基于PID神经网络的注塑机温度控制与仿真

摘要

本文针对注塑机的传统PID控制系统中的大延迟时间的非线性时变系统的动态和静态性能以及控制偏差和调节速率的不足，建立了基于PID神经网络注塑机温度控制器模型。使用MATLAB软件的传统PID控制仿真完成了仿真和对比。 模拟结果表明，PID神经网络控制器具有很强的适应工作条件和抑制干扰的能力，比传统PID控制器更好地控制温度。

关键词：PID，神经网络，仿真，控制。

1.简介

在注射成型过程中，取决于筒体和螺杆之间的摩擦温度的熔体温度是重要的参数。如果机筒温度过低，螺杆和机筒之间的塑料会有较大的剪切力，会损坏机器。如果温度过高，塑料分子会分解，塑料会出现发泡现象，这是一般不允许发生的，特别是在精密注塑成型中。本文中，受控对象是注塑机的机筒加热器，其目的是控制温度。在工业过程控制中，传统PID控制技术在温度控制系统中起着重要作用，但传统PID控制器的参数需要精确的待调节对象的数学模型，通过复杂计算，其在控制系统操作中的3个参数一般都是固定的，难以在线调整。在温度控制过程中，注塑机的机筒是一个非线性时变系统，具有延迟时间长，难以获得准确的数学模型，因此传统的PID控制难以在注塑成型中达到最优结果机器温度控制。 PID神经网络是一种智能控制技术，通过组合PID控制规则与神经网络。它具有结构简单，参数物理意义明确，以及非线性反射能力的功能和神经网络的自学习和自适应的优点。它不依赖于受控对象的精确数学模型，这特别适合于具有大延迟时间的非线性时变复杂系统。鉴于此，本研究将使用PID神经网络来控制桶温度，并且模拟PID神经网络控制和常规PID控制，以分析和比较两种控制通过MATLAB软件的效果。

2 PID神经网络控制器模型

2.1简介

PID神经网络控制模型的单输入输出系统如图1所示，简单的三层结构2x3x1，包括两个输入层神经元，三个隐层神经元和一个输出层神经元。 输入层中的两个神经元，一个作为给定变量r，另一个作为输出变量y; 3个隐层神经元，它们是比例函数，积分函数，微分函数; 输出层的一个元素是神经是输出对象所需的控制变量。 PID神经网络的形式是一个多层正向神经网络，其层的神经元数量，连接，连接权重基于PID控制规则的基本原理和过去的经验，目的是确保系统稳定和在初始状态下快速收敛。

图1 PIDNN单变量控制系统架构

2.2前向算法

任何采样时间k，应用于PID神经网络的单输入输出系统的公式如下：

2.2.1输入层

输入层由两个相同的神经元内部结构组成，输入输出关系如下：

x(k)=micro;(k) (1)

2.2.2隐层

隐层由三个不同神经元的内部结构组成，定义为比例元素，积分元素，微分元素，相同的输入值计算为：

micro;(k) = (2)

比例元素输入输出函数：

(3)

积分元件输入输出功能：

(4)

差分元件输入输出功能：

(5)

2.2.3输出层

输出层有一个神经元，输出层的输入是隐藏层神经元的所有输出值的加权和。 计算如下：

(k) = (6)

输出层神经元之间的输入输出关系如下：

(7)

2.3反向传播算法

PID神经网络中连接权重的更新通过误差反向传播学习算法获得。 目的是使期望输出和实际输出之间的平方误差之和的平均值达到最小。 计算如下：

在公式（8）中：n是每批的样本数，k是采样点。 通过训练和倾斜n个步骤的权重由以下公式确定。

2.3.1隐藏层到输出层的连接权重的更新

在式（9）中：

在公式中：j（= 1,2,3）是神经网络隐层数，h（= 1）是输出层神经元的数量。 在公式（9）中，通过相对变换的符号函数计算输出到输入的受控对象的偏微分。

2.3.2输入层到隐藏层的连接权重的更新

在式（10）中：

在公式中：i（= 1,2）是输入层中神经元的数量，j（= 1,2,3）是隐层神经元网络的数量。

3机筒温度控制系统

机筒温度是指筒体表面的加热温度是外部加热增塑单元的唯一来源。桶由加热线圈加热，在处理盒中可以基于材料筒中的塑化机制加热三部分，每个段配备一组电线，并且在几何中心安装热电偶检测每段的温度，桶的第一段是一个固体运输段，温度应稍低，但进料口必须冷却，以防止“桥接”现象造成过热，这不会使进料光滑。第二是压缩段，温度应比第一段高20至25度。第三是计量段，一般温度比第二段高0〜25度，以保证物料在熔融状态下的温度梯度，并且在管表面温度和管壁温度之间存在温度存在，并靠近桶壁熔体温度的温度和筒壁温度接近熔体温度。每个部分主要受控制这一部分的加热功率的温度的影响，但其他部分彼此有一定的关系。由于一般采用桶式恒温控制，且温差小，影响可以看成是常数，三个相关部分作为独立的单输入输出链路进行控制。在螺杆背压和转速的某些条件下，机筒温度和熔体温度近似与变化成比例，熔体温度直接影响熔体的流动性质和粘度。因此，气缸温度的稳定性对熔融温度的恒温控制起着重要的作用。

对桶的温度特性的研究是建立一个准确，适当和实用的数学模型控制系统。 桶加热系统的数学模型可以使用响应曲线确定。 由于忽略了相邻段的耦合以及所获得的阶跃响应曲线的模型阶数减小，我们知道注塑机加热区模型的桶具有一阶响应特性，并且该研究可近似为一阶惯性链接具有延迟时间近似于输出和输入过程之间的动态关系，传递函数[G（s）]如下：

在公式（11）中：t（s）是温度变量，u（s）是可变控制电压，K是放大系数，T是惯性时间常数，S是拉普拉斯变换系数，z是 时差。 通过反应曲线，最终得到参数值：K = 150，T = 1000，tau;= 50，完成建立加热段桶体的数学模型。

4温度控制模拟

在本文中，在MATLAB环境中进行单位阶跃响应和抗干扰响应的仿真。

4.1单位阶跃响应实验

PID神经网络的连接权重的初始状态可以等效于PID控制器。因此，隐层到输出层的连接权重的初始值如下：，，。输入层到隐层的初始连接权重如下：= 1，=一1（j = 1,2 ，3），学习率：ŋ= 0.01·通过在线学习和调整，PID神经网络控制器的每个连接权重得到以下结果：= 0.9321，= -0.3022，= 0.3001，=-0.3001, =0.2023, =-0.1989,=0.7032,=0.0451, =0.2999.

单位阶跃响应仿真结果如图2和图3所示（水平单位的数字：秒）。 传统PID控制的单位阶跃响应曲线如图2所示，PID神经网络控制的单位阶跃响应曲线如图3所示。通过比较，神经网络PID控制具有仅3.25％的小过冲， 急速响应，其仅需60秒来达到5％的误差带，并且控制的效果优于常规PID控制。

图2 PID的阶跃响应 图3 PENN的阶跃响应

4.2抗干扰实验

在控制对象的170-175秒之间加入0.2的阶跃扰动的振幅，可以得到图4和图5所示的测试响应曲线。 从图4和图5中可以看出，PID神经网络控制反映了当发生扰动时温度波动小，调节时间相对较短，可以快速抑制干扰的大的优点，另一方面，传统的PID控制会引起 大的波动和温度振动.

图4 PID的抗干扰 图5 PIDNN的抗干扰

5结论

PID神经网络既不是神经网络和常规PID的简单叠加，也不是神经网络调整PID参数值的方法。它是根据神经网络规则建立控制器模型神经网络模型，并利用PID控制器的成熟经验选择初始连接权重，使PID神经网络控制器不仅具有强的自学能力神经网络，良好的动态和静态性能，强鲁棒性，而且保留了控制系统在初始操作状态下等效于PID控制器的属性。虽然计算机模拟的结果被用于PID神经网络，但它不依赖于受控对象的确切模型，并且可以确保控制系统的初始状态的稳定性，它也能够替代PID控制技术，适用于复杂控制系统的实际应用。

在MATLAB环境下进行单位阶跃响应和针筒温度控制系统抗干扰响应的仿真。仿真结果表明，基于PID神经网络的温度控制系统具有很强的适应工作条件和抑制干扰的能力，可以有效克服非线性，时变和大延迟时间的特点，实现更好的控制效果。

参考文献

[1]林荣川。 注塑机温度控制与干涉[J]。 中国塑料，2011,25（3）：89-93。

[2] Shuhuai Lin .PID神经网络及其控制系统[M]。 北京：国防工业出版社，2006。

[3]李明辉，李正奇。 基于神经网络注射成型机桶温的去耦控制策略[J]。 陶瓷，2012，（4）：17一19。

[4] Zhong Hanru。 注塑机控制系统[M]。北京：化学工业出版社，2004。

[5]王惠庆，顾舒平。注射成型机非自动化料筒温度控制系统设计。 技术自动化和应用，2009,28（3）：116一118。

混合注塑机模糊PID控制器的设计与仿真

Jianming DU深圳大学机电一体化与控制工程学院djm33@szu.edu.cn

YixingLUO深圳大学机电一体化与控制工程学院 batistar007@yahoo.com.cn

摘要

混合注塑机驱动根据熔融和塑化作用的特点建立了PMSM控制系统和基于模PID控制方法的控制器设计的模糊PID。在Simulink环境中，模糊PID控制系统模拟。 模拟结果表明，PID系统相对于传统PID控制系统具有比较好的性能。

关键词：模糊PID控制器; 固定注塑成型机; PMMSM; Simulink。

1.引言

作为主要成型设备，注塑成型机使不同形状的塑料制品由热塑性或热固性材料制成。熔融塑性过程是注塑周期中最重要的过程之一，它影响最终质量产品。如今，液压驱动系统被应用到大多数注塑机，如液压电机驱动塑化螺杆熔化。然而，它也有一些缺点，如高能量消耗、响应速度慢、精度低、漏油、噪音大等等，在液压驱动系统和注塑循环中的每一个动作只能有序进行[1]。针对这些问题，成型机驱动系统提出了混合注塑的新解决方案。其中主要的泵和塑化螺杆由PMSM分别驱动。混合驱动系统不仅可以增强塑化质量，也通过做优化设计和一些同步技术有效地缩短了一些产品的注塑成型循环过程。此外，通过特种电力传输技术传输两个PMSM的断裂可以进一步实现节能的目的[2]。

塑化螺杆通过塑料旋转和剪切产生作为熔化塑料的主要能量来源。塑化螺杆的转速可以确定熔化塑性作用的质量。 因此，塑化螺杆应准确控制并设置稳定转动速度。 虽然传统的PID控制方法被广泛应用，但应首先知道精确模型的控制对象。PID控制器控制系统根据设置比例、积分和微分参数，但熔化塑料机制不能轻易描述如此复杂和多变的模型系统。 因此模糊PID控制方法选择控制塑化螺杆旋转。 模糊PID控制器不仅具有传统PID控制方法的优点也有小的过冲和快速响应，而且它不需要知道精确模型的控制对象[3]。 在来自L.K 集团的PT160注塑机上基于熔融塑性机理的模型建立在Simulink环境下的Matlab。 使用PID和模糊PID控制方法执行熔融塑性机理的动态模拟，并分析了模拟结果。

2. MELTING塑料系统建模和模糊PID控制器

熔融塑性作用具有低速度熔点和高扭矩。 PT160熔化塑料模型注塑机由L-K集团生产制造。 液压马达通过使用直接与螺丝连接带花键轴的方式由PMSM代替电机轴。 熔融塑性机理如图1所示：

图1熔融塑性机理示意图

熔融塑性机制是包括电流回路和速度回路的闭环系统。 速度反馈信号来自PMSM编码器的编码器，并且电流反馈信号来自驱动器。系统控制结构如图2所示：

图2熔融塑料控制系统框图

PMSM的数学模型如此复杂，该模型建立在转子下同步旋转参考系（d-q-0坐标系统）。 从d-q-到a-b-c的坐标变换可以使阻抗的对角化在定子和转子之间消除旋转耦合，从而实现简化模型的目的[4]。 数学给出了在d-q

全文共7153字，剩余内容已隐藏，支付完成后下载完整资料

---

资料编号：[145843]，资料为PDF文档或Word文档，PDF文档可免费转换为Word