潘玉成，劉寶順，黃先洲，陳小利，呂仙銀

?

茶葉殺青機(jī)模糊RBF神經(jīng)網(wǎng)絡(luò)PID溫控系統(tǒng)設(shè)計與試驗

潘玉成1，劉寶順2，黃先洲3，陳小利4，呂仙銀1

1. 寧德職業(yè)技術(shù)學(xué)院機(jī)電工程系，福建 福安 355000；2. 武夷山市幔亭巖茶研究所，福建 武夷山 354300； 3. 寧德職業(yè)技術(shù)學(xué)院生物技術(shù)系，福建 福安 355000；4. 寧德職業(yè)技術(shù)學(xué)院信息技術(shù)與工程系，福建 福安 355000

針對滾筒式殺青機(jī)溫控系統(tǒng)具有時變不確定非線性的特點，采用常規(guī)PID控制難于滿足控制要求，利用模糊控制的良好收斂性和對模糊量的運算優(yōu)勢，以及神經(jīng)網(wǎng)絡(luò)自學(xué)習(xí)、自適應(yīng)的特性，將常規(guī)PID控制與模糊控制、神經(jīng)網(wǎng)絡(luò)結(jié)合起來，提出一種基于模糊RBF神經(jīng)網(wǎng)絡(luò)的PID控制策略，實現(xiàn)了對PID參數(shù)的實時在線整定。MATLAB軟件仿真與試驗結(jié)果表明，模糊RBF神經(jīng)網(wǎng)絡(luò)PID控制與常規(guī)PID控制相比，系統(tǒng)具有更好的動靜態(tài)特性和抗干擾性能，溫度控制誤差在±2℃范圍內(nèi)，能很好地滿足茶葉殺青工藝對溫度的控制要求，保證了茶葉的殺青質(zhì)量。

茶葉殺青機(jī)；殺青溫度；模糊RBF神經(jīng)網(wǎng)絡(luò)；PID控制；MATLAB仿真

殺青是茶葉制作過程中的關(guān)鍵工序，殺青溫度是影響殺青效果最重要的因素之一。殺青溫度過高時，殺青葉失水過快，易產(chǎn)生焦葉焦邊；溫度過低易產(chǎn)生殺青不足，造成紅梗紅葉，因此溫度的精確控制是保證殺青葉質(zhì)量的前提[1]。茶葉殺青機(jī)溫度控制方式主要有手動控制和半自動控制，茶葉殺青機(jī)溫控系統(tǒng)因存在時變性、滯后性、非線性和現(xiàn)場干擾等，采用常規(guī)PID控制存在溫度波動大、控制精度低、抗干擾能力差，難以滿足殺青工藝的溫度控制要求，目前已有學(xué)者將單片機(jī)技術(shù)、PLC控制技術(shù)、模糊控制和專家系統(tǒng)等與常規(guī)PID控制方法相結(jié)合應(yīng)用在茶葉殺青機(jī)溫度控制系統(tǒng)中[2-8]，這些方法的應(yīng)用提高了茶葉殺青溫度控制精度和智能化程度。模糊控制與神經(jīng)網(wǎng)絡(luò)是兩種重要的智能控制方法，它們既存在共性又具有各自的特性和適用范圍，模糊控制的模糊集、隸屬函數(shù)和模糊規(guī)則設(shè)計是建立在經(jīng)驗知識基礎(chǔ)上的，這種控制方法存在很大的主觀性，利用神經(jīng)網(wǎng)絡(luò)可彌補這一缺陷，由于神經(jīng)網(wǎng)絡(luò)具有強(qiáng)大的自學(xué)習(xí)能力，可使得傳統(tǒng)模糊控制系統(tǒng)中的主觀性信息在很大程度上得以削弱，從而使得模糊控制更加貼近實際情況[9]。本文結(jié)合模糊控制、RBF神經(jīng)網(wǎng)絡(luò)和常規(guī)PID控制，提出了一種基于模糊RBF神經(jīng)網(wǎng)絡(luò)的PID控制方法，實現(xiàn)PID參數(shù)能夠很好地隨控制對象的變化而自動調(diào)整，有效提高了茶葉殺青機(jī)溫控系統(tǒng)的控制性能和控制精度。

1 電加熱圈滾筒式殺青機(jī)的主要結(jié)構(gòu)特點

電加熱圈滾筒式殺青機(jī)由進(jìn)料斗、滾筒、電機(jī)與傳動裝置、加熱圈、機(jī)架、排濕裝置和出料斗等部分組成，其結(jié)構(gòu)簡圖如圖1所示。滾筒是其主要工作部件，采用三段式筒體，沿筒體軸線方向前、中、后區(qū)段上排布不同數(shù)量的螺旋導(dǎo)葉板，導(dǎo)葉板的形狀采用“L”形，前段布置導(dǎo)葉板多、中后段布置導(dǎo)葉板少，且不同區(qū)段上的導(dǎo)葉角有所不同，采用這種結(jié)構(gòu)優(yōu)化的滾筒可減少殺青葉在筒體內(nèi)的堆積，揚起的殺青葉散度更大，有利于快速提高殺青葉的溫度，葉溫更均勻[10]。

傳統(tǒng)電熱式滾筒殺青機(jī)電熱管分布有電熱管固定滾筒獨立旋轉(zhuǎn)和電熱管與滾筒同步旋轉(zhuǎn)兩種方式，如圖2-a、圖2-b所示，前者完全依靠對流和輻射來完成熱量傳遞，后者主要依靠對流和輻射傳熱，少部分熱量傳遞是依靠傳導(dǎo)方式來完成，熱能損失都很大，傳熱效率非常低。本文采用不銹鋼加熱圈為加熱裝置，不銹鋼加熱圈以不銹鋼板為外殼，中間以高絕緣性耐高溫的云母板為絕緣，均勻繞以鎳鉻合金電阻絲作為發(fā)熱體，具有升溫迅速、散熱均勻、耗電量小、使用壽命長及制作不受規(guī)格限制等優(yōu)點。加熱圈采用分段方式固定在筒體的外壁且跟滾筒同步旋轉(zhuǎn)，并在滾筒外側(cè)用石棉作為隔熱層，如圖2-c所示，熱量傳遞主要方式為熱傳導(dǎo)，其熱效率高于對流和輻射傳熱的熱效率，能達(dá)到節(jié)能的目的[11]。

滾筒殺青機(jī)工作時，滾筒勻速轉(zhuǎn)動并通過加熱圈對筒體進(jìn)行加熱，當(dāng)筒體達(dá)到一定溫度時，鮮葉即可送入筒體內(nèi)。隨著筒體的轉(zhuǎn)動，在螺旋導(dǎo)葉板的帶動下，鮮葉在筒內(nèi)做滾翻、拋揚和前進(jìn)3種運動，鮮葉在熾熱筒壁及筒內(nèi)熱空氣的交替碰觸下，一邊前進(jìn)一邊吸收熱量，葉表面和葉細(xì)胞內(nèi)的水分迅速汽化而使葉質(zhì)萎軟，同時在短時間內(nèi)葉溫上升達(dá)70℃以上，鮮葉中酶的活性被破壞，使殺青葉保持色澤綠翠，從而達(dá)到殺青工藝的要求。

2 殺青機(jī)模糊RBF神經(jīng)網(wǎng)絡(luò)PID控制器設(shè)計

常規(guī)PID控制作為一種線性控制器，其控制參數(shù)的整定對系統(tǒng)的動態(tài)、穩(wěn)態(tài)性能和控制精度影響重大，參數(shù)一旦整定完成后就無法跟隨系統(tǒng)的變化而作相應(yīng)的調(diào)整，故對于不確定性、時變性及非線性的系統(tǒng)調(diào)節(jié)效果比較差[12]。為了克服常規(guī)PID控制中存在的問題，采用模糊RBF神經(jīng)網(wǎng)絡(luò)設(shè)計kp、ki、kd3個參數(shù)自整定PID控制器，圖3為基于模糊RBF神經(jīng)網(wǎng)絡(luò)的PID控制系統(tǒng)的結(jié)構(gòu)圖，由模糊RBF神經(jīng)網(wǎng)絡(luò)、PID控制器和被控對象3個部分組成，其控制基本原理為：將系統(tǒng)偏差e、偏差變化率ec作為模糊RBF神經(jīng)網(wǎng)絡(luò)的輸入，在線運行中不斷檢測偏差e和偏差變化率ec，通過模糊RBF神經(jīng)網(wǎng)絡(luò)輸入與輸出之間的映射關(guān)系對PID參數(shù)進(jìn)行在線整定，即根據(jù)偏差e和偏差變化率ec實時調(diào)節(jié)PID控制器的參數(shù)，實現(xiàn)PID參數(shù)的最佳組合，從而使PID控制器具有自適應(yīng)性和智能性[13]，并采用基于K-means的層次聚類方法確定模糊RBF神經(jīng)網(wǎng)絡(luò)參數(shù)的初始值，提高其訓(xùn)練速度和逼近效果，達(dá)到對所建立的模糊RBF神經(jīng)網(wǎng)絡(luò)進(jìn)行優(yōu)化的效果。

圖1 電加熱圈滾筒式殺青機(jī)結(jié)構(gòu)簡圖

注：1：隔熱層；2：滾筒；3：電加熱管；4：加熱圈

圖3 模糊RBF神經(jīng)網(wǎng)絡(luò)PID控制器的結(jié)構(gòu)圖

2.1 模糊RBF神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)與學(xué)習(xí)算法

RBF神經(jīng)網(wǎng)絡(luò)是一個局部逼近網(wǎng)絡(luò)，相對于全局逼近網(wǎng)絡(luò)在訓(xùn)練學(xué)習(xí)過程中收斂速度較快，不需要對所有的權(quán)值和閾值進(jìn)行修正，減少了訓(xùn)練時間，且RBF神經(jīng)網(wǎng)絡(luò)隱含層節(jié)點數(shù)和模糊規(guī)則數(shù)相同時，RBF神經(jīng)網(wǎng)絡(luò)與模糊邏輯推理在函數(shù)上是等價的，能實現(xiàn)最優(yōu)秀的逼近效果[14]。根據(jù)PID控制器的設(shè)計要求，模糊RBF神經(jīng)網(wǎng)絡(luò)采用兩輸入三輸出四層結(jié)構(gòu)形式，2個輸入節(jié)點分別對應(yīng)系統(tǒng)偏差e和偏差變化率ec，3個輸出節(jié)點分別對應(yīng)PID 3個參數(shù)kp、ki、kd，其網(wǎng)絡(luò)結(jié)構(gòu)如圖4所示。

圖4 模糊RBF神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)圖

第一層為輸入層，該層的節(jié)點個數(shù)為輸入變量的個數(shù)，兩個節(jié)點與輸入變量偏差e和偏差變化率ec直接連接，其作用是將變換后的偏差e和偏差變化率ec傳輸給下一層。該層節(jié)點的輸入輸出關(guān)系為：

第二層為模糊化層，該層的各節(jié)點對應(yīng)一個語言變量值，其作用是把輸入確定量轉(zhuǎn)換為模糊矢量，輸入變量通過其所定義的模糊子集上的隸屬度函數(shù)變換成相應(yīng)的隸屬度。選取高斯型函數(shù)作為隸屬度函數(shù)，各輸入分量在不同的模糊語言值對應(yīng)的隸屬度為：

i=1,2；j=1,2···, L

式(2)中：bij、cij為第i個輸入變量第j個模糊集合的隸屬度函數(shù)的基寬和中心。

第三層為模糊推理層，該層每個節(jié)點代表一條模糊規(guī)則，通過與模糊化層的連接完成模糊規(guī)則的匹配，實現(xiàn)各節(jié)點之間模糊運算，每個節(jié)點的輸出為其所有輸入信號的乘積，即：

式(4)中：Ni為第i個輸入的模糊分割數(shù)。

第四層為輸出層，該層由3個節(jié)點構(gòu)成，其作用是把輸出的模糊量轉(zhuǎn)化為清晰量，輸出PID的3個參數(shù)：

式(5)中：w為輸出層節(jié)點與模糊推理層各節(jié)點的連接權(quán)矩陣；f4(i)為kp、ki、kd3個參數(shù)的整定結(jié)果，i=1,2,3。

由模糊RBF神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)可知，它實質(zhì)上也是一種多層前饋網(wǎng)絡(luò)，具有從輸入到輸出的任意的非線性映射功能。利用學(xué)習(xí)算法改變網(wǎng)絡(luò)權(quán)值、隸屬度函數(shù)的基寬和中心，實現(xiàn)網(wǎng)絡(luò)的自適應(yīng)控制過程[15-16]。

模糊RBF神經(jīng)網(wǎng)絡(luò)PID控制器輸出為：

采用增量式PID控制算法：

u(k)=u(k－1)＋?u(k)····················(7)

采用Delta()學(xué)習(xí)規(guī)則來修正可調(diào)參數(shù)，利用梯度下降法使網(wǎng)絡(luò)輸出誤差隨著網(wǎng)絡(luò)訓(xùn)練次數(shù)的增加按梯度下降，以實現(xiàn)在某種統(tǒng)計意義上系統(tǒng)的實際輸出最逼近于理想輸出。

定義學(xué)習(xí)的目標(biāo)函數(shù)為：

式(8)中：r(k)、y(k)為每一次迭代的理想輸出和實際輸出，r(k)－y(k)為控制誤差。

網(wǎng)絡(luò)權(quán)值的學(xué)習(xí)算法為：

模糊化層中心向量和基寬向量的學(xué)習(xí)算法為：

若考慮動量因子，則輸出層的權(quán)值為：

式(12)中：為學(xué)習(xí)動量因子；為學(xué)習(xí)速率；k為網(wǎng)絡(luò)的迭代步驟。

2.2 模糊RBF神經(jīng)網(wǎng)絡(luò)參數(shù)初始值的確定

模糊RBF神經(jīng)網(wǎng)絡(luò)訓(xùn)練時是否收斂及收斂速度與參數(shù)初始值的選擇有關(guān)，對網(wǎng)絡(luò)的訓(xùn)練效果影響很大，而神經(jīng)網(wǎng)絡(luò)訓(xùn)練時其初始值為隨機(jī)數(shù)或零，需經(jīng)過多次學(xué)習(xí)，憑經(jīng)驗選取或多次試驗選擇，這樣的參數(shù)調(diào)整方式難以得到理想效果，且所構(gòu)建的網(wǎng)絡(luò)性能很大程度上由隱含層神經(jīng)元個數(shù)的選擇決定的，若從訓(xùn)練樣本中任意構(gòu)建模糊RBF神經(jīng)網(wǎng)絡(luò)，其性能是無法滿足要求。K-means是劃分聚類的典型，產(chǎn)生的聚類是球形的，基于K-means的層次聚類方法將K-means聚類與層次聚類方法相結(jié)合，得到的是接近球狀的純種類聚類，離聚類中心越近的樣本隸屬該聚類的程度越高，這同模糊RBF神經(jīng)網(wǎng)絡(luò)具有相同的意義[17-18]。本文采用該聚類方法對模糊RBF神經(jīng)網(wǎng)絡(luò)的訓(xùn)練樣本進(jìn)行單一種類的聚類，利用聚類所得到的結(jié)果來確定模糊RBF神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)參數(shù)初始值和隱含層神經(jīng)元的個數(shù)，提高模糊RBF神經(jīng)網(wǎng)絡(luò)的訓(xùn)練速度與逼近效果。

假設(shè)訓(xùn)練樣本數(shù)有n個，每個訓(xùn)練樣本數(shù)據(jù)維數(shù)為d，訓(xùn)練樣本為k個種類，設(shè)樣本集合為：

式(13)中：i=1, 2, 3,···, n。

對各個種類編號為1、2、3、···、k，采用基于K-means的層次聚類方法得到的單一聚類Z為：

Z=｛Z1,Z2,…,Z｝（k≤≤n）····(14)

其中，每個聚類對應(yīng)的樣本種類為K={K1, K2,…,K}，Ki∈{1, 2, 3,···, k}。

式(15)中：j=1, 2,···, d；k =1, 2,···, n；t≠i。

由式(15)計算得到模糊RBF神經(jīng)網(wǎng)絡(luò)的隱含層神經(jīng)元個數(shù)、隱含層神經(jīng)元各節(jié)點基寬和中心為：

式(16)中：i=1, 2, 3,···,；j=1, 2,···, d。

2.3 模糊RBF神經(jīng)網(wǎng)絡(luò)PID控制仿真與結(jié)果分析

以電加熱圈滾筒式殺青機(jī)溫控系統(tǒng)為研究對象進(jìn)行仿真試驗，溫度系統(tǒng)存在時變性、非線性和時間滯后性難以建立精確的數(shù)學(xué)模型，采用試驗與理論分析相結(jié)合的方法，把溫度看成集中參數(shù)來處理，其數(shù)學(xué)模型可近似用一階慣性時滯環(huán)節(jié)來描述，溫度模型的傳遞函數(shù)為[19]：

其中，K為對象的靜態(tài)增益，表示溫度系統(tǒng)在新、舊穩(wěn)態(tài)的輸出差值與輸入差值的比值；為滯后時間常數(shù)，是指被控量在受到輸入變量作用后發(fā)生變化所延時的時間；Tp為慣性時間常數(shù)，表示被控量變化的快慢程度，其大小等于輸出到達(dá)63.2%新穩(wěn)態(tài)值所需的時間。通過測試對象階躍響應(yīng)并采用科恩-庫恩（Cohen-Coon）公式可求得：K=0.87，=5?s，Tp=49?s。

利用MATLAB軟件分別建立模糊RBF神經(jīng)網(wǎng)絡(luò)PID控制和常規(guī)PID控制的仿真模型，圖5是在MATLAB/Simulink環(huán)境中創(chuàng)建的常規(guī)PID控制算法的溫度仿真模型，采用臨界比例度法整定PID參數(shù)kp、ki、kd，通過多次調(diào)整得到最佳仿真結(jié)果。由于模糊RBF神經(jīng)網(wǎng)絡(luò)PID控制算法比較復(fù)雜，若采用MATLAB語言編程將導(dǎo)致源程序代碼量大且煩瑣，應(yīng)用Simulink中的S函數(shù)可加快編程速度，避免編寫大量煩瑣的源程序，且易于調(diào)試[20-21]，其仿真模型如圖6所示。設(shè)定仿真時間為100?s，采樣周期為0.1?s，模型的輸入為單位階躍信號，常規(guī)PID控制和模糊RBF神經(jīng)網(wǎng)絡(luò)PID控制的仿真結(jié)果如圖7所示。由仿真曲線比較可知，常規(guī)PID控制的超調(diào)量σp、調(diào)節(jié)時間ts為9.6%和43?s，模糊RBF神經(jīng)網(wǎng)絡(luò)PID控制的超調(diào)量σp、調(diào)節(jié)時間ts為0.2%和27?s，可見模糊RBF神經(jīng)網(wǎng)絡(luò)PID控制方法超調(diào)量小、上升速度快、調(diào)整時間短，說明其具有更好的控制效果。

圖5 PID控制系統(tǒng)仿真結(jié)構(gòu)圖

圖6 模糊RBF神經(jīng)網(wǎng)絡(luò)PID控制仿真結(jié)構(gòu)圖

為驗證模糊RBF神經(jīng)網(wǎng)絡(luò)PID控制的抗干擾特性，在t=60?s時加入10%的階躍擾動，仿真曲線如圖8所示。從仿真曲線可看出，對突加的外部擾動系統(tǒng)反應(yīng)迅速，在很短的時間內(nèi)能快速調(diào)節(jié)到穩(wěn)定，波動較小，對干擾信號抑制作用強(qiáng)，具有良好的抗干擾能力。系統(tǒng)誤差的變化過程如圖9所示，突加外部的擾動后誤差有一定的波動，但恢復(fù)時間較短，系統(tǒng)通過自調(diào)整使誤差穩(wěn)定為0。

通過改變傳遞函數(shù)中的某些參數(shù)來模擬控制對象參數(shù)變化，在階躍信號作用下，測試模糊RBF神經(jīng)網(wǎng)絡(luò)的PID控制和常規(guī)PID控制的自適應(yīng)性能，以此來驗證系統(tǒng)的魯棒性能，兩種控制方式的仿真曲線如圖10所示。仿真結(jié)果說明，當(dāng)控制對象參數(shù)變化時，常規(guī)PID控制由于參數(shù)不能在線修正而使響應(yīng)時間變長且超調(diào)量變大；模糊RBF神經(jīng)網(wǎng)絡(luò)PID控制則可根據(jù)控制對象參數(shù)變化完成參數(shù)的自調(diào)整，使其仍能保持最佳控制效果，具有更強(qiáng)的適應(yīng)性和更好的魯棒性。

3 殺青機(jī)溫度控制系統(tǒng)設(shè)計

電加熱圈滾筒式殺青機(jī)溫控系統(tǒng)硬件電路由AT89S52單片機(jī)、溫度檢測、電熱管功率調(diào)節(jié)、人機(jī)接口及串行通信等部分組成[22]，其結(jié)構(gòu)框圖如圖11所示。溫度傳感器將檢測到的溫度信號經(jīng)過放大、線性化處理和A/D轉(zhuǎn)換器變換為數(shù)字信號后傳給單片機(jī)，單片機(jī)對信號進(jìn)行分析處理后顯示當(dāng)前溫度，同時把該溫度值與設(shè)定溫度值進(jìn)行對比，采用模糊RBF神經(jīng)網(wǎng)絡(luò)的PID控制算法輸出控制量，通過改變脈沖寬度調(diào)制（PWM）在控制周期內(nèi)占空比來調(diào)節(jié)加熱圈加熱功率的大小，實現(xiàn)對溫度的自動控制。

系統(tǒng)軟件采用模塊化結(jié)構(gòu)，主要包括主程序、控制算法程序、溫度檢測程序、參數(shù)輸入程序、中斷服務(wù)程序、掉電保護(hù)程序、溫度顯示程序和報警程序等[23]。主程序的流程圖如圖12所示，主程序在上電后首先對單片機(jī)、A/D轉(zhuǎn)換器和串口進(jìn)行初始化，再執(zhí)行溫度檢測程序、溫度顯示程序顯示實時溫度，檢測設(shè)置鍵是否按下并確認(rèn)設(shè)定的溫度值，然后判斷實時溫度是否超限，若超限則執(zhí)行報警程序，否則執(zhí)行模糊RBF神經(jīng)網(wǎng)絡(luò)PID算法控制程序，如此循環(huán)調(diào)用各子程序達(dá)到溫度自動控制的目的。溫控系統(tǒng)的溫度監(jiān)控界面如圖13所示，可實時監(jiān)控溫控系統(tǒng)的運行過程和狀況，包括溫度數(shù)據(jù)處理與顯示，溫度數(shù)據(jù)存儲、查詢、打印等。

圖8 加入擾動時模糊RBF神經(jīng)網(wǎng)絡(luò)PID控制的階躍響應(yīng)曲線

圖9 加入擾動時模糊RBF神經(jīng)網(wǎng)絡(luò)PID控制的誤差曲線

圖10 改變參數(shù)時兩種控制方式的階躍響應(yīng)曲線對比圖

圖11 溫控系統(tǒng)硬件電路

4 殺青機(jī)溫控系統(tǒng)性能測試與殺青品質(zhì)比較

4.1 殺青機(jī)溫控系統(tǒng)性能測試

為測試電加熱圈滾筒式殺青機(jī)溫控系統(tǒng)的性能，通過溫度采集試驗和溫度控制試驗來驗證系統(tǒng)的設(shè)計是否達(dá)到預(yù)期要求。溫度采集試驗是檢驗溫控系統(tǒng)前向通道的測溫精度，采用精密水銀溫度計對恒定溫度場溫度值進(jìn)行標(biāo)定，每隔一定時間改變一次溫度，測試結(jié)果見表1。試驗結(jié)果表明，溫控系統(tǒng)前向通道的測溫誤差很小，在測試溫度范圍內(nèi)的最大測溫誤差小于±0.5℃，具有較高的測量精度。溫度控制試驗檢測溫控系統(tǒng)的穩(wěn)態(tài)性能和動態(tài)性能，通過輸入不同的溫度預(yù)設(shè)值，測量溫控系統(tǒng)響應(yīng)時間和溫度控制值，測試結(jié)果見表2。試驗結(jié)果表明，溫控系統(tǒng)具有較好的跟隨性、響應(yīng)較快、靜態(tài)誤差小，溫度控制誤差在±2℃范圍內(nèi)，達(dá)到茶葉殺青機(jī)溫控系統(tǒng)的設(shè)計要求。

4.2 殺青品質(zhì)比較

隨機(jī)選用金牡丹、福云6號、菜茶3種茶鮮葉樣本，每份樣本一分為二，分別在傳統(tǒng)的6CST-40型滾筒殺青機(jī)和采用模糊RBF神經(jīng)網(wǎng)絡(luò)PID控制的滾筒殺青機(jī)進(jìn)行殺青試驗，通過對殺青葉色澤、香氣、條形、均勻度進(jìn)行感官評審和含水率的測定，驗證基于模糊RBF神經(jīng)網(wǎng)絡(luò)PID控制的滾筒殺青機(jī)的殺青效果，測試結(jié)果如表3所示。結(jié)果表明，采用模糊RBF神經(jīng)網(wǎng)絡(luò)PID控制的滾筒殺青機(jī)與傳統(tǒng)電熱式滾筒殺青機(jī)相比較，提高了茶葉殺青質(zhì)量和殺青效率，更能滿足茶葉殺青工藝要求。

圖12 主程序流程圖

圖13 殺青機(jī)溫度監(jiān)控界面圖

℃

表1 溫度測量測試結(jié)果

表2 溫度控制測試結(jié)果

表3 不同殺青設(shè)備殺青質(zhì)量比較

5 結(jié)論

本文以常規(guī)PID控制為基礎(chǔ)，結(jié)合模糊控制與RBF神經(jīng)網(wǎng)絡(luò)兩者的優(yōu)勢構(gòu)建模糊RBF神經(jīng)網(wǎng)絡(luò)，實現(xiàn)對PID 3個參數(shù)kp、ki、kd在線修正，并利用基于K-means的層次聚類方法對訓(xùn)練數(shù)據(jù)進(jìn)行聚類分析來確定模糊RBF神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)參數(shù)的初始值，使得模糊RBF神經(jīng)網(wǎng)絡(luò)的訓(xùn)練速度加快，逼近效果更加，進(jìn)一步改進(jìn)模糊RBF神經(jīng)網(wǎng)絡(luò)對PID參數(shù)的調(diào)節(jié)效果。MATLAB仿真與試驗結(jié)果表明，模糊RBF神經(jīng)網(wǎng)絡(luò)PID控制與常規(guī)PID控制相比，具有超調(diào)量小、調(diào)節(jié)速度快、穩(wěn)定的時間短、靜態(tài)誤差小和抗干擾能力強(qiáng)，獲得優(yōu)于常規(guī)PID的控制效果，驗證了該控制方法的可行性和有效性；采用模糊RBF神經(jīng)網(wǎng)絡(luò)PID控制的滾筒殺青機(jī)能夠很好滿足殺青工藝對溫度的要求，其殺青效果優(yōu)于傳統(tǒng)電熱式滾筒殺青機(jī)?；谀：齊BF神經(jīng)網(wǎng)絡(luò)的PID控制策略適用范圍廣泛，也可應(yīng)用于殺青葉含水率控制，現(xiàn)有的茶葉殺青機(jī)是把溫度作為控制指標(biāo)，而茶葉殺青生產(chǎn)過程中控制殺青葉含水率的高低至關(guān)重要，在以后研究中，若把溫度控制與殺青葉含水率控制相結(jié)合來構(gòu)成雙閉環(huán)茶葉殺青控制系統(tǒng)，以殺青葉含水率為外環(huán)控制，其輸出作為內(nèi)環(huán)溫度控制的輸入，殺青過程中通過溫度的改變實現(xiàn)對殺青葉含水率的控制，從而保證初始含水率不同的鮮葉的殺青效果。

[1] 袁英芳. 綠茶殺青技術(shù)研究概述[J]. 茶葉通訊, 2010, 37(1): 37-39, 43.

[2] 趙梨銘. 茶葉智能化汽熱殺青機(jī)控制系統(tǒng)[J]. 輕工機(jī)械, 2009, 27(2): 71-73.

[3] 彭秀英, 陳亞, 羅艷蕾. 基于PLC控制的電加熱滾筒殺青機(jī)溫度控制系統(tǒng)[J]. 農(nóng)機(jī)化研究, 2011(4): 186-189.

[4] 林啟軍. 基于模糊技術(shù)的滾筒式茶葉殺青機(jī)溫度控制[D]. 長沙: 中南大學(xué), 2011: 18-29.

[5] 沈斌. 茶葉殺青系統(tǒng)自動控制技術(shù)研究[D]. 杭州: 浙江工業(yè)大學(xué), 2013: 33-39.

[6] 毛曉文. 基于模糊PID控制和在線檢測技術(shù)的綠茶殺青自動控制系統(tǒng)的研究與應(yīng)用[D]. 合肥: 安徽農(nóng)業(yè)大學(xué), 2014: 20-26.

[7] 徐海衛(wèi), 蔣麗, 程宇菥, 等. 茶葉殺青溫度精準(zhǔn)控制系統(tǒng)研究[J]. 中國測試, 2015(11): 64-67, 72.

[8] 曹成茂, 吳正敏, 梁閃閃, 等. 茶葉殺青機(jī)雙模糊控制系統(tǒng)設(shè)計與試驗[J]. 農(nóng)業(yè)機(jī)械學(xué)報, 2016, 47(7): 259-265.

[9] 陳雯柏. 人工神經(jīng)網(wǎng)絡(luò)原理與實踐[M]. 西安: 西安電子科技大學(xué)出版社, 2016: 140-147.

[10] 何晶, 張憲, 趙章風(fēng), 等. 基于PFC3D的茶葉殺青過程數(shù)值模擬和設(shè)備參數(shù)分析[J]. 茶葉, 2013, 39(1): 17-23.

[11] 宋志禹. 節(jié)能型自動化控制茶葉滾筒殺青機(jī)的研究[D]. 合肥: 安徽農(nóng)業(yè)大學(xué), 2010: 12-16.

[12] 郭凱, 郭奇, 李大偉, 等. 模糊神經(jīng)網(wǎng)絡(luò)PID控制器設(shè)計及在常減壓裝置中的應(yīng)用[J]. 自動化應(yīng)用, 2016(2): 14-15, 18.

[13] 胥良, 郭林, 梁亞, 等. 基于模糊RBF神經(jīng)網(wǎng)絡(luò)的智能PID控制[J]. 工業(yè)儀表與自動化裝置, 2015(6): 67-69, 75.

[14] 戴賽. 基于模糊RBF神經(jīng)網(wǎng)絡(luò)的磁懸浮系統(tǒng)研究[D]. 哈爾濱: 哈爾濱理工大學(xué), 2012: 22-25.

[15] 王曉遠(yuǎn), 傅濤. 基于模糊RBF神經(jīng)網(wǎng)絡(luò)的無刷直流電機(jī)控制[J]. 微電機(jī), 2015, 48(11): 33-36, 88.

[16] 范春麗. 基于模糊神經(jīng)網(wǎng)絡(luò)的智能優(yōu)化PID控制器研究[D]. 北京: 北京化工大學(xué), 2009: 25-29.

[17] 付光杰, 張微微, 牟海維. 基于模糊RBF網(wǎng)絡(luò)高頻感應(yīng)加熱電源控制的研究[J]. 化工自動化及儀表, 2014, 41(4): 357-361, 376.

[18] 李燕強(qiáng). 模糊RBF神經(jīng)網(wǎng)絡(luò)在人臉識別的應(yīng)用研究[D]. 廣州: 廣州大學(xué), 2011: 44-47.

[19] 郝朝會, 孫傳祝, 蘇夏侃. 自適應(yīng)模糊PID控制在茶葉殺青機(jī)中的應(yīng)用[J]. 農(nóng)機(jī)化研究, 2013(2): 201-204.

[20] 劉金琨. 先進(jìn)PID控制MATLAB仿真[M]. 4版. 北京: 電子工業(yè)出版社, 2016: 311-323.

[21] 王華強(qiáng), 石亞娟, 王健波. 神經(jīng)網(wǎng)絡(luò)模糊PID在水輪機(jī)調(diào)速系統(tǒng)中的應(yīng)用[J]. 合肥工業(yè)大學(xué)學(xué)報(自然科學(xué)版), 2012, 35(9): 1187-1191.

[22] 潘玉成, 林高飛, 陳小利, 等. 基于模糊專家控制的茶葉炒制溫度控制系統(tǒng)[J]. 食品與機(jī)械, 2016, 32(11): 79-84.

[23] 李夢瑤. 基于模糊神經(jīng)網(wǎng)絡(luò)PID算法的電阻爐溫度控制系統(tǒng)的研究[D]. 焦作: 河南理工大學(xué), 2014: 55-61.

Design and Experiment of the Temperature Control System of the Fuzzy RBF Neural Network PID in Tea Fixing Machine

PAN Yucheng1, LIU Baoshun2, HUANG Xianzhou3, CHEN Xiaoli4, LYU Xianyin1

1. Department of Mechanical and Electronic Engineering, Ningde Vocational and Technical College, Fu′an 355000, China; 2. Wuyishan Manting Rock Tea Research Institute, Wuyishan 354300, China; 3. Department of Biotechnology, Ningde Vocational and Technical College, Fu′an 355000, China; 4. Department of Information Techonlogy and Engineering, Ningde Vocational and Technical College, Fu′an 355000, China

Due to the characteristics of time-varying uncertainty and nonlinearity of the temperature control system of rotary fixing machine, the conventional PID control parameters are difficult to meet the control requirements. Based on the good convergence of fuzzy control, computing advantages of fuzzy quantity and the self-learning and -adapting characteristics of neural network, a PID control strategy combined PID control, fuzzy control and neural network was proposed to achieve real-time online tuning of PID parameters. The simulation and test results of MATLAB software show that the fuzzy-RBF neural network PID control had better dynamic and static characteristics and anti-jamming performance than the conventional PID control. The temperature control error was within ±2℃, which well met the temperature control requirements of the tea fixation process and ensured the quality.

tea fixing machine, temperature of fixation, fuzzy RBF neural network, PID control, MATLAB simulation

TS272.3

A

1000-369X(2019)02-139-11

2018-06-14

2018-08-12

基于模糊神經(jīng)網(wǎng)絡(luò)的PID控制方法研究、福建省教育廳科技項目（JAT171132）

潘玉成，男，副教授，主要從事自動控制、人工智能研究，E-mail：fapyc@163.com