雪尼尔纱线地毯是以雪尼尔纱线为原材料织造的高档地毯，凭借绒面丰满、柔软顺滑、图案精美和更有视觉冲击的立体质感等优势，迅速在地毯市场中占据一席之地。但是由于雪尼尔纱线具有材质软、弹性形变大等特点，使得雪尼尔纱线簇绒地毯的提花精度难以提高。提花方式作为影响提花精度的一项重要因素，近年来在簇绒地毯领域取得了突飞猛进的发展，比较具有代表性的方式是步进电机提花罗拉控制，该方式不仅能够提高喂纱精度，而且增大了速度调节范围[1|。文献[2]研究了步进电机模糊PIDproportion integration differentiation)闭环控制，提高了电机的响应速度，但没有结合外界干扰条件。文献[3]研究了基于BP(back propagation)神经网络的步进电机控制策略，BP神经网络是一种全局逼近网络结构，由于学习速率较慢，导致动态响应能力下降。文献[4]研究了三圈高雪尼尔纱线地毯簇绒机的提花控制系统，提出一种伺服一电磁离合器相结合的提花装置，提高了送纱量的控制精度，但绒高值的调节范围局限于3种绒高。文献[5]研究了提花控制的过渡圈高现象，提出一种基于步进一伺服提花系统的补偿方案，但建模时未考虑纱线的振荡干扰等因素。本文基于簇绒地毯织机的提花原理，以电子提花罗拉为重点研究对象，建立电机的数学模型，提出RBF(radial basis function)神经网络与PID融合的控制策略(以下简称RBF-PID)，通过不断调整RBF神经网络的中心节点和学习速率，得出提花电机的最优转速响应曲线，并通过试验验证了控制策略的有效性。

 l簇绒地毯织机提花系统

簇绒地毯织机的提花控制系统主要包括送纱和成圈两大部分，其雪尼尔纱线工作原理如图1所示。图l 簇绒地毯织机控制系统结构简图由图

由图l可知，送纱主要包括4个阶段：(1)纱线 由纱架经导纱管进入电子提花罗拉阶段；(2)电子提 花罗拉喂纱阶段；(3)恒张力导纱罗拉阶段；(4)经过 导纱器到针排阶段[6]。成圈过程由多个电机协同完 成，主轴控制针排的纵向运动，横移电机控制针排的 横向移动，进底布和出毯布电机在保证底布张紧的 基础上，调节地毯的针密。当针排带纱线穿过底布 时，由钩针勾住纱线；针排上升到底布以上时，钩针 松开纱线，形成簇绒圈。因此，纱线的喂人量决定了 簇绒圈的绒高值。 在纱线输送过程中，主要影响纱线控制精度的 阶段为电子提花罗拉阶段和恒张力导纱罗拉阶 段[7]，在此，针对电子提花罗拉阶段展开研究。由于 提花罗拉的动力来源为混合式步进电机，因此需要 研究提花步进电机。因为地毯是多圈高簇绒地毯， 所以每次圈高一般是不相同的，又因为每次的成圈 时间相同，所以电机的转速几乎每周期都会变化一 次。电机响应速度越慢，雪尼尔纱线在目标速度下运行时间越 短，一个周期内实际喂纱量与理论喂纱量误差就会 越大。因此电机响应速度越快，圈高精度就越高。 综上所述，提高电机响应时间和增强抗干扰能力是 提高提花精度的重要措施。 2步进电机建模 因为在实际应用中影响电机运动特性的因素太 多，为了体现研究要素对电机的影响，所以需要忽略.

次要因素，以便于建立电机的数学模型。为了忽略 次要因素，研究中应满足以下条件：假设相绕组中产 生的磁链能够随着位置的变化呈现出理想的正弦变 化规律；忽略电流、涡流效应以及磁滞对其产生的影 响；忽略绕组间的互感影响。 在满足以上条件的情况下，建立二相混合式步 进电的数学模型，主要包括电压电流方程、电磁转矩 方程和机械运动方程。 电压电流方程为 【，。=L：≥+Ri。一K。铷sin(N，一) (1) ub：L孚+Ri b—K。硼cos(N，口) (2) 电磁转矩方程为 丁。=一K。i。sin(N，口)+K。“cos(N，护) (3) 机械运动方程为 J掣+肿+TI，_T。 (4) 硼=警 ㈣ 式中：U、【，。分别为A、B两相的电压；i。、i。分别为 A、B两相的电流；口为步进电机角位移；p为阻尼系 数；R为相绕组电阻；L为绕组电感；K。为转矩系 数；．，为转子惯量；N，为转子齿数；硼为转子速度； T。为电磁转矩；T．．为负载扭矩。 由式(1)～(5)可以看出，二相混合式步进电机 雪尼尔纱线控制系统是一种高度非线性的系统，为了能够对电 机实现更佳理想的控制，必须采取线性化方法对非 线性系统进行转换。而RBF神经网络模型是一种 具有单隐层的三层前馈网络，输入层到隐含层呈非 线性映射关系，隐含层空间到输出空间的映射是线 性的。因此RBF神经网络模型在线性化方法具有 一定的优势。 3提花控制器设计 3．1 RBF神经网络结构 RBF神经网络具有多个输人和单个输出的一 种网络结构，能够以任意精度逼近任意非线性函数， 并且训练速度快‘引，其结构模型如图2所示。 Gauss型函数存在任意阶导数，函数曲线较光 滑，并且在处理多变量输人时，表示形式简单，便于 理论分析‘9。。Gauss型函数特点与RBF神经网络 结构相一致，因此神经网络的隐层激活函数选取为 图2 RBF神经网络模型结构图 Fig．2 RBF mu憎I眦twork modeI stmctu他 Gauss型函数。在RBF网络结构中，X= [z，，z。，…，z。]T为网络的输入向量，设径向基向 量日=[^1，愚2，…，^。]T，其中^』为Gauss型函 数，即^，=exp(一掣)，．『=1，2，…，m(6) 式中：c，为网络中第．『个节点的中心矢量，c，=[c” fj。，…，c如]；6，为节点歹的基宽参数，且为大于零 的数，6』=[6。，6 2，…，6。]T。 网络的权向量为 w=[硼l，硼2，…，硼。]T (7) RBF网络辨识输出的线性组合为 y。=叫lI}ll+硼2^2+…+硼。^。 (8) 3．2 RBF神经网络PID整定 提花控制系统输入量为包含绒高值信息的花型 数据，控制板通过相关计算将绒高信息转换成速度 信号，再经过脉冲分配模块将数据转化为电机驱动 信号，从而构成开环控制系统。在电机末端加上速 度监测模块，采集速度信息，通过经典的PID控制器 建立闭环控制系统。经典PID控制器直接对被控对 象进行调节。在此基础上，RBF神经网络辨识系统 模型与PID融合后构成RBF—PID控制器，对系统误 差进行比较后，通过调节网络权向量系数，输出合理 的PID参数调节值到经典PID控制器，实现系统的 实时在线调节，促使系统更加快速、稳健地达到理想 目标。 以提花步进电机为被控制对象，采用RBF-PID 的控制策略进行系统优化，提花控制结构如图3 所示。 图3中：rIn(志)为输人参考转速；y。(走)为RBF 神经网络控制器辨识后的输出；y(最)为实际输出； 龇。、从i、龇d为神经网络实时参考增量；P(最)为偏 差量；“(走)为调整量。 采用增量式PID控制算法

雪尼尔簇绒地毯机主轴转速一般设定为 480 r／nlin，主轴每旋转一周，提花罗拉完成一次成圈， 所以单次成圈时间为125 ms，提花罗拉转速范围一 般为60～120 r／min，本次设定提花电机给定转速为 100 r／min。作用在电机上的干扰主要由两种原因 造成：一是提花轮的齿轮传动不平稳，并且多组提花 轮造成的干扰有差异；二是纱线的张力波动。电机 上产生的干扰范围一般为0．2～2．0 N·m，因此本 文选取0．5 N·m作为干扰输入。 为了考察RBF—PlD控制策略的有效性和稳 定性，在经典PlD、模糊PlD、RBF—PlD控制下，通 过参数调节得出提花电机转速仿真曲线如图4 所示。 

5 结 论 (1)在给定电子提花罗拉转速为100 r／min的 条件下，在RBF—PID控制策略下的提花电机响应时 间比模糊PID的响应时间缩短约5 ms，响应时间占 据成圈时间的比例下降4％左右，超调量降低5％左 右，雪尼尔纱线提高了提花电机的响应速度。 (2)在0．5 N·m负载干扰条件下，RBF—PID的 提花电机转速波动是模糊PID转速波动的一半左 右，并且转速恢复到100 r／min时间减小8 ms，改善 了提花电机的抗干扰能力，提高了系统稳定性。 (3)对比试验和仿真结果，速度响应曲线一致， 验证了RBF—PID控制策略的有效性。