注塑機注射速度控制研究現狀和發展綜述

陳茂林　劉知貴　羅亮

摘要：對近年來注塑機注射速度控制方法進行研究，典型的控制方法可以分為傳統控制方法、自適應控制方法、智能控制方法。闡述各種方法的研究現狀、應用成果及其優缺點。注射速度是整個注射過程中非常關鍵的控制變量。最后對注射速度控制的發展做展望。

關鍵詞：注塑機；注射過程；注射速度；自適應控制；智能控制

中圖分類號：TP23 文獻標識碼：A

1引言

注塑機具有一次成型外形復雜、尺寸精確或帶有金屬嵌件的塑料制品能力，被廣泛應用于國防、機電、汽車、交通運輸等以及人們日常生活的各個領域。在塑料工業迅速發展的今天，注塑機不論在數量上或者品種上都占有重要地位。注塑成型是典型的間歇性重復生產過程。一次循環過程大致可以分為四個階段：預塑、注射、保壓、冷卻。為得到準確、一致性高的制品，必須對每個階段的關鍵變量行進控制。預塑階段的關鍵變量有螺桿轉速、螺桿背壓、料筒溫度、熔化物溫度。注射階段主要關鍵變量是注射壓力和注射速度。保壓階段關鍵變量是保壓壓力、保壓時間、模腔的壓力等。冷卻階段關鍵變量有冷卻時間，模具溫度等。Pandeli-dis和Agrawal指出在整個注射過程中注射速度控制非常的關鍵。準確注射速度控制保證熔體表面流速近似常數，熔體的流動速度決定模腔內的分子的排列取向、內部應力，能消除制品出現欠注、放射紋、接合紋、表面光澤不亮、燒焦、和溢邊等缺陷，提高制品質量。注射速度具有非線性、時變、強耦合、等特性，其控制難度大。很多學者對其做了大量的研究，至今注射速度控制仍是注塑機控制的研究熱點之一。

2注射速度控制研究現狀

2.1傳統注射速度控制方法

Hunkar給出了注射速度曲線設置的參考準則。對于注塑速度控制系統的數學模型，Davis在Thayer對典型伺服閥特性研究的基礎上提出了一個注射速度的傳遞函數模型。Wang等人將Davis和Thayer的研究結合在一起，提出了一個4階動態模型描述伺服閥開度和注射速度之間的關系，但是這一模型僅進行了對空注射的實驗驗證，而對空注射與實際對模具進行注射是有著相當大的區別。另一方面，Fara發現注射速度對于閥門的響應相當迅速，在其研究中，假設兩者之間的關系是線性的。以上這些研究均認為注射速度對于注射閥門開度響應是線性的，而忽略了熔體在噴嘴、澆口和模腔內流動時所造成的非線性和隨注射進行而遞增的阻力所引起的時變特性。基于Wang的模型，Pandelidis和Agrawal對注射速度的控制進行了一系列的仿真研究，他們提出了在注射速度上使用最優預估控制，用Wang的模型進行了仿真實驗，并發現該控制器在與傳統的PID控制器比較時顯示出更優良的控制性能。在他們的研究工作中，沒有進行實際的注射速度控制實驗；同時，由于使用固定參數的線性模型，注射速度的非線性特性也再一次被忽略了。Huang et al等人將預測控制應用到注射速度控制中，同時分析了系統的閉環控制的特性，但都是基于注塑成型過程線性的數學模型。Dubay和Han等人提出了在注射速度上使用多模型預測控制（MMPC），能處理注射速度的非線性特性。在實際150噸的注塑機上進行注射速度單步階躍開環（SCOL）與注射速度多步階躍開環（MCOL）實驗，證明該控制方法的有效性。王喆等人提出了注射速度的非線性預測控制，并對注射過程進行了LPV非線性建模，該方法能夠有效的跟蹤設定值。

2.2自適應注射速度控制方法

注射速度的非線性、時變、強耦合、大滯后等特性，使傳統的控制算法很難滿足控制要求。Pande-lidis和Agrawal，Zhang等人提出了注射速度的自適應控制器，結果表明該控制器對設定值有良好的跟蹤性能，但Zhang中沒有描述該控制方法詳細的設計過程和相應的理論分析。在此基礎上K.K.Tan提出將自適應結合滑模控制用于注射速度控制。基于注射階段詳細的機理非線性模型，首次采用多項式逼近簡化數學模型，避開了系統模型中的高階分量，得到了比較理想的仿真結果。其仿真結果是建立在線性假設的基礎上，其實用價值受到限制。Yang提出在注射速度控制上使用非線性自適應控制。采用反步設計法，在控制器設計中沒有考慮注射螺桿加速度信號。仿真結果表明該控制器能夠很好的跟蹤設定的速度曲線，但算法使用非線性的機理模型需要很多注塑機的基本參數，建模困難。

Yi Yang和Furong Gao提出自校正的自適應控制器用于注射速度控制，極點配置設計自校正控制器，針對不同的注射條件下，都有很好的控制效果，缺點是系統模型出現不匹配時非常敏感。為了克服這個問題，YiYang和Furong Gao進一步提出基于廣義預測自適應控制器，通過在正雄的注塑機上的實驗，廣義預測自適應控制器對模型不匹配時具有更強的魯棒性和更好的跟蹤性能。

2.3智能注射速度控制方法

迭代學習控制，模糊控制，神經網絡在解決非線性方面具有其獨特的優勢，使得它在非線性、時變、延時特性的注射速度控制得到了廣泛的應用。

迭代學習注射速度控制：K.Srinivasan等人在注射速度的線性離散數學模型基礎上，提出了學習控制器，仿真和實驗證明該控制器的有效性。H.J.Park等人在K.Srinivasan的基礎上提出了注射速度迭代學習控制器，并在高性能伺服閥控制注射缸的液壓系統中進行了測試和驗證。以上的這些研究和應用忽略了被控系統的動態性能，并不適用于實際注塑機。在這些研究的基礎上，Heather Havlicsek等人把迭代自適應學習算法實際應用到電液混合注塑機的注射速度控制。建立了注射速度的非線性數學模型。克服了傳統的迭代學習控制不足，將迭代學習控制用作前饋補償器，在實際注塑機上的實驗表明該方法具有很強的魯棒性和跟蹤性能。K.K.Tan等人提出注射速度的增強學習型PI控制。PI控制器做反饋控制用于穩定系統，迭代學習控制算法作為前饋控制用于反饋PI控制器的學習增強，同時補償非線性和擾動。該方法不但可以保證批次內的注射速度控制效果，同時還可以隨著操作次數的不斷增多而提高批次問的注射速度控制質量。隨著迭代學習控制的進一步發展和應用，最優控制策略結合到迭代學習控制中，使其性能改善。Furong Gao等人把Amann提出的最優迭代學習控制算法擴展，提出注射速度的魯棒迭代學習控制。采用修正二次罰函數權重矩陣的方法解決不確定初始設定值和干擾。同時分析和證明了最優迭代學習控制的魯棒性和收斂性。實驗證明了該方法的有效性。崔彩蓮等人針對注射速度的特性，采用離散預期學習控制方法。首先將注塑機注射速度模型離散化，根據誤差在2^k范數下的收斂條件，以兩步法設計預期學習控制的兩個參數（超前步長和學習增益）。但離散預期學習控制的收斂條件不能在整個頻段內滿足且仿真模型也為線性模型，與實際過程中的非線性差別很大。李茜等人將模型預測迭代學習用于注射速度控制。將迭代學習思想引入到預測步長的在線調整，提出了預測步長的迭代學習方法。仿真結果表明，該方法是有效的，其控制性能優于PID迭代學習控制。胡建斌等人將迭代學習控制與非線性回歸預測相結合設計了注射速度控制器。該控制器具有兩種控制算法優點，并且進行了仿真和實際注射速度控制實驗，都能取得較好的控制效果。

模糊注射速度控制：Tsoi和Furong Gao提出將模糊控制用于注射速度控制。通過實驗分析、證明注射速度具有非線性、時變、延時等特性。通過相平面特性分析優化模糊邏輯規則，采用指數因子優化控制器輸出的隸屬度函數，能在不同的注射條件下有效的工作但需要大量的專家經驗。趙松等人針對注射速度的控制提出了前饋模糊控制器，該控制器與Gao的模糊控制器相比多了一個前饋控制器，這樣設計的原因是在速度快速上升或下降階段，只用模糊控制器能難達到理想的控制效果，前饋控制主要用于抗系統的擾動性。仿真研究表明該控制器可以很好的跟蹤最優注射速度曲線，同時對不同的種類的塑料、將模具和參數干擾有較好的適應能力。Feriyonika等人將模糊控制結合滑模控制應用于注射速度控制。滑模控制的對系統的擾動和參數攝動不變性，是以高頻的抖振為代價，模糊控制可以克服滑模控制抖振，同時滑模控制也彌補了模糊控制對參數和外界擾動的敏感性，仿真結果證明了該方法的有效性。Wang M S等人提出將自適應結合模糊控制用于注射速度。采用PI控制器由于注射速度控制，自適應模糊控制補償積分作用初值，克服注射速度過渡到保壓壓力下降問題。Ching Chin Tsai等人針對注射速度提出了增益調度PI控制器和模糊PI控制器，同時給出了設計注塑機機械電子設計的一些參考準則，通過實驗，模糊PI控制器具有更好的性能。張鵬飛等人針對注射速度的非線性以及時變等特性將自適應和模糊控制結合起來，提出了自適應模糊PID控制器。仿真結果與傳統的PID控制器相比，自適應模糊PID控制器的控制性能更加優越，但沒有進行實際的注速度控制實驗。

神經網絡注射速度控制：Huang和K.K.Tan等人提出將基于神經網絡預測學習用于注射速度控制。相應理論分析和仿真結果表明該控制器對系統的不確定性、重復的擾動性具有很強的魯棒性。常玉清等人針對注射過程的非線性時變特性，提出了基于RBF神經網絡逆系統的控制方法。采M.Rafizadeh模型描述注射速度系統特性，通過求解該系統的相對階證明了系統的可逆行。RBF神經網絡的注射速度的逆系統與常規的PID控制相結合，實現了對注射速度的復合控制。柯敏等人設計了基于RBF的神經網絡控制器，通過仿真驗證了該控制器能使注射速度很好的魯棒性和跟蹤性能。

3注射速度控制研究展望

經過多年的發展，在注射速度控制方面取得了一定研究成果。基于上述的討論，在解決注射速度非線性、延時、時變等特性的問題上，注射速度控制算法今后可以在以下幾個方面進行研究：

1）預測控制算法中的某些參數還需要經驗選取，理論研究需要進一步深入。

2）迭代學習控制的閉環迭代學習方式、其學習速率、收斂性等理論研究。

3）神經網絡與自適應、模糊控制相結合，以提高其控制精度方法的研究。

4）注射速度模型的完善改成注射速度模型的完善、注塑機控制器的優化以及實施、注塑機系統在線辨識算法深入研究。

5）注塑機注射速度與注射壓力之間存在相互耦合的現象，因此，速度與壓力之間解耦控制算法也是今后一個研究方向。