田林紅，田達(dá)奇

河南工業(yè)職業(yè)技術(shù)學(xué)院（南陽(yáng) 473000）

隨著社會(huì)不斷發(fā)展，人們生活水平有了顯著提高，對(duì)于食品的需求量日益增加。由于世界各地食品貿(mào)易往來(lái)發(fā)展，食品包裝是食品加工生產(chǎn)工藝中非常重要的一部分。飲品灌裝是指采用對(duì)人體無(wú)毒的塑料或金屬盒等為容器，將飲料灌裝到上述容器中，便于出行攜帶，為人體補(bǔ)充營(yíng)養(yǎng)和水分。隨著消費(fèi)者消費(fèi)理念發(fā)展，消費(fèi)者對(duì)于灌裝飲品安全性、包裝美觀度、灌裝精度等提出更高要求。

中國(guó)企業(yè)中使用的灌裝機(jī)基本具有自動(dòng)化、高速化，通過(guò)一整套灌裝機(jī)便可實(shí)現(xiàn)自動(dòng)瓶體輸送、液體灌裝、罐體封蓋、出瓶等工序。灌裝工序直接影響飲品灌裝精度，此外由于灌裝機(jī)的長(zhǎng)時(shí)間使用，機(jī)械結(jié)構(gòu)出現(xiàn)老化，灌裝閥門也出現(xiàn)不同程度漏氣，同樣會(huì)影響灌裝精度，因此在整個(gè)灌裝工藝中，需要進(jìn)行二次微量補(bǔ)灌，提高整體灌裝精度。

飲品灌裝工藝比較復(fù)雜，影響灌裝精度的因素眾多，很難建立精確的數(shù)學(xué)模型。灌裝精度控制通常采用PID控制方法，PID控制方法結(jié)構(gòu)簡(jiǎn)單、易實(shí)現(xiàn)，但該控制方法依賴精確數(shù)學(xué)模型，對(duì)于具有非線性、時(shí)滯性等特點(diǎn)的灌裝系統(tǒng)，控制效果并不理想。為了克服傳統(tǒng)PID控制方法的缺陷，通常在PID控制器中引入智能控制方法，如在PID控制器中引入不依賴精確數(shù)學(xué)模型的模糊控制，但模糊控制過(guò)于依賴工程人員經(jīng)驗(yàn)，自我學(xué)習(xí)能力差，而神經(jīng)網(wǎng)絡(luò)控制理論具有較強(qiáng)的自我學(xué)習(xí)能力，對(duì)于非線性系統(tǒng)控制具有良好效果。

基于此，為提高飲品灌裝精度，提出一種基于RBF神經(jīng)網(wǎng)絡(luò)的PID控制算法，并通過(guò)仿真驗(yàn)證該控制方法有效性。

1 飲品灌裝機(jī)

以飲品灌裝機(jī)為例，灌裝機(jī)結(jié)構(gòu)如圖1所示[6]。灌裝機(jī)工藝流程為：轉(zhuǎn)盤帶動(dòng)瓶體選裝將其輸送到傳送工位；光電傳感器檢測(cè)到瓶體后，并通過(guò)稱重傳感器稱重，均滿足要求，則進(jìn)行一次灌裝，一次灌裝完成后進(jìn)行瓶體稱重，并將此次重量與空瓶重量做差值；將上一工序中的差值與目標(biāo)值進(jìn)行比較，得到質(zhì)量偏差后進(jìn)行二次補(bǔ)液灌裝；二次灌裝完成后對(duì)灌體進(jìn)行上蓋，上蓋完成后進(jìn)行出瓶。

圖1 灌裝機(jī)結(jié)構(gòu)

2 神經(jīng)網(wǎng)絡(luò)PID灌裝質(zhì)量控制

在灌裝過(guò)程中，由于機(jī)械元件老化、機(jī)械振動(dòng)、閥門漏氣等因素的存在，導(dǎo)致一次灌裝精度達(dá)不到要求，需要進(jìn)行二次灌裝，采用重量傳感器實(shí)現(xiàn)灌裝的閉環(huán)反饋控制，控制器獲得質(zhì)量反饋信號(hào)或，對(duì)電機(jī)產(chǎn)生驅(qū)動(dòng)信息。傳統(tǒng)PID控制算法不能根據(jù)灌裝機(jī)的具體情況做出自適應(yīng)調(diào)整，同時(shí)對(duì)于非線性、時(shí)滯性的灌裝機(jī)控制效果并不理想。為了提高系統(tǒng)的自我適應(yīng)能力，將具有自我學(xué)習(xí)能力的RBF神經(jīng)網(wǎng)絡(luò)引入到PID控制器中[7-8]，使得PID控制器能夠根據(jù)灌裝機(jī)特點(diǎn)做出自適應(yīng)調(diào)整，該控制器擁有較好的魯棒特性、影響速度更快。

2.1 徑向基網(wǎng)絡(luò)結(jié)構(gòu)

如圖2為徑向基神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，該神經(jīng)網(wǎng)絡(luò)擁有3層結(jié)構(gòu)分別為輸入層、隱含層和輸出層。

由圖2可以看出，神經(jīng)網(wǎng)絡(luò)第2層中的第i個(gè)神經(jīng)元的輸入為：

神經(jīng)網(wǎng)絡(luò)輸出層為：

通過(guò)神經(jīng)網(wǎng)絡(luò)函數(shù)的閾值b對(duì)函數(shù)靈敏度進(jìn)行調(diào)節(jié)，輸出層的輸入可通過(guò)隱含層中的神經(jīng)元輸出加權(quán)表示：

圖2 徑向基神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

2.2 控制器設(shè)計(jì)

灌裝機(jī)智能控制系統(tǒng)采用增量式PID實(shí)現(xiàn)系統(tǒng)閉環(huán)反饋控制，通過(guò)神經(jīng)網(wǎng)絡(luò)控制器實(shí)現(xiàn)PID控制器中的比例系數(shù)、積分系數(shù)、微分系數(shù)自適應(yīng)調(diào)整，灌裝系統(tǒng)偏差為：

式中：r(k)為目標(biāo)值；y(k)為系統(tǒng)輸出值；k為采樣序號(hào)。

PID控制器的輸入數(shù)學(xué)模型為：

式中：e(k)、e(k-1)和e(k-2)為k、k-1和k-2時(shí)刻的偏差值。

增量式PID控制器可表示為：

式中：u(k)和u(k-1)分別為控制器輸出量；kp、ki和kd為PID參數(shù)。

RBF神經(jīng)網(wǎng)絡(luò)目標(biāo)函數(shù)為：

為使PID系統(tǒng)具有自我適應(yīng)能力，對(duì)PID參數(shù)采用梯度下降法進(jìn)行調(diào)整：

3 仿真分析

為驗(yàn)證RBF神經(jīng)網(wǎng)絡(luò)PID控制方法在旋轉(zhuǎn)型液體灌裝質(zhì)量自校正控制中的性能，利用Matlab仿真軟件對(duì)傳統(tǒng)PID控制和RBF神經(jīng)網(wǎng)絡(luò)PID控制分別進(jìn)行仿真。采樣周期T=0.5 s，將其離散化處理，PID參數(shù)為Kp=5，Ki=0.8，Kd=1.5，在此條件下，得到仿真曲線，如圖3所示。

由圖3的仿真曲線可知，RBF神經(jīng)網(wǎng)絡(luò)PID控制時(shí)系統(tǒng)單位階躍響應(yīng)曲線經(jīng)過(guò)0.15 s后系統(tǒng)便可達(dá)到穩(wěn)定狀態(tài)，而傳統(tǒng)PID控制器需要約0.2 s，明顯超過(guò)神經(jīng)網(wǎng)絡(luò)PID控制器。此外RBF神經(jīng)網(wǎng)絡(luò)PID控制器超調(diào)量明顯小于傳統(tǒng)PID控制器，從而大大縮短系統(tǒng)達(dá)到穩(wěn)定時(shí)間。由分析可以看出，RBF網(wǎng)絡(luò)PID控制器超調(diào)量小，響應(yīng)速度快，具有良好的動(dòng)態(tài)、靜態(tài)特性。

圖3 仿真曲線

4 結(jié)語(yǔ)

傳統(tǒng)PID控制方法過(guò)于依賴數(shù)學(xué)模型，PID控制參數(shù)通常固定不變，而旋轉(zhuǎn)型液體灌裝質(zhì)量系統(tǒng)又是一個(gè)時(shí)變、非線性和強(qiáng)耦合的復(fù)雜系統(tǒng)，傳統(tǒng)PID控制效果并不理想。提出一種RBF神經(jīng)網(wǎng)絡(luò)PID控制算法，利用RBF一定的自學(xué)習(xí)能力，可根據(jù)系統(tǒng)運(yùn)行狀態(tài)，實(shí)時(shí)在線調(diào)整PID控制器參數(shù)。仿真結(jié)果表明，RBF神經(jīng)網(wǎng)絡(luò)控制算法明顯優(yōu)于傳統(tǒng)PID控制算法，可以有效提高灌裝系統(tǒng)的控制精度和響應(yīng)速度，對(duì)于提升液體灌裝工藝質(zhì)量具有重要作用。