CN113110050A - 一种电磁炒药机温度控制方法 - Google Patents

Abstract

本发明提供一种阿胶珠电磁炒药机温度控制方法，本发明采用基于径向基函数神经网络(RBFNN)的反演动态滑模(BSMC)温度控制方法。所述方法包括：阿胶珠电磁炒药机运行过程中，控制系统调节速度慢、温度波动大，降低阿胶珠品质，建立电磁炒药机温度控制系统数学模型，采用RBF神经网络的反演动态滑模控制方法，提高系统调节速度，抑制温度波动。利用RBF神经网络对系统数学模型未知非线性部分逼近，提高模型精度，增强控制系统可靠性；设计反演动态滑模控制器，实现电磁炒药机温度控制系统保稳态精度的同时，动态响应速度提高，超调减少，控制器输出量降低，使电磁炒药机的温度控制性能得到提高。

Description

一种电磁炒药机温度控制方法

技术领域

本发明涉及阿胶珠饮片生产设备的控制领域，具体提供一种电磁炒药机温度控制方法。

背景技术

“工业4.0”的提出，科技部“中医药现代化研究”重点专项2018年申报指南的公布，对于中药饮片生产“智能化”的问题，开始备受关注，阿胶珠炮制工艺逐渐由半自动化向自动化、智能化炮制工艺转变，对阿胶珠品质要求的提高，使对电磁炒药机温度控制精度提出新要求。阿胶珠电磁炒药机温度控制系统存大惯性和非线性部分，利用RBF神经网络的逼近能力，实现对非线性部分的逼近，提高建模精度；传统温度闭环控制虽然结构简单，但响应速度不够快，系统误差比较大，通过设计反演动态滑模温度控制器，有效提高系统调节速度，降低温度波动，加强控制系统得鲁棒性和自适应能力。

发明内容

本发明的目的是提出一种有效提高电磁炒药机温度控制性能方法，主要解决电磁炒药机温度控制精度及响应速度的问题。本发明采用基于RBF神经网络的反演动态滑模温度控制方法，在不改变设备硬件结构的基础上，使温度控制系统产生良好的控制性能，保证系统稳态精度的同时，动态响应速度提高。其技术内容包括：

一种电磁炒药机温度控制方法，基于的反演动态滑模控制方法对电磁炒药机温度进行控制，针对电磁炒药机温度控制系统大惯性、时滞性以及温度波动范围大的问题，通过RBF神经网络对模型未知参数逼近，设计反演动态滑模控制器，提高温度控制性能。其特征在于：具体实施步骤包括：

步骤一、建立阿胶珠电磁炒药机加热系统数学模型，以获得电流控制频率与炒药机加热功率、炒药机加热功率与炒药机温度变化的数学关系，其过程为：

电磁炒药机电磁加热系统数学模型为：

P＝Kf² (1)

式中，

f为电流频率(Hz)；σ为电导率(S/m)；μ为磁导率(H/m)；D为炒药机筒体高度(m)；I为电流(A)；S为炒药机筒体表面积(m²)；h为炒药机线圈缠绕直径(m)；r₂为炒药机滚筒外半径(m)；p、u、z、o为给定值；

线圈加热做功数学模型为：

式中，G为被加热物料质量(kg)；C为被加热物料比热容(J/(kg·K))；

加热温度变化率(K)；q为炒药机单位面积的热量损耗(W/m²)，其与加热温度成比例关系，即q＝kT，k为比例系数；

步骤二、依据步骤一式(1)、(2)，建立控制频率与温度变化的状态方程，状态方程表示为：

式中，g(T)＝-SkT/GC为未知非线性部分；B＝1/GC；u(t)＝Kf²(t)为控制输入；v为辅助控制输入；

步骤三、依据步骤二中构建的控制量频率与炒药机温度的状态方程，完成RBF神经网络反演动态滑模控制器设计，控制器实现过程包括如下步骤：

步骤a、定义RBF神经网络输入输出为：

式中，

为神经网络输入；g(T)为神经网络期望输出；

为神经网络实际输出；c为隐含层中心向量；b为隐含层宽度参数；W^*为神经网络理想权值；

为神经网络估计权值；ε为神经网络逼近误差；

步骤b、定义温度控制器反演动态滑模面，构建Lyapunov函数，滑模面表示为：

式中，c₁＞0；e＝T-T_d为温度误差，T_d为期望温度；

Lyapunov函数表示为：

式中，

为神经网络权值估计误差；

步骤c、根据Lyapunov函数V₁及滑模面，定义滑模控制率，其表示为：

式中，η＞0；γ＞0；

步骤d、对式(8)求导，在满足Lyapunov稳定性下，可得网络权值自适应率，其表示为：

步骤e、根据式(3)、(9)联立，可得炒药机温度控制电流频率f，其表达式为：

步骤四、根据期望控制目标，对步骤二、三中参数c、b和经验系数c₁、γ、η进行调整，实现控制系统稳态精度保持、调节速度提高、抗干扰能力加强；

完成控制。

本发明的有益之处在于，通过RBF神经网络对系统未知非线性部分逼近，模型精度有效提高，神经网络权值自适应调整，提高了控制系统的稳定性和收敛能力，通过构建反演动态滑模控制器，降低控制器输出量，提高控制系统响应速度，控制误差减小，动态性能增强，对温度波动起到有效抑制。

本发明的控制方法对其他饮片炮制设备温度控制有一定的参考价值。

附图说明

图1是基于RBF神经网络的反演动态滑模温度控制系统框图；

图2是电磁炒药机筒体物理模型；

图3是温度控制器结构设计框图；

图4是控制系统温度输出曲线；

图5是控制系统温度输出误差曲线；

图6是控制系统输出曲线；

具体实施方式

下面结合附图对本发明作进一步说明：

一种电磁炒药机温度控制方法，基于RBF神经网络的反演动态滑模控制方法对电磁炒药机温度进行控制，控制系统结构框图如图1所示，通过红外温度传感器检测实时温度，将温度实测值、温度变化率作为神经网络输入，网络权值通过温度误差自适应调整，将逼近的未知非线性部分作为输出，温度误差以及误差变化率作为反演动态滑模控制器输入，将控制频率量作为输出，实现多电磁炒药机温度的快速调节，提高温度控制性能。

具体实现方法按如下步骤：

步骤一、电磁炒药机筒体物理模型如图2所示，建立阿胶珠电磁炒药机加热系统数学模型，以获得电流控制频率与炒药机加热功率，炒药机加热功率与炒药机温度变化的数学关系，其过程为：

电磁炒药机电磁加热系统数学模型为：

P＝Kf² (1)

式中，

f为电流频率(Hz)；σ为电导率(S/m)；μ为磁导率(H/m)；D为炒药机筒体高度(m)；I为电流(A)；S为炒药机筒体表面积(m²)；h为炒药机线圈缠绕直径(m)；r₂为炒药机滚筒外半径(m)；p、u、z、o为给定值；

线圈加热做功数学模型为：

式中，G为被加热物料质量(kg)；C为被加热物料比热容(J/(kg·K))；

加热温度变化率(K)；q为炒药机单位面积的热量损耗(W/m²)，其与加热温度成比例关系，即q＝kT，k为比例系数；

由式(1)、(2)可知，通过调节电磁加热线圈电流频率可以改变炒药机温度，建立以频率量为输出的控制器，实现对阿胶珠电磁炒药机温度控制。

步骤二、依据步骤一式(1)、(2)，建立控制频率与温度变化的状态方程，状态方程表示为：

式中，g(T)＝-SkT/GC为未知非线性部分；B＝1/GC；u(t)＝Kf²(t)为控制输入量；v为辅助控制输入；

通过将式(1)、(2)联立，写为状态方程的形式，如式(3)上式所示，并构建控制器辅助输出，通过反向推到，得到控制器输出表达式；

步骤三、依据步骤二中构建的控制量频率与炒药机温度的状态方程，完成RBF神经网络反演动态滑模控制器设计，控制器实现过程包括如下步骤：

步骤a、定义RBF神经网络输入输出为：

式中，

为网络输入；g(T)为神经网络理想输出；

为神经网络实际输出；c为隐含层中心向量；b为隐含层宽度参数；W^*为神经网络理想权值；

为神经网络估计权值；ε为网络逼近误差；

步骤b、定义温度控制器反演动态滑模面，构建Lyapunov函数，滑模面表示为：

式中，c₁＞0；e＝T-T_d为温度误差，T_d为期望温度；

Lyapunov函数表示为：

式中，

为神经网络权值估计误差；

步骤c、根据Lyapunov函数V₁及滑模面，定义滑模控制率，其表示为：

式中，η＞0；γ＞0；

步骤d、对式(8)求导，在满足Lyapunov稳定性下，可得网络权值自适应率，其表示为：

在步骤d中，对式(8)求导可得

为：

为满足Lyapunov稳定性，则令式(11)后两项为零，即可推得式(10)的自适应率；

步骤e、根据式(3)、(9)联立，可得炒药机温度控制电流频率f，其表达式为：

由式(10)可知，通过选取合适的γ值，能够改善网络权值的自适应率；由式(7)、(8)、(12)可知，选取如式(10)所示网络权值自适应率，满足Lyapunov稳定性，使得滑模面收敛于零；由式(6)可知，当滑模面为零时，系统误差及变化率以指数倍收敛为零，收敛速度取决于系数c₁，构建的控制器能够有效改善控制系统响应速度，降低温度控制误差；

步骤四、根据期望控制目标，对步骤二、三中参数c、b和经验系数c₁、γ、η进行调整，实现控制系统稳态精度保持、调节速度提高、抗干扰能力加强；

完成控制。

通过RBF神经网络反演动态滑模控制的方法，控制系统动态性能得到改善，温度波动范围减小。RBF神经网络对未知非线性部分的有效逼近，提高了模型精度；构建滑模面及Lyapunov函数，应用Lyapunov稳定性定理，通过辅助控制输出量反向推导，设计反演动态滑模控制器。如图4、图5、图6所示，与传统PID温度控制方法相比，本发明方法使电磁炒药机温度控制系统调节时间减小，超调量有效抑制，稳态误差减小。

Claims (1)

1.一种电磁炒药机温度控制方法，采用基于RBF神经网络的反演动态滑模温度控制方法，对电磁炒药机温度进行控制，其特征在于：所述控制方法具体包括如下步骤：

步骤一、建立阿胶珠电磁炒药机加热系统数学模型，以获得电流控制频率与炒药机加热功率、炒药机加热功率与炒药机温度变化的数学关系，其过程为：

电磁炒药机电磁加热系统数学模型为：

P＝Kf² (1)

式中，

f为电流频率(Hz)；σ为电导率(S/m)；μ为磁导率(H/m)；D为炒药机筒体高度(m)；I为电流(A)；S为炒药机筒体表面积(m²)；h为炒药机线圈缠绕直径(m)；r₂为炒药机滚筒外半径(m)；p、u、z、o为给定值；

线圈加热做功数学模型为：

式中，G为被加热物料质量(kg)；C为被加热物料比热容(J/(kg·K))；

为物料加热温度变化率(K)；q为炒药机单位面积的热量损耗(W/m²)，其与加热温度成比例关系，即q＝kT，k为比例系数；

步骤二、依据步骤一式(2)、(3)，建立控制频率与温度变化的状态方程，状态方程表示为：

式中，g(T)＝-SkT/GC为未知非线性部分；B＝1/GC；u(t)＝Kf²(t)控制输入；v为辅助控制输入；

步骤三、依据步骤二中构建的频率控制量与炒药机温度的状态方程，完成RBF神经网络反演动态滑模温度控制器设计，控制器实现过程包括如下步骤：

步骤a、定义RBF神经网络输入输出为：

式中，

为神经网络输入；g(T)为神经网络期望输出；

为神经网络实际输出；c为隐含层中心向量；b为隐含层宽度参数；W^*为神经网络理想权值；

为神经网络估计权值；ε为网络逼近误差；

步骤b、定义温度控制器反演动态滑模面，构建Lyapunov函数，滑模面表示为：

式中，c₁＞0，其决定温度误差的收敛速度；e＝T-T_d为温度误差，T_d为期望温度；

Lyapunov函数表示为：

式中，

为神经网络权值估计误差；

步骤c、根据Lyapunov函数V₁及滑模面，定义滑模控制率，其表示为：

式中，η＞0；γ＞0；

步骤d、对式(8)求导，在满足Lyapunov稳定性下，可得网络权值自适应率，其表示为：

步骤e、根据式(3)、(9)联立，可得炒药机温度控制电流频率f，其表达式为：

步骤四、根据期望控制目标，对步骤二、三中参数c、b和经验系数c₁、γ、η进行调整，实现控制系统调节速度快、抗干扰能力强、稳态精度高；

完成控制。

Images