APP下载

基于BP神经网络PID控制的茶叶理条机温度控制研究

2021-07-07梁海焘张春雨陈伟

信阳农林学院学报 2021年2期
关键词:温度控制控制器神经网络

梁海焘, 张春雨, 陈伟

(安徽科技学院 机械工程学院,安徽 凤阳 233100)

中国是世界上最大的茶叶生产国、消费国和出口国[1],其中绿茶占比最高,尤其是高香名优绿茶,深受中国人民和世界人民的喜爱。理条是绿茶加工生产中最关键的工序之一[2],是绿茶做形提香的关键工序,理条效果的优劣直接影响着成品茶叶的感官品质和香味,理条温度则是决定理条效果优劣的关键性因素之一[3-4]。随着技术的进步,绿茶的理条加工开始朝着机械化、自动化的方向逐步前进,多种类型的茶叶理条机被研发出来[5]。当前,仍有数量众多的茶叶理条机在使用旋钮进行调温,通过温度显示器把握实际的理条温度,温度的控制难以精准、稳定,严重影响理条的工作效率和理条效果。因此,对于自动化的茶叶理条机温度控制系统的研究具有极其重要的意义。

近年来,国内外科研人员已经成功地将自动控制技术应用到了茶叶理条机的控制系统中,如基于可编程逻辑控制器(Programmable Logic Controller,PLC)的比例-积分-微分(Proportion Integration Differentiation,PID)温度控制[6],虽然提高了茶叶理条机的自动化程度,但常规PID控制的精度较低,鲁棒性较差,难以较优地满足理条工艺要求。随之,一些智能算法也被应用到了理条温度控制中,王小勇[7]等人将模糊算法引入茶叶理条机温度控制系统中,使理条机主副加热部件的温度控制精度大大提高,但其模糊算法中的知识库的数据比较简单,造成了温度控制的主观性较大。傅杰[8]等人将模糊算法与PID控制结合起来,设计了基于模糊PID的茶叶理条机温度控制系统,虽然模糊PID能在一定程度上解决温度控制过程中的滞后性和非线性等问题,但数据的模糊化会导致控制的精度降低,存在一定的稳态误差,导致系统的抗干扰能力较差。

在对相关智能算法研究的基础上,本文提出了将误差反传型多层前馈(Back Propagation,BP)神经网络算法运用到绿茶的理条加工中,设计了基于BP神经网络PID的茶叶理条机温度控制器,通过BP神经网络算法实时整定PID的控制参数,实现了对理条温度的智能化控制。对比常规PID和BP神经网络PID控制下的系统仿真结果,可以看出BP神经网络PID控制会使茶叶理条机温度控制系统的准确性、稳定性和抗干扰能力显著提高,此控制下的温度控制符合绿茶理条工艺要求,效果优秀。

1 茶叶理条机温度控制系统

1.1 系统的组成

当前,我国绿茶加工行业最常使用的机械化理条设备是振动式理条机,振动式理条机又包括往复式理条机、连续式理条机和杀青理条一体机等。其中,往复式茶叶理条机的锅槽的加热方式为电加热,即只需实现对理条机加热部件的通断电就可实现对系统的温度控制,在行业内使用的最广泛。故本文选择往复式理条机的温度控制系统为研究对象。

往复式茶叶理条机温度控制系统包括软件和硬件两大部分,软件部分由温度控制器算法和运行程序等组成,硬件部分主要由系统上位机、温度控制器、感温元件、加热部件和锅槽等组成,硬件的组成结构如图1所示:

1.2 系统的控制原理

往复式理条机启动后,先给系统上位机设定准确、恰当的理条温度,设定完毕后运行程序,加热部件随即对理条锅槽进行加热。当感温元件检测到锅槽的温度达到系统上位机的预设温度时,电机会带动锅槽开始振动,此时投入待加工的茶叶,茶叶立刻在锅槽内相互摩擦、挤压、揉搓,随着茶叶的投入,锅槽的温度会立刻降低。当感温元件检测到锅槽内的温度误差信号时,温度控制器会立刻依据其内置的控制算法对温度误差信号进行运算处理,并输出调节信号到加热部件,实现对锅槽的加热操作。同理,当感温元件检测到锅槽温度高于预设温度时,温度控制器又会调节加热部件停止加热。以此往复,使得温度控制系统的系统偏差逐渐趋近于零,从而保持锅槽内的理条温度相对恒定。显然,温度控制器是茶叶理条机温度控制系统中的最核心部件。

在摩擦、挤压、揉搓和持续加热的相互作用下,茶叶内的水分继续散失,低沸点的芳香物质也被蒸发除掉,茶叶的感官品质基本上形成,香味也得到大大提升。当达到控制系统上位机的预设理条时间后,锅槽随即停止振动,加热部件停止工作,抬升电机将锅槽抬起排出茶叶,就完成了整个理条加工的温度控制过程。

2 BP神经网络PID温度控制

2.1 常规PID控制

PID控制原理简单,稳定性好,调整方便,控制效果较好,是最典型的工业过程控制方法之一[9]。PID控制系统包括控制器和被控对象两部分,其中控制器又包括偏差的比例Kp,偏差对时间的积分Ki和偏差对时间的微分Kd三个环节,控制原理如图2所示:

PID控制器是一种线性控制器,系统的控制偏差e(t)为:

e(t)=r(t)-y(t)

(1)

式中,r(t)为系统的输入值,y(t)为系统的输出值。

PID控制器的输出信号u(t)为:

(2)

式(2)中的Kp为比例系数,Ti为积分时间常数,Td为微分时间常数。

然而,茶叶理条机温度控制系统的恒温控制具有滞后性、非线性、时变性等特征,所以常规PID控制器无法保证其温度控制的精确性和控制系统稳定性,难以达到较优的理条效果。

2.2 BP神经网络PID控制

BP神经网络是一种由输入层、隐藏层和输出层组成的阶层型神经网络学习算法,神经网络各阶层间的神经元全连接,而每层的各神经元无连接,并按照示教的方式进行学习[10-11]。当给神经网络提供一对学习模式后,每个神经元即获得网络的输入响应而产生连接权值,并从输出层到隐藏层沿着减小期望输出和实际误差的方向逐层修正每个连接权值后返回输入层。此过程往复循环进行,当全局误差减少到可以接受的程度时停止,就完成整个BP神经网络的学习过程。

常规PID控制的参数调整是一个无穷的非线性组合,而BP神经网络具有任意的非线性表达能力,因此,可通过BP神经网络对系统性能的学习,实现具有最佳参数组合的PID控制。即可利用BP神经网络算法实现PID控制器Kp、Ki、Kd参数的自适应整定。

本文所设计的茶叶理条机温度控制系统BP神经网络PID控制器由BP神经网络和常规PID控制器两部分组成,可通过BP神经网络对常规PID控制器参数的实时整定,进而调节理条机温度控制系统中加热部件的通断电操作,从而实现对理条温度的闭环控制,使锅槽内的理条温度始终保持相对恒定,以达到优秀的理条效果。

BP神经网络PID温度控制的系统结构如图3所示:

对于常规PID控制器,当控制器的采样序号为k时,根据式(1),(2)就可得到在第k次采样时的控制器输出u(k)和系统偏差e(k),经离散化处理就可得到控制器在第k次采样时的增量输出Δu(k),增量式PID算法公式为:

(3)

式中,Kp、Ki、Kd即为控制器的比例、积分、微分系数。

对于BP神经网络,本文采用了3-5-3的网络层级结构,如图4所示:

BP神经网络输入层的输入为:

式(4)中,r(k)、y(k)和e(k)分别为系统的在第k次采样时的输入、输出和系统偏差。

隐藏层的输入、输出为:

(5)

输出层的输入、输出为:

(6)

算法中采用的性能指标函数为:

(7)

BP神经网络按梯度下降法修正网络各层的权值,并附加了使搜索快速收敛全局极小的惯性项,就得到了输出层权值的学习公式:

(8)

同理,得到了隐藏层权值的学习公式:

(9)

如上所述,本文所设计的BP神经网络PID控制器的算法和控制流程即可总结为:

(2)采样得到系统上位机的预设温度r(k)和锅槽实际温度y(k),计算系统的温度偏差e(k);

(3)根据式(4)~(9),计算神经网络各层的输入、输出,得到了PID控制的三个控制参数;

(4)根据式(3),计算PID控制器的输出u(k);

(6)当k=k+1,返回步骤(2),进行PID控制参数的下一轮自适应整定,直到全局误差满足要求。

3 实验仿真

为了检验所设计的BP神经网络PID控制器在茶叶理条机温度控制系统中的控制性能,分别对常规PID和BP神经网络PID控制下的茶叶理条机温度控制系统进行了MATLAB仿真分析。

3.1 建立仿真模型

根据绿茶的理条工艺,在保证理条时间、加工量及原料品质等工艺参数理想的条件下,使理条温度始终维持在100 ℃左右时理条效果最佳,为了便于研究我们取100 ℃为最佳理条温度,并在仿真时将阶跃信号设为100。

通过阶跃响应法确定了茶叶理条机温度控制系统的传递函数,通过临界比例度法获得了常规PID控制的最佳组合参数[12]。

系统的传递函数为:

(10)

对于常规PID控制,取最佳组合参数为Kp=2.98,Ki=0.203,Kd=9.476;对于BP神经网络PID控制,取神经网络的输入采样时间T、惯性系数α及学习速率η分别为0.02、0.3和0.3,网络各层权值的初值在[0,1]区间上取随机数。

在MATLAB SIMULINK模块下建立常规PID和BP神经网络PID控制下茶叶理条机温度控制系统的仿真模型,为了检验系统的抗干扰能力,在系统运行至180 s时施加一个干扰信号,搭建的系统模型如图5所示:

3.2 仿真结果分析

对系统分别采用常规PID控制和BP神经网络PID控制时,系统的阶跃响应曲线如图6所示:

对比常规PID和BP神经网络PID控制下的温度控制系统仿真曲线,可以得出:

(1)常规PID控制下,系统的超调量σp1≈29%,调节时间ts1≈100s,稳态误差ess1≈0;BP神经网络PID控制下,系统的超调量σp2≈0%,调节时间ts2≈100s,稳态误差ess2≈0。

(2)常规PID控制的响应曲线在没有达到稳态前出现了明显的振荡现象,BP神经网络PID控制的响应曲线较平稳,几乎未发生振荡。

(3)在系统遇到干扰时,常规PID控制重新回到稳态时明显产生了超调,BP神经网络PID控制重新回到稳态时的曲线依然很平稳。

对比仿真结果,显然是BP神经网络PID控制具有更佳优秀的控制效果。

4 结论

本文针对常规PID控制和模糊PID控制等在茶叶理条机温度控制系统中的缺陷和不足,设计了基于BP神经网络PID控制的茶叶理条机温度控制器,并对BP神经网络PID控制在理条机温度控制系统中的控制效果进行了研究,研究结果表明,BP神经网络PID控制在茶叶理条机温度控制系统中的效果改善明显、性能优秀,得到的具体结论如下:

(1)BP神经网络PID控制在茶叶理条机的温度控制中几乎无超调,无振荡,控制精度高,抗干扰能力强,动态响应特性较为优秀,通过BP神经网络整定的PID算法可以实现茶叶理条机智能控制系统中较为优秀的温度控制策略。

(2)BP神经网络PID控制下的茶叶理条机温度控制系统控制性能优秀,可以极大地提高绿茶的加工质量,符合理条工艺对温度的控制要求,保证茶叶的理条效果。

(3)BP神经网络PID控制下的茶叶理条机温度控制系统以常规PID控制为基础,可以很好地满足茶叶理条机控制系统的自动控制要求,具备应用到实际理条加工中的条件,该研究也为茶叶理条在智能控制系统的总体设计方面提供了一定的理论依据。

猜你喜欢

温度控制控制器神经网络
船舶主机温度控制方法优化
基于神经网络的船舶电力系统故障诊断方法
基于递归模糊神经网络的风电平滑控制策略
工商业IC卡控制器改造为物联网控制器实践
电饭锅为什么不会把饭做糊?
面向国产化的MCU+FPGA通用控制器设计
基于神经网络的中小学生情感分析
基于Q-Learning算法和神经网络的飞艇控制
谈建筑工程大体积混凝土施工技术及温度控制
基于PID控制器和模糊逻辑控制器的D6114柴油机速度控制