一种干复机用张力智能化控制方法及系统与流程

本技术涉及干复机张力控制，具体涉及一种干复机用张力智能化控制方法及系统。

背景技术：

1、干式复合机是软包装生产中的一项关键技术，它通过先进的传感器、执行器和控制算法实现对张力的精确控制。传统张力控制依赖于机械式自动控制系统，难以适应高速生产和材料变化的需求，随着工业和智能制造的推进，智能化控制系统能够自动调整和优化，减少人工干预，提高生产效率和产品一致性，不仅可以提高产品质量、提升生产效率，还可以降低生产成本和增强适应性。由于其可以直接影响产品质量，保障生产稳定性，并促进产业升级，所以张力智能化控制系统在软包装行业中发挥越来越重要的作用，推动整个行业的技术进步和产业升级。

2、随着料卷卷径的减小，系统需增加拉力以维持恒定张力，而复合速度的变动则直接影响材料通过机器的速度，进而影响张力稳定性，这两个因素相互作用，要求张力控制系统具备快速、精确的动态响应能力，以适应生产过程中两个因素的不同变化需求，在现有技术中，料卷卷径的变化和复合速度的调整会对张力的控制产生综合影响，从而导致干复机由于多个控制影响数据之间的相互作用而使得比例控制会在系统动态变化时产生的超调和振荡，使得张力控制的精度下降，导致材料的张力不均匀，影响复合质量等后果。

技术实现思路

1、为了解决上述技术问题，本技术的目的在于提供一种干复机用张力智能化控制方法及系统，所采用的技术方案具体如下：

2、第一方面，本技术实施例提供了一种干复机用张力智能化控制方法，该方法包括以下步骤：

3、s10，采集干复机工作时各采集时刻的料卷的实时卷径、放卷的线速度和张力，分别组成各监测数据序列，监测数据序列包括：卷径序列、线速度序列以及张力序列；

4、s20，根据监测数据序列中的所有极值的分布情况，获取综合控制响应差异指数；

5、s30，根据任意两个监测数据序列之间的差异情况获得协同污染指数；所述协同污染指数的获得过程包括：

6、s31，根据任意两个监测数据序列中对应元素的差异获得差异序列，根据差异序列中元素的分布情况获取稳定趋势差异度；

7、s32，对差异序列进行异常检测，获得各异常值，根据各异常值在差异序列中的相邻元素的差异获得趋势性判断函数值；

8、s33，结合稳定趋势差异度和趋势性判断函数值，获得两个监测数据序列之间的协同污染指数；

9、s40，根据各监测数据序列与其他监测数据序列之间的协同污染指数和综合控制响应差异指数，获得各监测数据序列的响应反馈评估指数；

10、s50，根据所有监测数据序列的响应反馈评估指数，获取当前时刻的比例系数；根据当前时刻的比例系数对干复机放卷时的张力进行控制。

11、进一步，所述根据监测数据序列中的所有极值的分布情况，获取综合控制响应差异指数，包括：

12、对于各监测数据序列，将监测数据序列中的所有极值按照对应采集时刻的先后顺序排列，获得极值序列；对极值序列采用聚类算法进行聚类，获得各聚类簇；

13、计算各聚类簇内包含的所有数据的变异系数；获取所述变异系数的倒数；将所有聚类簇的所述倒数的均值，作为监测数据序列的综合分布紧密指数；

14、根据所有监测数据序列的综合分布紧密指数，计算综合控制响应差异指数。

15、进一步，所述综合控制响应差异指数的计算表达式为：

16、

17、其中，为综合控制响应差异指数，、分别为第i个、第j个监测数据序列的综合分布紧密指数，、分别为第i个、第j个监测数据序列包含的极值个数，和分别为第i个、第j个监测数据序列对应的聚类簇的数量，为监测数据序列的数量。

18、进一步，所述稳定趋势差异度的获取，包括：

19、对于任意两个监测数据序列，将两个监测数据序列中所有对应元素的差值组成的序列，记为两个监测数据序列之间的差异序列；将所述差异序列的一阶差分序列记为差异差分序列；获取差异差分序列中所有元素的均值；计算差异差分序列中各元素与所述均值的差值；将差异差分序列中所有元素的所述差值的均值作为两个监测数据序列之间的稳定趋势差异度。

20、进一步，所述趋势性判断函数值的获取，包括：

21、对所述差异序列使用异常检测算法进行异常检测，获得各异常值及各异常值的局部异常因子；

22、对于各异常值，获取异常值与其在差异序列中的前一个元素的差值，记为第一差值；获取异常值与其在差异序列中的后一个元素的差值，记为第二差值；计算第一差值与第二差值的乘积；若所述乘积小于0，则异常值对应的趋势性判断函数值为数字1；反之，异常值对应的趋势性判断函数值为所述乘积的绝对值。

23、进一步，所述结合稳定趋势差异度和趋势性判断函数值，获得两个监测数据序列之间的协同污染指数，包括：

24、计算各异常值的局部异常因子与趋势性判断函数值的乘积，记为第一乘积；获取第一乘积的归一化值；获取两个监测数据序列之间的差异序列中所有异常值的所述归一化值的均值，记为第一均值；将第一均值与两个监测数据序列之间的稳定趋势差异度的乘积，作为两个监测数据序列之间的协同污染指数。

25、进一步，所述响应反馈评估指数的获取，包括：

26、将任一监测数据序列记为待分析序列，获取待分析序列与所有监测数据序列之间的协同污染指数的均值，记为第二均值；计算第二均值与综合控制响应差异指数的乘积的归一化值，作为待分析序列的响应反馈评估指数。

27、进一步，所述根据所有监测数据序列的响应反馈评估指数，获取当前时刻的比例系数，包括：

28、计算所有监测数据序列的响应反馈评估指数的均值，记为第三均值；将第三均值与预设初始比例系数的乘积作为当前时刻的比例系数。

29、进一步，所述根据当前时刻的比例系数对干复机放卷时的张力进行控制，包括：

30、将当前时刻的比例系数作为pid控制算法中的比例系数；将张力序列输入pid控制算法对干复机放卷时的张力进行控制。

31、第二方面，本技术实施例还提供了一种干复机用张力智能化控制系统，包括存储器、处理器以及存储在所述存储器中并在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述任意一项所述方法的步骤。

32、本技术至少具有如下有益效果：

33、本技术提出一种干复机用张力智能化控制方法及系统，针对调整控制参数时，不同控制影响数据之间的相互影响，而导致的张力控制不准确得问题，首先基于密度聚类以及极值判断反映所有两个序列在实际生产中的控制响应差异，反映了不同监测数据序列在处理张力波动方面的整体变化方面的差异，相较于传统的聚类算法，考虑了变化趋势的差异，为确定监测数据序列之间的协同稳定性作铺垫；进一步，针对不同监测数据序列之间的相互作用对控制系统所产生的影响，基于异常检测算法衡量两个序列在控制过程中的协同效果和对系统稳定性的影响，从而对监测数据序列之间稳定性污染程度的评估，量化了两个序列在控制过程中的协同效果和对系统稳定性的影响；进而将两者进行整合，用来评估各监测数据序列与其他序列之间的协同反馈效果，若数据协同稳定性越差，监测数据之间的协同稳定程度越低，越应增大比例系数控制张力；最后基于协同反馈效果对处理干复机放卷张力控制的pid算法进行改进，使得改进后的算法能够更加灵活地适应外部干扰和系统参数变化，增强了算法的鲁棒性以及自适应性，消除了干复机由于多个控制影响参数之间的相互作用而使得比例控制会在系统动态变化时产生的超调和振荡，提高了张力控制的精度。