单神经元自适应PID在包装机温控系统中的应用

来源:网络  作者:网络转载   2019-09-22 阅读:409

包装机,是指将具有热塑特性的塑料复合膜经加热软化制成包装容器,在一台设备上自动完成制袋成型、填充物料、封合剪切等全过程的自动包装设备。塑料复合膜必须加热到一定的温度才能软化,所以包装机控制器必须控制加热设备的温度在很小的范围之内。虽然现在已经有很多专用的温控模块,但其价格往往很高,为了节约成本,本文将温控算法移植到包装机控制器中。

以往的温度控制方式大多是数字PID控制,数字PID控制是一种采样控制,它是根据采样时刻的偏差值计算控制量,由于数字PID控制具有技术成熟、结构灵活,不需要预先确定被控对象的数学模型以及控制效果好等优点,它广泛应用于冶金、机电、化工等行业。但数字PID控制需要预先整定三个参数,调试起来比较繁琐,而神经元具有自学习、自适应、结构简单、计算量小等优点,成功应用在很多系统中,故本文将神经元和数字PID的优点结合起来,采用单神经元自适应PID算法,对包装机温度控制系统进行在线学习与参数整定。通过对包装机温度控制系统的试验测试,调整与分析神经元的比例系数K对控制系统的影响,最后成功将其移植到包装机控制器。

1 包装机温度控制系统工作原理

包装机工作时,需要将塑料复合膜进行封口,它是通过加热到一定温度的2路横封和2路纵封捏纸轮实现的,因此包装机正常工作的先决条件是温度控制在很小的范围内。在触摸屏上设定好加热温度以及上下限报警温度后,通过ModBus通讯协议与包装机控制器进行通讯,包装机控制器接收到设定温度和上下限报警温度后,会对封刀或捏纸轮处的K型热电偶进行温度采集,通过包装机控制器的控制作用,使封刀或捏纸轮处的温度保持在很小的范围内,具体是包装机控制器控制输出PWM脉冲信号的占空比(脉冲周期固定),从而控制固态继电器的闭合时间。固态继电器的导通,会使封刀或捏纸轮处的加热管接通电源,加热封刀(固态继电器的输出与加热管和交流电源相串联)。固态继电器在脉冲周期内的导通时间越长,温度上升越快,当封刀或捏纸轮加热到设定温度后,包装机控制器需要控制固态继电器以特定的占空比保证加热管接通电源,从而使封刀或捏纸轮处的温度保持在设定温度附近。包装机温度控制系统框图如图1所示。

图1 包装机温度控制系统框图

图1中的K型热电偶所测温度对应的电压信号,由于是小信号,需要在包装机控制器中设计放大电路,将小信号电压放大到A/D转换器能够分辨的大电压信号,并对K型热电偶进行冷端补偿。图2为包装机PID温度控制系统方框图。

图2  包装机PID温度控制系统方框图

2  基于单神经元的自适应PID控制算法

2.1单神经元模型

图3  单神经元模型

单神经元的输出为:

其中,分别对应神经元第i个输入、第i个输入所对应的连接权值,K为神经元的增益(比例系数),它对系统的快速跟踪和抗干扰能力有较大的影响。神经元控制器的输出为:

2.2  有监督的Hebb学习规则

学习规则是修正神经元之间的连接强度或加权系数的算法,使获得的知识结构适应周围环境的变化。单神经元控制器的自适应功能是通过学习改变连接权值来实现的。学习算法就是调整连接权值的规则,它是单神经元控制器的核心,并反映了其学习的能力。

将无监督的Hebb学习规则和有监督的Delta学习规则两者结合起来,就组成有监督的Hebb学习规则,即:

2.3  单神经元自适应PID控制

单神经元自适应PID控制器是通过对加权系数的调整来实现自适应、自组织功能,权系数的调整是按有监督的Hebb学习规则实现的。学习算法为:

控制算法为:

由具有自学习和自适应能力的单神经元构成的自适应PID控制器,不但结构简单,而且能适应环境变化,有较强的鲁棒性。

3  试验测试

将单神经元自适应PID温控算法移植到包装机控制器MC56F8037中,实时在线采集封刀或捏纸轮加热管处的温度,并将其发送到触摸屏实时显示。温度上下限设定为±5℃,如果封刀或捏纸轮处的温度超出上下限将导致包装机控制系统的报警,并产生包装机控制系统的紧急停车,暂停包装机的正常工作。

神经元自适应PID算法的控制量u(k)是MC56F8037PWM模块输出脉冲的占空比(PWM配置为Center-Aligned),即

PWM period = (PWM modulus) × (PWM clock period) × 2                          (9)

PWM pulse width = (PWM value) × (PWM clock period) × 2                        (10)

式(9)为PWM周期计算公式,PWMmodulus由CMOD寄存器决定,本测试设置为32767,则

PWMperiod=65534×(PWMclockperiod)                                                        (11)

而PWMvalue的变化范围为0~32767,即控制量u(k)的变化范围为0~32767。

比例、积分、微分的自适应学习速率分别设定为0.4、0.5、0.4。当神经元的比例系数K取值较小时,温度缓慢上升,u(k)在0-32767之间缓慢上升,当温度达到设定温度后,u(k)并没有下降,直到温度大于设定温度时,控制量u(k)才下降,由于K取值较小,u(k)变化缓慢,导致温度超调过大,因此温度会在很长时间后才会稳定下来;而K取值较大时,由于温度偏差太大,控制器自适应学习,导致u(k)在0-32767之间反复变化,当占空比较大时,会加热封刀,而当占空比较小时,就会导致温度的下降,所以会出现温度在升降中上升。

为了提高温度的上升速度,加快整定过程,神经元的比例系数K取为10。采用在温度低于140℃时,PWM的占空比控制在90%以上,以加快系统的稳定速度,当温度大于140℃并且小于160℃时,PWM的占空比控制在10%到90%之间,以使神经元自适应在线学习和整定PID参数,当温度大于160℃时,PWM占空比控制在0到10%,从而实现PID参数的快速整定。图4是单通道温控子系统的测试结果。包装机控制器的速度已经很快,所以四路温控连续整定没有问题,但为了提高控制器的实时性,采用控制器每次循环只整定1路,四次循环就把四路都整定一遍,每隔1s同时改变四路的PWM占空比值,可以有效的提高PWM模块的效率。因为当每次循环改变PWM值时,u(k)使得PWM值变化很快,固态继电器的导通时间一直在变,会使加热管的加热效率变低。

图4  单通道温控子系统的测试结果

图4表明误差能够控制在±1℃,这是由控制器对K型热电偶的电压采集模块ADC的精度以及PWM占空比分辨率决定的,如果温度采集精度达到0.1℃并且增大PWM占空比的范围,理论上讲,误差能够控制在±0.1℃。

4  结论

本文实现了单神经元自适应PID算法在包装机温度控制子系统中的应用,并成功将其移植到包装机控制系统中,从控制效果来看,温度能够保持在149℃~151℃,没有超出设定的上下限温度范围,从而有效提高包装机的控制性能,为包装机的正常工作提供保障。

参考文献:

[1]于镭,常军,黄存柱.基于DSP的自动包装机控制系统的软件设计[J].微型机与应用,2010(1):3~5.

[2]羊彦,景占荣,毕强等.无刷直流电动机数字PID控制的研究[J].电机与控制学报,2003,7(4):299~302.

[3]马小霞,戴世荣,李汉舟等.陀螺数字PID温度控制系统设计与实现[J].中国惯性技术学报,2004,12(1):66~69.

[4]孙亮,孙启兵.神经元PID控制器在两轮机器人控制中的应用[J].控制工程,2011,18(1):113~115.

[5]刘忠,李伟,彭金艳等.位置伺服系统的单神经元PID/CMAC控制研究[J].计算机工程与应用,2008,44(7):220~222.

[6]严骏,黎波,郭刚等.基于单神经元PID的挖掘机铲斗位姿自适应控制[J].解放军理工大学学报:自然科学版,2012,13(3):316~319.

[7]JoseR.NoriegaHW.ADirectAdaptiveNeural-networkControlforUnknownNonlinearSystemsandItsApplication[J].IEEETransactionsonNeural-network,1998,19(1):33~37.

[8]丁军,徐用懋.单神经元自适应PID控制器及其应用[J].控制工程,2004,11(1):27~30.

[9]王旭光,孙衢.基于RBF辨识的单神经元PID调速器设计[J].自动化技术与应用,2008,27(6):57~60.

[10]张建民,王涛,王忠礼.智能控制原理及应用[M].北京:冶金工业出版社,2003:131~132.

[11]张建明,王宁,王树青.PID自适应调整增益的神经元非模型控制[J].机电工程,1999,16(5):72~73.

[12]MicrocontrollerSolutionsGroup.56F802Xand56F803XPeripheralReferenceManualRev.3.1[Z].USA:FreescaleSemiconductor,2012:8-5~8-7.

打赏

免责声明:
本站部份内容系网友自发上传与转载,不代表本网赞同其观点;
如涉及内容、版权等问题,请在30日内联系,我们将在第一时间删除内容!

相关行业资讯

    购物指南

    支付方式

    商家合作

    关于我们

    微信扫一扫

    (c)2008-2018 DESTOON B2B SYSTEM All Rights Reserved
    免责声明:以上信息由相关企业或个人自行免费发布,其真实性、准确性及合法性未证实。请谨慎采用,风险自负。本网对此不承担任何法律责任。

    在线咨询

    在线咨询:

    QQ交流群

    微信公众号