注塑機料筒溫度控制方法研究

曹 華，李 偉

（1.廣西機電職業技術學院，南寧 530007；2.桂林電子科技大學，桂林 541004）

0 引言

塑料是一種常見材料，具有比較明顯的優點，例如：質量輕、可塑性好、可重復利用、成本低等，因此其在包裝、醫藥、化妝品等領域的應用十分廣泛。注塑機作為實現塑料成型的關鍵設備，可以很方便地實現復雜外形、高精度尺寸等塑料制品的一次成型[1,3]。為確保注塑機成型精度、效率、美觀性，必須提高注塑機料筒徑向溫度控制準確性。如果溫度比較低，就會導致塑料顆粒塑化不均勻，造成設備磨損或損壞；如果溫度比較高，高分子塑料會發生分解，導致組織疏松、碳化進而包裹在料筒內壁或螺桿表面，嚴重影響產品質量[4,5]。通常情況下，按照工藝要求注塑機料筒溫度會被劃分為3～5個溫度區間，再加上塑料不同注射成型溫度也會不同，因此實現注塑機料筒徑向溫度控制比較困難。傳統PID控制算法具有結構簡單、響應速度快等特點，其在注塑機料筒溫度控制中的應用比較廣泛[6,7]。針對多溫度區間控制，注塑機往往采用多個單回路PID獨立控制，但是注塑機溫度控制容易受外部環境、電壓波動等因素影響而且相鄰溫度區間相互干擾。綜上所述，注塑機溫度控制具有比較明顯的耦合性以及非線性，若僅僅采用傳統PID控制，其參數需要反復調整，很難取得理想控制效果。當前，許多先進控制策略引入到料筒溫度控制算法中，包括專家控制、神經網絡控制、模糊控制、最優時間控制等，但這些算法均沒有很好地解決耦合性問題[8～11]。

為解決此問題，文中提出一種基于神經網絡的靜態解耦算法同時結合模糊PID控制以提高注塑機料筒溫度控制效果。

1 料筒溫度特性

注塑機注射系統如圖1所示，其中1—油缸、2—料斗、3—料筒、4—噴嘴、5—模具、6—計量段加熱器、7—壓縮段加熱器、8—固體輸送段加熱器。整個加熱區間可分為固體輸送段（I段）、壓縮段（II段）以及計量段（III段），每段均配有獨立加熱絲，沿料筒徑向排列，通過設置不同溫度值構建注射工藝所需溫度場。塑料顆粒經料斗進入料筒，油缸會推動螺桿旋轉擠壓塑料沿料筒徑向移動，經過預熱、塑化、注射、保壓、冷卻等工序，最終開模得到塑件。考慮到不同加熱段加熱功率不同、塑料總量不同，因此各段溫度調整方法不同。除此之外，相鄰加熱段之間存在熱交換，各段相互影響，所以塑料溫度控制需要解決耦合性問題。同時，塑料密度、熱導率、擴散系數也會變化，因此料筒溫度控制具有非線性[12～15]。

圖1 注塑機注射系統

如上所述，注塑機料筒溫度控制屬于MIMO系統，根據能量守恒定律，料筒加熱絲產生的總熱量Q等于塑料融化所需熱量Q1和散失熱量Q2的之和，表達式如式(1)～式(3)所示：

式(1)～式(3)中C表示料筒熱熔；T表示料筒溫度；T0表示環境溫度；R表示熱阻；t則表示加熱時間。

鑒于料筒溫度比環境溫度要大得多，因此將T0忽略，那么則有：

對式(4)進行拉普拉斯變換，可以得到：

考慮到料筒溫度控制具有滯后性，需要在式(4)中加入滯后時間τ，那么則有：

式(6)中K為比例系數。

2 溫度控制器設計

2.1 神經網絡靜態解耦算法

神經網絡可實現多輸入多輸出的映射，可以較好地解決非線性、時變性等問題，同時具有自適應能力強、可訓練等優點，因此文中提出了一種神經網絡靜態解耦算法，以期實現料筒溫度的解耦控制。結合模糊PID控制和神經網絡靜態解耦算法的控制系統如圖2所示。圖2中θ1、θ2、θ3分別為注塑機料筒I段、II段、III段溫度設定值；u1、u2、u3分別為料筒I段、II段、III段模糊PID控制器的控制信號；U1、U2、U3分別為解耦后料筒I段、II段、III段加熱絲的控制電壓；T1、T2、T3分別為料筒I段、II段、III段實際溫度輸出值。

圖2 控制系統框圖

文中采用Bristol矩陣，實現三段料筒溫度的解耦，那么則有：

式(7)中Y表示被控向量；U表示控制向量，即Y=[T1T2T3]T，U=[U1U2U3]T。

對于注塑機料筒溫度控制系統，神經網絡靜態解耦的訓練目標可定義為：

式(9)中pi表示第i通道的增益。神經網絡結構如圖3所示。

圖3 神經網絡結構

神經元活化函數可定義為：

可利用梯度下降法來修正網絡加權系數，即：

式(11)中η表示神經網絡學習速率。

2.2 模糊PID控制器

模糊控制器采用二輸入三輸出結構，其中輸入變量為料筒各段溫度偏差e和溫度偏差變化率e，其論域為[-6,6]，語言論域為｛NB，NM，NS，ZO，PS，PM，PB｝；輸出變量為PID控制器參數變化量Δkp,Δki,Δkd，其論域為[-5,5]，語言論域為｛NB，NM，NS，ZO，PS，PM，PB｝。隸屬度函數采用三角函數，推理方法采用Mamdni，去模糊化方法則采用面積重心法。kp,ki,kd等參數的整定原則如下：

1）如果誤差比較大，為提高系統響應速度、減小超調量，應選擇較大的Δkp，較小Δki、Δkd。

2）如果誤差和誤差變化率均不大時，為減小系統超調量、適當提高響應速度，Δkp,Δki,Δkd的選擇應適中。

3）如果誤差變化率比較小，為提高系統穩定性、減小系統偏差，應選擇較大的Δkp,Δki，較小的Δkd。模糊規則如表1所示。

表1 Δkp,Δki,Δkd 模糊規則

3 仿真和試驗研究

3.1 仿真

為驗證所述注塑機料筒溫度控制方法的可行性和有效性，文中進行了仿真研究。分別建立基于傳統PID算法和文中所述算法的注塑機溫度控制系統，進行仿真對比。注塑機I段溫度設定為180℃，II段溫度設定為210℃，III段溫度設定為230℃，仿真結果如圖4所示。從仿真結果可以看出，采用傳統PID控制料筒I段溫度超調量為4.7℃、穩定耗時約76s；料筒II段溫度超調量為19.3℃、穩定耗時約97s；料筒III段溫度超調量為15.4℃、穩定耗時約77s。采用文中所述控制算法，料筒I、II、III段溫度幾乎沒有超調量，溫度控制曲線比較平滑，達到穩定狀態的所需時間也會減小。結果表明：神經網絡靜態解耦可以很好地降低各段溫度耦合干擾的影響。

圖4 仿真結果

進一步地，在t=130s處向料筒II段施加一個20℃的階躍干擾量，來驗證系統的抗干擾能力，仿真結果如圖5所示。從仿真結果可以看出，采用PID控制，料筒I段、II段、III段的溫度超調量分別為9.5℃、9.3℃、4.2℃，達到穩定狀態耗時約30s、43s、37s；采用文中所述控制方法，料筒I段、II段、III段的溫度超調量分別為0.5℃、3.2℃、0.4℃，達到穩定狀態耗時約8s、22s、13s。仿真結果表明：文中所述控制方法具有比較好的解耦能力、抗干擾能力和魯棒性。

圖5 干擾下仿真結果

3.2 試驗

文中以某工廠注塑機為基礎平臺，分別移植PID控制算法和基于神經網絡靜態解耦的模糊PID控制算法，實時檢測料筒III段溫度，來驗證溫度控制精度。實驗裝置如圖6所示，實驗過程中料筒I段溫度設定為180℃、料筒II段溫度設定為210℃、料筒III段溫度設定為230℃，試驗結果如表2所示。試驗結果表明：采用文中所述控制方法能夠大幅度提高料筒溫度控制精度，該控制方法具有比較好的解耦能力和抗干擾能力。

圖6 實驗裝置

表2 試驗結果

4 結語

為解決注塑機料筒溫度控制過程中存在的耦合性、非線性等問題，文中提出了一種基于神經網絡靜態解耦的模糊PID控制算法，詳細論述了溫度控制器設計方法并進行了仿真和試驗研究。試驗結果表明：文中所述方法具有比較好的解耦能力和抗干擾能力，能夠大幅度提高注塑機料筒溫度控制精度，可滿足注塑機工藝要求。