浅谈双螺杆挤出机温度控制系统的设计与优化

浅谈双螺杆挤出机温度控制系统的设计与优化

高东波

深圳市星源材质科技股份有限公司 518106

摘要：双螺杆挤出机温度控制系统通常存在大扰动、非线性以及滞后性等特点，拥有固定参数的传统PID控制策略控制效果并不理想，为此提出了一种基于模糊神经网络PID控制的温度控制方法，对于现场无法充分预估的情况，该控制方法能够根据具体情况对PID参数做出适当调整。首先介绍了双螺杆挤出机温度采集与控制系统组成，将模糊控制理论、神经网络控制与传统PID控制相结合，利用模糊控制和神经网络对PID参数实现在线实时调整。最后，将模糊神经网络PID控制与常规PID和模糊PID控制进行仿真对比，模糊神经网络PID控制对螺杆机温度控制效果更佳，采用该控制方法可以大大提高产品合格率。

关键词：双螺杆挤出机；温度控制系统；模糊PID控制；设计与优化

引 言

双螺杆挤出机是塑料生产中普遍使用的加工设备之一，双螺杆挤出机运行的稳定性、各参数控制精确性对于双螺杆挤出机正常运行以及挤出产品产量和质量均有重要影响。采用智能计算机控制算法控制加热器和冷却器的开关，对双螺杆挤出机温度控制系统进行设计和优化，确保温度在设定范围内，从而保证双螺杆挤出机的正常工作。比例积分微分（PID）控制经过数十年的发展，在各领域得到了广泛应用，尤其在恒温恒压控制方面。随后发展起来的模糊PID控制使PID控制的性能极大提升，模糊PID控制的优点是不依赖于控制对象数学模型的精确性，可根据制定的规则实现自适应控制。

1 双螺杆挤出机温度采集与控制系统组成

在挤出物料过程中，要控制双螺杆挤出机各段温度保持在一定范围内，并且各段之间要有温度梯度，以利于物料的塑化和混合。因此，双螺杆挤出机的温度控制是通过对各段配置的温度采集器以及加热和冷却装置实现分段控制。各段温度控制系统结构功能基本相同，以其中一段控制系统为例，其基本组成（见图1）。通过高精度的温度采集传感器采集该段的实时温度，通过模拟信号采集卡将数据传输至计算机，计算机内部温度控制软件将当前温度与设定温度进行对比，通过智能控制算法调节电加热器开关的固态继电器和控制冷却水进出的电磁阀，实现对温度的闭环控制（见图2）。核心控制算法为变论域模糊PID控制算法，升温是通过数字量输出控制卡控制固态继电器开关完成，降温一方面通过数字量输出控制卡控制冷却水电磁阀的开关实现主动降温，另一方面通过空气被动散热。空气散热不可控，属于扰动量，物料的相互摩擦也会使温度升高，同样属于扰动量。

图1 双螺杆挤出机温度控制系统基本组成

1 计算机；2 数字量输出控制卡；3 模拟量信号采集卡；4 固态继电器；

5 温度采集传感器；6 加热器；7 挤出机机 体；8 冷却水管；9 冷却水电磁阀

ý

图2 温度闭环控制系统原理

2 模糊神经网络PID控制

挤出机温度控制系统是一个非线性、时变性的复杂系统，数学模型的建立较为困难，目前的挤出机温度控制通常采用PID控制，由于该控制方法参数固定不变，导致传统PID控制方法的控制效果并不理想。模糊控制不依赖精确的数学模型，而神经网络又拥有自我学习能力，能够逼近非线性函数。本文将二者结合用于双螺杆挤出机温度控制，形成温控的复合控制。如图3为复合控制器结构，e（k）为温度实际值与目标值之差，ec（k）为温度偏差变化率，通过模糊神经网络可以得到传统PID参数变化量Δk_p、Δk_i和Δk_d，由输入量和模糊化子集数目可以得到模糊化层以及模糊推理层中神经元个数。

ý

模糊神经网络中I为模糊神经网络各层的输入，O则为模糊神经网络的输出，下标为神经网络的层数，输入层和输出层分别为：

（1）

（2）

（2）式中：n为模糊子集个数。模糊化层表示为：

（3）

对应输出为：

（4）

式中，b_ij为隶属度函数的宽度；c_ij为隶属度函数的中心值。模糊推理层表示为：

（5）

对应输出为：

（6）

输出层为： （7）

对应输出为： （8）

式（8）中：wij为权值系数。输出层PID控制器的三个参数：

（9）

PID控制器结构为：

（10）

（11）

式（11）中：k_p=k_po+Δk_p;k_i=k_io+Δk_i；k_d=k_do+Δk_d。

神经网络学习能力的性能指标函数为：

（12）

式（13）中：r_in（k）为理论输出值；y_out（k）为实际输出值；

e（k）=r_in（k）-y_out（k）则表示控制误差。模糊控制器的三个参数为：

（13）

式（14）中：u为学习速率；η为惯性系数。其中，

14式（14）中： 。

3 仿真分析

为了验证本文提出的模糊神经网络PID双螺杆挤出机温度控制方法的有效性，使用Matlab/Simulink仿真软件进行了仿真分析。当温控系统达到稳定状态后，将脉冲扰动信号引入到温控系统中，得到传统PID控制、模糊PID控制以及模糊神经网络PID控制下，双螺杆挤出机温度变化曲线，仿真曲线如图3所示。由图3可以看出，传统PID控制下温度超调量明显，温度调节周期时间较长；模糊PID控制效果相比传统PID控制效果明显增强，但同样存在超调量大、稳定周期长的缺点。而模糊神经网络PID控制相比前面两种控制超调量明显减小，且在干扰存在的情况下能够以较快的速度重新达到稳定状态。

时间/s

图3 仿真曲线

结束语

采用模糊神经网络控制算法对PID固定参数进行在线自适应调整，从而设计和优化了双螺杆挤出机温度控制系统，通过控制加热器对挤出机温度进行精确控制。在脉冲干扰信号作用下，传统PID控制下温度超调量明显，需要较长时间系统才能趋于稳定；模糊PID控制方法明显优于传统PID控制，但仍然存在明显的超调；而模糊神经网络PID控制方法在存在扰动情况下，超调量明显小于模糊PID控制且能够以很快的时间趋于稳定。该控制方法对于提高双螺杆挤出机温度控制精度及稳定性具有重要作用。

参考文献

[1]双螺杆挤出机温度控制系统的设计与优化[J]. 郑睿,汪东芳.  合成树脂及塑料. 2016（04）

[2]基于模糊PID的焦炉温度及优化控制[J]. 李泉,宁芳青,杨鹏,郎茂坤.  工业控制计算机. 2015（09）

[3]基于PLC的模糊控制器在定量包装秤中的应用[J]. 张俊,李明.  制造业自动化. 2014（10）

[4]精确的合成反应动态温度控制[J].   有机化学. 2015（12）

[5]化工生产中反应釜温度控制系统的设计研究[J]. 冀创新.  化工设计通讯. 2016（02）

[6]聚苯硫醚聚合釜温度控制方案[J]. 李荣.  化工自动化及仪表. 2017（05）

[7]制药生产中罐类设备温度控制系统设计探讨[J]. 严留俊.  化工与医药工程. 2018（04）

[8]反应釜温度控制研究现状与化工自动化发展[J]. 杨辉.  化工设计通讯. 2017（08）

[