王驚雷
（河南省洛陽經(jīng)濟學校，河南洛陽471000）
摘要：針對傳統(tǒng)模糊控制器控制過程復雜，很大程度依賴專家經(jīng)驗等缺點，結(jié)合全自動注射機的工作特點，提出基于差分進化算法的模糊控制方案。采用Matlab搭建實驗仿真平臺，對于全自動注射機溫度控制系統(tǒng)進行實驗設(shè)計，同時對于控制器進行驗證分析。仿真結(jié)果表明，基于差分進化算法的模糊控制器具有較好的抗干擾性、穩(wěn)定性，在全自動注射機溫度控制中，相對傳統(tǒng)模糊控制器，其恒定性和魯棒性控制效果更加良好?；诓罘诌M化算法的模糊控制器應(yīng)用于全自動注射機溫度控制系統(tǒng)，能更大程度上提高系統(tǒng)性能與溫度控制精度，進而提升產(chǎn)品質(zhì)量。
關(guān)鍵詞：差分進化；模糊控制器；全自動注射機；溫度控制
隨著塑料工業(yè)的迅速發(fā)展，塑料制品在航空、航天、電子、機械、船舶和汽車等領(lǐng)域廣泛應(yīng)用。注塑設(shè)備是生產(chǎn)各種工業(yè)產(chǎn)品的重要工藝裝備[1]，而控制系統(tǒng)是注塑設(shè)備中最為關(guān)鍵的部分。目前，傳統(tǒng)的模糊控制器過于依賴人工經(jīng)驗，控制精度低，控制效果不理想，無法很好地滿足高精度控溫要求。為進一步提升系統(tǒng)控制精度，提升注塑產(chǎn)品質(zhì)量，本實驗采取基于差分進化算法的模糊控制器，應(yīng)用于全自動注射機溫控系統(tǒng)中，對系統(tǒng)的控制精度進行探究。
1注射機工藝概述
目前塑料工業(yè)中所應(yīng)用的注射機，根據(jù)注塑缸的數(shù)目可分為單缸注射機和雙缸注射機。單缸注射機，除去對射機的使用，單獨使用一個射臺成為單色機型，配以M3700高速射臺，射速可達250mm/s；配以E1400H全電射臺，射速可達300mm/s。雙缸注射機特點為雙缸直壓式縮模，模面受力均勻，低壓關(guān)模平穩(wěn)且快速，通常采用節(jié)能油泵。同時采用箱體式前模板，內(nèi)部加強筋分布合理，移動模板更加扎實。
工業(yè)生產(chǎn)過程中采用的自動注射機的注塑成型加工過程較為復雜，對于工藝要求精度較高。通常意義上，自動注射機的工作流程主要包含四個主要階段：(1)材料熔融與填充階段；(2)模具保壓階段；(3)模具冷卻階段；(4)開模與成品階段。由于不同材料的物理化學屬性對于注塑過程中的工藝參數(shù)不盡相同，但為了更好地確保注塑模具的質(zhì)量，通常需要對于注射溫度進行較為精準的控制。
注射機的溫度控制部分主要由料筒溫度和模具溫度組成，膠料的內(nèi)在塑化效果受料筒溫度影響，注塑半成品表面的光滑度受模具溫度影響[2]。國內(nèi)外大多數(shù)廠商采用的注射機溫控系統(tǒng)一般包含兩個子系統(tǒng)，分別為閉路水循環(huán)系統(tǒng)和電控系統(tǒng)。水循環(huán)由一路熱水和一路冷水組成，在料筒外部流道流動。電控系統(tǒng)由電加熱器以及換熱器組成，電加熱器把水加熱到設(shè)定溫度，冷卻水經(jīng)過換熱器進行熱量轉(zhuǎn)換。通過熱傳導控制啟動時模具部分的預熱，保持塑化過程的溫度恒定[3]。
2注射機溫度控制策略
目前國內(nèi)大多數(shù)的全自動注射機采用模糊控制的溫度控制方案，在塑料的塑化過程中，塑料半成品的質(zhì)量直接受溫度的影響。溫度過低，塑料表面不光滑，物理性能較差，甚至出現(xiàn)無法成型的狀況。溫度過高則會出現(xiàn)氣泡，嚴重時會導致膠料燒焦。因此，對膠料溫度的精確控制是加工生產(chǎn)線的第一要務(wù)[4]。目前，隨著工藝的升級與進步，對于溫度控制精度提出了新的要求，采用模糊控制器難以實現(xiàn)對于注射機溫度的精準控制。但是塑料在塑化過程中，溫度受注射壓力變化，保壓時間調(diào)整，材料塑化程度等因素影響難以取得較為良好的溫度控制效果。熔料溫度的獲取可以通過在噴嘴部分安裝溫度傳感器，實現(xiàn)對于熔體溫度的測量。
注射機溫控系統(tǒng)比較復雜，具有時變性，滯后時間大。模糊PID控制過于依賴人工經(jīng)驗，控制精度低，控制效果不理想，無法很好地滿足高精度控溫要求[5]。模糊控制系統(tǒng)是通過對輸入量進行模糊化處理，選擇合適的由人工經(jīng)驗得出的模糊規(guī)則表進行模糊推理，得到模糊量后進行清晰化輸出。模糊PID控制是將模糊控制與PID控制器相結(jié)合，在線整定PID的參數(shù)，圖1為模糊PID控制原理圖。
從圖1可以看出，根據(jù)模糊邏輯推理實現(xiàn)對PID參數(shù)的自適應(yīng)整定與調(diào)節(jié)。其中，系統(tǒng)誤差(e)和誤差變化率(ec)為模糊控制器的輸入量，代表溫度偏差和偏差變化率；ΔKp、ΔKi、ΔKd為輸出量，代表PID控制器三個參數(shù)Kp、Ki、Kd的校正量；系統(tǒng)輸入r(t)為橡膠料筒溫度的設(shè)定值；y(t)為實際檢測到的溫度值。將其清晰化后與初始PID參數(shù)疊加，根據(jù)系統(tǒng)偏差和偏差變化率的不斷變化而變化[6]。
輸入變量和輸出變量模糊論域的子集為｛NB(負大)，NM(負中)，NS(負小)，ZO(零)，PS(正小)，PM(正中)，PB(正大)｝，e和ec的論域?。?6，-5，-4，-3，-2，-1，0，1，2，3，4，5，6｝，圖2為輸入與輸出變量的隸屬函數(shù)采取的三角函數(shù)形式。
目前塑料工業(yè)應(yīng)用中，采用模糊PID控制器的溫度控制系統(tǒng)應(yīng)用廣泛。乙基纖維素、聚氯乙烯、磷酸三氯乙酯等，在其加工生產(chǎn)過程中都需要有較為精準的溫度控制，同時全自動注射機生產(chǎn)過程中對溫度有嚴格的控制要求[7]，傳統(tǒng)的溫度控制方法通常運用模糊PID控制器進行控制。但對于注塑過程的溫度控制系統(tǒng)，由于其控制系統(tǒng)的復雜性，且為實現(xiàn)高控制精度和效果的要求，使用常規(guī)控制器已經(jīng)不容易產(chǎn)生優(yōu)良的控制效果[8]。
3差分進化算法的模型與應(yīng)用
差分進化算法又稱為DE算法，本質(zhì)上是一種多目標優(yōu)化的算法，在算法優(yōu)化中應(yīng)用較為廣泛。差分進化算法借鑒遺傳算法中種群進化思想，通過種群的初始化、交叉變異等操作，實現(xiàn)對于最優(yōu)解的尋找[9]。圖3為差分進化算法原理圖。
根據(jù)原理圖對于算法步驟進行詳細描述：
第一步，種群的初始化。初始算法的參數(shù)，種群數(shù)量規(guī)模為：
根據(jù)公式(1)有效確定種群規(guī)模，對于總體大小M的值，種群規(guī)模的大小對于種群多樣性具有較大的影響，但是種群規(guī)模過大又會影響算法的收斂速度[10]。
第二步，種群變異操作。首先在種群中挑選3個不同種群個體xp1，xp2，xp3進行如下操作：
變異因子是算法中的重要參數(shù)，用于控制種群的變異特征以及種群多樣化的實現(xiàn)，對于種群進一步的進化，最優(yōu)解的生成具有重要影響。
第三步，交叉。為了增加種群多樣性，操作如下：
式(3)中：CR∈[0,1]為交叉概率。交叉概率對于算法尋優(yōu)過程中，收斂速度的快慢具有重要作用。倘若交叉概率過小，使得種群多樣性降低，算法收斂速度便慢。但是過大的交叉概率又會使算法對于全局最優(yōu)解不夠敏感，并導致控制收斂效果變慢。
第四步，對下一代種群個體進行選擇。通過函數(shù)進行計算同時確定xi(t)為下一代的子個體：
差分進化算法為優(yōu)化算法，在控制領(lǐng)域應(yīng)用較為廣泛。算法吸收了種群進化的優(yōu)勢與特點，進一步幫助控制器跳出當前局部最優(yōu)值，通常根據(jù)算法收斂性分析，進一步證明算法進一步收斂到最優(yōu)值的有效性[11]。圖4為差分進化算法的模糊控制器原理圖。
利用差分進化算法優(yōu)化PID參數(shù)的具體步驟為：
(1)首先定義Kp，Ki，Kd三個數(shù)值的范圍；
(2)算法的初始化，初始化各項參數(shù)；
(3)種群個體根據(jù)適應(yīng)度函數(shù)進行尋優(yōu)，確定出系統(tǒng)誤差最小的Kp，Ki，Kd三個數(shù)值；
(4)種群進行交叉、變異等操作，進一步產(chǎn)生新的種群；
(5)迭代步驟(2)~(4)，直到參數(shù)收斂到最小數(shù)值。
4基于差分進化算法的模糊控制器設(shè)計實現(xiàn)
為驗證基于差分進化算法的模糊控制器的有效性，采用Matlab搭建實驗仿真平臺對于全自動注射機溫度控制系統(tǒng)進行實驗設(shè)計，同時對于控制器進行驗證分析。通過Simulink對所設(shè)計的全自動注射機溫度控制系統(tǒng)進行仿真驗證，并對系統(tǒng)性能進行分析。建立基于差分進化的模糊控制器與模糊PID控制器的自動注射機溫度控制仿真模型?？刂破髟O(shè)計是結(jié)合差分進化算法的尋優(yōu)思路，結(jié)合工業(yè)生產(chǎn)過程中注射機溫度控制經(jīng)驗以及模糊控制器的理論特點，表1~表3為設(shè)計的模糊規(guī)則。圖5為差分進化參數(shù)尋優(yōu)過程。
采用60℃的期望信號進行輸入測試，圖6為控制器仿真測試對比試驗。從圖6可以看出，兩種算法上升的時間相同，模糊PID控制算法的最高上升溫度為68.29℃，較大，基于差分進化算法的模糊控制器的最高上升溫度為62.16℃，調(diào)節(jié)時間比模糊PID控制少，呈現(xiàn)顯著的優(yōu)越性，控制效果顯著提升。
由于自動注射機在實際生產(chǎn)應(yīng)用中會面臨著功率加熱器更換、誤故障或者電機誤操作等情況，通常在設(shè)計控制器時要進行外來擾動的測試與試驗。為更好地驗證控制器的性能，在進行控制器仿真測試對比試驗中，考慮加入外來擾動環(huán)節(jié)，進一步觀察控制器的控制效果。圖7為控制器仿真測試對比試驗(帶擾動)。從圖7可以看出，基于差分進化算法的模糊控制器系統(tǒng)上升時間較短，系統(tǒng)對于外來擾動能夠迅速恢復，可以較好地實現(xiàn)溫度控制。
5結(jié)論
針對全自動注射機溫度控制系統(tǒng)具有非線性，時變性以及大時滯問題，選取料筒溫度作為被控對象，采取模糊PID控制算法、差分進化算法-模糊控制算法。同時，對于全自動注射機溫度控制系統(tǒng)，分別設(shè)計了基于模糊PID、基于差分進化的模糊控制器，并在Matlab軟件上進行了仿真實驗。對比分析研究結(jié)果可以發(fā)現(xiàn)，與常規(guī)模糊PID控制器相比，基于差分進化的模糊PID控制器有效降低了系統(tǒng)的超調(diào)量以及調(diào)節(jié)時間，具有良好的控制質(zhì)量，在加入擾動后，能夠迅速尋找到最優(yōu)控制參數(shù)，控制器仍然具有良好的控制效果。
參考文獻
[1]李村.注射機料筒溫度控制設(shè)計與研究[D].昆明:昆明理工大學，2011.
[2]湯霽驍，朱茂桃，吳蕾.基于Moldflow和代理模型的注塑工藝參數(shù)優(yōu)化[J].塑料科技，2019，47(6):99-103.
[3]陳以，楊啟偉.模糊Smith智能溫度控制器的設(shè)計與仿真[J].控制工程，2007(4):422-425，429.
[4]陳想，陳波宇.頻率和溫度對簾線與膠料動態(tài)粘合性能的影響[J].輪胎工業(yè)，2020，40(6):42-44.
[5]彭勛.一種自適應(yīng)模糊PID節(jié)能控制的改進研究與仿真[J].計算機仿真，2016(12)：333-337.
[6]黃偉，巫茜.基于參數(shù)自整定的模糊PID控制器及其應(yīng)用[J].機床與液壓，2013(6):81-86.
[7]宋超，曹翱，溫家璽.自適應(yīng)模糊PID控制器的設(shè)計及MATLAB仿真[J].現(xiàn)代制造技術(shù)與裝備，2018(7):210-212.
[8]申靜.塑料吹膜機的模糊PID溫度智能自動控制[J].合成樹脂及塑料，2019，36(2):82-85.
[9]倪洪杰，彭春祥，周曉根，等.一種階段性策略自適應(yīng)差分進化算法[J].計算機科學，2019，46(S1):106-110.
[10]丁青鋒，尹曉宇.差分進化算法綜述[J].智能系統(tǒng)學報，2017，12(4):431-442.
[11]周偉，譚振江，朱冰.基于差分進化算法的大數(shù)據(jù)智能搜索引擎研究[J].情報科學，2018，36(5):87-91.
聚砜醫(yī)療干粉吸入...
塑料包裝材料的減...
汽車功能鍵觸摸蓋I...
高性能注塑聚丙烯...
