JPH09110251A - ウェブ張力制御方法 - Google Patents
ウェブ張力制御方法Info
- Publication number
- JPH09110251A JPH09110251A JP29909795A JP29909795A JPH09110251A JP H09110251 A JPH09110251 A JP H09110251A JP 29909795 A JP29909795 A JP 29909795A JP 29909795 A JP29909795 A JP 29909795A JP H09110251 A JPH09110251 A JP H09110251A
- Authority
- JP
- Japan
- Prior art keywords
- tension
- speed
- control
- web
- rolls
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Controlling Rewinding, Feeding, Winding, Or Abnormalities Of Webs (AREA)
Abstract
(57)【要約】 （修正有）
【課題】張力系の逆モデルを含んだニューラルネットワ
ークでフィードフォワード補償器のパラメータを適正値
に保つことにより、張力制御性能を改善する。 【解決手段】張力制御ループの動特性を離散時間数学モ
デルで表現し、数学モデルを用いて張力制御系の逆モデ
ルを求め、張力目標値１９・出力間の偏差と張力フィー
ドバック補償器１８の出力とによりニューラルネットワ
ークを学習させる。逆モデルの各パラメータを調整する
フィードフォワード補償要素を張力目標値と駆動ロール
の速度制御部を結ぶループ内に設けて、２つのロール
２，３間のウェブの張力を制御する。
ークでフィードフォワード補償器のパラメータを適正値
に保つことにより、張力制御性能を改善する。 【解決手段】張力制御ループの動特性を離散時間数学モ
デルで表現し、数学モデルを用いて張力制御系の逆モデ
ルを求め、張力目標値１９・出力間の偏差と張力フィー
ドバック補償器１８の出力とによりニューラルネットワ
ークを学習させる。逆モデルの各パラメータを調整する
フィードフォワード補償要素を張力目標値と駆動ロール
の速度制御部を結ぶループ内に設けて、２つのロール
２，３間のウェブの張力を制御する。
Description
【０００１】
【産業上の利用分野】本発明は、金属、紙、フィルム等
の製造・加工設備における、マルチドライブ制御システ
ムの中の制御方法における張力制御方法に関する。
の製造・加工設備における、マルチドライブ制御システ
ムの中の制御方法における張力制御方法に関する。
【０００２】
【従来の技術】図２は、マルチドライブ制御システムの
一部を示している。図において、１はウェブ材料、２、
３は駆動ロール、４は張力検出器、５、６は減速機、
７、８は電動機、９、１０は速度検出器、１１、１２は
ドライブ装置、１３、１４は速度制御器、１５、１６速
度偏差手段、１７は張力偏差手段、１８は張力制御器、
１９は張力指令Ｔref を設定する張力設定器、２０は速
度指令Ｖref を設定する速度指令器から構成され、ロー
ル３は速度制御、ロール２は張力制御されている。ここ
で、張力制御されている部分について、その作用を簡単
に説明する。ロール２は減速機５を介して電動機７に連
結され、その電動機７は速度検出器９より得た速度検出
信号にもとづいて速度制御される速度制御のマイナール
ープを有している。さらに、張力検出器４によってウェ
ブ１の張力を検出し、その張力検出信号Ｔfbを使って、
張力制御器１８により張力制御されている。速度制御部
の速度制御器１３では従来ＰＩ制御またはＰＩＤ制御が
用いられ、張力制御部の張力制御器にもＰＩ制御または
ＰＩＤ制御が用いられている。図３は、従来のＰＩ制御
器を含んだ張力制御系の構成図である。図中２１は、ウ
ェブの張力発生部の伝達関数であり、他の符号は図２に
対応している。図において、速度指令値２０がロール２
の速度制御器１３とロール３の速度制御部１４に入力さ
れ、さらに張力制御器１８の出力が、ロール２の速度制
御器１３に入力される。さらに、張力設定値１９が偏差
手段１７に入力され、得られた張力偏差を、張力制御器
１８に入力し、ここでＰＩ調節演算を実行し、その出力
を操作量２３として、ロール２の速度制御器１３に与
え、張力検出信号Ｔfbが張力目標値Ｔref １９に一致す
るように制御していた。
一部を示している。図において、１はウェブ材料、２、
３は駆動ロール、４は張力検出器、５、６は減速機、
７、８は電動機、９、１０は速度検出器、１１、１２は
ドライブ装置、１３、１４は速度制御器、１５、１６速
度偏差手段、１７は張力偏差手段、１８は張力制御器、
１９は張力指令Ｔref を設定する張力設定器、２０は速
度指令Ｖref を設定する速度指令器から構成され、ロー
ル３は速度制御、ロール２は張力制御されている。ここ
で、張力制御されている部分について、その作用を簡単
に説明する。ロール２は減速機５を介して電動機７に連
結され、その電動機７は速度検出器９より得た速度検出
信号にもとづいて速度制御される速度制御のマイナール
ープを有している。さらに、張力検出器４によってウェ
ブ１の張力を検出し、その張力検出信号Ｔfbを使って、
張力制御器１８により張力制御されている。速度制御部
の速度制御器１３では従来ＰＩ制御またはＰＩＤ制御が
用いられ、張力制御部の張力制御器にもＰＩ制御または
ＰＩＤ制御が用いられている。図３は、従来のＰＩ制御
器を含んだ張力制御系の構成図である。図中２１は、ウ
ェブの張力発生部の伝達関数であり、他の符号は図２に
対応している。図において、速度指令値２０がロール２
の速度制御器１３とロール３の速度制御部１４に入力さ
れ、さらに張力制御器１８の出力が、ロール２の速度制
御器１３に入力される。さらに、張力設定値１９が偏差
手段１７に入力され、得られた張力偏差を、張力制御器
１８に入力し、ここでＰＩ調節演算を実行し、その出力
を操作量２３として、ロール２の速度制御器１３に与
え、張力検出信号Ｔfbが張力目標値Ｔref １９に一致す
るように制御していた。
【０００３】
【発明が解決しようとする課題】ところが、従来技術で
は、張力目標値に対して、フィードバック補償器しか持
たないため、目標値追従特性に限界があった。また、目
標値追従特性の改善には、張力系の逆モデルを有するフ
ィードフォワード補償器を用いる手法も考えられるが、
ウェブの種類変更等による制御対象のパラメータ変動が
生じるため、補償器のパラメータも適正値ではなくな
り、固定パラメータで構成された逆モデルを有するフィ
ードフォワード補償器では性能改善が望めなかった。そ
こで、本発明では、張力目標値追従特性を向上させるた
め、張力系の逆モデルを含んだニューラルネットワーク
により調整することによって、フィードフォワード補償
器のパラメータを適正値に保つことにより、張力制御性
能を大きく改善する制御方法を提供することを目的とす
る。
は、張力目標値に対して、フィードバック補償器しか持
たないため、目標値追従特性に限界があった。また、目
標値追従特性の改善には、張力系の逆モデルを有するフ
ィードフォワード補償器を用いる手法も考えられるが、
ウェブの種類変更等による制御対象のパラメータ変動が
生じるため、補償器のパラメータも適正値ではなくな
り、固定パラメータで構成された逆モデルを有するフィ
ードフォワード補償器では性能改善が望めなかった。そ
こで、本発明では、張力目標値追従特性を向上させるた
め、張力系の逆モデルを含んだニューラルネットワーク
により調整することによって、フィードフォワード補償
器のパラメータを適正値に保つことにより、張力制御性
能を大きく改善する制御方法を提供することを目的とす
る。
【０００４】
【課題を解決するための手段】上記課題を解決するた
め、本発明は 紙、フィルタおよび金属帯などのウェブ
材料を移送する複数のロール駆動用電動機のそれぞれが
ライン速度を基準とする速度指令に基づく速度制御ルー
プを有し、相隣接する前記２つのロール駆動用電動機の
一方は、前記速度制御ループをマイナループとし、かつ
相隣接する前記２つのロール間のウェブ張力の検出張力
をフィードバック信号とする張力制御ループを有するよ
うにした複数のロールを駆動する電動機により、前記２
つのロール間のウェブの張力を制御するウェブ張力制御
方法において、前記張力制御ループの動特性を離散時間
数学モデルで表現し、前記数学モデルを用いて張力制御
系の逆モデルを求め、張力目標値・出力間の偏差と張力
フィードバック補償器の出力とによりニューラルネット
ワークを学習させて、前記逆モデルの各パラメータを調
整するフィードフォワード補償要素を張力目標値と駆動
ロールの速度制御部を結ぶループ内に設け、張力目標値
追従特性を向上させるようにしたものである。
め、本発明は 紙、フィルタおよび金属帯などのウェブ
材料を移送する複数のロール駆動用電動機のそれぞれが
ライン速度を基準とする速度指令に基づく速度制御ルー
プを有し、相隣接する前記２つのロール駆動用電動機の
一方は、前記速度制御ループをマイナループとし、かつ
相隣接する前記２つのロール間のウェブ張力の検出張力
をフィードバック信号とする張力制御ループを有するよ
うにした複数のロールを駆動する電動機により、前記２
つのロール間のウェブの張力を制御するウェブ張力制御
方法において、前記張力制御ループの動特性を離散時間
数学モデルで表現し、前記数学モデルを用いて張力制御
系の逆モデルを求め、張力目標値・出力間の偏差と張力
フィードバック補償器の出力とによりニューラルネット
ワークを学習させて、前記逆モデルの各パラメータを調
整するフィードフォワード補償要素を張力目標値と駆動
ロールの速度制御部を結ぶループ内に設け、張力目標値
追従特性を向上させるようにしたものである。
【０００５】
【作用】上記手段により、張力目標値が変化した場合で
も、ニューラルネットワークの学習により、フィードフ
ォワード補償器のパラメータが適正値に調整されている
ので、良好な追従特性を得ることができる。
も、ニューラルネットワークの学習により、フィードフ
ォワード補償器のパラメータが適正値に調整されている
ので、良好な追従特性を得ることができる。
【０００６】
【実施例】以下、本発明の具体的実施例を図に基づいて
説明する。図１は、本発明の制御原理を示す図で、ニュ
ーラルネットワークによる学習によりパラメータ調整さ
れるフィードフォワード補償器を有する張力制御方法を
示す構成図である。以下の実施例では、前記各ロールの
機械的特性数Ｔm をロール２では、ＴMA、ロール３では
ＴMBとし、前記各ロールの速度制御比例ゲインをロール
２ではＫVA、ロール３ではＫVBとしている。図におい
て、１３、１４、１８、２０、２３、２５は、図２、３
と共通で、２１は図３の２１に共通である。２２はニュ
ラルネットワークの学習によりパラメータ調整される張
力フィードフォワード補償器である。張力フィードバッ
ク補償器１８の出力２３から、実張力２５までの数学モ
デルは、簡略的に２次系の標準型として（１）式で表さ
れる。 Ｙ（ｓ）＝（ｂ0 c ／ｓ2 ＋ａ1 C ｓ ＋ａ 0 C ）Ｕ（ｓ） （１） ここで、Ｙ（ｓ）、Ｕ（ｓ）は、各々実張力２５と張力
フィードバック補償器１８の出力２３をラプラス変換し
たものである。また、（１）式中の各パラメータ
ｂ0 c 、ａ c、ａ0 c はロール２の速度制御ゲイン
ＫVA、機械的時定数ＴMA，ロール３の速度制御ゲインＫ
VB、積分時間ＴVB、機械的時定数ＴMB、張力発生部２１
のパラメータＴx 、Ｋx 、張力・トルク変換定数ＫA 、
ＫB により表現されるものである。図１の張力フィード
フォワード補償器２２は、通常、マイクロプロセッサを
使用して離散時間にて設計するので、（１）式を、離散
化すると（２）式のようになる。 Ａ（ｚ-1）ｙ（ｋ）＝ｚ-2Ｂ（ｚ-1）ｕ（ｋ） （２） 但し、 Ａ（ｚ-1）＝１＋ａ1 ｚ-1＋ａ2 ｚ-2 Ｂ（ｚ-1）＝ｂ0 ＋ｂ1 ｚ-1 ｚ-1：遅れ演算子 である。Ａ（ｚ-1）、Ｂ（ｚ-1）のパラメータは、
（１）式の各パラメータとサンプリング時間により決定
され、一般に時変パラメータである。（２）式より、制
御対象を差分表現すると（３）式となる。 ｙ（ｋ）＝−ａ1 ｙ（ｋ−１）−ａ2 ｙ（ｋ−２）＋ｂ0 ｕ（ｋ−２）＋ ｂ1 ｕ（ｋ−３） （３） （３）式を入力ｕ（ｋ）について解くと、（４）式とな
る。 ｕ（ｋ）＝１／ｂ0 ｙ（ｋ＋２）＋ａ1 ／ｂ0 ｙ（ｋ＋１）＋ａ2 ／ｂ0 ｙ （ｋ）−ｂ1 ／ｂ0 ｕ（ｋ−１） （４） （４）式は、離散時間系における張力系の逆システムと
なる。ここで、（５）式のような入力を考える。 ｕ（ｋ）＝１／ｂ0 ｙｄ（ｋ＋２）＋ａ1 ／ｂ0 ｙｄ（ｋ＋１）＋ａ2 ／ｂ 0 ｙｄ（ｋ）−ｂ1 ／ｂ0 ｕ（ｋ−１） （５） ここで、ｙｄ（ｋ）は張力目標値Ｔｒｅｆを離散時間表
現したものである。また、ｚ-2Ｂ（ｚ-1）／Ａ（ｚ-1）
＝Ｇ（ｚ-1）とおくと、（２）式は、 ｙ（ｋ）＝Ｇ（ｚ-1）ｕ（ｋ） （５Ａ） と表すことができる。（４）式は張力系の逆モデルであ
るので、 ｕ（ｋ）＝（Ｇ（ｚ-1））-1ｙ（ｋ） （５Ｂ） と表すことができる。よって、（５）式は、 ｕ（ｋ）＝（Ｇ（ｚ-1））-1ｙｄ（ｋ） （５Ｃ） となる。（５Ｃ）式を（５Ａ）式に代入すると、（６）
式を得る。 ｙ（ｋ）＝Ｇ（ｚ-1）（Ｇ（ｚ-1））-1ｙｄ（ｋ）＝１・ｙｄ（ｋ） （６） （６）式より、目標値と出力が一致することがわかる。
しかし、前述ように、（２）式中のｂ0 、ｂ1 、ａ1 、
ａ2 は一般に時変パラメータであるから、固定要素とし
て設定することはできない。そこで、張力偏差及び、張
力フィードバック補償器の出力２３を０とするようにニ
ューラルネットワークを学習させ、制御目的を達成する
ことを考える。そこで、張力フィードフォワード補償器
２２の出力Ｘff２４を（７）式で構成することを考え
る。 Ｘff（ｋ）＝Ｗ1 （ｋ）ｙｄ（ｋ＋２）＋Ｗ2 （ｋ）ｙｄ（ｋ＋１）＋Ｗ3 （ｋ）ｙｄ（ｋ）＋Ｗ4 （ｋ）Ｘff（ｋ−１） （７） ここで、各状態変数ｙｄ（ｋ＋ｉ）〔ｉ＝０、１、２、
Ｘff（ｋ−ｍ）Ｉｍ＝０、１〕の係数Ｗn 〔ｎ＝１〜
４〕は、最急降下法を用いて、（８）〜（１１）式で学
習する。 Ｗ1 （ｋ）＝Ｗ1 （ｋ−１）＋ε・Ｘfb（ｋ−１）・ｙｄ（ｋ＋１）（８） Ｗ2 （ｋ）＝Ｗ2 （ｋ−１）＋ε・Ｘfb（ｋ−１）・ｙｄｈ （９） Ｗ3 （ｋ）＝Ｗ3 （ｋ−１）＋ε・Ｘfb（ｋ−１）・ｙｄ（ｋ−１）（１０） Ｗ4 （ｋ）＝Ｗ4 （ｋ−１）＋ε・Ｘfb（ｋ−１）・Ｘff（ｋ−２）（１１） 但し、Ｘfb（ｋ−１）＝α・ｅ（ｋ）・βｕ（ｋ） であり、α、βは影響係数として、適当に与えられるも
のである。また、（８）〜（１１）式は、適当な初期値
Ｗ1 （０）、Ｗ2 （０）、Ｗ3 （０）、Ｗ4 （０）と、
重みεを与えられ、制御中オンラインで演算が実行され
る。（７）式の構成をネットワーク的に表現すると、図
４となる。（８）〜（１１）式の学習則により、張力フ
ィードフォワード補償器２２の出力Ｘff２４がつねに適
正値に保たれるので、良好な追従特性が得られる。張力
制御系に、従来の制御手法であるＰＩ制御器を用いた場
合と、本発明であるニューラルネットワークの学習によ
りパラメータ調整されるフィードフォワード補償器を有
する制御手法を用いた場合の数値シュミレーション結果
を図５、６に示す。シュミレーション条件はすべて同じ
で、図５に示すように、最初ライン速度Ｖ1 〔ｍ／
ｓ〕、張力目標値ｆ1 〔ｋｇ〕で制御を行う。ｔ
1 〔ｓ〕からｔ2 〔ｓ〕の（ｔ2 −ｔ1 ）秒間に、設定
ライン速度Ｖ2 〔ｍ／ｓ〕となるように、直線的に加速
する。加速終了後、ｔ3 〔ｓ〕に張力目標値を、ｆ
2 〔ｋｇ〕までステップ状に変更する。図５のＰＩ制御
器のパラメータは、外乱条件を満足するよう高いゲイン
に設定している。そのため加速時の張力変動は、抑えら
れている。しかし、張力目標値変更時には張力実績が大
きく振動してしまっている。これに対し、本発明を用い
ることによって、張力変動が良好に抑制され、従来方法
では得られなかった高い制御性能を得ることができるこ
とが図６よりわかる。
説明する。図１は、本発明の制御原理を示す図で、ニュ
ーラルネットワークによる学習によりパラメータ調整さ
れるフィードフォワード補償器を有する張力制御方法を
示す構成図である。以下の実施例では、前記各ロールの
機械的特性数Ｔm をロール２では、ＴMA、ロール３では
ＴMBとし、前記各ロールの速度制御比例ゲインをロール
２ではＫVA、ロール３ではＫVBとしている。図におい
て、１３、１４、１８、２０、２３、２５は、図２、３
と共通で、２１は図３の２１に共通である。２２はニュ
ラルネットワークの学習によりパラメータ調整される張
力フィードフォワード補償器である。張力フィードバッ
ク補償器１８の出力２３から、実張力２５までの数学モ
デルは、簡略的に２次系の標準型として（１）式で表さ
れる。 Ｙ（ｓ）＝（ｂ0 c ／ｓ2 ＋ａ1 C ｓ ＋ａ 0 C ）Ｕ（ｓ） （１） ここで、Ｙ（ｓ）、Ｕ（ｓ）は、各々実張力２５と張力
フィードバック補償器１８の出力２３をラプラス変換し
たものである。また、（１）式中の各パラメータ
ｂ0 c 、ａ c、ａ0 c はロール２の速度制御ゲイン
ＫVA、機械的時定数ＴMA，ロール３の速度制御ゲインＫ
VB、積分時間ＴVB、機械的時定数ＴMB、張力発生部２１
のパラメータＴx 、Ｋx 、張力・トルク変換定数ＫA 、
ＫB により表現されるものである。図１の張力フィード
フォワード補償器２２は、通常、マイクロプロセッサを
使用して離散時間にて設計するので、（１）式を、離散
化すると（２）式のようになる。 Ａ（ｚ-1）ｙ（ｋ）＝ｚ-2Ｂ（ｚ-1）ｕ（ｋ） （２） 但し、 Ａ（ｚ-1）＝１＋ａ1 ｚ-1＋ａ2 ｚ-2 Ｂ（ｚ-1）＝ｂ0 ＋ｂ1 ｚ-1 ｚ-1：遅れ演算子 である。Ａ（ｚ-1）、Ｂ（ｚ-1）のパラメータは、
（１）式の各パラメータとサンプリング時間により決定
され、一般に時変パラメータである。（２）式より、制
御対象を差分表現すると（３）式となる。 ｙ（ｋ）＝−ａ1 ｙ（ｋ−１）−ａ2 ｙ（ｋ−２）＋ｂ0 ｕ（ｋ−２）＋ ｂ1 ｕ（ｋ−３） （３） （３）式を入力ｕ（ｋ）について解くと、（４）式とな
る。 ｕ（ｋ）＝１／ｂ0 ｙ（ｋ＋２）＋ａ1 ／ｂ0 ｙ（ｋ＋１）＋ａ2 ／ｂ0 ｙ （ｋ）−ｂ1 ／ｂ0 ｕ（ｋ−１） （４） （４）式は、離散時間系における張力系の逆システムと
なる。ここで、（５）式のような入力を考える。 ｕ（ｋ）＝１／ｂ0 ｙｄ（ｋ＋２）＋ａ1 ／ｂ0 ｙｄ（ｋ＋１）＋ａ2 ／ｂ 0 ｙｄ（ｋ）−ｂ1 ／ｂ0 ｕ（ｋ−１） （５） ここで、ｙｄ（ｋ）は張力目標値Ｔｒｅｆを離散時間表
現したものである。また、ｚ-2Ｂ（ｚ-1）／Ａ（ｚ-1）
＝Ｇ（ｚ-1）とおくと、（２）式は、 ｙ（ｋ）＝Ｇ（ｚ-1）ｕ（ｋ） （５Ａ） と表すことができる。（４）式は張力系の逆モデルであ
るので、 ｕ（ｋ）＝（Ｇ（ｚ-1））-1ｙ（ｋ） （５Ｂ） と表すことができる。よって、（５）式は、 ｕ（ｋ）＝（Ｇ（ｚ-1））-1ｙｄ（ｋ） （５Ｃ） となる。（５Ｃ）式を（５Ａ）式に代入すると、（６）
式を得る。 ｙ（ｋ）＝Ｇ（ｚ-1）（Ｇ（ｚ-1））-1ｙｄ（ｋ）＝１・ｙｄ（ｋ） （６） （６）式より、目標値と出力が一致することがわかる。
しかし、前述ように、（２）式中のｂ0 、ｂ1 、ａ1 、
ａ2 は一般に時変パラメータであるから、固定要素とし
て設定することはできない。そこで、張力偏差及び、張
力フィードバック補償器の出力２３を０とするようにニ
ューラルネットワークを学習させ、制御目的を達成する
ことを考える。そこで、張力フィードフォワード補償器
２２の出力Ｘff２４を（７）式で構成することを考え
る。 Ｘff（ｋ）＝Ｗ1 （ｋ）ｙｄ（ｋ＋２）＋Ｗ2 （ｋ）ｙｄ（ｋ＋１）＋Ｗ3 （ｋ）ｙｄ（ｋ）＋Ｗ4 （ｋ）Ｘff（ｋ−１） （７） ここで、各状態変数ｙｄ（ｋ＋ｉ）〔ｉ＝０、１、２、
Ｘff（ｋ−ｍ）Ｉｍ＝０、１〕の係数Ｗn 〔ｎ＝１〜
４〕は、最急降下法を用いて、（８）〜（１１）式で学
習する。 Ｗ1 （ｋ）＝Ｗ1 （ｋ−１）＋ε・Ｘfb（ｋ−１）・ｙｄ（ｋ＋１）（８） Ｗ2 （ｋ）＝Ｗ2 （ｋ−１）＋ε・Ｘfb（ｋ−１）・ｙｄｈ （９） Ｗ3 （ｋ）＝Ｗ3 （ｋ−１）＋ε・Ｘfb（ｋ−１）・ｙｄ（ｋ−１）（１０） Ｗ4 （ｋ）＝Ｗ4 （ｋ−１）＋ε・Ｘfb（ｋ−１）・Ｘff（ｋ−２）（１１） 但し、Ｘfb（ｋ−１）＝α・ｅ（ｋ）・βｕ（ｋ） であり、α、βは影響係数として、適当に与えられるも
のである。また、（８）〜（１１）式は、適当な初期値
Ｗ1 （０）、Ｗ2 （０）、Ｗ3 （０）、Ｗ4 （０）と、
重みεを与えられ、制御中オンラインで演算が実行され
る。（７）式の構成をネットワーク的に表現すると、図
４となる。（８）〜（１１）式の学習則により、張力フ
ィードフォワード補償器２２の出力Ｘff２４がつねに適
正値に保たれるので、良好な追従特性が得られる。張力
制御系に、従来の制御手法であるＰＩ制御器を用いた場
合と、本発明であるニューラルネットワークの学習によ
りパラメータ調整されるフィードフォワード補償器を有
する制御手法を用いた場合の数値シュミレーション結果
を図５、６に示す。シュミレーション条件はすべて同じ
で、図５に示すように、最初ライン速度Ｖ1 〔ｍ／
ｓ〕、張力目標値ｆ1 〔ｋｇ〕で制御を行う。ｔ
1 〔ｓ〕からｔ2 〔ｓ〕の（ｔ2 −ｔ1 ）秒間に、設定
ライン速度Ｖ2 〔ｍ／ｓ〕となるように、直線的に加速
する。加速終了後、ｔ3 〔ｓ〕に張力目標値を、ｆ
2 〔ｋｇ〕までステップ状に変更する。図５のＰＩ制御
器のパラメータは、外乱条件を満足するよう高いゲイン
に設定している。そのため加速時の張力変動は、抑えら
れている。しかし、張力目標値変更時には張力実績が大
きく振動してしまっている。これに対し、本発明を用い
ることによって、張力変動が良好に抑制され、従来方法
では得られなかった高い制御性能を得ることができるこ
とが図６よりわかる。
【０００７】
【発明の効果】以上述べたように、本発明によれば、制
御対象である張力系に時変パラメータが、含まれてお
り、かつ、張力目標値が変更されても、張力フィードフ
ォワード補償器のパラメータがニューラルネットワーク
の学習により、自動調整されるので、張力制御性能を大
幅に向上させることができる。
御対象である張力系に時変パラメータが、含まれてお
り、かつ、張力目標値が変更されても、張力フィードフ
ォワード補償器のパラメータがニューラルネットワーク
の学習により、自動調整されるので、張力制御性能を大
幅に向上させることができる。
【図１】本発明の実施例
【図２】マルチドライブ制御システムにおける張力制御
系
系
【図３】従来の実施例
【図４】本発明のニューラルネットワーク構成
【図５】従来技術による張力制御のシミュレーション
【図６】本発明による張力制御のシミュレーション
１ ウェブ材料 ２、３ 駆動ロール ４ 張力検出器 ５、６ 減速器 ７、８ 電動機 ９、１０ 速度検出器 １１、１２ ドライブ装置 １３、１４ 速度検出器 １５、１６ 速度偏差手段 １７ 張力偏差手段 １８ 張力フィードバック補償器 １９ 張力目標値 ２０ 速度指令値 ２１ 張力発生部 ２２ ニューラルネットワークによる張力フィードフォ
ワード補償器 ２３ 張力実績 ２４ 張力フィードフォワード補償器出力 ２５ 張力フィードフォワード補償器出力
ワード補償器 ２３ 張力実績 ２４ 張力フィードフォワード補償器出力 ２５ 張力フィードフォワード補償器出力
Claims (1)
- 【請求項１】紙、フィルタおよび金属帯などのウェブ材
料を移送する複数のロール駆動用電動機のそれぞれがラ
イン速度を基準とする速度指令に基づく速度制御ループ
を有し、相隣接する前記２つのロール駆動用電動機の一
方は、前記速度制御ループをマイナループとし、かつ相
隣接する前記２つのロール間のウェブ張力の検出張力を
フィードバック信号とする張力制御ループを有するよう
にした複数のロールを駆動する電動機により、前記２つ
のロール間のウェブの張力を制御するウェブ張力制御方
法において、 前記張力制御ループの動特性を離散時間数学モデルで表
現し、前記数学モデルを用いて張力制御系の逆モデルを
求め、張力目標値・出力間の偏差と張力フィードバック
補償器の出力とによりニューラルネットワークを学習さ
せて、前記逆モデルの各パラメータを調整するフィード
フォワード補償要素を張力目標値と駆動ロールの速度制
御部を結ぶループ内に設けて、前記２つのロール間のウ
ェブの張力を制御することを特徴とするウェブ張力制御
方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP29909795A JPH09110251A (ja) | 1995-10-23 | 1995-10-23 | ウェブ張力制御方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP29909795A JPH09110251A (ja) | 1995-10-23 | 1995-10-23 | ウェブ張力制御方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH09110251A true JPH09110251A (ja) | 1997-04-28 |
Family
ID=17868122
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP29909795A Pending JPH09110251A (ja) | 1995-10-23 | 1995-10-23 | ウェブ張力制御方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH09110251A (ja) |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2014112282A (ja) * | 2012-12-05 | 2014-06-19 | Fuji Heavy Ind Ltd | 飛行制御システム |
| CN105186938A (zh) * | 2015-08-28 | 2015-12-23 | 江苏大学 | 一种两电机调速系统无传感器张力辨识方法 |
| JP5963994B1 (ja) * | 2015-02-18 | 2016-08-03 | 三菱電機株式会社 | 回転パターン生成装置及び回転パターン生成方法 |
| CN105873841A (zh) * | 2013-12-17 | 2016-08-17 | 三菱电机株式会社 | 辊间输送控制装置 |
| WO2018158828A1 (ja) * | 2017-02-28 | 2018-09-07 | 東芝三菱電機産業システム株式会社 | シート材生産ラインの数学モデル算出装置および制御装置 |
| CN115520700A (zh) * | 2022-10-25 | 2022-12-27 | 浙江御辰东智能科技有限公司 | 一种多轴多传感器融合的张力稳定方法及装置 |
| CN115594000A (zh) * | 2022-11-07 | 2023-01-13 | 浙江生波智能装备有限公司（Cn） | 卷绕机张力控制系统快捷调试和保存pid参数的方法 |
| CN117775886A (zh) * | 2024-02-26 | 2024-03-29 | 太原理工大学 | 一种用于纤维缠绕的高性能张力控制方法及系统 |
| CN119976496A (zh) * | 2024-12-31 | 2025-05-13 | 江西省深耕铜箔科技有限公司 | 复合铜箔连续生产线上的张力调节设备的控制方法 |
-
1995
- 1995-10-23 JP JP29909795A patent/JPH09110251A/ja active Pending
Cited By (19)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2014112282A (ja) * | 2012-12-05 | 2014-06-19 | Fuji Heavy Ind Ltd | 飛行制御システム |
| CN105873841A (zh) * | 2013-12-17 | 2016-08-17 | 三菱电机株式会社 | 辊间输送控制装置 |
| US10029873B2 (en) | 2013-12-17 | 2018-07-24 | Mitsubishi Electric Corporation | Apparatus for controlling conveyance between rollers |
| WO2016132495A1 (ja) * | 2015-02-18 | 2016-08-25 | 三菱電機株式会社 | 回転パターン生成装置及び回転パターン生成方法 |
| JP5963994B1 (ja) * | 2015-02-18 | 2016-08-03 | 三菱電機株式会社 | 回転パターン生成装置及び回転パターン生成方法 |
| CN106061874A (zh) * | 2015-02-18 | 2016-10-26 | 三菱电机株式会社 | 旋转模式生成装置及旋转模式生成方法 |
| CN106061874B (zh) * | 2015-02-18 | 2017-12-01 | 三菱电机株式会社 | 旋转模式生成装置及旋转模式生成方法 |
| CN105186938B (zh) * | 2015-08-28 | 2018-02-27 | 江苏大学 | 一种两电机调速系统无传感器张力辨识方法 |
| CN105186938A (zh) * | 2015-08-28 | 2015-12-23 | 江苏大学 | 一种两电机调速系统无传感器张力辨识方法 |
| CN109843764A (zh) * | 2017-02-28 | 2019-06-04 | 东芝三菱电机产业系统株式会社 | 片材生产线的数学模型计算装置及控制装置 |
| WO2018158828A1 (ja) * | 2017-02-28 | 2018-09-07 | 東芝三菱電機産業システム株式会社 | シート材生産ラインの数学モデル算出装置および制御装置 |
| JPWO2018158828A1 (ja) * | 2017-02-28 | 2019-11-07 | 東芝三菱電機産業システム株式会社 | シート材生産ラインの数学モデル算出装置および制御装置 |
| CN109843764B (zh) * | 2017-02-28 | 2020-08-18 | 东芝三菱电机产业系统株式会社 | 片材生产线的数学模型计算装置及控制装置 |
| CN115520700A (zh) * | 2022-10-25 | 2022-12-27 | 浙江御辰东智能科技有限公司 | 一种多轴多传感器融合的张力稳定方法及装置 |
| CN115520700B (zh) * | 2022-10-25 | 2023-11-28 | 浙江御辰东智能科技有限公司 | 一种多轴多传感器融合的张力稳定方法及装置 |
| CN115594000A (zh) * | 2022-11-07 | 2023-01-13 | 浙江生波智能装备有限公司（Cn） | 卷绕机张力控制系统快捷调试和保存pid参数的方法 |
| CN117775886A (zh) * | 2024-02-26 | 2024-03-29 | 太原理工大学 | 一种用于纤维缠绕的高性能张力控制方法及系统 |
| CN117775886B (zh) * | 2024-02-26 | 2024-05-10 | 太原理工大学 | 一种用于纤维缠绕的高性能张力控制方法及系统 |
| CN119976496A (zh) * | 2024-12-31 | 2025-05-13 | 江西省深耕铜箔科技有限公司 | 复合铜箔连续生产线上的张力调节设备的控制方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Hou et al. | Active disturbance rejection control for web tension regulation | |
| JP3575148B2 (ja) | サーボ機構の自動ゲイン調整方法及び装置 | |
| JPS6333389B2 (ja) | ||
| US20090248176A1 (en) | Method and Apparatus for Adaptive Cascade Proportional-Integral-Derivative Controller | |
| JPH09110251A (ja) | ウェブ張力制御方法 | |
| Gorez | Globally stable PID-like control of mechanical systems | |
| CN110805523B (zh) | 一种基于神经网络的风电磁悬浮偏航系统悬浮控制方法 | |
| JP2006008322A (ja) | ロール制御装置 | |
| JPH10329063A (ja) | ロボット制御装置 | |
| JPH06274205A (ja) | ゲイン適応形調節装置 | |
| CA2060225C (en) | Velocity pi regulator with negative feedforward to control response of command inputs independent of torque disturbances | |
| US20050222695A1 (en) | Sliding mode controller position control device | |
| JP3446595B2 (ja) | サーボ装置 | |
| JP2009510627A (ja) | モータおよびコントローラの反転：位置制御ロボットに対するトルク指令 | |
| US20230315029A1 (en) | Control system, control device, control method, and control program | |
| JPH07323945A (ja) | 張力制御方法 | |
| JPH07196216A (ja) | 張力制御方法 | |
| JP2851448B2 (ja) | サーボ制御装置 | |
| EP0550356B1 (en) | Digital PID control | |
| JP4036520B2 (ja) | 単純適応制御装置 | |
| JPH03122701A (ja) | セルフチューニング方法 | |
| JPH0475113A (ja) | 制御装置 | |
| JPH0724886B2 (ja) | タ−ンオ−バ装置の位置決め制御方法 | |
| Jansen et al. | Design of a telerobotic controller with joint torque sensors | |
| Dote et al. | Disturbance observer-based robust and fast speed controller for induction motors |