<ruby id="z9z17"></ruby>

      <ruby id="z9z17"></ruby><p id="z9z17"></p>

          <pre id="z9z17"><mark id="z9z17"></mark></pre>

            <p id="z9z17"><cite id="z9z17"><progress id="z9z17"></progress></cite></p>

            ? ? ? ?

            咨詢電話

            ENGLISH0755-88840386
            新聞中心

            咨詢電話

            0755-88840386
            您的位置:首頁 > 學習專題 > 專業技術專題 > 工業自動化稱重儀表>詳情頁

            動態定量稱重系統控制策略的研究

            發布時間:2019-08-29 10:38:47 |來源:中國知網

            電子定量包裝系統是在電子稱重技術的基礎之上發展而來的一種動態定量稱重系統,是集機械、電氣、自動化、計算機等技術于一體的自動智能計量稱重設備 。電子定量包裝設備根據具體的控制程序,自動將大份的物料分成預定的小份物料。該設備因其具有智能自動稱量,大大提高生產效率,解放勞動力等優點,在糧加工、食品包裝、水泥包裝、醫藥包裝等領域被廣泛應用  。電子定量包裝系統是否穩定,對企業經濟效益具有直接影響,該系統如果能夠穩定的運行,可以使企業獲得最佳的經濟效益。

            實現動態定量稱重包裝的關鍵是解決動態定量稱重的精確控制,主要包括實時快速稱重和

            實時精確稱重,該控制系統性能的好壞直接決定了動態定量稱重包裝的效率高低。動態定量稱重包裝系統是一個非線性、時變性以及多種干擾并存的一個復雜系統 。當為了提高包裝效率加快稱重速度時,由于物料沖擊和空中飛料等因素的存在,將直接影響稱重包裝精度。當為了提高稱重包裝精度時,又不得不降低下料速度,從而影響了包裝效率。因此如何同時兼顧下料速度和稱重包裝精度對于提高整個動態定量包裝系統性能至關重要。

            目前國內外學者針對上述問題提出了多種智能控制方法,以解決稱重速度和稱重精度二者

            之間存在的矛盾問題,例如在文獻中提出了一種模糊自適應PID控制方法,對控制系統進行了仿真,并取得了一定成效。文獻[10]中提出了一種基于BP神經網絡與PID相結合的控制算法,大大提高了控制系統性能,但BP神經網絡學習速率和收斂速率均較慢、而訓練時間過長。

            徑向基函數神經網絡(radical basis function,RBF)在逼近能力、分析能力以及學習速率上均優于BP網絡。為此提出了一種基于RBF神經網絡的PID的動態定量稱重包裝控制方法。在RBF神經網絡PID控制過程中,由神經網絡RBF在線辨識得到了梯度信息,然后由得到的梯度信息對PID中的三個參數進行在線調整,從而提高了動態稱量系統的控制精度。

             

            1 定量稱重包裝系統組成

            下料稱重包裝系統主要由料倉、下料裝置、稱重傳感器、稱量斗、放料門、夾袋裝置、包裝機以及傳送帶等設備組成,下料稱重包裝系統結構簡圖如圖1所示。

            定量稱重包裝系統組成圖

            稱重系統中的傳感器將電信號經過A/D轉換后將信號傳送到單片機中,單片機再根據比較程序,通過對電磁閥1的控制從而實現物料重量的調節,電磁閥2的開關實現最終產品的包裝。

            2 傳統PID控制器

            傳統的PID控制是一種線性的控制器,主要根據給定值 x 與實際輸出值 y 構成的控制偏差:

            e(t)=x-y

            1)

            將偏差的比例(P)、積分(I)以及微分(D)進

            行線性組合從而構成PID控制,PID控制器如圖2

            所示,其控制數學模型為:

            u(t)=K p e(t)+K i ∫ 0

            t e(t)dt+Kdde(t)dt

            2)

            式(2)中: K p 為比例系數, K i 為積分系數, K d

            為微分系數。

            當控制對象具有非線性以及隨機性時,傳統的PID控制方法并不能達到理想的控制效果。

            PID控制器

            3 RBF神經網絡的 PID控制器

            RBF神經網絡結構如圖3所示,該網絡主要由輸入層、隱含層以及輸出層組成。RBF神經網絡具有收斂周期短、全局逼近能力強的特點,在非線性和隨機性的控制系統中具有不錯表現從而被廣泛應用。

            3.1 控制器的實現

            結合傳統PID和RBF神經網絡各自的優點,設計了如圖4所示的RBF神經網絡的PID控制結

            構,通過RBF在線辨識得到梯度信息,再由梯度信息對控制系統中的PID參數進行自適應調整,從而使系統具有自適應性,顯著提高了系統的魯棒性。

            定義控制誤差為:

            e ( ) k =r ( ) k -y ( ) k(3)

            其中, r ( ) k 為輸入, y ( ) k 輸出, e ( ) k 為控制誤差。對式(1)進行離散化處理可得:

            u ( ) k =u(k-1)+K p [e(k)-e(k-1)]+K i e(k)

            +K d [e(k)-2e(k-1)+e(k-2)](4)

            由式(4)可得:

            Δu ( ) k =K p [ ] e ( ) k -e ( ) k-1 +K i e ( ) k

            +K d [ ] e ( ) k -2e ( ) k-1 +e ( ) k-2(5)

            式中: Δu ( ) k =u ( ) k -u ( )k-1 ,其中PID中的參數由RBF神經網絡進行在線實時修正。

            引入輸出誤差平方函數作為性能指標:

            E ( ) k =12 [] r ( ) k -y ( ) k2=12e ( ) k2(6)

            K p 、 K i 、 K d 三個參數采用梯度下降的方法進行調整:

            4 仿真分析

            為了驗證所提算法的有效性,將RBF神經網絡PID控制方法與傳統PID方法進行仿真對比。

            參考文獻[12]中所提出了一種定量包裝系統傳遞

            函數的數學模型G(s)=1.48(2.5s+1)(8.26s+1)e-0.2s(16)采樣周期 T=0.5s ,將其離散化處理,采用Matlab對上述兩種控制方法進行仿真。仿真參數選擇為:動量因子 α=0.02 ,學習速率 η=0.35 ,加權因子 w=0.01 ,PID 參數為 K p =5 , K i =0.8 ,K d =1.5 。圖5~7分別為傳統PID控制方法和RBF神經網絡的PID控制方法對不同物料質量稱重包裝系統仿真結果。

             

            5 結束語

            針對動態定量稱重包裝系統具有非線性、時變性以及建立精確數學模型困難等特點,提出了

            一種基于RBF神經網絡的PID控制算法。通過MATLAB對不同控制方法進行仿真對比。仿真結果表明:傳統PID控制方法超調量較大,穩定周期長;而RBF神經網絡的PID控制效果平穩,能夠實現包裝質量精確控制,具有良好的動態性能,控制效果明顯優于傳統PID控制方法。

            作者:盧君宜

             摘于中國知網,如有侵權請聯系刪除

             

            分享到
            日本人妻丰满熟妇久久久久久,久久久久人妻一区精品色欧美,中文字幕乱码人妻一区二区三区,熟妇人妻va精品中文字幕
              <ruby id="z9z17"></ruby>

                <ruby id="z9z17"></ruby><p id="z9z17"></p>

                    <pre id="z9z17"><mark id="z9z17"></mark></pre>

                      <p id="z9z17"><cite id="z9z17"><progress id="z9z17"></progress></cite></p>