TWI876721B - 串級控制捲繞系統 - Google Patents

Abstract

一種串級控制捲繞系統，包含：繞線馬達，以轉矩驅動鐵芯轉動，使扁線捲繞所述鐵芯；繞線張力計，量測繞線張力量測值；繞線端學習參數模型，根據繞線張力設定值與所述繞線張力量測值間的差，預測轉矩增益參數；繞線控制器，根據所述轉矩增益參數，輸出所述轉矩及送線張力目標值；送線馬達，以轉速帶動扁線線軸轉動，送出具送線張力之所述扁線；送線張力計，量測送線張力量測值；送線端學習參數模型，根據所述送線張力目標值與所述送線張力量測值間的差，預測轉速增益參數；及送線控制器，根據所述轉速增益參數，輸出所述轉速。

Description

串級控制捲繞系統

本發明是有關於一種繞線系統，特別是指一種串級控制捲繞系統。

線圈導線一般截面呈圓形，後來發展為寬長比較大的扁線，而目前繞製扁線的方式可分為平繞，及立繞，一般多採用平繞的方式，其是以扁線的長邊貼靠鐵芯進行捲繞，作法上可直接繞鐵芯，也可以成形後再安裝於鐵芯上。

不過，平繞的問題在於散熱較差，若採用立繞便能解決散熱的問題，可提升輸出功率。然而，目前現有的扁線立繞方式是先成形後再安裝於鐵芯上，扁線無法直接貼靠鐵芯進行捲繞，故扁線與鐵芯之間容易有縫隙。而且，立繞與平繞之繞線方式相差90度，亦即，扁線立繞是以扁線之短邊緊貼定子鐵芯捲繞，其內外徑差較大，彎曲的外側大幅伸展，而內側則大幅收縮，容易有塑性變形的情況發生，例如易產生皺摺，因此難度提高甚多。

再者，現有扁線立繞裝置在將扁線之短邊緊貼鐵芯捲繞的過程中，是利用繞線馬達來驅動鐵芯轉動，同時在前端利用送線馬達帶動扁線線軸，以輸送扁線並對扁線提供張力。然而，由於目前扁線立繞裝置對於該繞線馬達及該送線馬達是個別獨立控制，故易導致該扁線在送線端與繞線端張力不一致，因而無法精確控制該扁線捲繞於該鐵芯上的精準度，也無法達到較佳的佔槽率。

因此，本發明的目的，即在提供一種串級控制捲繞系統。

於是，本發明串級控制捲繞系統，適用於以立繞方式把來自於扁線線軸之扁線捲繞於鐵芯上，且包含：繞線馬達，係以轉矩驅動所述鐵芯同步轉動，使所述扁線捲繞於所述鐵芯上；繞線張力計，設置於所述鐵芯附近之所述扁線上，且量測所述扁線之繞線張力，以產生繞線張力量測值；繞線端學習參數模型，根據繞線張力設定值與來自所述繞線張力計的所述繞線張力量測值之間的繞線張力差值，預測出轉矩增益參數；繞線控制器，根據來自所述繞線端學習參數模型之所述轉矩增益參數，產生所述轉矩輸出至所述繞線馬達，其中，所述繞線控制器還輸出送線張力目標值；送線馬達，係以轉速帶動所述扁線線軸轉動，以送出具有送線張力之所述扁線；送線張力計，設置於所述扁線線軸附近之所述扁線上，且量測所述扁線之所述送線張力，以產生送線張力量測值；送線端學習參數模型，根據來自所述繞線控制器之所述送線張力目標值與來自所述送線張力計的所述送線張力量測值之間的送線張力差值，預測出轉速增益參數；及送線控制器，根據來自所述送線端學習參數模型之所述轉速增益參數，產生所述轉速輸出至所述送線馬達。

本發明的功效在於：因所述繞線端學習參數模型以及所述送線端學習參數模型都是基於強化學習(Reinforcement Learning)產生的策略(Policy)模型，並且所述繞線控制器是串級地輸出所述送線張力目標值做為送線端的輸入，故能夠控制所述扁線在送線端與繞線端的張力一致，以能精確控制所述扁線捲繞於所述鐵芯上的精準度，因而可達到較佳的佔槽率。

參閱圖1至3，本發明串級控制捲繞系統之實施例，適用於以立繞方式將捲繞設備之扁線線軸9之導電的扁線90捲繞於鐵芯20上。如圖1所示，在本實施例中，所述串級控制捲繞系統包含繞線馬達50、繞線張力計51、繞線端學習參數模型52、繞線控制器53、送線馬達60、送線張力計61、送線端學習參數模型62，及送線控制器63。在本實施例中，所述繞線控制器53及所述送線控制器63皆是比例積分微分(PID)控制器。其中，來自於所述扁線線軸9之所述扁線90先被導線輪7導引前進而經過所述送線張力計61，繼而被導線輪8導引前進而經過所述繞線張力計51。

其中，所述繞線端學習參數模型52及所述送線端學習參數模型62皆是基於強化學習(Reinforcement Learning)產生的策略(Policy)模型。在本實施例中，由於所述繞線端學習參數模型52及所述送線端學習參數模型62皆是基於強化學習之優勢動作器評價器(Advantage Actor Critic)技術產生的策略模型，故必須先以圖2訓練過程來訓練出繞線端策略模型54，及送線端策略模型64，再於訓練過程完成之後，將所述繞線端策略模型54及所述送線端策略模型64分別佈署成為圖1、3之繞線端學習參數模型52及送線端學習參數模型62。

如圖2所示，由於本發明串級控制捲繞系統之實施例必須進行前置訓練過程，故還包含所述繞線端策略模型54、繞線端獎勵(Reward)模型55、繞線端記憶參數資料庫56、送線端策略模型64、送線端獎勵模型65，及送線端記憶參數資料庫66。

在所述訓練過程中，首先所述繞線馬達50係以轉矩驅動所述鐵芯20同步轉動，使所述扁線90捲繞於所述鐵芯20上。於是，所述繞線端策略模型54可根據繞線張力量測值，產生轉矩增益參數輸出至所述繞線控制器53，並將所述轉矩增益參數儲存於所述繞線端記憶參數資料庫56中，繼而所述繞線控制器53根據所述轉矩增益參數，產生所述轉矩輸出至所述繞線馬達50，及所述繞線端獎勵模型55。然後利用所述繞線端獎勵模型55及所述繞線端記憶參數資料庫56中的繞線端記憶參數，優化所述繞線端策略模型54。

另外，所述繞線控制器53還輸出送線張力目標值至所述送線端策略模64。繼而，所述送線端策略模型64根據所述送線張力目標值與所述送線張力量測值之間的送線張力差值，產生轉速增益參數輸出至所述送線控制器63，並將所述轉速增益參數儲存於所述送線端記憶參數資料庫66中，繼而所述送線控制器63根據所述轉速增益參數，產生轉速輸出至所述送線馬達60，及所述送線端獎勵模型65。最後利用所述送線端獎勵模型65及所述送線端記憶參數資料庫66中的送線端記憶參數，優化所述送線端策略模型64。

於是，當如圖2所示完成所述訓練過程之後，便可將所述繞線端策略模型54佈署成為所述繞線端學習參數模型52，並且將所述送線端策略模型64佈署成為所述送線端學習參數模型62，如圖1、3所示。

因此，如圖1、3所示，在本實施例中，本發明串級控制捲繞系統的串級控制過程，係由所述繞線馬達50施加所述轉矩驅動所述鐵芯20同步轉動，使所述扁線90捲繞於所述鐵芯20上。於是，設置於所述鐵芯20附近之所述扁線90上的所述繞線張力計51，能夠量測到所述扁線90之繞線張力，以產生繞線張力量測值。

接著，所述繞線端學習參數模型52根據繞線張力設定值與來自所述繞線張力計51的所述繞線張力量測值之間的繞線張力差值，預測出轉矩增益參數，其中，所述轉矩增益參數包括轉矩增益參數比例部分、轉矩增益參數積分部分，及轉矩增益參數微分部分。

接著，所述繞線控制器53根據來自所述繞線端學習參數模型52之所述轉矩增益參數，產生所述轉矩輸出至所述繞線馬達50。其中，所述繞線控制器53還輸出送線張力目標值。

而在送線端部分，所述送線馬達60則是施加轉速帶動所述扁線線軸9轉動，以送出具有送線張力之所述扁線90。

於是，設置於所述扁線線軸9附近之所述扁線90上的所述送線張力計61，能夠量測到所述扁線90之所述送線張力，以產生送線張力量測值。

接著，所述送線端學習參數模型62根據來自所述繞線控制器53之所述送線張力目標值與來自所述送線張力計61的所述送線張力量測值之間的送線張力差值，預測出轉速增益參數。其中，所述轉速增益參數包括轉速增益參數比例部分、轉速增益參數積分部分，及轉速增益參數微分部分。

繼而，所述送線控制器63可根據來自於所述送線端學習參數模型62之所述轉速增益參數，產生所述轉速輸出至所述送線馬達60。

因此，在本實施例中，由於所述繞線端學習參數模型52以及所述送線端學習參數模型62都是基於強化學習(Reinforcement Learning)產生的策略(Policy)模型，並且所述繞線控制器53是串級地輸出所述送線張力目標值做為送線端的輸入，故能夠控制所述扁線90在送線端與繞線端的張力一致，因而能夠精確控制所述扁線90捲繞於所述鐵芯20上的精準度，以達到較佳的佔槽率。

綜上所述，由於本發明之所述繞線端學習參數模型52以及所述送線端學習參數模型62都是基於強化學習(Reinforcement Learning)之優勢動作器評價器(Advantage Actor Critic)技術產生的策略(Policy)模型，並且所述繞線控制器53是串級地輸出所述送線張力目標值做為送線端的輸入，因此能夠控制所述扁線90在送線端與繞線端的張力一致，故可精確控制所述扁線90捲繞於所述鐵芯20上的精準度，以達到較佳的佔槽率；所以確實能達成本發明的目的。

惟以上所述者，僅為本發明的實施例而已，當不能以此限定本發明實施的範圍，凡是依本發明申請專利範圍及專利說明書內容所作的簡單的等效變化與修飾，皆仍屬本發明專利涵蓋的範圍內。

20:鐵芯 50:繞線馬達 51:繞線張力計 52:繞線端學習參數模型 53:繞線控制器 54:繞線端策略模型 55:繞線端獎勵模型 56:繞線端記憶參數資料庫 60:送線馬達 61:送線張力計 62:送線端學習參數模型 63:送線控制器 64:送線端策略模型 65:送線端獎勵模型 66:送線端記憶參數資料庫 7:導線輪 8:導線輪 9:扁線線軸 90:扁線

本發明的其他的特徵及功效，將於參照圖式的實施方式中清楚地呈現，其中： 圖1是示意圖，說明本發明串級控制捲繞系統的實施例，適用於利用立繞方式將扁線線軸之扁線捲繞於鐵芯上，且是基於強化學習來構建； 圖2是方塊圖，說明本實施例中強化學習之訓練過程；及 圖3是方塊圖，說明在本實施例中，本發明串級控制捲繞系統之串級控制架構。

20:鐵芯

50:繞線馬達

51:繞線張力計

52:繞線端學習參數模型

53:繞線控制器

60:送線馬達

61:送線張力計

62:送線端學習參數模型

63:送線控制器

7:導線輪

8:導線輪

9:扁線線軸

90:扁線

Claims (7)

1. 一種串級控制捲繞系統，適用於利用立繞方式將扁線線軸之扁線捲繞於鐵芯上，且包含： 繞線馬達，係以轉矩驅動所述鐵芯同步轉動，使所述扁線捲繞於所述鐵芯上； 繞線張力計，設置於所述鐵芯附近之所述扁線上，且量測所述扁線之繞線張力，以產生繞線張力量測值； 繞線端學習參數模型，根據繞線張力設定值與來自所述繞線張力計的所述繞線張力量測值之間的繞線張力差值，預測出轉矩增益參數； 繞線控制器，根據來自所述繞線端學習參數模型之所述轉矩增益參數，產生所述轉矩輸出至所述繞線馬達，其中，所述繞線控制器還輸出送線張力目標值； 送線馬達，係以轉速帶動所述扁線線軸轉動，以送出具有送線張力之所述扁線； 送線張力計，設置於所述扁線線軸附近之所述扁線上，且量測所述扁線之所述送線張力，以產生送線張力量測值； 送線端學習參數模型，根據來自所述繞線控制器之所述送線張力目標值與來自所述送線張力計的所述送線張力量測值之間的送線張力差值，預測出轉速增益參數；及 送線控制器，根據來自所述送線端學習參數模型之所述轉速增益參數，產生所述轉速輸出至所述送線馬達。
2. 如請求項1所述的串級控制捲繞系統，其中，所述繞線控制器及所述送線控制器皆是比例積分微分控制器。
3. 如請求項1所述的串級控制捲繞系統，其中，所述繞線端學習參數模型及所述送線端學習參數模型皆是基於強化學習產生的策略模型。
4. 如請求項3所述的串級控制捲繞系統，其中，所述繞線端學習參數模型及所述送線端學習參數模型皆是基於強化學習之優勢動作器評價器技術產生的策略模型。
5. 如請求項4所述的串級控制捲繞系統，還包含用於訓練過程之繞線端策略模型、繞線端獎勵模型，及繞線端記憶參數資料庫，其中，在所述訓練過程中，所述繞線端策略模型根據所述繞線張力量測值，產生所述轉矩增益參數輸出至所述繞線控制器，並將所述轉矩增益參數儲存於所述繞線端記憶參數資料庫中，繼而所述繞線控制器根據所述轉矩增益參數，產生所述轉矩輸出至所述繞線馬達，及所述繞線端獎勵模型，繼而利用所述繞線端獎勵模型及所述繞線端記憶參數資料庫中的繞線端記憶參數，優化所述繞線端策略模型。
6. 如請求項5所述的串級控制捲繞系統，還包含用於所述訓練過程之送線端策略模型、送線端獎勵模型，及送線端記憶參數資料庫，其中，在所述訓練過程中，所述繞線控制器還輸出所述送線張力目標值至所述送線端策略模型，所述送線端策略模型根據所述送線張力目標值與所述送線張力量測值之間的送線張力差值，產生所述轉速增益參數輸出至所述送線控制器，並將所述轉速增益參數儲存於所述送線端記憶參數資料庫中，繼而所述送線控制器根據所述轉速增益參數，產生所述轉速輸出至所述送線馬達，及所述送線端獎勵模型，繼而利用所述送線端獎勵模型及所述送線端記憶參數資料庫中的送線端記憶參數，優化所述送線端策略模型。
7. 如請求項6所述的串級控制捲繞系統，其中，當所述訓練過程完成之後，係將所述繞線端策略模型佈署成為所述繞線端學習參數模型，並且將所述送線端策略模型佈署成為所述送線端學習參數模型。

Images