碳纖維多級拉伸過程的協(xié)同控制與優(yōu)化研究.pdf

1、經(jīng)過多道復雜工序的高質量聚丙烯腈（PAN）碳纖維原絲的輸出，對于后續(xù)高性能產(chǎn)品的生產(chǎn)和設計有著重要的意義，其中拉伸工藝是由強度逐級提高的多級拉伸組成，在不同溫度環(huán)境下進行強度逐漸增大的拉伸，對增加原絲的斷裂強度和韌性等性能是必不可少的一組工藝過程。但是從控制的連續(xù)性、可靠性和高效性角度看，如何根據(jù)輸出性能的實時變化來及時地調整各級牽伸率，解決各級牽伸率調整和原絲張力等變量之間的耦合關系，保證輸出響應的動態(tài)和穩(wěn)態(tài)性能，是該領域具有挑戰(zhàn)性的

2、任務。本論文基于人體免疫系統(tǒng)的自主性細胞因子網(wǎng)絡抽象出嚴格的數(shù)學模型來描述其調節(jié)機制及其控制方法，針對這一高度復雜并且多級之間存在耦合過程的非線性系統(tǒng)，提出了一種精確的協(xié)同控制網(wǎng)絡和在線調節(jié)功能架構，來整合這種分布式系統(tǒng)。在此控制架構上，實現(xiàn)其智能化協(xié)同控制，來應對系統(tǒng)中可能出現(xiàn)的各種負載擾動以及高聚物原絲與輥軸之間摩擦系數(shù)擾動問題、模型-對象不匹配問題、以及系統(tǒng)的動態(tài)不確定性，不僅能夠保證各級控制內環(huán)的穩(wěn)定，尤其能夠根據(jù)輸出性能的要求

3、，對每級牽伸率控制器進行在線的修正，使其各級子單元被控變量的冗余性得到充分利用，來應對此類系統(tǒng)的高度復雜性和行為的不確定性。本論文的主要貢獻如下：
　?。?）針對細胞因子網(wǎng)絡各種不同因子之間的相互聯(lián)系和不同類型因子對一類抗體分泌的動態(tài)調控機制，建立嚴格的數(shù)學模型。將這種生物網(wǎng)絡模型與碳纖維的多級拉伸模型相對應，建立了牽伸網(wǎng)絡架構，包含完整的多級拉伸動態(tài)過程和相應控制輸入接口，并植入控制分配算法來實現(xiàn)對多級被控變量的調整，有效地將多

4、級牽伸的控制過程聯(lián)系起來，實現(xiàn)對拉伸區(qū)恒張力的精確控制。此架構為后續(xù)結構更加復雜、層次更多的系統(tǒng)的控制算法及在線動態(tài)優(yōu)化方法搭建了完整的模型架構和控制算法的仿真平臺，并且為在此模型基礎上提出協(xié)同控制體系提供了理論依據(jù)。
　?。?）依據(jù)因子網(wǎng)絡模型建立的牽伸網(wǎng)絡模型（CNSN），將控制分配算法植入兩級拉伸過程中拉伸張力與原絲移動速度的解耦控制中，該算法依據(jù)對拉伸過程充分的了解，建立了和對象模型相關的二次優(yōu)化目標函數(shù)模型，采用負梯度下

5、降法來對目標函數(shù)進行求解，所得結果作為多級牽伸率控制器的驅動，以在線的方式完成對牽伸率的分配，將兩級之間相互影響的輥軸速度和張力進行解耦，實現(xiàn)拉伸區(qū)內張力的精確控制和動態(tài)性能。所提出的方法有一定的通用性，基于模擬因子之間作用的常微分方程模型和對自身抗原消除產(chǎn)生的不同類型抗體量的在線控制分配，構建對象系統(tǒng)的目標函數(shù)模型，并輔以優(yōu)化算法，實現(xiàn)在線消除控制偏差，解決了傳統(tǒng)算法對高精度模型的依賴，有利于向大范圍、多層次的工業(yè)系統(tǒng)推廣。仿真實驗證

6、明 CNSN較傳統(tǒng)方法有著更優(yōu)秀的控制動態(tài)性能和更穩(wěn)定的各級子拉伸單元恒張力輸出。
　　（3）在實現(xiàn)牽伸網(wǎng)絡的構建和控制分配算法的運用之后，針對三級過程的不確定性和非線性特征，尤其是模型-對象的不匹配、高聚物材料與羅拉摩擦系數(shù)的不確定性和電機負載的擾動等，以及相鄰兩級子過程之間的非線性耦合關系，采用基于免疫自適應的在線協(xié)同控制分配方法（ICCA），實現(xiàn)了對各級牽伸率進行分配來消除動態(tài)過程的非線性特征。ICCA根據(jù)所描述兩級拉伸過程

7、關系的動力學模型，將其數(shù)學化為張力輸出的目標函數(shù)，并在牽伸率的約束范圍內采用動態(tài)規(guī)劃方法最終在線得到多級操縱變量的最優(yōu)組合。此方法的優(yōu)點在于能夠分階段地優(yōu)化，在一個分配周期內同時得到每個不同階段的最優(yōu)解。根據(jù)最優(yōu)解調整各級子系統(tǒng)的自適應控制器，來分別驅動各級的實際牽伸率，實現(xiàn)每級子對象的恒張力輸出，同時保證輸出的穩(wěn)定性和較滿意的動態(tài)性能。通過在三級牽伸模型的平臺上進行實驗，結果表明，相比于傳統(tǒng)的PI算法和僅通過控制分配對線性化系統(tǒng)的控制

8、網(wǎng)絡（CNSN）來進行牽伸率的調節(jié)，所提出的ICCA方法能夠更好地對多個量進行有效的解耦，并且具有良好的過渡響應性能和持續(xù)穩(wěn)定的輸出。
　?。?）在實現(xiàn)免疫自適應控制算法（ICCA）對三級牽伸模型的應用后，對一些特定故障進行了更精確的認知并設計了更加合理的處理方法，一方面考慮纖維原絲拉伸過程中在縱向范圍的非均一化過程和玻璃化溫度范圍，也就是需要根據(jù)應力、應變和張力的變化情況對水浴溫度變化進行判斷，另一方面考慮狀態(tài)方程的殘差模型，共

9、同實現(xiàn)對故障情況的判斷以及后續(xù)的控制重構。針對故障特征類型，提出了一種廣義上的故障診斷算法（AIFP），根據(jù)實時采集到的各個狀態(tài)點的數(shù)據(jù)，基于人體內免疫抗體庫對抗原的識別機理，從對象模型的殘差分析和機理模型分析，挖掘出數(shù)據(jù)歸類情況，實現(xiàn)對故障的預測。當有故障發(fā)生或者輸出性能沒有達到最優(yōu)的情況下，在保證非線性子系統(tǒng)李雅普諾夫平衡點穩(wěn)定性的前提下，計算非線性驅動模塊的約束范圍，來對被控變量進行主動重構（ICR），達到控制動態(tài)和穩(wěn)態(tài)輸出的性能