應(yīng)文淵，趙章風(fēng)，鐘 江

(浙江工業(yè)大學(xué) 機(jī)械工程學(xué)院，浙江 杭州 310014)

0 引 言

作為綠茶制作工藝中最重要的一步[1]，殺青效果直接影響綠茶品質(zhì)?，F(xiàn)有的殺青設(shè)備中[2]，電熱式滾筒殺青機(jī)因其加熱均勻、能源潔凈、價(jià)格較低、生產(chǎn)效率高，在茶葉加工生產(chǎn)中得到廣泛使用。滾筒殺青機(jī)的現(xiàn)場(chǎng)控制通過(guò)PID控制器控制筒壁溫度配合傳動(dòng)及相關(guān)輔助設(shè)備完成殺青作業(yè)。該類殺青控制系統(tǒng)的問(wèn)題有：(1)PID控制器的控制能力極大依賴于比例、微分、積分參數(shù)的設(shè)置，現(xiàn)有的經(jīng)驗(yàn)法Z-N整定和試湊法的參數(shù)取值難以保證PID控制的高有效性，致使殺青機(jī)的控制算法存在較大的超調(diào)量和波動(dòng)量；(2)由于殺青溫度設(shè)置極為依賴人本身的經(jīng)驗(yàn)，而殺青過(guò)程中投葉速率和茶葉含水率會(huì)有所變化，其可靠性有限，導(dǎo)致殺青后常伴有一定量的焦葉黃葉現(xiàn)象(壞葉)。

滾筒殺青系統(tǒng)是非線性系統(tǒng)。對(duì)于非線性非理想的溫度控制系統(tǒng)，趙陽(yáng)等人[3]基于變論域的模糊控制算法，實(shí)踐中收到了較為良好的控制效果；針對(duì)變速恒頻雙饋發(fā)電并網(wǎng)系統(tǒng),呂艷玲、馮曦等人[4]將傳統(tǒng)PID控制與BP神經(jīng)網(wǎng)絡(luò)控制相結(jié)合,提出了一種BP神經(jīng)網(wǎng)絡(luò)PID的空載并網(wǎng)控制策略，該策略動(dòng)態(tài)響應(yīng)快、并網(wǎng)過(guò)渡過(guò)程短、穩(wěn)態(tài)精度高、全局魯棒性高。

基于模糊算法和BP神經(jīng)網(wǎng)絡(luò)PID的特性，本研究將引入模糊算法替代人工經(jīng)驗(yàn)，根據(jù)相關(guān)輸入條件確定對(duì)應(yīng)溫度的精確值，并基于BP神經(jīng)網(wǎng)絡(luò)的可自調(diào)整參數(shù)的PID控制器取代傳統(tǒng)PID控制器，通過(guò)改進(jìn)滾筒殺青機(jī)控制系統(tǒng)算法，以優(yōu)化殺青控制過(guò)程，避免或減少黃葉焦葉產(chǎn)生。

1 控制總體方案設(shè)計(jì)

1.1 滾筒殺青機(jī)的設(shè)備和殺青流程

本文中選用的殺青滾筒機(jī)型號(hào)為6CST50，實(shí)物圖如圖1所示[5]。

圖1 6CST50型滾筒殺青機(jī)

該系統(tǒng)主要由計(jì)量裝置、輸送裝置、傳動(dòng)機(jī)構(gòu)、滾筒、加熱裝置、排濕裝置以及相關(guān)由電器控制元件組成的控制箱等構(gòu)成。整個(gè)工作過(guò)程傳統(tǒng)模式為先由計(jì)量裝置上的重量傳感器測(cè)定待殺青葉單批次投入質(zhì)量M，經(jīng)由經(jīng)驗(yàn)判斷所需的溫度后，對(duì)自帶的控制器輸入目標(biāo)溫度以控制加熱電熱管開關(guān)占空比進(jìn)行溫度控制[6]，期間以溫度傳感器溫度作為反饋的傳統(tǒng)PID算法進(jìn)行演算控制。

1.2 滾筒殺青機(jī)改進(jìn)算法的控制方案

本文提出以模糊算法取代人工經(jīng)驗(yàn)求解對(duì)應(yīng)多輸入的精確輸出值(溫度參數(shù))，并由BP-PID控制器取代PID控制器對(duì)溫度參數(shù)進(jìn)行控制?？刂品桨阜譃閮刹糠郑?/p>

(1)模糊決策部分[7]。輸入?yún)?shù)基于模糊算法計(jì)算對(duì)應(yīng)控制參數(shù)具體值，為下一步控制器提供控制對(duì)象的精確目標(biāo)值，對(duì)應(yīng)輸出的滾筒筒壁溫度參數(shù)，本研究中選擇投葉速率(投葉量與傳輸時(shí)間決定)與茶葉含水率等級(jí)作為模糊算法推理的輸入條件[8]，含水率等級(jí)由人工按不同茶葉工藝要求手動(dòng)輸入[9]，對(duì)控制器而言主要的參數(shù)即為滾筒筒壁溫度，因而將筒壁溫度作為模糊算法的輸出；

(2)溫度控制部分[10]。具有自整定功能的基于BP神經(jīng)網(wǎng)絡(luò)的PID控制器[11-12]，在PID參數(shù)最優(yōu)化條件下，使筒壁溫度維持低誤差的動(dòng)態(tài)平衡狀態(tài)，并針對(duì)變化快速反應(yīng)調(diào)整?？刂品桨冈诨贛CU的嵌入式控制器上實(shí)現(xiàn)。

控制方案流程圖如圖2所示。

圖2 控制方案流程圖

2 控制模塊設(shè)計(jì)

控制模塊設(shè)計(jì)分為模糊算法設(shè)計(jì)和BP神經(jīng)網(wǎng)絡(luò)控制器設(shè)計(jì)。

2.1 滾筒殺青機(jī)模糊推理模塊設(shè)計(jì)

在殺青作業(yè)中，參數(shù)間的相關(guān)性處于非線性關(guān)聯(lián)，對(duì)于這類不確定性系統(tǒng)，模糊算法由于利用語(yǔ)言信息，不依賴精確數(shù)學(xué)模型，可實(shí)現(xiàn)對(duì)不確定性系統(tǒng)的較好控制。因?yàn)楸疚囊肽：惴ㄟM(jìn)行控制參數(shù)推理，模糊推理控制模塊以輸入殺青茶葉鮮葉的含水率等級(jí)和茶葉投葉速率兩個(gè)參數(shù)為基準(zhǔn)，通過(guò)模糊算法推斷出符合殺青工藝的滾筒壁溫度，最后輸入到PID控制器(注：不同類型的茶葉有著各自殺青工藝要求[13]，其對(duì)應(yīng)的模糊推理有所不同)。本文僅針對(duì)二芽一葉的葉片進(jìn)行研究。

2.1.1 隸屬度函數(shù)建立

筆者選擇Matlab的Fuzzy工具箱構(gòu)建基于各輸入(出)參數(shù)對(duì)應(yīng)的單輸出模糊算法模型?？紤]到控制系統(tǒng)的魯棒性和靈敏度，選擇三角函數(shù)來(lái)進(jìn)行構(gòu)建對(duì)含水率等級(jí)、投葉速率、筒壁溫度的隸屬度函數(shù)。

首先本研究將待殺青鮮葉含水率進(jìn)行分級(jí)，在這里分為5個(gè)等級(jí)，以此建立模糊子集{A,B,C,D,E}，依次表示為：低含水率，較低，中度，較高，高含水率。結(jié)合該類茶葉殺青工藝的實(shí)際經(jīng)驗(yàn)，設(shè)定論域范圍：[20,90]。含水率具體隸屬度函數(shù)如圖3所示。

圖3 含水率隸屬度函數(shù)

根據(jù)理論推算與經(jīng)驗(yàn)，6CST50殺青機(jī)的投葉速率應(yīng)在0.5 kg/min～2.0 kg/min之間，故論域范圍為[0.5,2.0]。本研究將投料速率也分5個(gè)等級(jí)，建立投葉速率模糊子集為{S MS M MB B}，依次代表慢速，稍慢，中速，稍快，快速。

投葉速率具體隸屬度函數(shù)如圖4所示。

圖4 投葉速率隸屬度函數(shù)

在茶葉殺青的過(guò)程中，不僅要求短時(shí)間內(nèi)達(dá)到高溫，令茶葉內(nèi)多酚氧化酶失活[14]，也要避免過(guò)高溫度使得茶葉燒焦。根據(jù)專家經(jīng)驗(yàn)，符合要求的滾筒溫度取值在110 ℃～160 ℃，確定論域設(shè)置為[110,160].建立模糊子集{L ML M MH H}，依次代表溫度程度：低溫、中低溫、中溫、中高溫、高溫。滾筒筒壁溫度具體隸屬度函數(shù)如圖5所示。

圖5 滾筒筒壁隸屬度函數(shù)

2.1.2 模糊規(guī)則建立

本研究根據(jù)滾筒殺青的經(jīng)驗(yàn)建立模糊推理的規(guī)則表，如表1所示。

表1 滾筒溫度模糊規(guī)則表

2.1.3 模糊推理

模糊規(guī)則類型：IF AND THEN。由此，推理結(jié)論為：

U′=(X×Y)°R

(1)

式中：X，Y—含水率和投葉速率的模糊集；R—由上表得的模糊蘊(yùn)含關(guān)系；U′—輸出模糊集。

全部控制規(guī)則對(duì)應(yīng)的總規(guī)則為各規(guī)則取“并”操作合成：

(2)

式中：Ri—基于表1的各條模糊關(guān)系。

2.1.4 模糊決策

為得出對(duì)應(yīng)的目標(biāo)溫度，算法最后應(yīng)輸出確定值而非模糊輸出值，故而需對(duì)模糊輸出值進(jìn)行解模糊，使得到確定值，這一過(guò)程稱作模糊決策。在本研究中采用加權(quán)平均解模糊法。其公式如下：

(3)

式中：Ui—模糊集U中的元素；μ(Ui)—Ui對(duì)應(yīng)的隸屬度；u—加權(quán)平均后的輸出結(jié)果。

最終由fuzzy工具箱得到基于投料速率和含水率的滾筒溫度輸出效果圖，如圖6所示。

圖6 滾筒溫度輸出效果圖

根據(jù)該模糊算法模型，可根據(jù)輸入得出殺青所需溫度的具體值，實(shí)現(xiàn)投葉速率和含水率變化下的溫度目標(biāo)參數(shù)動(dòng)態(tài)調(diào)節(jié)。該算法上可有效降低純依賴經(jīng)驗(yàn)的不可靠性。

2.2 基于BP神經(jīng)網(wǎng)絡(luò)的PID控制器設(shè)計(jì)

PID控制效果的好壞，取決于比例、積分、微分3個(gè)控制參數(shù)的取值和共同作用[15]。BP神經(jīng)網(wǎng)絡(luò)善于處理機(jī)制復(fù)雜的非線性映射，并具有高度自學(xué)習(xí)自適應(yīng)能力，故本研究將BP神經(jīng)網(wǎng)絡(luò)與PID算法結(jié)合，以自適應(yīng)地為系統(tǒng)選擇出優(yōu)化的PID控制參數(shù)。

2.2.1 控制器的總體設(shè)計(jì)

基于BP神經(jīng)網(wǎng)絡(luò)的PID控制器有兩部分組成：BP神經(jīng)網(wǎng)絡(luò)部分和PID控制器。PID控制器部分利用輸入rin與輸出yout的誤差e、誤差變化de/dt、以及由BP神經(jīng)網(wǎng)絡(luò)在線調(diào)整的Kp、Ki、Kd參數(shù)，由控制算法得出控制器輸出u(k)，再通過(guò)控制對(duì)象Plant的傳遞函數(shù)得到系統(tǒng)輸出yout以實(shí)現(xiàn)被控對(duì)象的閉環(huán)控制。而BP神經(jīng)網(wǎng)絡(luò)部分根據(jù)最優(yōu)化的性能指標(biāo)監(jiān)督下，通過(guò)BP神經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí)過(guò)程和權(quán)值自調(diào)整，使該部分輸出對(duì)應(yīng)最優(yōu)控制指標(biāo)或近似最優(yōu)PID控制器參數(shù)Kp、Ki、Kd?？刂破鞯木唧w結(jié)構(gòu)圖如圖7所示。

圖7 基于BP神經(jīng)網(wǎng)絡(luò)的PID控制器結(jié)構(gòu)框圖

2.2.2PID算法的選擇

本文選擇增量式數(shù)字PID作為PID算法的表現(xiàn)形式。增量式數(shù)字PID控制因通過(guò)求出增量，將原先PID的積分環(huán)節(jié)的累積作用進(jìn)行了替換，避免積分環(huán)節(jié)占用大量計(jì)算性能和存儲(chǔ)空間。算法具體表示如下：

u(k)=Kp(e(k)-e(k-1))+Kie(k)+
Kd(e(k)-2e(k-1)+e(k-2))

(4)

為保證計(jì)算實(shí)時(shí)性與效率，本文選用3層的BP神經(jīng)網(wǎng)絡(luò)(輸入層、隱含層和輸出層)。各層輸入輸出和非線性激勵(lì)函數(shù)表示如下：

(1)網(wǎng)絡(luò)輸入層的輸入：

(5)

式中：M—輸入變量個(gè)數(shù)。

(2)網(wǎng)絡(luò)隱含層的輸入、輸出為：

(6)

(7)

隱層神經(jīng)元的非線性激勵(lì)函數(shù)為正負(fù)對(duì)稱的Sigmoid函數(shù)，即：

(8)

(3)網(wǎng)絡(luò)輸出層的輸入輸出為：

(9)

輸出層對(duì)應(yīng)節(jié)點(diǎn)分別對(duì)應(yīng)3個(gè)可調(diào)整參數(shù)Kp、Ki、Kd。因?yàn)镻ID的參數(shù)不能為負(fù)，故輸出層的非線性激勵(lì)函數(shù)設(shè)為非負(fù)的Sigmiod函數(shù)，即：

1.2.2 排除標(biāo)準(zhǔn) 排除入組時(shí)根據(jù)病史采集情況，已經(jīng)患有冠心病、心絞痛、心肌梗死、腦出血，腦梗死，腦栓塞的人群。

(10)

對(duì)輸出層權(quán)值的學(xué)習(xí)算法為：

(11)

(12)

隱含層的權(quán)系數(shù)學(xué)習(xí)算法同理有：

(13)

(14)

式中：g′(x)=g(x)(1-g(x))；f′(x)=(1-f2′(x))/2；δ—神經(jīng)元的誤差信號(hào)；η—學(xué)習(xí)速率；α—慣性系數(shù)。

以此BP神經(jīng)網(wǎng)絡(luò)算法為基準(zhǔn)，即可實(shí)現(xiàn)有自整定功能的PID控制器，以極大優(yōu)化控制參數(shù)，并在傳遞性質(zhì)發(fā)生變化的情況下，可自適應(yīng)調(diào)整PID控制器的參數(shù)。

BP算法流程圖如圖8所示。

圖8 BP算法流程圖

BP-PID算法可以總結(jié)為：

(1)首先確定BP網(wǎng)絡(luò)的結(jié)構(gòu)，即確定輸入層節(jié)點(diǎn)數(shù)和隱含層，并且給定網(wǎng)絡(luò)各層加權(quán)系數(shù)的初值，選定合適的學(xué)習(xí)速率η和合適的慣性系數(shù)α，此時(shí)k=1；

(2)通過(guò)采樣得到r(k)和y(k)，計(jì)算該時(shí)刻誤差e(k)=r(k)-y(k)；

(3)通過(guò)計(jì)算神經(jīng)網(wǎng)絡(luò)各層神經(jīng)元的輸入、輸出值，來(lái)確定其中神經(jīng)網(wǎng)絡(luò)輸出層的輸出，對(duì)應(yīng)PID控制器Kp、Ki、Kd這3個(gè)參數(shù)；

(4)計(jì)算PID控制器的控制輸出u(k)，并將控制輸出u(k)參與系統(tǒng)進(jìn)一步控制和計(jì)算；

(5)進(jìn)入神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)過(guò)程，并且實(shí)時(shí)調(diào)整各加權(quán)系數(shù)，最終在線自適應(yīng)調(diào)整PID的控制參數(shù)；

(6)令k=k+1,再返回到步驟(2)，一直到所得到的誤差滿足要求為止。

3 控制器的仿真和對(duì)比分析

本研究選用的BP神經(jīng)網(wǎng)絡(luò)其結(jié)構(gòu)為3層，其中輸入層4個(gè)神經(jīng)元，輸出層3個(gè)神經(jīng)元(各神經(jīng)元依次輸出PID參數(shù))。學(xué)習(xí)速率0.28，慣性系數(shù)0.05。各初始權(quán)值設(shè)為[-1,1]的隨機(jī)數(shù)。BP神經(jīng)網(wǎng)絡(luò)PID的Simulink模型包括輸入模塊、控制模塊、被控對(duì)象模塊等部分。仿真的輸入信號(hào)為階躍信號(hào)。本研究對(duì)象的系統(tǒng)為一階慣性系統(tǒng)，故將滾筒殺青機(jī)系統(tǒng)的傳遞函數(shù)[16]設(shè)置為2.04e-9s/(80s+1)，以湊數(shù)法獲得PID控制器的參數(shù)Kp=2.7，Ki=0.031，Kd=3。湊試法的原則為參考各參數(shù)對(duì)系統(tǒng)控制過(guò)程的影響趨勢(shì)，對(duì)參數(shù)調(diào)整實(shí)行先比例、后積分，再微分的整定步驟。具體模型如圖9所示。

圖9 BP-PID仿真模型

圖9左端為輸入信號(hào)，用Step模塊(單位階躍)；Ann_controller是一個(gè)控制模型的封裝，由一個(gè)基于S—function的子系統(tǒng)構(gòu)成?？刂颇Ｐ偷膔(k)接輸入信號(hào)，y(k)接輸出反饋信號(hào)。u(k)為控制器輸出信號(hào)，K為神經(jīng)網(wǎng)絡(luò)PID控制器的Kp、Ki、Kd輸出，輸出直接作用被控對(duì)象，神經(jīng)網(wǎng)絡(luò)PID控制器封裝于Ann_controller模型中，Ann_controller控制器的子系統(tǒng)如圖10所示。

圖10 Ann_controller封裝內(nèi)部結(jié)構(gòu)

在圖10中，左端口1(r(k))與左端口2(y(k))為系統(tǒng)輸入，相減后將誤差信號(hào)和誤差的導(dǎo)數(shù)信號(hào)輸入給控制器，右端口1(u(k))與右端口2(K)為系統(tǒng)輸出，延時(shí)模塊分別將神經(jīng)網(wǎng)絡(luò)的各個(gè)權(quán)值反饋給控制模塊S—function。

本研究進(jìn)行了仿真，得到的仿真結(jié)果如圖11所示。

圖11 兩類算法結(jié)果對(duì)比

在圖11中可見(jiàn)：傳統(tǒng)PID算法超調(diào)量σ=11.1%，調(diào)節(jié)時(shí)間ts=67 s，穩(wěn)態(tài)誤差es= 0；BP神經(jīng)網(wǎng)絡(luò)PID算法自適應(yīng)完成了對(duì)參數(shù)的調(diào)整，超調(diào)量σ= 6.7%，調(diào)節(jié)時(shí)間ts=45 s ，穩(wěn)態(tài)誤差es= 0。由此可看出基于BP神經(jīng)網(wǎng)絡(luò)的PID算法在超調(diào)量和調(diào)節(jié)時(shí)間等指標(biāo)上都比傳統(tǒng)PID算法都具有更優(yōu)的特點(diǎn)。

4 實(shí)驗(yàn)驗(yàn)證

本研究在衢州上洋機(jī)械6CST50型號(hào)滾筒殺青機(jī)上進(jìn)行實(shí)驗(yàn)，并由R232接口將溫度數(shù)據(jù)傳輸入PC端進(jìn)行記錄。為驗(yàn)證控制系統(tǒng)效果，進(jìn)行對(duì)比試驗(yàn)，組一基于改進(jìn)后算法進(jìn)行殺青控制作業(yè)，記為A組；組二基于傳統(tǒng)PID，記為B組。實(shí)驗(yàn)條件如表2所示。

表2 實(shí)驗(yàn)條件表

經(jīng)實(shí)驗(yàn)測(cè)得各組溫度曲線，實(shí)驗(yàn)結(jié)果如圖(12，13)所示。

圖12 傳統(tǒng)PID算法實(shí)驗(yàn)圖

圖13 BP-PID算法實(shí)驗(yàn)圖

經(jīng)由圖(12，13)可知：BP-PID算法在超調(diào)量、調(diào)節(jié)時(shí)間和波動(dòng)誤差上的表現(xiàn)都明顯優(yōu)于傳統(tǒng)的PID算法。

根據(jù)技術(shù)指標(biāo)對(duì)兩組茶葉殺青后質(zhì)量進(jìn)行綜合判定，結(jié)果如表3所示。

表3 實(shí)驗(yàn)結(jié)果檢測(cè)報(bào)告

綜合表3及現(xiàn)場(chǎng)檢驗(yàn)可知：A組茶葉色澤青綠，基本無(wú)焦葉焦邊；B組色澤相對(duì)較暗，存在一定程度葉有焦邊。得出結(jié)論：本文改進(jìn)算法后的控制系統(tǒng)所生產(chǎn)的茶葉比原先傳統(tǒng)的PID恒溫控制算法生產(chǎn)的茶葉品質(zhì)更好，物料損耗更少。

5 結(jié)束語(yǔ)

基于滾筒殺青工藝，本文以Matlab軟件進(jìn)行模糊推理和BP神經(jīng)網(wǎng)路PID控制器的系統(tǒng)仿真，并且基于以MCU的嵌入式系統(tǒng)、現(xiàn)場(chǎng)相關(guān)控制實(shí)驗(yàn)驗(yàn)證了改進(jìn)算法的可行性和對(duì)殺青效果提升的有效性，得到以下結(jié)論：

(1)基于工藝和殺青經(jīng)驗(yàn)，可針對(duì)要求，根據(jù)輸入由模糊算法推導(dǎo)出可行的滾筒溫度，降低純依靠經(jīng)驗(yàn)的不可靠性和盲目性；

(2)相較于PID溫度控制系統(tǒng)，BP神經(jīng)網(wǎng)絡(luò)PID對(duì)溫度的控制效果更好，且可以進(jìn)行自適應(yīng)調(diào)整；

(3)基于模糊算法和BPPID算法改進(jìn)后的控制系統(tǒng)可以將整個(gè)加工過(guò)程更加精確化，模式化，提升作業(yè)效率和可控性。