谢英彬
佛山市唯友空调设备有限公司
摘要：在我国快速发展的过程中，在简述了国内外双螺杆塑料挤出机控制技术发展现状的基础上，提出了现阶段国内塑料挤出机智能控制研究难点，分析了提高塑料挤出机控制系统的精度和工作效率的重要意义。文中以常用的电容传感器测量塑料薄膜厚度为例，介绍了薄膜厚度测量的工作原理，建立了模糊神经网络算法模型，并对模糊神经网络PID控制器的工作流程进行了设计，利用Matlab仿真软件对比了模糊神经网络算法和传统PID算法的输出曲线，并结合实验验证了仿真的可行性与模糊神经网络PID算法的优越性。
关键词：模糊神经网络算法;PID控制器;塑料挤出机;塑料薄膜
引言
随着计算机技术和人工智能技术的发展，如何实现机械设备的在线检测与实时故障诊断，建立简单智能化的故障诊断系统，并在实践中推广应用，是故障诊断系统研究的主要方向。汽车发动机智能故障诊断技术是指在发动机不解体的情况下，利用测试技术、信息处理技术、智能故障诊断等技术对发动机产生的各种信号进行测试分析进而实现故障准确判断的过程。随着科学技术的不断发展，汽车发动机自动化程度越来越高、结构越来越复杂，其产生故障的复杂性也越来越大，仅靠一种理论或者一种方法，很难实现复杂条件下对故障及时准确的诊断，而两种或者两种以上智能方法的结合，可兼顾实时性和精确度，这一趋势成为智能故障诊断的发展方向。目前在众多智能诊断技术融合方法中，模糊推理和神经网络的融合理论备受关注，将二者结合形成的模糊神经网络，可克服各自缺点，充分发挥各自优点，使得系统具有较强的自学习能力，为复杂系统的故障诊断提供有效的工具。
1生产工艺与控制原理
1.1工艺
塑料颗粒通过投料口进入机筒，机筒将其加热到熔融状态，随机筒内螺杆转动从模头挤出，再经过冷却、切边、收卷等工艺制成薄膜成品。整个生产过程中，原料的热熔性、机筒内温度、螺杆电机的转速等因素都会影响薄膜的厚度控制，控制挤出机单位时间的挤出量是目前常用的薄膜厚度控制方法。当某段时间挤出量增大，则当前薄膜厚度也会增加。通过对螺杆电机进行变频调速从而控制挤出量是一个可行的方案，但是由于系统存在较大的滞后性、非线性，采用传统闭环负反馈调节显然无法达到较好的控制效果。
1.2系统结构与控制原理
其中工控机用于薄膜厚度显示、控制系统启停等人机交互;薄膜测厚仪将测量的流延膜厚度信号通过PROFIBUS总线传送给PLC，并由PLC上传至上位机软件进行控制算法计算，与设定的目标厚度进行比较，模数转换模块输出模拟量电压至变频器，从而控制螺杆转速，达到控制挤出量进而动态调节薄膜厚度的目的。
2模糊神经网络PID算法在塑料挤出机智能控制中的应用
2.1模糊神经网络算法建模
图1模糊神经网络结构
如图1所示，综合ＲBF神经网络与T-S模糊理论建立四阶模糊神经网络结构，模糊神经网络依次由输入层、第一隐含层、第二隐含层和输出层组成。文中的目的为控制塑料薄膜的厚度，故设e为薄膜厚度的控制偏差，ec为偏差变化率，有: 测量系统在nT时刻获得实际厚度为e(n)，y(n)为系统给定的目标厚度，e(n－1)为测量系统在(n－1)T时刻获得的实际厚度，控制偏差ec(n)为目标输出量PＲBF与实际量的偏差，定义模糊推理函数为: 式中，σij－第i个输入变量隶属于第j个模糊集合函数的宽度;cij－第i个输入变量隶属于第j个模糊集合函数的中心位置，i=1，2，…，n;j=1，2，…，L。
期刊文章分类查询,尽在期刊图书馆根据适应度将每个模糊推理规则所对应的节点进行配对，得:
2.2模糊神经网络
模糊推理利用模糊规则，模拟人脑模糊逻辑思维，在宏观上进行问题的处理，可以实现函数的逼近功能，而神经网络由神经元构成，利用其自学习能力，调节权重矩阵，在微观上完成输入到输出任意精度的非线性映射。二者结合形成的模糊神经网络，克服了各自缺点，同时发挥各自优点，使得系统不但具有较强的自学习能力，同时具有较强的知识表达能力，易于理解。
2.3PLC程序设计
薄膜厚度控制系统随整条生产线同步启动，测厚仪将当前所测厚度信号写入PLC数据块DB1，并与工控机设定的目标厚度作比较求得厚度误差和误差变化率并上传至上位机，KingView6.55软件通过调用MATLAB模糊神经网络算法，动态整定PID控制的比例、积分、微分系数，并向下写入PLC数据块DB41;另一方面PLC在中断组织块OB35内以100ms的周期调用PID功能块FB41，其对应的参数设置存放在数据块DB41中，可以实时自动修改。
2.4模糊神经网络的学习算法
网络学习的过程，就是更新网络连接参数的过程，目的在于确定高斯函数的中心值cij和宽度值σij，以及网络的连接权值wj的合适值，使得网络性能最优。根据系统的实际输出值和目标值计算出学习误差，误差反向传播对系统的条件参数进行调整。具体调节过程如下:(1)初始化网络，置各个连接权值wj和隶属度函数的中心值、宽度值为趋于0的随机数。(2)学习样本输入:输入向量Xp(p=1，2，…，p)和目标输出Yp(p=1，2，…，p)。(3)计算网络的实际输出与期望输出之间的误差 式中，ydp和yp分别为输出层第p个节点的期望输出与实际输出值。(4)计算参数的修正加权系数，修正参数有网络连接权值 式中，(j=1，2，…，r)。隶属函数中心值 式中，(i=1，2，…，p;j=1，2，…，r)。隶属函数宽度值 式中，(i=1，2，…，p;j=1，2，…，r)。上述各式中:η为学习效率;n为迭代次数。当网络实际输出与理想输出一致时，表明训练结束，否则通过误差反向传播，修正各层参数，直至误差降到要求范围内。
2.5知识库建立
专家系统的知识库用来存放人类专家的知识，知识库中知识的质量和数量决定着专家系统的质量水平。系统求解问题的过程就是通过知识库中存储的大量知识模拟人类专家的思维过程，并进行推理解释相关问题。建立神经网络专家系统的关键是建立知识库，也就是确定神经网络输入层与隐含层之间、隐含层与输出层之间的连接权值和阈值。知识的获取表现为神经网络对于样本的学习训练，神经网络专家系统将知识分布在各个神经元连接的权值和阈值中，并以矩阵的形式保存。建立知识库的步骤:①分析诊断对象，确定神经网络结构;②提取故障特征向量，获得训练样本;③训练神经网络获得连接权值和阈值，形成知识库，并对其进行保存。
结语
通过建立模糊神经网络算法模型，并利用仿真和实验可以得出，将模糊控制理论、BP神经网络和PID控制技术相结合，应用于塑料挤出机控制系统中，可以明显降低系统超调量，提高收敛速度、响应速度和抗干扰能力，挤出机制造出的塑料薄膜厚度更加均匀，更容易满足市场对于高质量塑料薄膜的需求。目前，多种算法理论交互已经在塑料制造设备控制领域崭露头角，如何更好地提炼并发挥各个算法的优点，将其融合并应用于工业控制中，以期提高控制系统的稳定性、鲁棒性和可靠性，将是未来控制理论发展并应用于工业实践中的主要方向。
参考文献
[1］姚景顺，毕文平．在线薄膜测厚仪［J］．电子技术，1995(1):18－20．
［2］曲双红，俞孟蕻，孟昕．神经网络在薄膜厚度控制系统中的应用［J］．江苏科技大学学报:自然科学版，2003，17(4):51－55．
［3］李晶麟．模糊自适应PID控制在双螺杆挤出机压力控制系统中的研究与应用［D］．北京:机械科学研究院，2005．
论文作者:谢英彬
论文发表刊物:《中国西部科技》2019年第23期
论文发表时间:2019/11/27
标签：神经网络论文; 模糊论文; 厚度论文; 算法论文; 薄膜论文; 系统论文; 误差论文; 《中国西部科技》2019年第23期论文;