明五一，沈娣麗，郭建文，張臻，陳志，李賀

(1.東莞華科精機有限公司，廣東東莞523808;2.華中科技大學機械科學與工程學院，湖北武漢430074;3.中州大學工程技術(shù)學院，河南鄭州450015;4.東莞華中科技大學制造工程研究院，廣東省制造裝備數(shù)字化重點實驗室，廣東東莞523808)

0 前言

制造裝備在整個制造業(yè)中具有基礎(chǔ)性和戰(zhàn)略性地位，而數(shù)控技術(shù)是一個國家制造業(yè)核心競爭力和整體制造技術(shù)水平的重要標志。隨著數(shù)控技術(shù)的不斷發(fā)展，其應用范圍幾乎覆蓋所有的制造業(yè)領(lǐng)域，且優(yōu)勢越來越明顯。除制造裝備外，國民經(jīng)濟各行各業(yè)以及軍工業(yè)中的眾多機械產(chǎn)品都可以通過應用數(shù)控技術(shù)實現(xiàn)升級換代。

目前，我國包裝工業(yè)已形成以紙、塑料、金屬、玻璃、印刷和包裝機械等為主要產(chǎn)品的獨立、完整、門類齊全的工業(yè)體系，2011年其總產(chǎn)值突破13 000億元大關(guān)，成為僅次于美國的世界第二包裝大國。包裝產(chǎn)業(yè)鏈的重要一環(huán)是包裝印刷，與此同時印刷包裝機械廣泛存在高速點位控制、同步控制、數(shù)字伺服驅(qū)動、電子凸輪以及張力控制等數(shù)控技術(shù)需求。而我國由于缺乏這些技術(shù)積累，實現(xiàn)這些行業(yè)的核心控制裝置完全被歐美公司所壟斷。因此，吸收消化國外的先進技術(shù)，打破國外技術(shù)封鎖和產(chǎn)品壟斷，研發(fā)具有自主知識產(chǎn)權(quán)的印刷包裝機械數(shù)控系統(tǒng)的核心技術(shù)，降低設(shè)備成本，實現(xiàn)印刷包裝控制裝置的高性能和智能化有著重要的科學和社會意義。

多層共擠膜是多種塑料原料分許多層同時從一個口模擠出成形的薄膜，采用此種生產(chǎn)方式可以充分發(fā)揮不同材料的優(yōu)點。多層共擠技術(shù)就是將多種物料在熔融狀態(tài)下，通過特殊的機頭擠出后形成一種新型的功能薄膜加工方式，這種多功能薄膜是由多層阻隔層(1 ～3 層阻隔層)多種組合共擠，可以吹出能夠滿足市場任何需求的薄膜。目前大部分食品包裝膜都是該種共擠復合膜，然而高端多層共擠吹塑裝備仍需要進口，因此，設(shè)計、制造一種高性能智能化具有自主知識產(chǎn)權(quán)的多層共擠吹塑裝備，降低下游用戶企業(yè)的生產(chǎn)成本，提高整個行業(yè)的附加值，對整個行業(yè)的發(fā)展具有重要意義，而該裝備研發(fā)成功與否取決于數(shù)控系統(tǒng)是否成功開發(fā)。

1 總體設(shè)計思想

高性能智能化多層共擠吹塑裝備關(guān)鍵技術(shù)總體設(shè)計思想如圖1所示。首先是研究該裝備必需的底層支撐算法;其次，在支撐算法研究的基礎(chǔ)上，基于片上優(yōu)化技術(shù)，將運行于上位機的算法改造成能夠在芯片上實現(xiàn)的硬件算法;再次，基于研制的核心芯片，擴展成具備獨立功能的控制器;最后，通過系統(tǒng)集成實現(xiàn)吹塑裝備。

圖1 高性能智能化多層共擠吹塑裝備關(guān)鍵技術(shù)總體設(shè)計思想

2 算法研究

目前，國內(nèi)外專家主要完成了“基于群智能的總線調(diào)度算法”、“基于進化計算與模糊融合的智能控制算法”和“基于譜聚類與流形學習的智能故障診斷算法”三類底層支撐算法。CHIOU J P，朱亞琪，崔嬌等人［1－3］對基于群智能算法做了深入研究;李軍、何加浪［4－5］等對基于進化計算算法進行了深入研究，并有一定的應用成果;楊鋒等人［6］研究了基于改進譜聚類與粒子群優(yōu)化算法在圖像分割中的應用。作者總結(jié)上述相關(guān)研究成果，針對吹塑裝備的特點，再結(jié)合人工智能、控制與控制領(lǐng)域的最新成果，研究出具有針對性的、高效的適合于大型吹塑裝備的總線調(diào)度、控制與故障診斷算法。

評價3 類底層算法執(zhí)行效果的優(yōu)劣性、效率的高低以及魯棒性的強弱，需要對算法做一些必要的測試與分析，主要包括:收斂性分析、參數(shù)影響分析、復雜度分析、標準測試、數(shù)據(jù)測試與仿真等。通過上述的工作不僅從理論上保證這3 類算法正確性，而且通過數(shù)字、物理仿真進一步驗證了算法的運行過程中的穩(wěn)定性、運行效率等性能。

3 芯片級開發(fā)研究

為完成上述3 類算法的改造，且在運行時序、運行速度以及系統(tǒng)資源的需求上能夠滿足大規(guī)模集成電路的要求，并通過設(shè)計合理數(shù)字電路在資源與性能之間獲得最大的平衡。芯片級開發(fā)研究中以并行計算理論和數(shù)字電路設(shè)計理論等為理論支撐。通過并行計算理論可以將原算法的順序時序改為平行的并行時序，提高算法計算速度，從而達到系統(tǒng)實時性的要求;與此同時數(shù)字電路設(shè)計理論不僅能夠保證多級壓縮機故障監(jiān)測算法的正確性，還可以避免數(shù)字電路中“競爭”和“冒險”現(xiàn)象，以及實現(xiàn)芯片硬件資源的合理分配和優(yōu)化。以進化計算為例，其平行流水線型算法結(jié)構(gòu)如圖2所示。

圖2 進化計算的流水線并行算法

在進化計算的平行流水線型算法結(jié)構(gòu)中，控制調(diào)度的主要功能是監(jiān)視各個獨立個體運算單元每一代的運算結(jié)果，從中選取出最優(yōu)的個體信息，并統(tǒng)計運算的總代數(shù)與總時間等信息，與預先設(shè)定的參考信息進行比較，當達到預設(shè)的最大運算代數(shù)、最大運算時間或者是求得達到預定要求的最優(yōu)值，則停止運算?？刂普{(diào)度層和單個個體的連接方式如圖3所示。

圖3 控制調(diào)度層連接示意圖

將算法在運行時序、運行速度以及資源需求改造后就獲得硬件級算法，但是其正確性與準確性還需通過實際測試來評估。該過程可以描述為:首先，通過硬件描述語言VHDL 描述硬件級算法;然后，對用VHDL 描述的模塊進行功能驗證，其驗證過程如圖4所示;最后，在特定的實際電路開發(fā)系統(tǒng)平臺(如ALTERA 公司的DE2 平臺)上進一步的驗證。

圖4 驗證流程圖

其中仿真平臺可以由多種方式構(gòu)建，業(yè)界最常用的平臺軟件是System C、System Verilog、Matlab、C、C++等，文中擬選擇的C + +語言，在Visual C ++開發(fā)環(huán)境下編寫驗證平臺。在該過程中，還要對硬件級算法及其電路設(shè)計進行算法效率測試，包括計算速度、資源消耗等多方面進行評估?？傊?，通過硬件算法與電路測試模塊，希望能夠發(fā)現(xiàn)算法在硬件化改造過程中所出現(xiàn)的問題，并進一步改善算法和電路設(shè)計，以實現(xiàn)提高運算效率，最終達到本課題的設(shè)計要求。

4 器件級應用開發(fā)

通過電路擴展，完成上述3 類核心芯片周邊電路的擴展，達到能夠具備一定功能的獨立器件。以大型輕工裝備故障診斷器為例，其在專用智能故障診斷芯片的基礎(chǔ)上擴展外圍接口驅(qū)動電路，其擴展模式可以有多種，圖5所示為基于大型吹塑裝備故障監(jiān)測與診斷專用芯片的一類擴展方式。在基于大型輕工裝備故障診斷智能專用芯片上分別擴展了數(shù)據(jù)采集通道A/D、開關(guān)量輸入輸出通道DI/DO、串口通訊接口、網(wǎng)卡通訊接口以及液顯輸出接口等。數(shù)據(jù)采集通道A/D 將大型輕工裝備的溫度、壓力等信號轉(zhuǎn)換為數(shù)字信號，并傳輸給專用芯片處理;開關(guān)量輸入輸出通道DI/DO 則是負責開關(guān)信息的交互;串口通訊接口、網(wǎng)卡通訊接口分別實現(xiàn)該嵌入式模塊與其他設(shè)備(如:上位機)的低速和高速通訊，而液顯輸出接口將故障監(jiān)測與診斷專用芯片對系統(tǒng)實時監(jiān)測、診斷的信息實時加以顯示。

圖5 大型吹塑裝備智能故障診斷芯片擴展圖

5 結(jié)論

總結(jié)前人研究成果，針對吹塑裝備的特點，再結(jié)合人工智能、控制與控制領(lǐng)域的最新成果，研究出具有針對性的、高性能和智能化的適合于大型吹塑裝備的總線調(diào)度、控制與故障診斷算法，并且通過一些必要的測試與分析數(shù)據(jù)顯示，該算法具有可行性、可靠性和高效性。在芯片級開發(fā)研究中，采用并行計算理論和數(shù)字電路設(shè)計理論，設(shè)計出能夠硬件資源的合理分配和優(yōu)化的高計算速度芯片。下一步工作是通過硬件算法與電路測試模塊，希望能夠發(fā)現(xiàn)算法在硬件化改造過程中出現(xiàn)的問題，并進一步改善算法和電路設(shè)計，以實現(xiàn)提高運算效率，最終達到本課題的設(shè)計要求。

［1］CHIOU J P，WANG F S.A Hybrid Method of Differential Evolution with Application to Optimal Control Problems ofa Bioprocess System［C］.Proc 1998 IEEE on Evolutionary Computation Conf，1998，1:627－632.

［2］朱亞琪，方建安.基于群智能混合算法的物流配送路徑研究［J］.微型電腦應用.2012，28(10):1－4.

［3］崔嬌，黃少榮.基于差分演化的自適應參數(shù)控制蟻群算法［J］.計算機工程，2011，37(6):190－193.

［4］李軍，李艷輝，彭存銀.基于自適應遺傳算法的路徑測試數(shù)據(jù)生成［J］.計算機工程，2009，35(2):203－205.

［5］何加浪，張琨，張宏.進化計算在軟件智能修復中的應用［J］.計算機工程，2011，37(8):8－10.

［6］楊鋒，柴毅.基于改進譜聚類與粒子群優(yōu)化的圖像分割算法［J］.微電子學與計算機，2013(7):51－55.