CN113752506A - 注塑机料筒的温度pid控制器参数智能整定方法 - Google Patents

注塑机料筒的温度pid控制器参数智能整定方法 Download PDF

Info

Publication number
CN113752506A
CN113752506A CN202110969753.3A CN202110969753A CN113752506A CN 113752506 A CN113752506 A CN 113752506A CN 202110969753 A CN202110969753 A CN 202110969753A CN 113752506 A CN113752506 A CN 113752506A
Authority
CN
China
Prior art keywords
injection molding
molding machine
temperature
pid controller
module
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202110969753.3A
Other languages
English (en)
Inventor
任志刚
廖宁康
吴宗泽
王界兵
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangdong University of Technology
Original Assignee
Guangdong University of Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Guangdong University of Technology filed Critical Guangdong University of Technology
Priority to CN202110969753.3A priority Critical patent/CN113752506A/zh
Publication of CN113752506A publication Critical patent/CN113752506A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B29—WORKING OF PLASTICS; WORKING OF SUBSTANCES IN A PLASTIC STATE IN GENERAL
    • B29C—SHAPING OR JOINING OF PLASTICS; SHAPING OF MATERIAL IN A PLASTIC STATE, NOT OTHERWISE PROVIDED FOR; AFTER-TREATMENT OF THE SHAPED PRODUCTS, e.g. REPAIRING
    • B29C45/00—Injection moulding, i.e. forcing the required volume of moulding material through a nozzle into a closed mould; Apparatus therefor
    • B29C45/17—Component parts, details or accessories; Auxiliary operations
    • B29C45/76—Measuring, controlling or regulating
    • B29C45/78—Measuring, controlling or regulating of temperature

Landscapes

  • Engineering & Computer Science (AREA)
  • Manufacturing & Machinery (AREA)
  • Mechanical Engineering (AREA)
  • Injection Moulding Of Plastics Or The Like (AREA)

Abstract

本发明针对现有技术的局限性，提出了一种注塑机料筒的温度PID控制器参数智能整定方法，基于当前运行的特定注塑机料筒温度动态模型以及待优化的注塑件性能目标函数实现对PID参数的梯度信息的精确解析表达，并以表达出的参数梯度信息，利用梯度下降法来自动迭代求解PID最优参数值，可以取代或者辅助传统工人的手动反复调参，极大简化参数整定的过程，使得参数调整过程更加高效和智能化，达到理想的注塑机温度控制效果。本发明可以有效改进现有传统的人工PID参数整定方法，并且可以大规模应用于未来注塑机更精密的产品工业生产中，具有很好的现实生产意义。

Description

注塑机料筒的温度PID控制器参数智能整定方法
技术领域
本发明涉及注塑机料筒腔体温度控制技术领域，具体地，涉及一种注塑机料筒的温度PID控制器参数智能整定方法。
背景技术
注塑机是保证整个精密注塑过程实施的重要载体，在作业过程中需要精确控制料筒腔体内部温度以及注射速度等参数，如何合理设计控制器的最优参数工作区间对当前注塑成品的品质尤为重要。
当前，注塑机腔体内部温度子系统大多依然采用传统的比例-积分-微分(PID)控制器进行调节控制器，其中控制器中的比例(P)-积分(I)-微分(D)参数主要还是依靠现场工人的经验和知识，针对不同场景下的注塑产品规格进行手动试错调参；在此过程中，不仅要求操作工人具有大量的实际工程经验知识和参数调整试验，同时基于不同注塑产品参数的结构复杂性也大大增加了人为调参的难度，人工调参过程繁琐，耗时耗力，增加了生产的时间成本。同时人工调参方法经常会出现超调量大、稳态误差大等缺点。
公开日为2020.02.28，公布号为CN11080914A的中国申请专利：一种参数自整定的温控方法中，公开了一种根据不同的控温对象，会自动进行比例增益P、积分增益I、微分增益D参数的自动学习的方案。但是该现有技术仍有一定的局限性。
发明内容
针对现有技术的局限，本发明提出一种注塑机料筒的温度PID控制器参数智能整定方法，本发明采用的技术方案是：
一种注塑机料筒的温度PID控制器参数智能整定方法，包括以下步骤：
S1，建立关于目标注塑机的动态模型；根据生产要求，建立注塑机腔体温度跟踪目标函数；
S2，对目标注塑机的温度PID控制器的输入信号进行比例、积分以及微分的参数化；
S3，结合所述步骤S2的参数化结果，以所述注塑机腔体温度跟踪目标函数作为优化指标，以所述动态模型作为约束条件，构建所述温度PID控制器待设定参数的最优化问题；
S4，求解注塑机腔体温度跟踪目标函数关于所述温度PID控制器待设定参数的梯度信息；
S5，结合所述梯度信息，运用梯度下降法对所述最优化问题进行迭代寻优，获得所述温度PID控制器待设定参数的最优值。
相较于现有技术，本发明基于当前运行的特定注塑机料筒温度动态模型以及待优化的注塑件性能目标函数实现对PID参数的梯度信息的精确解析表达，并以表达出的参数梯度信息，利用梯度下降法来自动迭代求解PID最优参数值，可以取代或者辅助传统工人的手动反复调参，极大简化参数整定的过程，使得参数调整过程更加高效和智能化，达到理想的注塑机温度控制效果。本发明可以有效改进现有传统的人工PID参数整定方法，并且可以大规模应用于未来注塑机更精密的产品工业生产中，具有很好的现实生产意义。
作为一种优选方案，所述步骤S1中，通过以下步骤建立关于目标注塑机的动态模型：
S11，获取目标注塑机料筒的腔体温度模型；
S12，运用拉氏变换将所述腔体温度模型转化为传递函数；
S13，运用状态空间表示方法将所述传递函数转化为状态方程的形式作为关于目标注塑机的动态模型。
作为一种优选方案，所述注塑机腔体温度跟踪目标函数J按以下公式表示：
Figure BDA0003225211160000021
其中，tf表示生产要求中的给定时间，rd表示目标注塑机在给定时间tf的输出温度期望值，x1(t)表示目标注塑机的温度输出状态值。
进一步的，所述步骤S2的参数化结果按以下公式表示：
u(t)＝Kp·(rd-x1(t))+Ki·x3(t)-Kd·x2(t)；
其中，u(t)表示温度PID控制器的输入信号；Kp，Ki，Kd分别为目标注塑机的温度PID控制器待设定的比例、积分以及微分的参数；x2(t)为目标注塑机的温度输出状态值x1(t)对时间t的导数，
Figure BDA0003225211160000031
注塑机温度输出跟踪误差e(t)＝rd-x1(t)。
进一步的，所述最优化问题按以下公式表示：
Figure BDA0003225211160000032
Figure BDA0003225211160000033
x(0)＝0；
其中：
状态向量x＝[x1(t)，x2(t)，x3(t)，x4(t)]T，
Figure BDA0003225211160000034
k＝[Kp，Ki，Kd]T表示待设定的参数向量；f(x(t|k)，k)为所述动态模型。
进一步的，在所述步骤S4中，通过以下公式获得所述注塑机腔体温度跟踪目标函数关于所述温度PID控制器待设定参数的梯度信息
Figure BDA0003225211160000035
Figure BDA0003225211160000036
其中：
Figure BDA0003225211160000037
Figure BDA0003225211160000038
Figure BDA0003225211160000039
更进一步的，所述步骤S5中的迭代形式为：kt+1＝kt+α·Δk；
其中，α为学习率，Δ为梯度向量
Figure BDA00032252111600000310
本发明还提供以下内容：
一种注塑机料筒的温度PID控制器参数智能整定系统，包括模型与函数建立模块、参数化模块、最优化问题构建模块、梯度信息获取模块以及迭代寻优模块；所述最优化问题构建模块分别连接所述模型与函数建立模块以及参数化模块，所述梯度信息获取模块分别连接所述模型与函数建立模块以及参数化模块，所述迭代寻优模块分别连接所述最优化问题构建模块以及梯度信息获取模块；其中：
所述模型与函数建立模块用于建立关于目标注塑机的动态模型；根据生产要求，建立注塑机腔体温度跟踪目标函数；
所述参数化模块用于对目标注塑机的温度PID控制器的输入信号进行比例、积分以及微分的参数化；
所述最优化问题构建模块用于结合所述参数化模块的参数化结果，以所述注塑机腔体温度跟踪目标函数作为优化指标，以所述动态模型作为约束条件，构建所述温度PID控制器待设定参数的最优化问题；
所述梯度信息获取模块用于求解注塑机腔体温度跟踪目标函数关于所述温度PID控制器待设定参数的梯度信息；
所述迭代寻优模块用于结合所述梯度信息，运用梯度下降法对所述最优化问题进行迭代寻优，获得所述温度PID控制器待设定参数的最优值。
一种介质，其上储存有计算机程序，所述计算机程序被处理器执行时实现前述的注塑机料筒的温度PID控制器参数智能整定方法的步骤。
一种计算机设备，包括介质、处理器以及储存在所述介质中并可被所述处理器执行的计算机程序，所述计算机程序被处理器执行时实现前述注塑机料筒的温度PID控制器参数智能整定方法的步骤。
附图说明
图1为本发明实施例1提供的注塑机料筒的温度PID控制器参数智能整定方法的流程示意图；
图2为本发明实施例1提供的步骤S1的流程示意图；
图3为本发明实施例2提供的注塑机料筒的温度PID控制器参数智能整定系统示意图。
具体实施方式
附图仅用于示例性说明，不能理解为对本专利的限制；
应当明确，所描述的实施例仅仅是本申请实施例一部分实施例，而不是全部的实施例。基于本申请实施例中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本申请实施例保护的范围。
在本申请实施例使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本申请实施例。在本申请实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。在本申请的描述中，需要理解的是，术语“第一”、“第二”、“第三”等仅用于区别类似的对象，而不必用于描述特定的顺序或先后次序，也不能理解为指示或暗示相对重要性。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本申请中的具体含义。
此外，在本申请的描述中，除非另有说明，“多个”是指两个或两个以上。“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。以下结合附图和实施例对本发明做进一步的阐述。
为了解决现有技术的局限性，本实施例提供了一种技术方案，下面结合附图和实施例对本发明的技术方案做进一步的说明。
实施例1
请参考图1，一种注塑机料筒的温度PID控制器参数智能整定方法，包括以下步骤：
S1，建立关于目标注塑机的动态模型；根据生产要求，建立注塑机腔体温度跟踪目标函数；
S2，对目标注塑机的温度PID控制器的输入信号进行比例、积分以及微分的参数化；
S3，结合所述步骤S2的参数化结果，以所述注塑机腔体温度跟踪目标函数作为优化指标，以所述动态模型作为约束条件，构建所述温度PID控制器待设定参数的最优化问题；
S4，求解注塑机腔体温度跟踪目标函数关于所述温度PID控制器待设定参数的梯度信息；
S5，结合所述梯度信息，运用梯度下降法对所述最优化问题进行迭代寻优，获得所述温度PID控制器待设定参数的最优值。
相较于现有技术，本发明基于当前运行的特定注塑机料筒温度动态模型以及待优化的注塑件性能目标函数实现对PID参数的梯度信息的精确解析表达，并以表达出的参数梯度信息，利用梯度下降法来自动迭代求解PID最优参数值，可以取代或者辅助传统工人的手动反复调参，极大简化参数整定的过程，使得参数调整过程更加高效和智能化，达到理想的注塑机温度控制效果。本发明可以有效改进现有传统的人工PID参数整定方法，并且可以大规模应用于未来注塑机更精密的产品工业生产中，具有很好的现实生产意义。
具体的，在所述步骤S4中，可选用灵敏度方法来求解注塑机腔体温度跟踪目标函数关于所述温度PID控制器待设定参数的梯度信息。
作为一种优选实施例，请参阅图2，所述步骤S1中，通过以下步骤建立关于目标注塑机的动态模型：
S11，获取目标注塑机料筒的腔体温度模型；
S12，运用拉氏变换将所述腔体温度模型转化为传递函数；
S13，运用状态空间表示方法将所述传递函数转化为状态方程的形式作为关于目标注塑机的动态模型。
具体的，可以根据实际情况下具体厂家具体型号的注塑机描述相应的腔体温度模型，建模过程中可以考虑参数的时变性，根据不同的环境场景确定不同的扰动类别及其输入节点，并依据注塑机的物理上下限确定模型的动态约束条件。
在一种可选实施例中，目标注塑机料筒的腔体温度模型用如下二阶微分方程进行描述：
Figure BDA0003225211160000061
其中，y(t)为注塑机料筒腔体温度输出信号，u(t)为目标注塑机的温度PID控制器的输入信号；τ，ζ，β分别为注塑机料筒系统相应的系数，可以根据不同注塑机系统型号进行特定参数设定。
公式①在经过所述步骤S12转化为如下的传递函数：
Figure BDA0003225211160000071
以型号为TFV4-85R2-SP的台富机械立式高速圆盘注塑机为具体示例，可以对公式②内部的τ，ζ，β进行具体设置，得出以下具体的单输入单输出注塑机温控二阶系统传递函数：
Figure BDA0003225211160000072
公式③在所述步骤S13中将被转化为如下状态方程的形式：
Figure BDA0003225211160000073
其中，x1(t)表示目标注塑机的温度输出状态值；x2(t)为目标注塑机的温度输出状态值x1(t)对时间t的导数。
作为一种优选实施例，所述注塑机腔体温度跟踪目标函数J按以下公式表示：
Figure BDA0003225211160000074
其中，tf表示生产要求中的给定时间，rd表示目标注塑机在给定时间tf的输出温度期望值，x1(t)表示目标注塑机的温度输出状态值。
进一步的，在所述步骤S2中，可首先将温度PID控制器的输入信号u(t)表示以下PID参数形式：
Figure BDA0003225211160000075
其中，Kp，Ki，Kd分别为目标注塑机的温度PID控制器待设定的比例、积分以及微分的参数；e(t)＝rd-x1(t)为注塑机温度输出跟踪误差；
以
Figure BDA0003225211160000076
代入公式⑥中可得：
u(t)＝Kp·(rd-x1(t))+Ki·x3(t)-Kd·x2(t)； 公式⑦
在得到上述参数化结果公式⑦的基础上，更进一步的，以
Figure BDA0003225211160000077
Figure BDA0003225211160000078
则所述注塑机腔体温度跟踪目标函数J可转化为：
Figure BDA0003225211160000081
同时，将公式⑥代入状态方程公式④中则可进一步得到以下转化结果：
Figure BDA0003225211160000082
由此可以得到以下最优化问题：
Figure BDA0003225211160000083
Figure BDA0003225211160000084
x(0)＝0；
其中：
状态向量x＝[x1(t)，x2(t)，x3(t)，x4(t)]T，k＝[Kp，Ki，Kd]T表示待设定的参数向量；f(x(t|k)，k)为所述动态模型，可以是公式⑨的简写形式；第二个约束项x(0)＝0表示所有的状态变量初始值为0。
公式⑩所代表的最优化问题是一个典型的具有动态约束方程的非线性优化问题，在于找到一组最优的PID控制增益k＝[Kp，Ki，Kd]T，使得所述目标函数最小化。
进一步的，在所述步骤S4中，通过引入灵敏度方法计算系统各个状态x(t)对待优化PID参数变量k＝[Kp，Ki，Kd]T的灵敏度信息，建立灵敏度方程组。为此，可以定义以下参数灵敏度变量：
Figure BDA0003225211160000087
即
Figure BDA0003225211160000089
其中，
Figure BDA00032252111600000810
为一个4×3的向量矩阵，初始值均为0。
利用公式⑩中的第一个约束项，可将状态轨迹表示为：
Figure BDA0003225211160000091
先后对k、t求偏导得出扩充微分方程组：
Figure BDA0003225211160000092
Figure BDA0003225211160000093
令标准目标函数、状态方程为下述形式：
Figure BDA0003225211160000094
Figure BDA0003225211160000095
其中，Φ(x(tf|k)，k)为系统末态性能指标，L(x(t|k)，k)为跟踪性能指标，两者满足条件：
Φ(x(tf|k)，k)＝0；
L(x(t|k)，k)＝[r(t)-x1(t)]2；
等式两边对k求偏导，进一步得出梯度公式：
Figure BDA0003225211160000096
这是梯度公式的标准形式，在本模型中省略了末态性能指标，可以得出注塑机系统输出目标函数J关于注塑机的PID待优化参数k＝[Kp，Ki，Kd]T的梯度信息、
Figure BDA0003225211160000097
以下具体结果：
Figure BDA0003225211160000098
其中：
Figure BDA0003225211160000099
Figure BDA00032252111600000910
Figure BDA0003225211160000101
由此即可分别得出目标函数J关于PID参数k＝[Kp，Ki，Kd]T的梯度信息。
进一步的，所述步骤S5中的迭代形式为：kt+1＝kt+α·Δk；
其中，α为学习率，Δ为梯度向量
Figure BDA0003225211160000102
利用基于梯度下降法进行自动迭代寻优，使目标函数收敛到一个极小值，该值所对应的最优
Figure BDA0003225211160000103
便是所求的注塑机腔体温度控制系统的最优参数。本发明能使初始参数k有效收敛到最优值，并具有较强的鲁棒性。
实施例2
一种注塑机料筒的温度PID控制器参数智能整定系统，请参阅图3，包括模型与函数建立模块1、参数化模块2、最优化问题构建模块3、梯度信息获取模块4以及迭代寻优模块5；所述最优化问题构建模块3分别连接所述模型与函数建立模块1以及参数化模块2，所述梯度信息获取模块4分别连接所述模型与函数建立模块1以及参数化模块2，所述迭代寻优模块5分别连接所述最优化问题构建模块3以及梯度信息获取模块4；其中：
所述模型与函数建立模块1用于建立关于目标注塑机的动态模型；根据生产要求，建立注塑机腔体温度跟踪目标函数；
所述参数化模块2用于对目标注塑机的温度PID控制器的输入信号进行比例、积分以及微分的参数化；
所述最优化问题构建模块3用于结合所述参数化模块2的参数化结果，以所述注塑机腔体温度跟踪目标函数作为优化指标，以所述动态模型作为约束条件，构建所述温度PID控制器待设定参数的最优化问题；
所述梯度信息获取模块4用于求解注塑机腔体温度跟踪目标函数关于所述温度PID控制器待设定参数的梯度信息；
所述迭代寻优模块5用于结合所述梯度信息，运用梯度下降法对所述最优化问题进行迭代寻优，获得所述温度PID控制器待设定参数的最优值。
实施例3
一种介质，其上储存有计算机程序，所述计算机程序被处理器执行时实现实施例1中的注塑机料筒的温度PID控制器参数智能整定方法的步骤。
实施例4
一种计算机设备，包括介质、处理器以及储存在所述介质中并可被所述处理器执行的计算机程序，所述计算机程序被处理器执行时实现实施例1中的注塑机料筒的温度PID控制器参数智能整定方法的步骤。
显然，本发明的上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。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，均应包含在本发明权利要求的保护范围之内。

Claims (10)

1.一种注塑机料筒的温度PID控制器参数智能整定方法，其特征在于，包括以下步骤：
S1，建立关于目标注塑机的动态模型；根据生产要求，建立注塑机腔体温度跟踪目标函数；
S2，对目标注塑机的温度PID控制器的输入信号进行比例、积分以及微分的参数化；
S3，结合所述步骤S2的参数化结果，以所述注塑机腔体温度跟踪目标函数作为优化指标，以所述动态模型作为约束条件，构建所述温度PID控制器待设定参数的最优化问题；
S4，求解注塑机腔体温度跟踪目标函数关于所述温度PID控制器待设定参数的梯度信息；
S5，结合所述梯度信息，运用梯度下降法对所述最优化问题进行迭代寻优，获得所述温度PID控制器待设定参数的最优值。
2.根据权利要求1所述的注塑机料筒的温度PID控制器参数智能整定方法，其特征在于，所述步骤S1中，通过以下步骤建立关于目标注塑机的动态模型：
S11，获取目标注塑机料筒的腔体温度模型；
S12，运用拉氏变换将所述腔体温度模型转化为传递函数；
S13，运用状态空间表示方法将所述传递函数转化为状态方程的形式作为关于目标注塑机的动态模型。
3.根据权利要求1所述的注塑机料筒的温度PID控制器参数智能整定方法，其特征在于，所述注塑机腔体温度跟踪目标函数J按以下公式表示：
Figure FDA0003225211150000011
其中，tf表示生产要求中的给定时间，rd表示目标注塑机在给定时间tf的输出温度期望值，x1(t)表示目标注塑机的温度输出状态值。
4.根据权利要求3所述的注塑机料筒的温度PID控制器参数智能整定方法，其特征在于，所述步骤S2的参数化结果按以下公式表示：
u(t)＝Kp·(rd-x1(t))+Ki·x3(t)-Kd·x2(t)；
其中，u(t)表示温度PID控制器的输入信号；Kp，Ki，Kd分别为目标注塑机的温度PID控制器待设定的比例、积分以及微分的参数；x2(t)为目标注塑机的温度输出状态值x1(t)对时间t的导数，
Figure FDA0003225211150000021
注塑机温度输出跟踪误差e(t)＝rd-x1(t)。
5.根据权利要求4所述的注塑机料筒的温度PID控制器参数智能整定方法，其特征在于，所述最优化问题按以下公式表示：
Figure FDA0003225211150000022
Figure FDA0003225211150000023
x(0)＝0；
其中：
状态向量x＝[x1(t)，x2(t)，x3(t)，x4(t)]T，
Figure FDA0003225211150000024
k＝[Kp，Ki，Kd]T表示待设定的参数向量；f(x(t|k)，k)为所述动态模型。
6.根据权利要求5所述的注塑机料筒的温度PID控制器参数智能整定方法，其特征在于，在所述步骤S4中，通过以下公式获得所述注塑机腔体温度跟踪目标函数关于所述温度PID控制器待设定参数的梯度信息
Figure FDA0003225211150000025
Figure FDA0003225211150000026
其中：
Figure FDA0003225211150000027
Figure FDA0003225211150000028
Figure FDA0003225211150000029
7.根据权利要求5所述的注塑机料筒的温度PID控制器参数智能整定方法，其特征在于，所述步骤S5中的迭代形式为：kt+1＝kt+α·Δk；
其中，α为学习率，Δ为梯度向量
Figure FDA00032252111500000210
8.一种注塑机料筒的温度PID控制器参数智能整定系统，其特征在于，包括模型与函数建立模块(1)、参数化模块(2)、最优化问题构建模块(3)、梯度信息获取模块(4)以及迭代寻优模块(5)；所述最优化问题构建模块(3)分别连接所述模型与函数建立模块(1)以及参数化模块(2)，所述梯度信息获取模块(4)分别连接所述模型与函数建立模块(1)以及参数化模块(2)，所述迭代寻优模块(5)分别连接所述最优化问题构建模块(3)以及梯度信息获取模块(4)；其中：
所述模型与函数建立模块(1)用于建立关于目标注塑机的动态模型；根据生产要求，建立注塑机腔体温度跟踪目标函数；
所述参数化模块(2)用于对目标注塑机的温度PID控制器的输入信号进行比例、积分以及微分的参数化；
所述最优化问题构建模块(3)用于结合所述参数化模块(2)的参数化结果，以所述注塑机腔体温度跟踪目标函数作为优化指标，以所述动态模型作为约束条件，构建所述温度PID控制器待设定参数的最优化问题；
所述梯度信息获取模块(4)用于求解注塑机腔体温度跟踪目标函数关于所述温度PID控制器待设定参数的梯度信息；
所述迭代寻优模块(5)用于结合所述梯度信息，运用梯度下降法对所述最优化问题进行迭代寻优，获得所述温度PID控制器待设定参数的最优值。
9.一种介质，其上储存有计算机程序，其特征在于：所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的注塑机料筒的温度PID控制器参数智能整定方法的步骤。
10.一种计算机设备，其特征在于：包括介质、处理器以及储存在所述介质中并可被所述处理器执行的计算机程序，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的注塑机料筒的温度PID控制器参数智能整定方法的步骤。
CN202110969753.3A 2021-08-23 2021-08-23 注塑机料筒的温度pid控制器参数智能整定方法 Pending CN113752506A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110969753.3A CN113752506A (zh) 2021-08-23 2021-08-23 注塑机料筒的温度pid控制器参数智能整定方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110969753.3A CN113752506A (zh) 2021-08-23 2021-08-23 注塑机料筒的温度pid控制器参数智能整定方法

Publications (1)

Publication Number Publication Date
CN113752506A true CN113752506A (zh) 2021-12-07

Family

ID=78790850

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110969753.3A Pending CN113752506A (zh) 2021-08-23 2021-08-23 注塑机料筒的温度pid控制器参数智能整定方法

Country Status (1)

Country Link
CN (1) CN113752506A (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105751470A (zh) * 2016-03-23 2016-07-13 广西科技大学 一种注塑机温度实时控制方法
CN110202768A (zh) * 2019-05-17 2019-09-06 广东工业大学 一种注塑机料筒温度控制方法
CN111152433A (zh) * 2020-01-16 2020-05-15 宁波伊士通控制技术有限公司 一种精密注塑机料筒温度控制方法
CN112406058A (zh) * 2020-11-13 2021-02-26 广东工业大学 一种注塑机pid控制器的参数调控方法及pid控制器

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105751470A (zh) * 2016-03-23 2016-07-13 广西科技大学 一种注塑机温度实时控制方法
CN110202768A (zh) * 2019-05-17 2019-09-06 广东工业大学 一种注塑机料筒温度控制方法
CN111152433A (zh) * 2020-01-16 2020-05-15 宁波伊士通控制技术有限公司 一种精密注塑机料筒温度控制方法
CN112406058A (zh) * 2020-11-13 2021-02-26 广东工业大学 一种注塑机pid控制器的参数调控方法及pid控制器

Similar Documents

Publication Publication Date Title
CN111241952B (zh) 一种离散制造场景中的强化学习奖励自学习方法
Masuda et al. A fictitious reference iterative tuning method with simultaneous delay parameter tuning of the reference model
CN103250106A (zh) 多输入多输出控制结构的交互控制
CN103901773B (zh) 一种针对输入时滞的2d混杂控制器设计方法
CN113043275B (zh) 基于专家演示和强化学习的微零件装配方法
CN107544255A (zh) 一种批次过程的状态补偿模型控制方法
CN108696199B (zh) 一种提高永磁同步直线电机位置精度的控制方法
CN110850709B (zh) 用于pid参数的渐进式整定方法
CN106325074A (zh) 一种基于布谷鸟算法的pid控制器参数智能整定方法
CN111491773A (zh) 用于注射压机的成型参数处理方法
Kolaj et al. PLC-PIDTuner: Application for PID tuning with SIMATIC S7 PLC controllers
CN113671833A (zh) 不确定重复控制系统协调设计方法及系统
CN113752506A (zh) 注塑机料筒的温度pid控制器参数智能整定方法
CN109648556B (zh) 基于数据驱动的机械臂位置级联分数阶控制方法及系统
CN113391547B (zh) 一种多轴伺服系统振动抑制的后置自适应输入整形方法
Tan et al. Learning-enhanced PI control of ram velocity in injection molding machines
CN108614432A (zh) 一种基于粒子群算法的网络环境电机控制器设计算法
CN111095133A (zh) 一种用于提供用于部署在目标现场设备上的自适应自学习控制程序的方法和装置
CN108132597B (zh) 一种微分超前智能模型集pid控制器设计方法
CN115248554A (zh) 一种运动控制系统的最优迭代前馈调参方法及系统
CN113641193B (zh) 一种非最小相位系统精确跟踪控制方法
Henke et al. Automatic loop shaping: Optimization-based controller tuning for motion systems
CN113467226B (zh) 一种基于Q-Learning的比例阀位置控制方法
CN108897219B (zh) 一种化工不确定工业过程约束预测控制方法
Carloni A norm-optimal Kalman iterative learning control for precise UAV trajectory tracking

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20211207