基于改进神经网络的降低锭子转速波动控制算法

针对细纱在电锭细纱机上卷绕过程中易出现断头的问题,在不升级电锭细纱机设备的前提下,提出一种改进的神经网络在线实时整定锭子转速PID控制算法。对于神经网络的缺陷,引入粒子群优化(particle swarm optimization,PSO)算法,使电锭细纱机锭子运行过程中转速和转矩波动更小,更好地应对某处纱线张力波动较大的扰动响应。通过搭建实验平台,验证了锭子无刷直流电机优化后的算法相较于经典PID算法,转速波动降低了2.08%,转矩波动降低了8.3%,从而减少了细纱卷绕过程中断头的产生。该方法可应用在细纱产量和质量的优化领域。

基于遗传算法优化的花式捻线机转速值预测

探讨基于遗传算法优化的花式捻线机转速值预测模型。针对纺织厂花式捻线机生产中工艺参数转换至罗拉和锭子转速值的预测问题,采用了遗传算法来优化传统以BP神经网络为基础的预测模型,利用遗传算法的全局寻优特点对BP神经网络的权值和偏置进行优化,再通过BP神经网络算法进行罗拉和锭子转速值的预测,改进了BP神经网络容易陷入局部极小值和收敛速度慢的问题。试验数据表明:基于遗传算法优化的BP神经网络的预测数据精确、误差小。认为:该预测模型可以满足花式捻线机转速值预测的需要。