邦纳PLC和HMI在并条机上的应用

1概述棉条在变成粗纱、细纱的过程中,被成百倍的牵伸,其很短范围内的重不匀将影响很长范围内纱的质量。粗纱前的梳棉和并条过程是改善棉条重不匀,进而显著改善成纱质量的关键工序。并条工序处在改善棉条重不匀的最后环节,其自调匀整控制的效果将直接影响成纱质量。对并条机的自调匀整而言,主牵伸电机、辅助牵伸电机和条筒电机都需要进行控制...     

一种并条机开环自调匀整中的延时控制

为了实现超短片断自调匀整,并条机采用先检后控的开环控制策略。开环自调匀整中延时的精确控制是决定控制效果的一个关键因素,本文提出了一种基于等位移中断的与控制对象的速度无关的延时控制判据,通过工业计算机计数中断的具体方式实现了在任意速度下高效、精确的延时控制。同时,在实现启／停阶段的速度曲线时,没有再增加定时中断作为变速的时间序列,直接以该等位移中断为变速点(时间序列)来实现宽广范围内的速度曲线。这样避免了多重中断,提高了控制的精度,改善了出条的CV％值。将该方法应用于并条机开、关机过程,实现了并条机全程自调匀整控制。     

基于模型参考自适应滑模控制的直线电机速度环研究

为了获得直线电机较高的跟踪和鲁棒性能,在库仑摩擦模型补偿控制基础上,同时考虑动子质量、粘滞摩擦系数的时变性,提出了基于模型参考自适应滑模控制的直线电机速度环控制方案,将模型补偿、自适应补偿尚未能完全补偿的部分当作外界干扰,由滑模控制加以克服。仿真结果表明,该方案可以获得较高的速度跟踪性能和鲁棒性能,并且由于自适应控制的应用,减小了滑模控制引起的抖振。     

两电机传动粗纱机的控制系统

随着计算机及其控制技术的迅猛发展，纺织行业对新技术的需求越来越迫切，急需配备速度快、效率高、可靠性好的新产品。粗纱机是纺织工艺中非常重要的一个设备，其技术特点是：筒管速度随卷绕半径增大而逐渐降低；龙筋升降速度逐层递减；龙筋升降动程逐层缩短。由于数学模型复杂，工艺参数多及负载的时变性，粗纱机控制系统一直是纺织行业的一个技术难点。     

一种高速并条机自调匀整的新型控制系统研究

如何在很高的出条速度下,改善自调匀整性能,是高速并条机研究中的一大难点,为此,提出了一种新型控制系统:在控制结构上采用闭环与开环相结合的混合环控制方式,用以抑制干扰和消除死区;在硬件上采用微机和先进的控制卡保证高速度;软件上利用模糊理论保证控制精度。这种新型控制系统在高速并条机FA398的开发过程中得到了成功应用,证明该新型控制系统是切实可行的。     

基于PC/104的自调匀整装置控制系统的研制

在介绍了PC/104特点的基础上，利用PC/104研制开发出了一种自调匀整装置控制系统，包括PC/104模块的选择、控制系统硬件的结构设计，并给出了控制系统的软件思想和流程图以及系统具备的主要功能。通过现场调试验证，该控制系统运行平稳可靠、控制精度高，特别是稳定性和可靠性大大提高，并且该系统价格低廉、结构紧凑、占用空间小，具有较好的市场应用前景。     

基于Windows NT与实时扩展的开放式数控系统的研究

为了提高数控系统的开放性和运行效率,提出一种基于Windows NT及实时扩展的开放式数控系统架构及其实现方法.在该架构中,实时性弱的任务在通用PC中运行,而实时性强的运动控制任务则分布在伺服驱动器中完成.通用PC和伺服驱动器之间用现场总线进行通讯.系统软件采用模块化设计,各模块之间的通信被抽象和统一为接口,使系统软件具有良好的开放性和可扩展性.     

全分散式数控系统的研究

研究了一个基于现场总线的开放性分散CNC系统,内容主要包括硬件和软件结构的设计,系统配置的实现以及通信协议的设计,用来解决现在通用数控机床的系统结构不能满足开放性、网络化和智能化的要求。最后,用一个基于CANBUS现场总线的实验测试这个系统。     

神经元PID在FA467粗纱机速度控制中的应用

FA467粗纱机控制系统属于大惯量、非线性时变系统，采用传统的PID和通常的自适应控制都不能满足本系统的要求。本文在吸收传统PID控制器简单易懂，不需精确的系统模型优点的基础上，采用一种基于神经网络与PID控制相结合的神经元PID速度控制方法。利用单神经元的自学习、自适应特性，在线改变增益权值，代替传统的PID固定增益，以提高跟踪性能和响应速度。实验证实，该方法大大减少了粗纱机故障几率。     

基于函数逼近的三角函数加减速方法

针对NC系统传统的直线、指数加减速存在冲击、S曲线加减速过程计算复杂的特点，提出了基于函数逼近的三角函数加减速策略。采用逼近误差小、收敛速度快的契比雪夫多项式对加速度正弦函数二阶展开，速度、加减速区间长度等参数则直接利用基于二阶多项式的加速度求解，避免了函数逼近误差对参数计算的影响。新方法保证了加速度和加加速度的平稳变化，同时算法简单，工程实用性好。