• 沒有找到結果。

捲繞基材張力控制方法

N/A
N/A
Protected

Academic year: 2022

Share "捲繞基材張力控制方法"

Copied!
4
0
0

加載中.... (立即查看全文)

全文

(1)

【19】中華民國      【12】專利公報  (B)

【11】證書號數:I526389

【45】公告日: 中華民國 105 (2016) 年 03 月 21 日

【51】Int. Cl.: B65H59/38 (2006.01)

發明     全 4 頁 

【54】名  稱:捲繞基材張力控制方法

WINDING MATERIAL TENSION CONTROL METHOD

【21】申請案號:103136547 【22】申請日: 中華民國 103 (2014) 年 10 月 22 日

【72】發 明 人: 蔡明祺 (TW) TSAI, MI-CHING;鄭銘揚 (TW) CHENG, MING-YANG;呂杰 修 (TW) LU, JIE-SHIOU;陳泓睿 (TW) CHEN, HUNG-RUEY;郭威良 (TW) KUO, WEI-LIANG;蘇科翰 (TW) SU, KE-HAN;胡家勝 (TW) HU, JIA- SHENG

【71】申 請 人: 國立成功大學 NATIONAL CHENG KUNG UNIVERSITY

臺南市大學路 1 號

【74】代 理 人: 桂齊恆;林景郁

【56】參考文獻:

TW I322046 JP 2009-208957

CN 102621882B US 8079539B2 審查人員:林世崇

[57]申請專利範圍

1. 一種捲繞基材張力控制方法,係於一控制器執行,該控制器電性連接一放線端馬達以控 制連接該放線端馬達的一線材的張力,該控制方法包含: 週期性地偵測該線材的一實際 放線張力值,並將一預設放線張力值與該實際放線張力值相減以得到一張力誤差值; 將 該張力誤差值乘上一學習率常數以得到一張力誤差參考值; 將該張力誤差參考值與前一 次週期所計算出的一週期誤差值相減,得到本次週期的週期誤差值,並儲存本次週期的 週期誤差值; 根據本次週期的週期誤差值與該張力誤差值計算出一放線控制張力值,以 根據該放線控制張力值驅動該放線端馬達。

2. 如請求項 1 所述之捲繞基材張力控制方法,在根據本次週期的週期誤差值與該張力誤差 值計算出該放線控制張力值的步驟中,該張力誤差值係乘上一增益值後得到一張力誤差 增益值,該張力誤差增益值與該週期誤差值相加以得出該放線控制張力值。

3. 如請求項 2 所述之捲繞基材張力控制方法,在根據本次週期的週期誤差值與該張力誤差 值計算出該放線控制張力值的步驟中,該張力誤差值係與該放線端馬達的一位置資訊值 相減後,再乘上該增益值以得到該張力誤差增益值。

4. 如請求項 1 至 3 中任一項所述之捲繞基材張力控制方法,在得到本次週期的週期誤差值 的步驟中,該週期誤差值係通過一濾波器的進行濾波。

5. 如請求項 4 所述之捲繞基材張力控制方法,在將該張力誤差參考值與前一次週期所計算 出的週期誤差值相減的步驟中,係從一記憶體讀取該前一次週期所計算出的週期誤差值 以進行相減; 計算出本次週期的週期誤差值後,將本次週期的週期誤差值儲存於該記憶 體。

6. 如請求項 1 至 3 中任一項所述之捲繞基材張力控制方法,於得到該張力誤差值後,將該 張力誤差值儲存於一記憶體。

- 1994 -

(2)

圖式簡單說明

圖 1:執行本創作張力控制方法的繞線機示意圖。 圖 2:本創作張力控制方法的流程示意 圖。 圖 3:利用本創作張力控制方法所偵測出的線材張力波形圖。 圖 4:利用本創作張力控 制方法的繞線結果參考圖。 圖 5:習知張力控制方法所偵測出的線材張力波形圖。 圖 6:利 用習知張力控制方法的繞線結果參考圖。

(2)

- 1995 -

(3)

(3)

- 1996 -

(4)

(4)

- 1997 -

參考文獻

相關文件

及清華大學電機系/光電所 博士/碩士班助教群 蔡瑋哲,蘇士祺,劉子齊,林彥州 碩士班. 張宸寧,葉明學,王思婷,廖泓宇

鄭龍全 勞動部勞動力發展署雲嘉南分署 02 工業控制 優勝. 02

[17] Kuo-Sheng Chin , Liu-Yang Lin , and Jen-Tsai Kuo , “New Formulas for Synthesizing Microstrip Bandpass Filters With Relatively Wide Bandwidths,” IEEE Microwave

恒揚電機技術顧問股份有限公司 Hung Yang Electric Engineering. Consultant

In a nonparametric setting, we discuss identifiability of the conditional and un- conditional survival and hazard functions when the survival times are subject to dependent

B3-4 DEEP LEARNING MODEL COMPRESSION BY NETWORK SLIMMING Ching-Hao Wang (王敬豪), Shih-Che Chien (簡士哲), Feng-Chia Chang (張峰嘉), and Wen-Huang Cheng (鄭文皇). B3-5

We give some numerical results to illustrate that the first pass of Algorithm RRLU(r) fails but the second pass succeeds in revealing the nearly rank

Research on Wu Isle , the nests of pirates in Fe-Chen during Ga-Ching Years in