本發(fā)明涉及射膠控制，尤指一種基于多組pid的射膠控制方法。

背景技術(shù)：

1、射膠控制是注塑成型過(guò)程中關(guān)鍵的控制環(huán)節(jié)之一，直接影響產(chǎn)品的成型質(zhì)量和生產(chǎn)效率。在注塑過(guò)程中，射膠階段需要精確控制注射速度、壓力和位置等參數(shù)，以確保熔融塑料均勻充滿模腔，并避免出現(xiàn)氣泡、溢料或縮痕等缺陷。然而，由于注塑過(guò)程的非線性、時(shí)變性和多干擾性，傳統(tǒng)的單一pid控制方法在應(yīng)對(duì)復(fù)雜的注塑工藝要求時(shí)存在一定的局限性。當(dāng)前還存在以下問(wèn)題：?jiǎn)我籶id控制器在射膠過(guò)程中調(diào)整不及時(shí)或不準(zhǔn)確，容易產(chǎn)生控制誤差，無(wú)法實(shí)現(xiàn)高精度的射膠控制，影響了生產(chǎn)效率和產(chǎn)品質(zhì)量；現(xiàn)有技術(shù)在射膠過(guò)程中，設(shè)定值與測(cè)量值之間的誤差計(jì)算和修正存在滯后，導(dǎo)致控制響應(yīng)速度慢，無(wú)法及時(shí)修正誤差，影響射膠過(guò)程的穩(wěn)定性和精度；現(xiàn)有技術(shù)對(duì)射膠過(guò)程中的異常情況缺乏智能化檢測(cè)和處理手段，導(dǎo)致在出現(xiàn)異常情況時(shí)，無(wú)法及時(shí)識(shí)別和處理，容易造成生產(chǎn)中斷和設(shè)備損壞。

技術(shù)實(shí)現(xiàn)思路

1、為解決上述問(wèn)題，本發(fā)明提供一種基于多組pid的射膠控制方法。

2、為實(shí)現(xiàn)上述目的，本發(fā)明采用的技術(shù)方案是：

3、一種基于多組pid的射膠控制方法，包括以下步驟：

4、s1：通過(guò)傳感器實(shí)時(shí)采集注塑機(jī)在射膠過(guò)程中的工作參數(shù)，所述工作參數(shù)包括射膠速度、射膠壓力和料筒溫度；

5、s2：利用t-s模糊神經(jīng)網(wǎng)絡(luò)算法識(shí)別所述工作參數(shù)在射膠過(guò)程中的關(guān)鍵特征點(diǎn)和動(dòng)態(tài)變化，生成實(shí)時(shí)控制參數(shù)；

6、s3：基于所述實(shí)時(shí)控制參數(shù)，設(shè)定每組pid控制器的參數(shù)；所述參數(shù)包括比例增益、積分時(shí)間和微分時(shí)間；

7、s4：在射膠過(guò)程中，實(shí)時(shí)計(jì)算設(shè)定值與當(dāng)前測(cè)量值之間的誤差，并依據(jù)所述誤差分別進(jìn)行比例、積分和微分運(yùn)算，生成最終控制輸出值；

8、s5：各組pid控制器根據(jù)最終控制輸出值協(xié)同工作，通過(guò)自適應(yīng)網(wǎng)絡(luò)實(shí)現(xiàn)動(dòng)態(tài)協(xié)調(diào)；

9、s6：通過(guò)人工智能算法對(duì)射膠過(guò)程數(shù)據(jù)進(jìn)行實(shí)時(shí)分析，識(shí)別異常情況，同時(shí)針對(duì)檢測(cè)到的異常采取處理措施。

10、進(jìn)一步的，所述步驟s2具體包括以下步驟：

11、s21：對(duì)傳感器采集的工作參數(shù)數(shù)據(jù)進(jìn)行預(yù)處理，去除噪聲并進(jìn)行歸一化處理；

12、s22：構(gòu)建t-s模糊神經(jīng)網(wǎng)絡(luò)模型，通過(guò)歷史數(shù)據(jù)對(duì)模型進(jìn)行訓(xùn)練，生成初始模型參數(shù)；

13、s23：在射膠過(guò)程中，實(shí)時(shí)輸入預(yù)處理后的工作參數(shù)數(shù)據(jù)到t-s模糊神經(jīng)網(wǎng)絡(luò)模型，識(shí)別出射膠過(guò)程中的關(guān)鍵特征點(diǎn)，包括壓力峰值、速度變化點(diǎn)和溫度穩(wěn)定點(diǎn)；

14、s24：根據(jù)識(shí)別出的關(guān)鍵特征點(diǎn)，動(dòng)態(tài)調(diào)整t-s模糊神經(jīng)網(wǎng)絡(luò)模型的參數(shù)；

15、s25：根據(jù)動(dòng)態(tài)調(diào)整后的t-s模糊神經(jīng)網(wǎng)絡(luò)模型輸出的關(guān)鍵特征點(diǎn)，生成對(duì)應(yīng)的實(shí)時(shí)控制參數(shù)，所述控制參數(shù)包括當(dāng)前射膠速度、壓力和溫度的實(shí)時(shí)變化率。

16、更進(jìn)一步的，所述步驟s22具體包括以下步驟：

17、定義模糊規(guī)則和模糊集，設(shè)計(jì)模糊隸屬函數(shù)，采用三角形、梯形和高斯函數(shù)的不同形式的隸屬函數(shù)描述射膠速度、射膠壓力和料筒溫度的模糊集；

18、建立模糊規(guī)則庫(kù)，根據(jù)實(shí)際射膠過(guò)程中的經(jīng)驗(yàn)數(shù)據(jù)和專家知識(shí)，制定出一系列的模糊規(guī)則，其中輸入變量為射膠速度、射膠壓力和料筒溫度，輸出變量為控制參數(shù)；

19、構(gòu)建神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，包括輸入層、隱藏層和輸出層，輸入層接收預(yù)處理后的工作參數(shù)數(shù)據(jù)，隱藏層由若干個(gè)神經(jīng)元組成，采用反向傳播算法訓(xùn)練網(wǎng)絡(luò)，輸出層生成實(shí)時(shí)控制參數(shù)；

20、將模糊規(guī)則和神經(jīng)網(wǎng)絡(luò)結(jié)合，形成t-s模糊神經(jīng)網(wǎng)絡(luò)模型，采用梯度下降算法優(yōu)化模型參數(shù)，讓模型能夠在射膠過(guò)程中實(shí)時(shí)識(shí)別關(guān)鍵特征點(diǎn)。

21、更進(jìn)一步的，所述t-s模糊神經(jīng)網(wǎng)絡(luò)的公式如下：

22、

23、其中，y表示輸出控制參數(shù)，包括當(dāng)前射膠速度、壓力和溫度的實(shí)時(shí)變化率；x表示輸入的注塑機(jī)的工作參數(shù)；μi(x)表示第i條模糊規(guī)則的隸屬度函數(shù)值；ai和bi表示第i條模糊規(guī)則的線性系數(shù)；n表示模糊規(guī)則的總數(shù)。

24、進(jìn)一步的，步驟s4中，所述最終控制輸出值的計(jì)算公式如下：

25、

26、其中，u(t)表示最終控制輸出值；表示第i組pid控制器的比例增益；表示第i組pid控制器的積分時(shí)間常數(shù)；表示第i組pid控制器的微分時(shí)間常數(shù)；e(t)表示設(shè)定值與當(dāng)前測(cè)量值之間的誤差；表示誤差的積分；表示誤差的微分。

27、進(jìn)一步的，所述步驟s6具體包括以下步驟：

28、s61：對(duì)注塑機(jī)射膠過(guò)程中的數(shù)據(jù)進(jìn)行實(shí)時(shí)監(jiān)測(cè)；

29、s62：利用人工智能算法對(duì)實(shí)時(shí)監(jiān)測(cè)的數(shù)據(jù)進(jìn)行分析，通過(guò)模式識(shí)別和趨勢(shì)分析技術(shù)，識(shí)別出潛在的異常情況；

30、s63：在檢測(cè)到異常情況時(shí)，觸發(fā)多級(jí)報(bào)警機(jī)制，根據(jù)異常程度進(jìn)行分級(jí)報(bào)警，并采取相應(yīng)的處理措施，包括：輕微異常、中度預(yù)警和嚴(yán)重預(yù)警；

31、s64：將異常數(shù)據(jù)和處理措施記錄在系統(tǒng)日志中，并通過(guò)數(shù)據(jù)挖掘和分析技術(shù)，定期生成分析報(bào)告，所述分析報(bào)告包括異常發(fā)生的頻率、異常類型、采取的處理措施及其效果評(píng)估。

32、進(jìn)一步的，所述自適應(yīng)網(wǎng)絡(luò)基于強(qiáng)化學(xué)習(xí)算法根據(jù)射膠過(guò)程中的反饋信息不斷優(yōu)化各組pid控制器的協(xié)調(diào)策略。

33、進(jìn)一步的，所述傳感器包括壓力傳感器、溫度傳感器和速度傳感器。

34、本發(fā)明的有益效果在于：

35、本發(fā)明通過(guò)實(shí)時(shí)采集和分析射膠過(guò)程中的關(guān)鍵參數(shù)，該方法能夠精確識(shí)別關(guān)鍵特征點(diǎn)和動(dòng)態(tài)變化，從而設(shè)定最優(yōu)化的pid控制參數(shù)，實(shí)現(xiàn)高精度射膠控制。利用t-s模糊神經(jīng)網(wǎng)絡(luò)算法實(shí)時(shí)生成控制參數(shù)，使pid控制器的參數(shù)能夠根據(jù)實(shí)際工況動(dòng)態(tài)調(diào)整，提高了控制系統(tǒng)的適應(yīng)性和響應(yīng)速度。通過(guò)多組pid控制器的協(xié)同工作和自適應(yīng)網(wǎng)絡(luò)的動(dòng)態(tài)協(xié)調(diào)，實(shí)現(xiàn)了射膠過(guò)程的精細(xì)化控制，減少了因單一pid控制器調(diào)整不及時(shí)或不準(zhǔn)確引起的控制誤差。在射膠過(guò)程中實(shí)時(shí)計(jì)算設(shè)定值與測(cè)量值之間的誤差，并通過(guò)比例、積分和微分運(yùn)算進(jìn)行實(shí)時(shí)修正，提高了系統(tǒng)的控制精度和穩(wěn)定性。通過(guò)人工智能算法對(duì)射膠過(guò)程數(shù)據(jù)進(jìn)行實(shí)時(shí)分析，能夠迅速識(shí)別并處理異常情況，確保射膠過(guò)程的連續(xù)性和安全性，減少因設(shè)備故障或工藝參數(shù)波動(dòng)引起的生產(chǎn)中斷。

技術(shù)特征：

1.一種基于多組pid的射膠控制方法，其特征在于，包括以下步驟：

2.根據(jù)權(quán)利要求1所述的一種基于多組pid的射膠控制方法，其特征在于，所述步驟s2具體包括以下步驟：

3.根據(jù)權(quán)利要求2所述的一種基于多組pid的射膠控制方法，其特征在于，所述步驟s22具體包括以下步驟：

4.根據(jù)權(quán)利要求3所述的一種基于多組pid的射膠控制方法，其特征在于，所述t-s模糊神經(jīng)網(wǎng)絡(luò)的公式如下：

5.根據(jù)權(quán)利要求1所述的一種基于多組pid的射膠控制方法，其特征在于，步驟s4中，所述最終控制輸出值的計(jì)算公式如下：

6.根據(jù)權(quán)利要求1所述的一種基于多組pid的射膠控制方法，其特征在于，所述步驟s6具體包括以下步驟：

7.根據(jù)權(quán)利要求1所述的一種基于多組pid的射膠控制方法，其特征在于，所述自適應(yīng)網(wǎng)絡(luò)基于強(qiáng)化學(xué)習(xí)算法根據(jù)射膠過(guò)程中的反饋信息不斷優(yōu)化各組pid控制器的協(xié)調(diào)策略。

8.根據(jù)權(quán)利要求1所述的一種基于多組pid的射膠控制方法，其特征在于，所述傳感器包括壓力傳感器、溫度傳感器和速度傳感器。

技術(shù)總結(jié)
本發(fā)明涉及射膠控制技術(shù)領(lǐng)域，尤指一種基于多組PID的射膠控制方法。包括以下步驟：通過(guò)傳感器實(shí)時(shí)采集射膠速度、射膠壓力和料筒溫度；利用T?S模糊神經(jīng)網(wǎng)絡(luò)算法識(shí)別關(guān)鍵特征點(diǎn)和動(dòng)態(tài)變化，生成實(shí)時(shí)控制參數(shù)；基于實(shí)時(shí)控制參數(shù)設(shè)定每組PID控制器的比例增益、積分時(shí)間和微分時(shí)間；實(shí)時(shí)計(jì)算設(shè)定值與當(dāng)前測(cè)量值的誤差，進(jìn)行比例、積分和微分運(yùn)算，生成最終控制輸出值；各組PID控制器協(xié)同工作，通過(guò)自適應(yīng)網(wǎng)絡(luò)實(shí)現(xiàn)動(dòng)態(tài)協(xié)調(diào)；利用人工智能算法實(shí)時(shí)分析射膠數(shù)據(jù)，識(shí)別并處理異常情況。本發(fā)明通過(guò)優(yōu)化控制參數(shù)和實(shí)時(shí)異常處理，有效減少了次品率和生產(chǎn)損耗，從而提高了射膠控制過(guò)程的穩(wěn)定性、精確性和安全性。

技術(shù)研發(fā)人員：黃志鋒,朱康建,孫曉波,朱燕志,袁中華,杜呈表,劉媛
受保護(hù)的技術(shù)使用者：博創(chuàng)智能裝備股份有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2024/10/10