CN104890205A - 一种注塑机料筒温度控制方法 - Google Patents

Abstract

本发明公开了一种注塑机料筒温度控制方法，其包括如下步骤：S1.计算获得当前采样周期k实测温度与目标温度T之间的温度偏差的模糊量E，以及当前采样周期实测温度与上一采样周期实测温度间的温度偏差变化率的模糊量EC；S2.对当前采样周期进行PID模糊推理运算，在运算中对当前采样周期的模糊规则进行修正；S3.计算获得当前采样周期的PID控制量，按照当前采样周期的控制量进行当前加热控制；S4.在下一采样周期(k+1)依次重复前述步骤S1至步骤S3。本发明方法对模糊规则进行不断的修正，并根据修正的模糊规则获得PID的三个控制量，能提高控制精度，有效降低温度的超调，缩短加热到指定温度所耗费的时间。

Description

一种注塑机料筒温度控制方法

技术领域

本发明属于温度控制相关领域，更具体地，涉及一种注塑机料筒温度控制方法。

背景技术

注塑机料筒温度是注塑加工过程中的重要参数，对料筒加热温度进行有效的控制是保证塑料制品成型质量的重要环节。加热过程中，料筒的温度会影响熔融塑料的流变特性。熔体温度过高，易形成翘曲、烧焦等质量缺陷；熔体温度过低，塑料塑化程度不均匀，流动性能下降，不利于熔体注射填充模具型腔，易形成短射、流痕等质量缺陷。精确的温度控制有利于保证熔融塑料在注射成型过程中良好的充填性能以及成型产品质量。

注塑机料筒机构包括喷嘴、多个中间恒温区以及下料口，各自安装有加热圈、温度传感器等部件。温度传感器周期性监测料筒各段温度，控制加热圈加热输出，最终各段料筒达到工艺设定的目标温度。

目前，国内的注塑机温度控制系统大多采用固定PID参数温度控制方法。PID控制是一种线性控制方法，它依据给定值r(t)和实际输出值y(t)构成控制偏差e(t)，即e(t)＝r(t)-y(t)。对偏差e(t)进行比例、积分、微分运算，将三种运算的结果相加，就得到PID控制器的控制输出u(t)。在连续的时间域中，PID控制器的表达式如下：

$u\left(t\right)=k_p[e\left(t\right)+k_i\underset{0}{\overset{t}{\∫}}e\left(t\right)\mathrm{dt}+k_d\frac{d\left(t\right)}{\mathrm{dt}}]$

式中，k_p为比例系数,k_i为积分系数，k_d为微分系数，t是时间，e是偏差。

但是，PID温度控制方法中三个参数需专家现场反复调试才能获得良好的温度控制效果，并且，一组固定PID参数只适用于特定的工艺温度条件。因此不利于生产智能化，并且，如果更改工艺温度，需要再次调试，因此其生产周期长，效率相对低下。

为了克服以上问题，本领域技术人员提出采用模糊PID控制方法进行料筒温度控制。模糊自适应PID控制是运用模糊数学的基本理论和方法，把人工调整PID参数的规则用模糊集合表示，并把这些模糊控制规则及有关信息作为知识存入计算机知识库中，然后计算机根据控制系统的实际响应情况，运用模糊推理，既可实现对PID参数的自动调整。周锡恩提出了一种模糊PID控制方法，使PID参数能在线修正(模糊自适应PID控制在注塑机料筒温度控制中的应用，自动化技术与应用,2012(10):21-24.)。金波设计了一种模糊变系数PID控制器，该控制器能在线调整PID控制参数(注塑机料筒温度模糊变系数PID控制研究，中国机械工程,2005,16(5):395-398.)。

然而，用模糊PID控制方法仍然存在如下问题：其十分依赖于建立良好的模糊规则，获得该模糊规则需要依据专家和现场调试经验，其获取过程相对繁琐复杂，并且该模糊规则不能较好适用不同目标温度下加热控制过程，具有一定的局限性。总之，其加热控制过程中模糊规则无法改变，不能依据料筒温度变化动态实时调整模糊规则，从而也无法获得较为理想的控制输出。

发明内容

针对现有技术的以上缺陷或改进需求，本发明提供了一种注塑机料筒温度控制方法，其目的在于，根据注塑机料筒的实际温度情况进行模糊规则的动态调整，对模糊规则进行不断的修正，并根据修正的模糊规则获得PID的三个控制量，进而根据三个控制量进行加热控制，能降低温度的超调，缩短加热到指定温度所耗费的时间，由此解决现有技术中，不能依据料筒温度变化实时调整模糊规则，致使无法获得较为理想的PID控制输出的问题。

为实现上述目的，按照本发明的一个方面，提供了一种注塑机料筒温度控制方法，包括如下步骤：

S1：直接获得注塑机料筒当前采样周期k实测温度t(k)，计算获得当前采样周期实测温度t(k)与目标温度T之间的温度偏差的模糊量E，以及当前采样周期实测温度t(k)与上一采样周期实测温度t(k-1)间的温度偏差变化率的模糊量EC；

S2：按照如下公式对当前采样周期进行PID模糊推理运算，

z＝(EandEC)οR

式中，E为经步骤S1获得的温度偏差的模糊量，EC是经步骤S1获得温度偏差变化率的模糊量，E和EC均为输入的模糊量；z是输出的模糊量，其包含比例系数变化量Δp的当前采样周期模糊量P_k、积分系数变化量Δi的当前采样周期模糊量I_k、微分系数变化量Δd的当前采样周期模糊量D_k；R是模糊规则，其包含模糊量P_k的模糊规则模糊量I_k的模糊规则以及模糊量D_k的模糊规则k表示当前采样周期为第k次采样周期；and是连接运算符；ο是模糊关系合成运算符；

其中，以及分别按照如下公式计算获得：

$\left\{\begin{array}{c}{R}_k^p(E,\mathrm{EC})=R_{k-1}^p(E,\mathrm{EC})+U_k\·N_k(E,\mathrm{EC})\\ R_k^i(E,\mathrm{EC})=R_{k-1}^i(E,\mathrm{EC})+U_k\·N_k(E,\mathrm{EC})\\ R_k^d(E,\mathrm{EC})=R_{k-1}^d(E,\mathrm{EC})+U_k\·N_k(E,\mathrm{EC})\end{array}\right.$

式中，k表示当前采样周期为第k次采样周期，k＝1,2,3,…N，N∈(0，∞)；和分别表示模糊量P的第k次和(k-1)次模糊规则；和分别表示模糊量I的第k次和(k-1)次模糊规则；和分别表示模糊量D的第k次和(k-1)次模糊规则；N_k(E,EC)表示按照模糊规则决策直接获得的第k次采样周期的修正值；U_k为第k次采样周期的模糊规则修正权重；

S3：采用重心法将经步骤S2获得的模糊量P_k、I_k以及D_k分别换算为变化量Δp_k、Δi_k、Δd_k，接着按照下式计算获得当前采样周期的PID控制量p_k、i_k、d_k，

$\left\{\begin{array}{c}{p}_k=p_{k-1}+\mathrm{\Δ}{p}_k\\ i_k=i_{k-1}+\mathrm{\Δ}{i}_k\\ d_k=d_{k-1}+\mathrm{\Δ}{d}_k\end{array}\right.$

式中，k表示当前采样周期为第k次采样周期，k＝1,2,3,…，N，N∈(0，∞)，控制量p_k-1、i_k-1、d_k-1为上一采样周期(k-1)的PID控制量，

按照当前采样周期的控制量p_k、i_k以及d_k进行当前加热控制。

S4：在下一采样周期(k+1)依次重复前述步骤S1至步骤S3，以此方式，实现注塑机料筒温度全过程的加热控制。

进一步的，步骤S2中，所述第k次采样周期的模糊规则修正权重U_k按照如下公式计算获得：

式中，分别表示修正因子常数，所述分别取为0、0.1、0.5、0.9；<>表示按四舍五入取整。

以上发明构思中，直接获得当前采样周期的注塑机料筒的实测温度，根据当前采样周期实测温度t(k)与目标温度T之间的温度偏差的模糊量E，以及当前采样周期实测温度t(k)与上一采样周期实测温度t(k-1)间的温度偏差变化率的模糊量EC，对当前采样周期进行PID模糊推理运算，获得当前采样周期的比例系数变化量的模糊量P_k、I_k以及D_k，接着将模糊量分别换算为变化量Δp_k、Δi_k、Δd_k，再计算获得当前采样周期的PID控制量p_k、i_k、d_k，并根据控制量p_k、i_k、d_k进行当前采样周期的加热控制。在进行模糊推理运算过程中，根据模糊规则决策修正模糊规则，实现模糊规则的自适应，相应使得当前采样周期获得的控制量p_k、i_k、d_k均较为精确，实现了对当前采样周期进行精确的加热控制。以此方式进行下一个采样周期的加热控制，如此迭代循环，采用模糊规则决策对每个采样周期的模糊规则进行修正，实现模糊规则的实时动态调整，提高了控制的精确度。

进一步的，步骤S3中，所述重心法的公式如下：

$z_0=\mathrm{df}\left(z\right)=\frac{\underset{i=1}{\overset{M}{\mathrm{\&Sigma;}}}{z}_i{\mathrm{\&mu;}}_c\left(z_i\right)}{\underset{i=1}{\overset{M}{\mathrm{\&Sigma;}}}{\mathrm{\&mu;}}_c\left(z_i\right)}$

式中，z₀表示变化量，其包含比例系数变化量Δp、积分系数变化量Δi、微分系数变化量Δd；df表示解模糊运算；M表示论域中的元素总数；z_i表示论域中第i个单点模糊值，i为整数且大于0；μ_c(z_i)表示模糊值z_i对应的隶属度。

进一步的，步骤S2中，所述模糊规则决策为：

总体而言，通过本发明所构思的以上技术方案与现有技术相比，能够取得下列有益效果：

在进行模糊推理运算过程中，根据模糊规则决策修正模糊规则，实现模糊规则的自适应，相应使得当前采样周期获得的控制量p_k、i_k、d_k均较为精确，实现了对当前采样周期进行精确的加热控制。以此方式进行下一个采样周期的加热控制，如此迭代循环，采用模糊规则决策对每个采样周期的模糊规则进行修正，实现模糊规则的实时动态调整，提高了控制的精确度。试验表明，本发明控制方法能显著的减小料筒温度控制的加热超调量，缩短料筒达到预设温度的加热时间，提高了料筒温度控制的精度和自适应性。

附图说明

图1是本发明实施例中注塑机料筒温度模糊PID控制器的原理图；

图2是本发明实施例中注塑机料筒温度模糊PID控制器中一个采样周期的程序流程图；

图3是本发明中所采用的等腰三角形隶属函数的示意图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。

图1是本发明实施例中注塑机料筒温度模糊PID控制器的原理图。其通过引入温度偏差e和温度偏差变化率e_c进行模糊推理，并不断修正模糊规则，实现模糊规则自适应，提高了PID三个控制量的准确性，从而能提高对料筒中加热圈的控制能力，防止加热超调等问题，试验表明能在不改变注塑料筒温度控制系统现有硬件条件下，显著的减小料筒温度控制的加热超调量，增加料筒温度控制精度。

下面以更为详细的实施例进一步说明。

以震雄某型号注塑机为例，其料筒分为五段，在五段料筒机构上，基于华中数控8型软件平台，利用c语言开发了料筒温度控制模块。实际中，先读入PID参数初始值和各段料筒温度设定值，利用料筒上安装的温度传感器采集料筒实际温度值，通过温度控制算法模块输出料筒各段对应的PID控制量，各段对应的PID控制量进一步转换为对应的加热圈功率输出量，最终实现五段料筒温度控制。

图2是本发明实施例中注塑机料筒温度模糊PID控制器中一个采样周期的程序流程图。该图中反映出本发明实施例中的注塑机料筒温度控制方法如下：

S1：分别给定输入量和输出量的模糊论域，并对应将输入量和输出量转化为各自的模糊量。

以温度偏差e和温度偏差变化率e_c为输入量。温度偏差e和温度偏差变化率e_c的计算公式如下：

e＝t(k)-T

e_c＝t(k)-t(k-1)

式中，k表示第k次采样周期；t(k)表示第k次采样周期温度传感器实测温度；t(k-1)表示第(k-1)次采样周期温度传感器实测温度；T为设定温度，也是控制需要达到的目标温度。

为缩短加热时间并结合现场调试经验，确定在距离目标温度范围达±30℃时，才进行模糊PID温度控制，达到之前均保证加热圈全功率加热输出。则，输入量e的取值范围e＝[-30，30]。温度偏差e对应的模糊量E的模糊论域为E＝{-3，-2，-1，0，1，2，3}，所对应的语言值为NB，NM，NS，Z，PS，PM，PB。

温度偏差变化率e_c的取值范围e_c＝[-2.1，2.1]，温度偏差变化率e_c对应的模糊量EC的模糊论域为EC＝{-3，-2，-1，0，1，2，3}，所对应的语言值为NB，NM，NS，Z，PS，PM，PB。

以比例系数变化量Δp，积分系数变化量Δi以及微分系数变化量Δd为输出。其中，

Δp的取值范围Δp＝[-6，6]，Δp的模糊量P的模糊论域为P＝{-6，-4，-2，0，2，4，6}，对应的语言值为NB，NM，NS，Z，PS，PM，PB。

Δi的取值范围Δi＝[-0.6，0.6]，Δi的模糊量I的模糊论域为I＝{-3，-2，-1，0，1，2，3}，所对应的语言值为NB，NM，NS，Z，PS，PM，PB。

Δd的取值范围Δd＝[-3，3]，Δd的模糊量D的模糊论域为D＝{-3，-2，-1，0，1，2，3}，所对应的语言值为NB，NM，NS，Z，PS，PM，PB。

以上输入量e，温度偏差变化率e_c，比例系数变化量Δp，积分系数控变化量Δi以及微分系数变化量Δd的取值范围均根据工程实践中的积累的经验而确定，实际情况中，以上的取值范围根据具体的注塑机型号料筒结构以及料筒加热器的功率不同可能改变。

把输入量温度偏差e和温度偏差变化率e_c进行模糊处理，使原有精确的输入量变成模糊量。采用如图3所示的等腰三角形隶属函数确定输入模糊量E和模糊量EC的属于模糊论域的隶属度μ_e(x)和μ_ec(x)。以E对模糊子集PS的隶属函数为例，

${\mathrm{\&mu;}}_e\left(x\right)=\left\{\begin{array}{cc}0,& x\&le;0\\ x,& 0\&le;x\&le;1\\ 2-x,& 1\&le;x\&le;2\\ 0,& x\&GreaterEqual;2\end{array}\right.$

式中，x表示进行尺度变换后的输入换算量，μ_e(x)表示对模糊子集PS的隶属度。

以一个具体实施例说明输入换算量获得过程。输入量e的取值范围e＝[-30，30]，模糊量E的模糊论域为E＝{-3，-2，-1，0，1，2，3}，则x＝e×(3÷30)。

又譬如说温度偏差变化率e_c的取值范围e_c＝[-2.1，2.1]，模糊论域为EC＝{-3，-2，-1，0，1，2，3}，则x＝e_c×(3÷2.1)。

S2：对当前采样周期进行模糊推理运算。

按如下公式进行模糊推理运算：

z＝(EandEC)οR

式中，E和EC是输入的模糊量；z是输出的模糊量，其包含比例系数变化量Δp的模糊量P、积分系数变化量Δi的模糊量I、微分系数变化量Δd的模糊量D；R是模糊规则，其包含以及k表示；and是句子连接运算符；“ο”是模糊关系合成运算符。

其中，以及分别按照如下公式计算获得：

$\left\{\begin{array}{c}{R}_k^p(E,\mathrm{EC})=R_{k-1}^p(E,\mathrm{EC})+U_k\&CenterDot;N_k(E,\mathrm{EC})\\ R_k^i(E,\mathrm{EC})=R_{k-1}^i(E,\mathrm{EC})+U_k\&CenterDot;N_k(E,\mathrm{EC})\\ R_k^d(E,\mathrm{EC})=R_{k-1}^d(E,\mathrm{EC})+U_k\&CenterDot;N_k(E,\mathrm{EC})\end{array}\right.$

式中，k表示第k次采样周期(k＝1,2,3,…)；和分别表示比例系数Δp的模糊量P的第k次和k-1次模糊规则；和分别表示模糊量I的第k次和k-1次模糊规则；和分别表示模糊量D的第k次和k-1次模糊规则；N_k(E,EC)表示按照模糊规则决策查询出来的第k次采样周期的修正值；U_k为第k次采样周期的模糊规则修正权重。

其中，修正权重U_k按照如下公式计算获得：

式中，U_k表示模糊规则修正权重；分别表示修正因子常数，本实施例中，经试验调试分别取为0、0.1、0.5、0.9；<>表示按四舍五入取整。

其中，模糊量P、I以及D的第0次模糊规则分别(也即初始模糊规则)如下：

表1模糊量P初始模糊规则

表2模糊量I初始模糊规则

表3模糊量D初始模糊规则

以上模糊量P、I以及D的第0次模糊规则是根据PID人工调整专家经验和现场试验所获得的。

其中，所述的模糊规则决策如下所示，模糊规则决策用于修正模糊规则，把模糊规则决策中模糊决策产生的校正量加到模糊规则中从而生成新的模糊规则。

表4模糊规则决策

S3：解模糊获得当前采样周期中PID的三个控制量，按照所述三个控制量进行当前采样周期的加热控制。

进行模糊推理后，获得比例系数变化量Δp的模糊量P、积分系数变化量Δi的模糊量I、微分系数变化量Δd的模糊量D，采用重心法进行模糊量向变化量的转换，获得变化量Δp、Δi、Δd。所述重心法的公式如下：

$z_0=\mathrm{df}\left(z\right)=\frac{\underset{i=1}{\overset{M}{\mathrm{\&Sigma;}}}{z}_i{\mathrm{\&mu;}}_c\left(z_i\right)}{\underset{i=1}{\overset{M}{\mathrm{\&Sigma;}}}{\mathrm{\&mu;}}_c\left(z_i\right)}$

式中，z₀表示变化量，其包含比例系数变化量Δp、积分系数变化量Δi、微分系数变化量Δd；df表示解模糊运算；M表示论域中的元素总数；z_i表示论域中第i个单点模糊值，i为整数且大于0；μ_c(z_i)表示模糊值z_i对应的隶属度。

按照下式计算获得PID控制量：

$\left\{\begin{array}{c}{p}_k=p_{k-1}+\mathrm{\&Delta;}{p}_k\\ i_k=i_{k-1}+\mathrm{\&Delta;}{i}_k\\ d_k=d_{k-1}+\mathrm{\&Delta;}{d}_k\end{array}\right.$

式中，k表示当前采样周期为第k次采样周期，k＝1,2,3,…，N，N∈(0，∞)，控制量p_k-1、i_k-1、d_k-1为上一采样周期(k-1)的PID控制量，

按照当前采样周期的控制量p_k、i_k以及d_k进行当前加热控制。

S4：在下一采样周期重复前述步骤S1至步骤S3，以此方式，实现全过程的加热控制。

需要说明的是，在上述料筒温度控制中，控制周期时间设定为10秒。五段料筒初始PID参数值见表5，五段料筒温度设定值及其控制试验结果见表6。在本发明的注塑机料筒温度控制算法的控制下，显著的减小了料筒各段加热温度的超调量，加热控制时间也在工业生产允许的范围内。

表5注塑机五段料筒PID参数初始值

表6基于规则自组织模糊PID算法试验结果

本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (4)

1.一种注塑机料筒温度控制方法，其特征在于，包括如下步骤：

S1：获得注塑机料筒当前采样周期k实测温度t(k)，计算获得当前采样周期实测温度t(k)与目标温度T之间的温度偏差的模糊量E，以及当前采样周期实测温度t(k)与上一采样周期实测温度t(k-1)间的温度偏差变化率的模糊量EC；

S2：按照如下公式对当前采样周期进行PID模糊推理运算，

z＝(EandEC)оR

式中，E为经步骤S1获得的温度偏差的模糊量，EC是经步骤S1获得温度偏差变化率的模糊量，E和EC均为输入的模糊量；z是输出的模糊量，其包含比例系数变化量Δp的当前采样周期模糊量P_k、积分系数变化量Δi的当前采样周期模糊量I_k、微分系数变化量Δd的当前采样周期模糊量D_k；R是模糊规则，其包含模糊量P_k的模糊规则模糊量I_k的模糊规则以及模糊量D_k的模糊规则k表示当前采样周期为第k次采样周期，k＝1,2,3,…N，N∈(0，∞)；and是连接运算符；о是模糊关系合成运算符；

其中，以及分别按照如下公式计算获得：

$\left\{\begin{array}{c}{R}_k^p(E,\mathrm{EC})=R_{k-1}^p(E,\mathrm{EC})+U_k\&CenterDot;N_k(E,\mathrm{EC})\\ R_k^i(E,\mathrm{EC})=R_{k-1}^i(E,\mathrm{EC})+U_k\&CenterDot;N_k(E,\mathrm{EC})\\ R_k^d(E,\mathrm{EC})=R_{k-1}^d(E,\mathrm{EC})+U_k\&CenterDot;N_k(E,\mathrm{EC})\end{array}\right.$

式中，和分别表示模糊量P的第k次和(k-1)次模糊规则；和分别表示模糊量I的第k次和(k-1)次模糊规则；和分别表示模糊量D的第k次和(k-1)次模糊规则；N_k(E,EC)表示按照模糊规则决策直接获得的第k次采样周期的修正值；U_k为第k次采样周期的模糊规则修正权重；

S3：采用重心法将经步骤S2获得的模糊量P_k、I_k以及D_k分别换算为变化量Δp_k、Δi_k、Δd_k，接着按照下式计算获得当前采样周期的PID控制量p_k、i_k、d_k，

$\left\{\begin{array}{c}{p}_k=p_{k-1}+{\mathrm{\&Delta;p}}_k\\ i_k=i_{k-1}+{\mathrm{\&Delta;i}}_k\\ d_k=d_{k-1}+{\mathrm{\&Delta;d}}_k\end{array}\right.$

式中，k表示当前采样周期为第k次采样周期，k＝1,2,3,…，N，N∈(0，∞)，控制量p_k-1、i_k-1、d_k-1为上一采样周期(k-1)的PID控制量，

按照当前采样周期的控制量p_k、i_k以及d_k进行当前加热控制。

S4：在下一采样周期(k+1)依次重复前述步骤S1至步骤S3，以此方式，实现注塑机料筒温度全过程的加热控制。

2.如权利要求1所述的一种注塑机料筒温度控制方法，其特征在于，步骤S2中，所述第k次采样周期的模糊规则修正权重U_k按照如下公式计算获得：

式中，分别表示修正因子常数，所述分别取为0、0.1、0.5、0.9；<>表示按四舍五入取整。

3.如权利要求1或2所述的一种注塑机料筒温度控制方法，其特征在于，步骤S3中，所述重心法的公式如下：

$z_0=\frac{\underset{i=1}{\overset{M}{\mathrm{\&Sigma;}}}{z}_i{\mathrm{\&mu;}}_c\left(z_i\right)}{\underset{i=1}{\overset{M}{\mathrm{\&Sigma;}}}{\mathrm{\&mu;}}_c\left(z_i\right)}$

式中，z₀表示变化量，其包含比例系数变化量Δp、积分系数变化量Δi、微分系数变化量Δd；M表示论域中的元素总数；z_i表示论域中第i个单点模糊值，i为整数且大于0；μ_c(z_i)表示模糊值z_i对应的隶属度。

4.如权利要求3所述的一种注塑机料筒温度控制方法，其特征在于，步骤S2中，所述模糊规则决策为：