李元偉，王欽若，李 近

（廣東工業(yè)大學 自動化學院，廣州 510006）

0 引 言

在人類的環(huán)保意識不斷覺醒的今天，低碳經濟，節(jié)省能源，減少污染已經成為衡量產品優(yōu)質與否的一個重要指標。而PET瓶正具有節(jié)能環(huán)保，運輸儲存方便等諸多優(yōu)點，使得PET瓶成為了包裝容器的一大主流。生產PET瓶當然離不開PET吹瓶機，在PET吹瓶設備中，加熱環(huán)節(jié)是一個關鍵環(huán)節(jié)，溫度控制得合理，可使PET瓶吸熱率最高，這會節(jié)約能耗且免受外界環(huán)境溫度變化的影響。

神經網絡控制不依賴控制對象精確的數學模型，是處理控制系統中不確定性、非線性和強耦合的一種有效方法。本文針對吹瓶機溫度控制系統的特點，采用基于單神經元的PID解耦控制，得出了實際的仿真結果及結論。

1 吹瓶機溫度控制系統的建模

目前高速PET瓶胚加熱過程采用 “4段爐體，9段加熱，循環(huán)風冷，緊湊排列”工藝。加熱爐設計主要是滿足瓶胚加熱到理想的溫度，便于拉伸和吹瓶工藝的實現。根據PET的性能，使用9層紅外線燈管對瓶胚輻射加熱；加熱過程中，根據瓶胚質量、厚度和瓶形情況，合理分配每層燈管的加熱功率，使瓶胚得到最理想的熱量分配。為防止瓶坯過度加熱、表面結晶和保護瓶口螺紋及頸環(huán)之間的部位不變形，需要用散熱風扇對坯口和坯身進行空氣冷卻。根據以上分析，在吹瓶機溫度控制系統中，兩個輸入量是紅外線燈管的電壓u1和散熱風扇的電壓u2，兩個輸出量為瓶胚的溫度y1與散熱風扇的風速y2。其中散熱風扇的風速對瓶胚的溫度有很大的影響，而溫度對風速也有一定的影響，所以這是一個耦合系統。根據系統的控制要求，該控制系統可以轉化為一個二輸入／二輸出的被控對象，該被控對象的傳遞函數框圖見圖1。

圖1 系統被控對象傳遞函數框圖Fig.1 Transfer function block diagram of system controlled object

要對該系統進行解耦設計，首先要知道被控對象的數學模型。采用階躍響應法來求取相關過程的數學模型。根據實驗數據，可以得出被控對象的傳遞函數為：

2 基于單神經元的PID解耦控制器

神經網絡作為一門交叉學科，以其強大的非線性映射能力、并行處理能力、自學習能力，在控制領域得到廣泛地應用。采用神經網絡的自適應控制方法，計算量是比較大的。由于目前還沒有相應的實用型神經網絡計算機硬件支持，將多層神經網絡自適應控制投入實時在線控制還有一定困難[1]。為了適應快速過程控制系統的要求，采用基于單個神經元的自適應控制。它既可以利用神經網絡的優(yōu)點，又能適應快速過程實時控制的要求。

單神經元是一個具有自學習和自適應能力的多輸入單輸出的非線性處理單元，可利用單神經元實現自適應PID控制。通過采用多個單神經元PID控制，可以實現對多變量系統的解耦控制[2]。圖2給出了二變量單神經元PID解耦控制系統框圖，該系統由兩個單神經元PID控制器構成。

圖2 二變量單神經元PID解耦控制系統框圖Fig.2 Flow chart of single neuron PID decoupling control system with two variables

以第一個單神經元PID控制器為例，其控制器框圖見圖3。

圖3 基于單個神經元的PID控制器框圖Fig.3 PID controller flow chart based on single neuron

由圖3可見r（k）為設定值，y（k）為被控制對象的輸出，經微積分模塊計算的3個量x1（k），x2（k），x3（k）成為神經元學習和控制所需要的狀態(tài)變量[3]，它們分別是：

圖中K為神經元的比例系數，K＞0；Δu（k）為k時刻神經元的輸出值，因此神經元通過關聯搜索產生的控制信號u（k）為：

單神經元自適應控制是通過對加權系數的調整來實現自適應、自組織功能的。加權系數的調整可以采用不同的學習規(guī)則，從而構成不同的控制算法。在采用有監(jiān)督的Hebb學習算法時有：

這是文獻 [4]的權值學習算法。根據實際的調試結果總結，PID參數的在線學習修正主要與e（k）和Δe（k）有關。因此，本文對加權系數的調整使用改進的有監(jiān)督的Hebb學習規(guī)則，即用e（k）＋V（k）代替xi（k），這是本文的創(chuàng)新點，與文獻[4]的學習算法不同，因此可以得到新的學習算法如下：

式中wi（k）為對應于xi（k）的加權系數；θp，θi，θd分別為比例、積分、微分的學習速率，對其采用不同的數值，以便對不同的權系數分別進行調整；K為神經元的比例系數，K值的選取很重要。K越大則快速性越好，但會引起超調量增大，甚至可能使系統不穩(wěn)定。當被控對象的時延增大時K必須調小，以保證系統的穩(wěn)定。但K值選擇過小，會使系統的快速性變差[4]。

關于選擇加權系數初值的問題，由于神經元有自學習功能，它的賦值并不影響加權系數以后的學習結果，也不會影響控制器的控制效果，所以加權系數的初值可以選擇較小的隨機值。

3 吹瓶機溫度解耦控制系統的仿真研究

設采樣周期T＝0.1s，將被控對象的傳遞函數模型即式（1）轉化為差分方程，可以表示為：

根據上述的單神經元PID解耦控制原理，控制算法如式（4）所示，我們可以利用Matlab軟件搭建如圖4所示的Simulink仿真框圖來實現該控制器，其中的解耦控制算法部分用S－函數編寫，選擇S－函數模塊的輸入信號為 [e（k），e（k－1），e（k－2）]，輸出信號為控制量u（k），并將系統被控對象的差分方程封裝成一個模塊[5]。

圖4 單神經元PID解耦控制系統仿真框圖Fig.4 Simulation chart of single neuron PID decoupling control system

給定輸入信號為單位階躍輸入，即：

輸入信號r1（k）和r2（k）分別對應溫度給定值和風速給定值，相應的輸出分別為y1（k）和y2（k），R1和R2的單位階躍信號都是在t＝1 s時加入，仿真時間t＝1000 s。單神經元的參數配置如下：學習速率θp1＝θp2＝0.4，θi1＝θi2＝0.4，θd1＝θd2＝0.4；比例系數K1＝K2＝0.16。當輸入信號為R1時的解耦響應曲線見圖5，當輸入信號為R2時的解耦響應曲線見圖6。從圖5、圖6可以看出，無論輸入信號是R1還是R2，采用基于改進單神經元的PID控制器時，系統響應速度快，沒有超調，自適應能力強，較好地實現了解耦控制的要求。同時，當輸入信號為R1時，在t＝500 s時，對r2（k）即風速給定加入一個幅值為5，持續(xù)時間為1 s的脈沖干擾信號，系統的解耦曲線見圖7。從圖7可以看出，風速值能夠較快恢復原來的狀態(tài)，而溫度值不受影響，表明該系統具備較強的抗干擾能力。

4 實際調試結果

圖7 有干擾信號時的解耦響應曲線Fig.7 Decoupling response curve with interfering signal

針對PET吹瓶機溫度控制系統，我們采用紅外溫度采集裝置采集瓶胚的溫度，利用風速傳感器測量風速，將信號送到嵌入式控制器，利用本文的單神經元控制算法編寫控制程序，對溫度和風速進行解耦控制。實際調試結果表明，當改變給定風速時，通過神經元的學習調整，溫度仍然保持原來的給定值，達到了解耦控制的要求。

5 結 論

本文采用了基于單神經元的神經網絡控制器，并對單神經元的權系數的修正提出了一種改進算法，使權系數的在線修正不完全根據神經網絡學習原理，而是參考實際經驗制定。仿真及實驗結果表明，該方法通過自主學習，調整網絡權值，獲得良好的解耦控制效果，并且具備較強的抗干擾能力，實現了對吹瓶機加熱爐溫度和散熱風扇風量的精確控制。同時，該神經元控制算法可以推廣應用于多變量系統的解耦控制中。

[1]劉 毅，張國忠，吳 俊，等.基于單神經元的溫度解耦控制系統研究 [J].微計算機信息，2008，（34）：6-8.

[2]柴天佑.多變量自適應解耦控制及其應用 [M].北京：科學出版社，2001.

[3]薛定宇.控制系統計算機輔助設計-MATLAB語言與應用：第二版 [M].北京：清華大學出版社，2006：223-231.

[4]楊 磊，吳 勇，武 衛(wèi)，等.基于單神經元PID的航空發(fā)動機解耦控制 [J].微計算機信息，2010，（1）：57-59.

[5]劉金琨.先進PID控制及其 MATLAB仿真：第二版[M].北京：電子工業(yè)出版社，2004.