第45卷第02期2023-02【159】收稿日期：2021-03-17作者简介：万海超（1996-），男，江西南昌人，硕士研究生，研究方向为机电控制与嵌入式系统。基于改进PSO-BP神经网络的电锭细纱机的PID控制PIDcontrolofspinningframebasedonimprovedPSO-BPneuralnetwork万海超*，何勇WANHai-chao*，HEYong（东华大学机械工程学院，上海201600）摘要：电锭细纱机为单锭单电机驱动，其每个驱动单元为独立运转的无刷直流电机，而传统PID调节无法满足电锭细纱机电锭单元高精度的控制要求，外部的扰动与电机的非线性性将影响细纱机锭子之间的转速，造成锭子之间转速存在较大差异，从而降低了同批纱线的质量。针对这一问题，将改进的PSO-BP神经网络应用于电锭细纱机PID参数的在线整定，减小电机之间的速度波动。引入了逻辑回归特性的惯性权重因子，采用了异步时变的学习策略并结合收敛精度从三方面对粒子群算法进行了优化，改善了网络的初始权值并提高了收敛速度，实验和仿真结果表明，改进后的PID控制器有更高的调速性能和更好的抗干扰能力，有效降低了细纱机锭子之间的转速差。关键词：电锭细纱机；无刷直流电机；BP神经网络；PID控制器；PSO中图分类号：TM33；TS103文献标志码：A文章编号：1009-0134(2023)02-0159-050引言BLDCM体积小、可靠性好、具有较好的调速性能，同时又克服了机械换向器和电刷对电机寿命的影响，因此广泛应用于汽车、航天、机械传动等领域。BLDCM具有强时变性、非线性和强耦合性。传统的PID控制器结构简单，参数固定，难以满足非线性系统的高精度控制要求[1]。传统的环锭纺细纱机采用的是带传动的方式主轴带动一组锭子工作，而新型的电锭细纱机取消了传统的带传动方式，采用的是单锭子单电机驱动，每个锭子都是一个独立的单元，由一台无刷直流电机直接驱动，所以对每个电机的控制精度就显得尤为关键。近年来也出现了很多关于改进PID控制器的方法，文献[2]设计了一种无刷直流电机速度PI控制器，通过比例环节和积分环节系数的调整，改善了速度控制器的灵敏度。文献[3]提出了一种模糊PI控制器，通过模糊自适应PI控制算法，改善了传统PID的响应时间慢等缺陷，但是模糊PI控制算法大多来源于专家的经验，缺少严谨的理论支撑，且超调现象仍然有待提高。文献[4]设计了一种基于传统BP神经网络的PID速度控制器，虽然能够对PID参数进行一定程度的优化，但是仍然存在传统BP神经网络中学习能力差，网络收敛速度慢的问题。文献[5]将传统PID控制与RBF神经网络相...
