论文部分内容阅读
摘 要：文章指出了注塑机料筒温度控制系统的主要技术问题，概述了温度控制的三种控制方法，即线性PID控制，非线性PID控制和基于BP神经网络的PID控制，分别阐述了这些控制方法的工作原理及其优缺点。其中，基于BP神经网络的PID控制器的优越性最好，不仅能有效地缩短过渡过程，具有较好的稳定性和快速响应性，还具有神经网络的可预测性，实用性强，能很好地满足注塑机料筒的温度控制要求。
关键词：线性；非线性；PID；BP
中图分类号：TP273.4 文献标识码：A 文章编号：1006-8937（2013）06-024-02
注塑机料筒温度是注塑工艺的重要参数，对料筒温度进行有效地控制是保证塑料制品成型质量的重要环节。然而，注塑机料筒温度系统是一个多变量、离散、间歇工作、大滞后、非线性、强耦合且需要人工参与的复杂系统，由于其加温过程中的复杂性，使得该控制系统的精确数学模型很难以建立， 也就使得料筒的温度控制成为注塑机控制器设计中的难点。另外，在注塑机料筒温度控制器的设计过程中，控制器的工作性能，如良好的鲁棒性和较低的算法复杂度是不可忽视的参数指标。目前，采用较多的是PID控制方法，这主要是因为PID控制应用范围广，广泛应用于非线性或时变控制过程中，而起PID控制器中的3个参数Kd、Kp、Ki比较容易整定，是最简单的有时却又是最好的控制器。
本文基于料筒温度PID控制器的发展过程，从线性PID控制器到非线性PID控制器，再到基于BP神经网络的PID控制器三个方面，分别阐述了各自的优缺点。
1 料筒温度线性PID控制器
PID控制器不用被控对象的精确模型，只用控制目标与对象实际行为之间的误差来产生消除此误差的控制策略。由于PID控制技术是立足于误差来减少误差的过程控制原理，所以在控制工程实践中得到广泛有效的应用。本文主要研究注塑机料筒的温度控制系统，采用线性PID控制器，其基本结构如图1所示。
从图1可以概括出线性PID控制方法在实践应用中，本文的温度控制系统设计中存在如下问题：
①直接以e=v-y的方式产生原始误差不太合理。由于控制目标在过程中可以“跳变”，但是对象输出y的变化都有惯性，不可能跳变，不可能跳变，因此让缓变的变量y来跟踪能够跳变的变量v是不合理的。
②产生误差信号e的微分信号de/dt没有太好的办法。微分器物理不可实现，只能近似实现，常用的近似微分器的传递函数为■。这个传递函数可展成■，是近似微分公式■的实现。但是，但输入信号v（t）被噪声n（t）污染时，输出y中的近似微分■信号就被放大的噪声分量■所淹没，无法利用。因此，PID控制器除特殊情形外，实际上都是PI控制器。
③线性组合不一定是最好的组合方式。PID控制器给出的控制量u是误差的现在e（t）、误差的过去■e（τ）dτ、误差的将来■三者的加权线性组合。大量工程实践证明，三者的线性组合不一定是最好的组合方式，为了避免线性组合方式的缺陷就产生了花样繁多的“变增益PID控制器”
④误差信号e的积分■e（τ）dτ反馈的引入有很多副作用。大量工程实践表明，误差积分反馈的引入会使闭环变得迟钝，容易产生振荡及积分饱和引起的控制量饱和等。
将线性PID控制器应用于注塑机料筒的温度控制系统中，虽然能取得了良好的效果，但是该温度控制系统为大纯滞后系统，被控对象的参数变化较大、影响因素甚多、未建模动态因素显著，非线性严重，很难建立精确的数学模型，针对具有更多内部和外部不确定因素的控制对象时，该PID控制方法就显得无能为力了。
2 料筒温度非线性PID控制器
在注塑机料筒的温度控制系统中，线性PID控制仅仅考虑了控制对象（温度）外部信息，决定了所控制的对象的有限性。对于带有更多内部和外部太多不确定因素的对象，线性PID就无能为力了。对于这种情况，有必要去获得并考虑系统的内部信息和外部不确定性，并让这些信息参与系统的控制和调节，提高系统的抗干扰能力。基于此，一种非线性PID控制器应运而生，它是在线性PID控制器基础上进行了如下改进：
①根据系统所能承受的能力，被控量变化的合理性和系统提供控制的能力，由设定值v先安排合适的过渡过程。该过渡过程由TD实现，TD不但给出所安排的过渡过程信号，还给出过渡过程的微分信号。
②误差的微分信号是可以用噪声放大效应很低的TD、状态观测器或ESO来提取。
③不同于线性PID控制，采用合适的非线性函数对误差进行组合，形成新的非线性误差反馈控制规律。
将非线性PID控制器应用于注塑机料筒温度控制系统中，由多个单回路非线性PID控制器分别调节各个电热环的供电电压，从而控制料筒各个段的温度。由于该控制系统不需要建立精确的数学模型，而且能够把作用于被控制对象的所有不确定因素都归结为“未知扰动”，所以采用实时监测的温度数据对它进行估计并予以补偿，就可以达到自动抗扰的目的，进而实现温度的自动实时控制。然而，在温度控制策略实现上，该温度控制系统依然存在一个显著的问题，即不清楚未建模动态因素，不具有预测性。
3 基于BP神经网络的料筒温度PID控制器
针对注塑机料筒温度控制的要求和线性PID控制器、非线性PID控制器的不足，尤其是针对非线性PID控制器的不可预测性，提出了一种基于BP神经网络的PID控制器。该控制器将神经网络和PID控制技术相结合，能无限地逼近非线性系统，具有收敛快、可预测的优点。而且，基于BP神经网络的料筒温度PID控制器能有效地缩短过渡过程，具有较好的稳定性和快速响应性，可以满足注塑机料筒的温度控制要求。
该控制器由常规PID控制器和神经网络控制器两部分组成，如图2所示。考虑到邻近加热器的影响，神经网络控制器的输入除本段加热器的输入信号、反馈信号外，还将邻近加热器的反馈信号引入。神经网络控制器的输出即为PID控制器的Kd、Kp、Ki3个参数，根据控制系统的输入/输出情况，通过神经网络实时调整PID控制器的3个参数，从而实现料筒温度的高性能控制。
与线性PID控制和非线性PID控制相比，基于BP神经网络的PID控制具有较好的稳定性和快速动态响应的特性，温度调节过程短。由于BP神经网络具有很强的学习能力，能够不断地从训练样本中提取出所蕴含的基本信息，用于温度预测。另外，在温度参数变化、数学模型不精确和控制环境变化的情况下，该控制器能保持较好的工作性能，系统鲁棒性强，使得该控制方法具有很大的应用前景。
4 结 语
在注塑机控制系统中，加热料筒温度控制是其中非常重要的一环，为了实现高性能的温度控制功能，本文介绍了三种PID控制方法，即线性PID控制、非线性PID控制和基于BP神经网络的PID控制。这三者之间具有层层递进的关系，后者都较前者具有更好的工作性能。以性能最好的基于BP神经网络的PID控制方法为例，该方法兼具了非线性PID控制方法的优越性能，在带有更多内部和外部不确定因素的情况下，能实现较好的温度控制作用，具有良好的抗干扰性能；同时，该方法通过神经网络的学习能力实现温度数据的训练，可实现对未来数据的实时预测，具有可预测性，鲁棒性更强，实用价值更高。
参考文献：
[1] 孙小权，钱少明.基于BP神经网络的料筒温度PID控制器[J].机电工程，2008，（5）.
[2] 曾璐.基于模糊变系数PID算法的注塑机料筒温度控制[J].广东轻工职业技术学院学报，2011，（3）.
[3] 宁璀，张泉灵，苏宏业.注塑机料筒温度先进控制的研究与应用[J].机床与液压，2007，（12）.
作者简介：陈旭（1986-）， 女，广东佛山人，硕士研究生，从事注塑机电气设计工作。
关键词：线性；非线性；PID；BP
中图分类号：TP273.4 文献标识码：A 文章编号：1006-8937（2013）06-024-02
注塑机料筒温度是注塑工艺的重要参数，对料筒温度进行有效地控制是保证塑料制品成型质量的重要环节。然而，注塑机料筒温度系统是一个多变量、离散、间歇工作、大滞后、非线性、强耦合且需要人工参与的复杂系统，由于其加温过程中的复杂性，使得该控制系统的精确数学模型很难以建立， 也就使得料筒的温度控制成为注塑机控制器设计中的难点。另外，在注塑机料筒温度控制器的设计过程中，控制器的工作性能，如良好的鲁棒性和较低的算法复杂度是不可忽视的参数指标。目前，采用较多的是PID控制方法，这主要是因为PID控制应用范围广，广泛应用于非线性或时变控制过程中，而起PID控制器中的3个参数Kd、Kp、Ki比较容易整定，是最简单的有时却又是最好的控制器。
本文基于料筒温度PID控制器的发展过程，从线性PID控制器到非线性PID控制器，再到基于BP神经网络的PID控制器三个方面，分别阐述了各自的优缺点。
1 料筒温度线性PID控制器
PID控制器不用被控对象的精确模型，只用控制目标与对象实际行为之间的误差来产生消除此误差的控制策略。由于PID控制技术是立足于误差来减少误差的过程控制原理，所以在控制工程实践中得到广泛有效的应用。本文主要研究注塑机料筒的温度控制系统，采用线性PID控制器，其基本结构如图1所示。
从图1可以概括出线性PID控制方法在实践应用中，本文的温度控制系统设计中存在如下问题：
①直接以e=v-y的方式产生原始误差不太合理。由于控制目标在过程中可以“跳变”，但是对象输出y的变化都有惯性，不可能跳变，不可能跳变，因此让缓变的变量y来跟踪能够跳变的变量v是不合理的。
②产生误差信号e的微分信号de/dt没有太好的办法。微分器物理不可实现，只能近似实现，常用的近似微分器的传递函数为■。这个传递函数可展成■，是近似微分公式■的实现。但是，但输入信号v（t）被噪声n（t）污染时，输出y中的近似微分■信号就被放大的噪声分量■所淹没，无法利用。因此，PID控制器除特殊情形外，实际上都是PI控制器。
③线性组合不一定是最好的组合方式。PID控制器给出的控制量u是误差的现在e（t）、误差的过去■e（τ）dτ、误差的将来■三者的加权线性组合。大量工程实践证明，三者的线性组合不一定是最好的组合方式，为了避免线性组合方式的缺陷就产生了花样繁多的“变增益PID控制器”
④误差信号e的积分■e（τ）dτ反馈的引入有很多副作用。大量工程实践表明，误差积分反馈的引入会使闭环变得迟钝，容易产生振荡及积分饱和引起的控制量饱和等。
将线性PID控制器应用于注塑机料筒的温度控制系统中，虽然能取得了良好的效果，但是该温度控制系统为大纯滞后系统，被控对象的参数变化较大、影响因素甚多、未建模动态因素显著，非线性严重，很难建立精确的数学模型，针对具有更多内部和外部不确定因素的控制对象时，该PID控制方法就显得无能为力了。
2 料筒温度非线性PID控制器
在注塑机料筒的温度控制系统中，线性PID控制仅仅考虑了控制对象（温度）外部信息，决定了所控制的对象的有限性。对于带有更多内部和外部太多不确定因素的对象，线性PID就无能为力了。对于这种情况，有必要去获得并考虑系统的内部信息和外部不确定性，并让这些信息参与系统的控制和调节，提高系统的抗干扰能力。基于此，一种非线性PID控制器应运而生，它是在线性PID控制器基础上进行了如下改进：
①根据系统所能承受的能力，被控量变化的合理性和系统提供控制的能力，由设定值v先安排合适的过渡过程。该过渡过程由TD实现，TD不但给出所安排的过渡过程信号，还给出过渡过程的微分信号。
②误差的微分信号是可以用噪声放大效应很低的TD、状态观测器或ESO来提取。
③不同于线性PID控制，采用合适的非线性函数对误差进行组合，形成新的非线性误差反馈控制规律。
将非线性PID控制器应用于注塑机料筒温度控制系统中，由多个单回路非线性PID控制器分别调节各个电热环的供电电压，从而控制料筒各个段的温度。由于该控制系统不需要建立精确的数学模型，而且能够把作用于被控制对象的所有不确定因素都归结为“未知扰动”，所以采用实时监测的温度数据对它进行估计并予以补偿，就可以达到自动抗扰的目的，进而实现温度的自动实时控制。然而，在温度控制策略实现上，该温度控制系统依然存在一个显著的问题，即不清楚未建模动态因素，不具有预测性。
3 基于BP神经网络的料筒温度PID控制器
针对注塑机料筒温度控制的要求和线性PID控制器、非线性PID控制器的不足，尤其是针对非线性PID控制器的不可预测性，提出了一种基于BP神经网络的PID控制器。该控制器将神经网络和PID控制技术相结合，能无限地逼近非线性系统，具有收敛快、可预测的优点。而且，基于BP神经网络的料筒温度PID控制器能有效地缩短过渡过程，具有较好的稳定性和快速响应性，可以满足注塑机料筒的温度控制要求。
该控制器由常规PID控制器和神经网络控制器两部分组成，如图2所示。考虑到邻近加热器的影响，神经网络控制器的输入除本段加热器的输入信号、反馈信号外，还将邻近加热器的反馈信号引入。神经网络控制器的输出即为PID控制器的Kd、Kp、Ki3个参数，根据控制系统的输入/输出情况，通过神经网络实时调整PID控制器的3个参数，从而实现料筒温度的高性能控制。
与线性PID控制和非线性PID控制相比，基于BP神经网络的PID控制具有较好的稳定性和快速动态响应的特性，温度调节过程短。由于BP神经网络具有很强的学习能力，能够不断地从训练样本中提取出所蕴含的基本信息，用于温度预测。另外，在温度参数变化、数学模型不精确和控制环境变化的情况下，该控制器能保持较好的工作性能，系统鲁棒性强，使得该控制方法具有很大的应用前景。
4 结 语
在注塑机控制系统中，加热料筒温度控制是其中非常重要的一环，为了实现高性能的温度控制功能，本文介绍了三种PID控制方法，即线性PID控制、非线性PID控制和基于BP神经网络的PID控制。这三者之间具有层层递进的关系，后者都较前者具有更好的工作性能。以性能最好的基于BP神经网络的PID控制方法为例，该方法兼具了非线性PID控制方法的优越性能，在带有更多内部和外部不确定因素的情况下，能实现较好的温度控制作用，具有良好的抗干扰性能；同时，该方法通过神经网络的学习能力实现温度数据的训练，可实现对未来数据的实时预测，具有可预测性，鲁棒性更强，实用价值更高。
参考文献：
[1] 孙小权，钱少明.基于BP神经网络的料筒温度PID控制器[J].机电工程，2008，（5）.
[2] 曾璐.基于模糊变系数PID算法的注塑机料筒温度控制[J].广东轻工职业技术学院学报，2011，（3）.
[3] 宁璀，张泉灵，苏宏业.注塑机料筒温度先进控制的研究与应用[J].机床与液压，2007，（12）.
作者简介：陈旭（1986-）， 女，广东佛山人，硕士研究生，从事注塑机电气设计工作。