田林紅，田達奇

河南工業(yè)職業(yè)技術(shù)學院（南陽 473000）

隨著社會不斷發(fā)展，人們生活水平有了顯著提高，對于食品的需求量日益增加。由于世界各地食品貿(mào)易往來發(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人體無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，為人體補充營養(yǎng)和水分。隨著消費者消費理念發(fā)展，消費者對于灌裝飲品安全性、包裝美觀度、灌裝精度等提出更高要求。

中國企業(yè)中使用的灌裝機基本具有自動化、高速化，通過一整套灌裝機便可實現(xiàn)自動瓶體輸送、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，此外由于灌裝機的長時間使用，機械結(jié)構(gòu)出現(xiàn)老化，灌裝閥門也出現(xiàn)不同程度漏氣，同樣會影響灌裝精度，因此在整個灌裝工藝中，需要進行二次微量補灌，提高整體灌裝精度。

飲品灌裝工藝比較復雜，影響灌裝精度的因素眾多，很難建立精確的數(shù)學模型。灌裝精度控制通常采用PID控制方法，PID控制方法結(jié)構(gòu)簡單、易實現(xiàn)，但該控制方法依賴精確數(shù)學模型，對于具有非線性、時滯性等特點的灌裝系統(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)學模型的模糊控制，但模糊控制過于依賴工程人員經(jīng)驗，自我學習能力差，而神經(jīng)網(wǎng)絡控制理論具有較強的自我學習能力，對于非線性系統(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)絡的PID控制算法，并通過仿真驗證該控制方法有效性。

1 飲品灌裝機

以飲品灌裝機為例，灌裝機結(jié)構(gòu)如圖1所示[6]。灌裝機工藝流程為：轉(zhuǎn)盤帶動瓶體選裝將其輸送到傳送工位；光電傳感器檢測到瓶體后，并通過稱重傳感器稱重，均滿足要求，則進行一次灌裝，一次灌裝完成后進行瓶體稱重，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值進行比較，得到質(zhì)量偏差后進行二次補液灌裝；二次灌裝完成后對灌體進行上蓋，上蓋完成后進行出瓶。

圖1 灌裝機結(jié)構(gòu)

2 神經(jīng)網(wǎng)絡PID灌裝質(zhì)量控制

在灌裝過程中，由于機械元件老化、機械振動、閥門漏氣等因素的存在，導致一次灌裝精度達不到要求，需要進行二次灌裝，采用重量傳感器實現(xiàn)灌裝的閉環(huán)反饋控制，控制器獲得質(zhì)量反饋信號或，對電機產(chǎn)生驅(qū)動信息。傳統(tǒng)PID控制算法不能根據(jù)灌裝機的具體情況做出自適應調(diào)整，同時對于非線性、時滯性的灌裝機控制效果并不理想。為了提高系統(tǒng)的自我適應能力，將具有自我學習能力的RBF神經(jīng)網(wǎng)絡引入到PID控制器中[7-8]，使得PID控制器能夠根據(jù)灌裝機特點做出自適應調(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)絡結(jié)構(gòu)

如圖2為徑向基神經(jīng)網(wǎng)絡結(jié)構(gòu)，該神經(jīng)網(wǎng)絡擁有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)絡第2層中的第i個神經(jīng)元的輸入為：

神經(jīng)網(wǎng)絡輸出層為：

通過神經(jīng)網(wǎng)絡函數(shù)的閾值b對函數(shù)靈敏度進行調(diào)節(jié)，輸出層的輸入可通過隱含層中的神經(jīng)元輸出加權(quán)表示：

圖2 徑向基神經(jīng)網(wǎng)絡結(jié)構(gòu)

2.2 控制器設計

灌裝機智能控制系統(tǒng)采用增量式PID實現(xiàn)系統(tǒng)閉環(huán)反饋控制，通過神經(jīng)網(wǎng)絡控制器實現(xiàn)PID控制器中的比例系數(shù)、積分系數(shù)、微分系數(shù)自適應調(diào)整，灌裝系統(tǒng)偏差為：

式中：r(k)為目標值；y(k)為系統(tǒng)輸出值；k為采樣序號。

PID控制器的輸入數(shù)學模型為：

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

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)絡目標函數(shù)為：

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

3 仿真分析

為驗證RBF神經(jīng)網(wǎng)絡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仿真軟件對傳統(tǒng)PID控制和RBF神經(jīng)網(wǎng)絡PID控制分別進行仿真。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PID控制時系統(tǒng)單位階躍響應曲線經(jīng)過0.15 s后系統(tǒng)便可達到穩(wěn)定狀態(tài)，而傳統(tǒng)PID控制器需要約0.2 s，明顯超過神經(jīng)網(wǎng)絡PID控制器。此外RBF神經(jīng)網(wǎng)絡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)達到穩(wěn)定時間。由分析可以看出，RBF網(wǎng)絡PID控制器超調(diào)量小，響應速度快，具有良好的動態(tài)、靜態(tài)特性。

圖3 仿真曲線

4 結(jié)語

傳統(tǒng)PID控制方法過于依賴數(shù)學模型，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)又是一個時變、非線性和強耦合的復雜系統(tǒng)，傳統(tǒng)PID控制效果并不理想。提出一種RBF神經(jīng)網(wǎng)絡PID控制算法，利用RBF一定的自學習能力，可根據(jù)系統(tǒng)運行狀態(tài)，實時在線調(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)的控制精度和響應速度，對于提升液體灌裝工藝質(zhì)量具有重要作用。