接遺傳到下一代或通過配對交叉產生新的個體再遺傳到下一代，交叉操作是將兩個相互配對的染色體按某種方式相互交換其部分基因，從而形成兩個新的個體，變異運算是模擬生物進化過程中基因突變，染色體串上的某一部位發生基因突變，成為種群中獨一無二的基因型，終止條件設定為進化代數為100時結束算法，若沒有滿足終止條件則繼續遺傳操作，遺傳算法的參數設置：確定種群的進化代數為100，種群的大小規模為50，設定自適應參數的初始值為交叉概率P_c＝0.6，變異概率P_m＝0.05，將優化好的初始化權值和閾值解碼送給神經網絡；神經網絡不斷對比期望輸出糾正權值和閾值，直到滿足k_p,k_i,k_d的要求為止。