JPH09110251A - Web tensile force control method - Google Patents
Web tensile force control methodInfo
- 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
- web
- speed
- tensile force
- control
- 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
Description
【０００１】[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。BACKGROUND OF THE INVENTION 1. Field of the Invention The present invention relates to a tension control method in a control method in a multi-drive control system for manufacturing and processing equipment for metal, paper, film and the like.
【０００２】[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。2. Description of the Related Art FIG. 2 shows a part of a multi-drive control system. In the figure, 1 is a web material, 2,
3 is a drive roll, 4 is a tension detector, 5 and 6 are reduction gears,
Reference numerals 7 and 8 are electric motors, 9 and 10 are speed detectors, 11 and 12 are drive devices, 13 and 14 are speed controllers, 15 and 16 speed deviation means, 17 is tension deviation means, and 18 is a tension controller.
Reference numeral 19 is a tension setter that sets a tension command T ref , and 20 is a speed commander that sets a speed command V ref . The roll 3 is speed-controlled and the roll 2 is tension-controlled. Here, the operation of the portion whose tension is controlled will be briefly described. The roll 2 is connected to an electric motor 7 via a speed reducer 5, and the electric motor 7 has a minor loop for speed control in which the speed is controlled based on a speed detection signal obtained from a speed detector 9. Further, the tension of the web 1 is detected by the tension detector 4, and the tension detection signal T fb is used to
The tension is controlled by the tension controller 18. Conventionally, the speed controller 13 of the speed controller uses PI control or PID control, and the tension controller of the tension controller also uses PI control or PID control. FIG. 3 is a configuration diagram of a tension control system including a conventional PI controller. Reference numeral 21 in the figure denotes a transfer function of the tension generating portion of the web, and other reference numerals correspond to those in FIG. In the figure, the speed command value 20 is the roll 2
Is input to the speed controller 13 of the roll 3 and the speed controller 14 of the roll 3, and the output of the tension controller 18 is input to the speed controller 13 of the roll 2. Further, the tension set value 19 is inputted to the deviation means 17, the obtained tension deviation is inputted to the tension controller 18, where PI adjustment calculation is executed, and its output is taken as the manipulated variable 23, and the speed of the roll 2 is set. The tension detection signal T fb was given to the controller 13 and controlled so as to match the tension target value T ref 19.
【０００３】[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。However, in the prior art, there is a limit to the target value tracking characteristic because the tension target value has only a feedback compensator. In addition, a method using a feedforward compensator having an inverse model of the tension system can be considered to improve the target value tracking characteristic,
Since the parameter of the controlled object changes due to the change of the kind of the web, the parameter of the compensator also becomes not an appropriate value, and the performance improvement cannot be expected in the feedforward compensator having the inverse model composed of fixed parameters. Therefore, in the present invention, in order to improve the target tension value tracking characteristic, the tension control performance is improved by maintaining the parameters of the feedforward compensator at appropriate values by adjusting with a neural network including an inverse model of the tension system. An object is to provide a control method that greatly improves.
【０００４】[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。SUMMARY OF THE INVENTION In order to solve the above problems, the present invention provides a plurality of roll driving motors for transferring web materials such as paper, filters, and metal strips to a speed command based on a line speed. One of the two adjacent roll driving electric motors having a speed control loop based on the speed control loop is a minor loop, and the detected tension of the web tension between the two adjacent rolls is a feedback signal. By a motor for driving a plurality of rolls having a tension control loop,
In a web tension control method for controlling the web tension between two rolls, the dynamic characteristics of the tension control loop are represented by a discrete time mathematical model, and an inverse model of the tension control system is obtained using the mathematical model to obtain a desired tension value.・ A feed-forward compensation element that adjusts each parameter of the inverse model by learning the neural network by the deviation between outputs and the output of the tension feedback compensator is placed in a loop that connects the tension target value and the speed control unit of the driving roll. It is provided so as to improve the characteristic of following the target tension value.
【０００５】[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。By the above means, even if the target tension value changes, the parameters of the feedforward compensator are adjusted to appropriate values by learning of the neural network, so good tracking characteristics can be obtained.
【０００６】[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。EXAMPLES Specific examples of the present invention will now be described with reference to the drawings.
explain. FIG. 1 is a diagram showing the control principle of the present invention.
Parameters are adjusted by learning with a local network.
A tension control method having a feedforward compensator
It is a block diagram shown. In the following examples, each of the rolls
Mechanical characteristic number TmIn roll 2, TMA, On roll 3
TMBAnd the speed control proportional gain of each roll
K for 2VA, K for roll 3VBAnd Figure smell
13, 14, 18, 20, 23, 25 are shown in FIGS.
21 is common to 21 of FIG. 22 is a new
Parameter-adjusted by learning Ral network
It is a force feedforward compensator. Tension feed back
From the output 23 of the compensator 18 to the actual tension 25.
Dell is simply expressed by equation (1) as a standard type of quadratic system.
It is. Y (s) = (b0 c/ STwo+ A1 Cs + a0 C) U (s) (1) where Y (s) and U (s) are the actual tension 25 and the tension, respectively.
Laplace transform the output 23 of the feedback compensator 18
It is a thing. Also, each parameter in equation (1)
b0 c, Ac, A0 cIs the speed control gain of roll 2
KVA, Mechanical time constant TMA, Roll 3 speed control gain K
VB, Integration time TVB, Mechanical time constant TMB, Tension generator 21
Parameter Tx, Kx, Tension / torque conversion constant KA,
KBIs represented by. Figure 1 tension feed
Forward compensator 22 is typically a microprocessor
Since it is designed in discrete time using equation (1),
When it becomes, it becomes like Formula (2). A (z-1) Y (k) = z-2B (z-1) U (k) (2) where A (z-1) = 1 + a1z-1+ ATwoz-2 B (z-1) = B0+ B1z-1 z-1: It is a delay operator. A (z-1), B (z-1) Parameter is
Determined by each parameter of equation (1) and sampling time
Are generally time-varying parameters. From formula (2),
Expression (3) is obtained when the target is expressed as a difference. y (k) =-a1y (k-1) -aTwoy (k-2) + b0u (k-2) + b1u (k-3) (3) When the equation (3) is solved for the input u (k), the equation (4) is obtained.
You. u (k) = 1 / b0y (k + 2) + a1/ B0y (k + 1) + aTwo/ B0y (k) -b1/ B0u (k-1) (4) (4) is the inverse system of the tension system in the discrete time system.
Become. Here, consider the input as shown in Expression (5). u (k) = 1 / b0yd (k + 2) + a1/ B0yd (k + 1) + aTwo/ B 0 yd (k) -b1/ B0u (k-1) (5) where yd (k) is the tension target value Tref in a discrete time table.
It is a manifestation. Also, z-2B (z-1) / A (z-1)
= G (z-1), The equation (2) becomes y (k) = G (z-1) U (k) (5A). Equation (4) is an inverse model of the tension system.
U (k) = (G (z-1))-1It can be represented as y (k) (5B). Therefore, the equation (5) is u (k) = (G (z-1))-1yd (k) (5C). Substituting equation (5C) into equation (5A) yields (6)
Get the expression. y (k) = G (z-1) (G (z-1))-1yd (k) = 1 · yd (k) (6) From equation (6), it can be seen that the target value and the output match.
However, as described above, b in the equation (2) is0, B1, A1,
aTwoIs a time-varying parameter, so
Can not be set. Therefore, tension deviation and tension
Set the output 23 of the force feedback compensator to 0
Achieve control objectives by learning Ural network
Think about it. Therefore, tension feedforward compensator
22 outputs XffConsider constructing 24 with equation (7)
You. Xff(K) = W1(K) yd (k + 2) + WTwo(K) yd (k + 1) + WThree (K) yd (k) + WFour(K) Xff(K−1) (7) Here, each state variable yd (k + i) [i = 0, 1, 2,
XffCoefficient W of (km) Im = 0, 1]n[N = 1 to 1
4] is the equation (8) to (11) using the steepest descent method.
Learn. W1(K) = W1(K-1) + ε · Xfb(K-1) · yd (k + 1) (8) WTwo(K) = WTwo(K-1) + ε · Xfb(K−1) · ydh (9) WThree(K) = WThree(K-1) + ε · Xfb(K-1) · yd (k-1) (10) WFour(K) = WFour(K-1) + ε · Xfb(K-1) xff(K-2) (11) where Xfb(K-1) = α · e (k) · βu (k), and α and β are appropriately given as influence coefficients.
It is. Also, equations (8) to (11) are appropriate initial values.
W1(0), WTwo(0), WThree(0), WFour(0),
Given the weight ε, the calculation is performed online during control
You. If the structure of equation (7) is expressed as a network,
It becomes 4. According to the learning rules of equations (8) to (11), the tension flux is
Output X of the feedforward compensator 22ff24 is always suitable
Since the positive value is maintained, good tracking characteristics can be obtained. tension
When a PI controller, which is a conventional control method, is used in the control system,
And learning by the neural network of the present invention.
Equipped with a feedforward compensator whose
Numerical simulation results using the control method
Are shown in FIGS. All simulation conditions are the same
Then, as shown in FIG.1[M /
s], target tension value f1Control in [kg]. t
1[S] to tTwo[T] of [s]Two-T1) Seconds, set
Line speed VTwoAccelerates linearly to become [m / s]
I do. After acceleration, tThreeIn [s], set the target tension value to f
TwoChange in steps up to [kg]. PI control of Figure 5
The parameters of the instrument are high gain to satisfy the disturbance condition.
Is set to Therefore, tension fluctuation during acceleration can be suppressed.
Have been. However, when changing the target tension value, the actual tension value is large.
It has vibrated a lot. In contrast, the present invention is used
By using the
It is possible to obtain high control performance that was not possible with
Can be seen from FIG.
【０００７】[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。As described above, according to the present invention, even if the tension system to be controlled includes the time-varying parameter and the target tension value is changed, the tension feedforward compensator is also changed. Since the parameter is automatically adjusted by learning the neural network, the tension control performance can be greatly improved.
【図１】本発明の実施例FIG. 1 shows an embodiment of the present invention.
【図２】マルチドライブ制御システムにおける張力制御
系FIG. 2 Tension control system in multi-drive control system
【図３】従来の実施例FIG. 3 Conventional example
【図４】本発明のニューラルネットワーク構成FIG. 4 Neural network configuration of the present invention
【図５】従来技術による張力制御のシミュレーションFIG. 5: Simulation of tension control according to conventional technology
【図６】本発明による張力制御のシミュレーションFIG. 6 Simulation of tension control according to the present invention
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1 web material 2, 3 drive roll 4 tension detector 5, 6 speed reducer 7, 8 electric motor 9, 10 speed detector 11, 12 drive device 13, 14 speed detector 15, 16 speed deviation means 17 tension deviation means 18 tension Feedback compensator 19 Tension target value 20 Speed command value 21 Tension generator 22 Tension feedforward compensator by neural network 23 Tension actual 24 Tension feedforward compensator output 25 Tension feedforward compensator output
Claims (1)
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。1. A plurality of roll driving motors for transporting web materials such as paper, filters and metal strips each have a speed control loop based on a speed command based on a line speed, and the two adjacent motors are adjacent to each other. One of the roll driving motors drives a plurality of rolls having a speed control loop as a minor loop and a tension control loop having a detected tension of the web tension between the two adjacent rolls as a feedback signal. In a web tension control method for controlling a tension of a web between the two rolls by an electric motor, a dynamic characteristic of the tension control loop is expressed by a discrete time mathematical model, and an inverse model of a tension control system is expressed by using the mathematical model. The neural network is learned from the deviation between the target tension value / output and the output of the tension feedback compensator. And a feedforward compensating element for adjusting each parameter of the inverse model is provided in a loop connecting the target tension value and the speed control unit of the driving roll to control the web tension between the two rolls. Web tension control method.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP29909795A JPH09110251A (en) | 1995-10-23 | 1995-10-23 | Web tensile force control method |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP29909795A JPH09110251A (en) | 1995-10-23 | 1995-10-23 | Web tensile force control method |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JPH09110251A true JPH09110251A (en) | 1997-04-28 |
Family
ID=17868122
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP29909795A Pending JPH09110251A (en) | 1995-10-23 | 1995-10-23 | Web tensile force control method |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH09110251A (en) |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2014112282A (en) * | 2012-12-05 | 2014-06-19 | Fuji Heavy Ind Ltd | Flight control system |
| CN105186938A (en) * | 2015-08-28 | 2015-12-23 | 江苏大学 | Sensorless tension identification method for two-motor speed regulating system |
| JP5963994B1 (en) * | 2015-02-18 | 2016-08-03 | 三菱電機株式会社 | Rotation pattern generation apparatus and rotation pattern generation method |
| CN105873841A (en) * | 2013-12-17 | 2016-08-17 | 三菱电机株式会社 | Apparatus for controlling conveyance between rollers |
| WO2018158828A1 (en) * | 2017-02-28 | 2018-09-07 | 東芝三菱電機産業システム株式会社 | Mathematical model calculation apparatus for seat material production line, and control apparatus |
| CN115520700A (en) * | 2022-10-25 | 2022-12-27 | 浙江御辰东智能科技有限公司 | Tension stabilizing method and device for multi-axis multi-sensor fusion |
| CN117775886A (en) * | 2024-02-26 | 2024-03-29 | 太原理工大学 | High-performance tension control method and system for fiber winding |
-
1995
- 1995-10-23 JP JP29909795A patent/JPH09110251A/en active Pending
Cited By (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2014112282A (en) * | 2012-12-05 | 2014-06-19 | Fuji Heavy Ind Ltd | Flight control system |
| CN105873841A (en) * | 2013-12-17 | 2016-08-17 | 三菱电机株式会社 | Apparatus for controlling conveyance between rollers |
| US10029873B2 (en) | 2013-12-17 | 2018-07-24 | Mitsubishi Electric Corporation | Apparatus for controlling conveyance between rollers |
| WO2016132495A1 (en) * | 2015-02-18 | 2016-08-25 | 三菱電機株式会社 | Rotational pattern forming device and rotational pattern forming method |
| JP5963994B1 (en) * | 2015-02-18 | 2016-08-03 | 三菱電機株式会社 | Rotation pattern generation apparatus and rotation pattern generation method |
| CN106061874A (en) * | 2015-02-18 | 2016-10-26 | 三菱电机株式会社 | Rotational pattern forming device and rotational pattern forming method |
| CN106061874B (en) * | 2015-02-18 | 2017-12-01 | 三菱电机株式会社 | Rotary mode generating means and rotary mode generation method |
| CN105186938B (en) * | 2015-08-28 | 2018-02-27 | 江苏大学 | A kind of two motor speed regulation systems are without sensor tension force discrimination method |
| CN105186938A (en) * | 2015-08-28 | 2015-12-23 | 江苏大学 | Sensorless tension identification method for two-motor speed regulating system |
| WO2018158828A1 (en) * | 2017-02-28 | 2018-09-07 | 東芝三菱電機産業システム株式会社 | Mathematical model calculation apparatus for seat material production line, and control apparatus |
| CN109843764A (en) * | 2017-02-28 | 2019-06-04 | 东芝三菱电机产业***株式会社 | The mathematical model computing device and control device of sheet production line |
| CN109843764B (en) * | 2017-02-28 | 2020-08-18 | 东芝三菱电机产业***株式会社 | Mathematical model calculation device and control device for sheet production line |
| CN115520700A (en) * | 2022-10-25 | 2022-12-27 | 浙江御辰东智能科技有限公司 | Tension stabilizing method and device for multi-axis multi-sensor fusion |
| CN115520700B (en) * | 2022-10-25 | 2023-11-28 | 浙江御辰东智能科技有限公司 | Tension stabilizing method and device for multi-axis multi-sensor fusion |
| CN117775886A (en) * | 2024-02-26 | 2024-03-29 | 太原理工大学 | High-performance tension control method and system for fiber winding |
| CN117775886B (en) * | 2024-02-26 | 2024-05-10 | 太原理工大学 | High-performance tension control method and system for fiber winding |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Hou et al. | Active disturbance rejection control for web tension regulation | |
| Pagilla et al. | Decentralized control of web processing lines | |
| Gassmann et al. | Fixed-Order $ H_ {\infty} $ Tension Control in the Unwinding Section of a Web Handling System Using a Pendulum Dancer | |
| Pagilla et al. | A decentralized model reference adaptive controller for large-scale systems | |
| JP2009245420A (en) | System controller and system control method | |
| KR100478370B1 (en) | Control device for continuous rolling mill | |
| JPH09110251A (en) | Web tensile force control method | |
| CN110805523B (en) | Suspension control method of wind power magnetic suspension yaw system based on neural network | |
| JPH06274205A (en) | Gain adaptive control device | |
| JP4091020B2 (en) | Roll control device | |
| JPH08325645A (en) | Apparatus for controlling tension in process line | |
| Duc et al. | Imperfect roll arrangement compensation control based on neural network for web handling systems | |
| US5101145A (en) | Velocity proportional integral regulator with negative feedforward to control response of torque disturbances | |
| JPH06309008A (en) | Servo controller | |
| JPH07323945A (en) | Tension control method | |
| JP2752559B2 (en) | Digital proportional integral and derivative control method | |
| Talian et al. | Stable and robust tension controller for middle section of continuous line | |
| JPH07196216A (en) | Tension controlling method | |
| JP2721409B2 (en) | Motor control device for driving strip conveyor rolls in process line | |
| JPH07308706A (en) | Method for controlling speed of tandem mill | |
| KR100198056B1 (en) | Feedback controlling device and method | |
| Kumar et al. | Web printing paper tension control system | |
| JPH01243866A (en) | Motor speed controller | |
| JPH05207772A (en) | Servo controller for motor | |
| Knittel et al. | Control design for longitudinal web dynamics: Benefits and drawbacks of robust control approaches |