陳茂林，劉知貴，范玉德，羅 亮

（1.西南科技大學(xué) 信息工程學(xué)院，綿陽 621000；2.中國(guó)工程物理研究院 化工材料研究所，綿陽 621000）

0 引言

注塑機(jī)具有一次成型外形復(fù)雜、尺寸精確或帶有金屬嵌件的塑料制品能力，被廣泛應(yīng)用于國(guó)防、機(jī)電、汽車、交通運(yùn)輸?shù)纫约叭藗內(nèi)粘Ｉ畹母鱾€(gè)領(lǐng)域。在塑料工業(yè)迅速發(fā)展的今天，注塑機(jī)不論在數(shù)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(fù)生產(chǎn)過程。一次循環(huán)過程大致可以分為四個(gè)階段：預(yù)塑、注射、保壓、冷卻。為得到準(zhǔn)確、一致性高的制品，必須對(duì)每個(gè)階段的關(guān)鍵變量行進(jìn)控制。預(yù)塑階段關(guān)鍵變量有螺桿轉(zhuǎn)速、螺桿背壓、料筒溫度、熔化物溫度。注射階段關(guān)鍵變量是注射壓力和注射速度。保壓階段關(guān)鍵變量是保壓壓力、保壓時(shí)間、模腔的壓力。冷卻階段關(guān)鍵變量有冷卻時(shí)間，模具溫度。Pandelidis和Agrawal指出在整個(gè)注射過程中注射速度控制非常的關(guān)鍵[1]。準(zhǔn)確注射速度控制保證熔體表面流速近似常數(shù)，熔體的流動(dòng)速度決定模腔內(nèi)的分子的排列取向、內(nèi)部應(yīng)力，能消除制品出現(xiàn)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(zhì)量[2]。注射速度具有非線性、時(shí)變、強(qiáng)耦合特性，控制難度大。很多學(xué)者對(duì)其做了大量的研究，Pandelidis和Agrawal提出了注射速度自適應(yīng)控制器，用Wang[3]的模型進(jìn)行了仿真實(shí)驗(yàn)。結(jié)果表明該控制器對(duì)設(shè)定值有良好的跟蹤性能。隨后他們又提出在注射速度上使用最優(yōu)預(yù)估控制，用相同的模型進(jìn)行仿真實(shí)驗(yàn)，并發(fā)現(xiàn)該控制器與傳統(tǒng)的PID控制器比較時(shí)顯示出更優(yōu)良的控制性能。在他們的研究工作中，沒有進(jìn)行實(shí)際的注射速度控制實(shí)驗(yàn)。由于使用固定參數(shù)的線性模型，注射速度的非線性特性被忽略了[4,5]。Yi Yang和Gao采用極點(diǎn)配置設(shè)計(jì)自校正控制器，針對(duì)不同的注射條件下，都有很好的控制效果，缺點(diǎn)是系統(tǒng)模型出現(xiàn)不匹配時(shí)非常敏感[13]。Tan等人提出注射速度增強(qiáng)學(xué)習(xí)型PI控制。該方法不但可以保證批次內(nèi)的注射速度控制效果，同時(shí)還可以隨著操作次數(shù)的不斷增加而提高批次間的注射速度控制質(zhì)量[6]。Tsoi和Gao提出將模糊控制用于注射速度控制。通過實(shí)驗(yàn)分析、證明注射速度具有非線性、時(shí)變、延時(shí)等特性，通過相平面特性分析優(yōu)化模糊邏輯規(guī)則[7]。常玉清和柯敏等人將RBF神經(jīng)網(wǎng)絡(luò)用于注塑機(jī)注射速度控制[8,9]，其收斂性還需深入研究。以上這些研究忽略了注射速度的非線性和時(shí)變性，模糊控制器設(shè)計(jì)需要大量專家經(jīng)驗(yàn)和誤差分析，很難應(yīng)用到實(shí)際。因此，本文提出基于控制系統(tǒng)輸出誤差和誤差的變化率構(gòu)造學(xué)習(xí)算法，設(shè)計(jì)具有在線學(xué)習(xí)自組織模糊控制器，仿真結(jié)果表明該控制器能有效跟蹤理想的注射速度曲線，響應(yīng)速度更快，超調(diào)量更小，控制效果優(yōu)于常規(guī)PID控制器。

1 注射速度的非線性動(dòng)態(tài)模型

C.P.Chiu，J.H.Wei[10],M.Rafizadeh[11]分別對(duì)注射速度建立了非線性模型。本文采用M.Raf i zadeh的模型。

其中z為注射位置，v是注射速度，P1是注射油缸壓力，P2是噴嘴壓力，Qp是聚合體流動(dòng)速率，u是流入注射液壓缸的液壓流量，其他參數(shù)均為系統(tǒng)參數(shù)。

2 控制器設(shè)計(jì)

2.1 自組織模糊控制算法

傳統(tǒng)的模糊控制器的數(shù)據(jù)庫和控制規(guī)則設(shè)計(jì)以后就固定了，Procyk和Mamdani提出自組織模糊控制來解決這個(gè)問題，其模糊控制規(guī)則基于性能決策表[12]。但設(shè)計(jì)性能決策表和設(shè)計(jì)模糊控制規(guī)則一樣困難，因此該方法不理想。為克服這個(gè)問題,利用系統(tǒng)的誤差和誤差率構(gòu)造學(xué)習(xí)算法可以直接修改模糊控制規(guī)則。自組織模糊控制器的控制規(guī)則表可以從零開始。規(guī)則表維數(shù)受原始模糊規(guī)則表維數(shù)限制，將每條模糊規(guī)則修正值引入到原始模糊規(guī)則表，形成新的控制規(guī)則。自組織模糊控制器如圖1所示。

圖1 自組織模糊控制器

注塑機(jī)注射速度受液壓系統(tǒng)伺服閥開度控制，開度越大，進(jìn)入注射液壓缸的液壓流量越大，注射速度越大，伺服閥開度與其輸入電壓成比例關(guān)系，因此伺服閥電壓作為控制變量。注射速度的動(dòng)態(tài)響應(yīng)特性用自回歸滑動(dòng)平均模型表示：

其中q是前移算子，d是系統(tǒng)延時(shí)，M是注射速度控制系統(tǒng)增益，n,m取決于注射速度控制系統(tǒng)動(dòng)態(tài)性能。如果系統(tǒng)在k-d時(shí)刻伺服閥控制輸入電壓是u(k)d′-，則k時(shí)刻注射速度實(shí)際輸出值就是y(k)′。

注射速度控制系統(tǒng)只有一個(gè)伺服閥控制輸入電壓u(k)，伺服閥控制輸入電壓的修正值與 ，常用的表達(dá)形式為：

式(11)、式(12)、式(15)、式(16)代入式(13)中得：

注射速度輸出誤差e(k)和誤差變化率ec(k)被分成7個(gè)模糊子集，每一個(gè)控制步驟，模糊控制輸入變量誤差和誤差變化率分別激勵(lì)兩個(gè)模糊子集E和EC。模糊推理得到控制輸入U(xiǎn)(k)，因此只有四個(gè)的模糊規(guī)則被修改。修改模糊規(guī)則的值的大小與其激勵(lì)強(qiáng)度w成比例。激勵(lì)強(qiáng)度設(shè)計(jì)為三角形隸屬度函數(shù)，而且可以通過線性插值法計(jì)算得到。伺服閥第i個(gè)輸入命令的規(guī)則是：

2.2 自組織模糊控制器設(shè)計(jì)

控制器結(jié)構(gòu)包括模糊控制部分和自組織部分，如圖2所示。模糊控制有五個(gè)主要部分，即：定義變量、模糊化、知識(shí)庫、邏輯判斷、反模糊化?？刂葡到y(tǒng)的輸入變量（ei(k)，eci(k)）和輸出變量ui(k)，采用NB（負(fù)大）、NM（負(fù)中）、NS（負(fù)?。?、ZO（零）、PS（正?。?、PM（正中）、PB（正大）7個(gè)語言值來描述[15]。其隸屬度函數(shù)如圖2所示。是比例因子，j=1,2,3分別表示模糊控制系統(tǒng)的誤差和誤差變化率，輸出變量。模糊邏輯推理采用極大-極小合成運(yùn)算，采用重心法進(jìn)行解模糊化，將控制量由模糊化轉(zhuǎn)化為精確量。綜上所述，自組織模糊控制系統(tǒng)的執(zhí)行器的實(shí)際輸入ui(k)：

圖2 隸屬度函數(shù)

3 仿真分析

注塑機(jī)的注射速度模型為式（1-4），自組織模糊控制器的控制示意圖和隸屬度函數(shù)如圖1、圖2所示，其中參數(shù)選擇如下：。常規(guī)PID控制器參數(shù)：。以典型的注射速度曲線作為理想輸入，對(duì)注射速度控制系統(tǒng)進(jìn)行仿真，結(jié)果如圖3所示。由圖可知，該控制器能實(shí)現(xiàn)完全注射速度跟蹤，比常規(guī)PID控制器的響應(yīng)時(shí)間更快，超調(diào)量更小。

圖3 注射速度仿真曲線

4 結(jié)論

本文針對(duì)注塑機(jī)注射速度的非線性和時(shí)變性特點(diǎn)，設(shè)計(jì)了具有在線學(xué)習(xí)自組織模糊控制器。該控制器可以從零模糊規(guī)則開始，通過在線學(xué)習(xí)算法建立起合適的模糊規(guī)則，每一次采樣間隔可以修改4個(gè)規(guī)則。通過仿真，驗(yàn)證了自組織模糊控制器對(duì)注射速度能夠有效的跟蹤理想注射速度曲線，比常規(guī)PID控制器的響應(yīng)速度更快，超調(diào)量更小。

[1] Agrawal,Pandelidis,Pt M.Injectionmolding process control—A review[J]. Polymer Engineering & Science,1987,27(18).

[2] 吳宏武,金翔,廖芳明.基于神經(jīng)網(wǎng)絡(luò)的注塑制品模腔壓力預(yù)測(cè)[J].塑料,2014,43(1).

[3] Wang,K.K,Shen,S.F,Cohen,Injection Molding Projection Progress Report[C].cornell University,Ithaca,1985.

[4] Agrawal,Pandelidis.Observers for optimal anticipatory control of ram velocity in injection molding[J].Polymer Engineering &Science,1988,28(3).

[5] Pandelidis,Agrawal.Optimal anticipatory control of ram velocity in injection molding[J].Polymer Engineering & Science,1988,28(3).

[6] Tan,Tang J C.Learning-enhanced PI control of ram velocity in injection molding machines[J].Engineering Applications of Arti fi cial Intelligence,2002,15(1).

[7] Tsoi H P, Gao F. Control of injection velocity using a fuzzy logic rule-based controller for thermoplastics injection molding[J].Polymer Engineering & Science,1999,39(1).

[8] 常玉清,張紅燕,王姝.基于RBF神經(jīng)網(wǎng)絡(luò)逆系統(tǒng)的注射速度控制[J].東北大學(xué)學(xué)報(bào) (自然科學(xué)版), 2013,34(2).

[9] 柯敏,應(yīng)濟(jì),周偉安.基于RBF神經(jīng)網(wǎng)絡(luò)的精密注塑機(jī)速度控制研究[J].輕工機(jī)械,2010,28(3).

[10] C P Chiu,M C Shih,J H Wei.Dynamic Modeling of the Mold Filling Process in Injection Molding Machine[J].Polymer Eng.SCI.1991,31(19).

[11] M Rafizadeh,W I Patterson st. Physically-based Model of Thermoplastics Injection Molding machine[J].Polymer Processing,1966,11(4).

[12] Procyk, Mamdani.A linguistic self-organizing process controller[J]. Automatica,1979.

[13] Yang,Gao F.Adaptive control of the filling velocity of thermoplastics injection molding[J].Control Engineering Practice,2000,8(11).