基于PSO的BP-PID碾米機(jī)組控制系統(tǒng)優(yōu)化

李 強(qiáng) 周 勁 張永林 宋少云

(1. 武漢輕工大學(xué)機(jī)械工程學(xué)院，湖北 武漢 430023；2. 武漢輕工大學(xué)電氣與電子工程學(xué)院，湖北 武漢 430023)

水稻是中國(guó)第一大糧食作物，全國(guó)約有2/3的人口以大米為主食，大米質(zhì)量與人們的日常生活和健康息息相關(guān)[1]。近年來(lái)，在“中國(guó)制造2025”的牽引下，多項(xiàng)智能制造發(fā)展計(jì)劃和項(xiàng)目開(kāi)始推進(jìn)，智能技術(shù)開(kāi)始被應(yīng)用到更多行業(yè)[2]。稻米加工行業(yè)也開(kāi)始向智能化方向發(fā)展[3]，其中，碾米單機(jī)智能控制系統(tǒng)[4]已完成研發(fā)并投入到實(shí)際應(yīng)用中，該智能控制碾米單機(jī)主要采用模糊邏輯控制方式，通過(guò)控制碾米機(jī)的碾輥軸轉(zhuǎn)速和進(jìn)出口流量完成作業(yè)[5]。雖然能實(shí)現(xiàn)碾米機(jī)功能化分工的自動(dòng)運(yùn)行，但其參數(shù)調(diào)節(jié)幅度大[6]，且因碾米機(jī)組之間沒(méi)有信息交流導(dǎo)致流量難以平衡，易產(chǎn)生單機(jī)效率降低、碾白不均衡或過(guò)碾致碎米增加等問(wèn)題[7]。

文章擬提出一種基于粒子群算法(PSO)優(yōu)化BP-PID控制的碾米機(jī)組控制系統(tǒng)，將多機(jī)輕碾技術(shù)進(jìn)行數(shù)字化，并將碾白室內(nèi)流量和溫升幅度納入調(diào)控，實(shí)現(xiàn)碾米機(jī)組中各臺(tái)米機(jī)之間的流量均衡控制，最大程度減少溫度過(guò)高和斷料造成的碎米增加[8]。碾米機(jī)組系統(tǒng)對(duì)傳統(tǒng)的PID控制器進(jìn)行優(yōu)化，即引入BP神經(jīng)網(wǎng)絡(luò)找出每臺(tái)碾米機(jī)的PID控制參數(shù)最小偏差值[9-10]，同時(shí)利用粒子群算法(PSO)訓(xùn)練BP神經(jīng)網(wǎng)絡(luò)從而加快系統(tǒng)尋優(yōu)速度[11]，再采用Matlab工具對(duì)算法進(jìn)行仿真檢驗(yàn)[12]，并通過(guò)試驗(yàn)驗(yàn)證優(yōu)化后系統(tǒng)的有效性和優(yōu)越性，為碾米設(shè)備智能化提供新方案。

1 碾米機(jī)組系統(tǒng)設(shè)計(jì)

1.1 設(shè)備改進(jìn)

碾米機(jī)組控制系統(tǒng)主要包括數(shù)據(jù)采集、信息處理、執(zhí)行機(jī)構(gòu)等部分。機(jī)組結(jié)合了多機(jī)輕碾和低溫升的加工工藝(如圖1所示)，以兩臺(tái)砂輥噴風(fēng)碾米機(jī)和一臺(tái)鐵輥噴風(fēng)碾米機(jī)的多機(jī)協(xié)同方式實(shí)現(xiàn)智能控制。在碾米機(jī)組的碾白脫糠過(guò)程中，單臺(tái)碾米機(jī)之間常因無(wú)法及時(shí)調(diào)整各自的加工參數(shù)，容易出現(xiàn)流量不均衡而引起單臺(tái)碾米機(jī)加工過(guò)度或碾削不足，并且對(duì)碾白室內(nèi)的流量、溫度和壓力的控制無(wú)法進(jìn)行精確調(diào)整，最終引起碾白室腔內(nèi)溫度升高或碾白均勻度不足。

圖1 碾米機(jī)組加工流程圖

改進(jìn)的碾米機(jī)組將碾除糠粉量按比例分配至每臺(tái)碾米機(jī)，預(yù)設(shè)各臺(tái)碾白脫糠量的比例為4.5∶4.0∶1.5(可根據(jù)不同的原料來(lái)源和大米的精度等級(jí)進(jìn)行調(diào)整)。機(jī)組系統(tǒng)以每臺(tái)碾米機(jī)實(shí)際的碾除糠粉比例達(dá)到預(yù)期值為總體目標(biāo)，將第一臺(tái)碾米機(jī)作為領(lǐng)導(dǎo)者，實(shí)時(shí)監(jiān)測(cè)加工狀態(tài)以對(duì)后續(xù)兩臺(tái)的跟隨者進(jìn)行動(dòng)態(tài)調(diào)控，實(shí)現(xiàn)碾米機(jī)組間的流量平衡加工。該系統(tǒng)將碾白室的噴風(fēng)電機(jī)和室腔內(nèi)流量納入控制，同時(shí)為每臺(tái)碾米機(jī)匹配合適的主電機(jī)轉(zhuǎn)速、噴風(fēng)壓力、流量大小等控制參數(shù)以作為單機(jī)加工目標(biāo)。加工運(yùn)行一段時(shí)間后，通過(guò)對(duì)產(chǎn)品質(zhì)量和設(shè)備運(yùn)行狀態(tài)的評(píng)價(jià)，挑選合適的脫糠比例及每臺(tái)設(shè)備的運(yùn)行參數(shù)，經(jīng)數(shù)據(jù)庫(kù)迭代優(yōu)化調(diào)整至最佳。

將單臺(tái)碾米機(jī)設(shè)備進(jìn)行升級(jí)，如圖2所示?？刂葡到y(tǒng)除了對(duì)主軸3轉(zhuǎn)速進(jìn)行控制外，增加對(duì)進(jìn)料口1安裝的電動(dòng)閥門(mén)和噴風(fēng)電機(jī)4的調(diào)控。其中在進(jìn)料口1、吸糠機(jī)構(gòu)5上端兩處安裝溫度傳感器對(duì)大米進(jìn)行溫度(T1、T2)檢測(cè)，從而檢測(cè)碾白室2內(nèi)溫升(T3)狀態(tài)，在碾白室內(nèi)和噴風(fēng)口安裝壓力傳感器檢測(cè)壓力(P1、P2)。

機(jī)組中每臺(tái)碾米機(jī)的輸入模擬量有T1、T2、T33個(gè)溫度參數(shù)，P1、P22個(gè)壓力參數(shù)，主要的控制參數(shù)為主電機(jī)轉(zhuǎn)速V1，進(jìn)料口閥門(mén)開(kāi)度d，噴風(fēng)風(fēng)壓電機(jī)轉(zhuǎn)速V2，實(shí)現(xiàn)控制時(shí)通過(guò)控制器完成調(diào)節(jié)。常用三相異步電動(dòng)機(jī)簡(jiǎn)化后的線性化傳遞函數(shù)為：

(1)

1. 進(jìn)料口 2. 碾白室 3. 主碾軸 4. 噴風(fēng)電機(jī) 5. 吸糠機(jī)構(gòu) 6. 主電機(jī) 7. 機(jī)架

式中：

Km——電機(jī)傳遞函數(shù)的前向增益；

S——電機(jī)轉(zhuǎn)差率；

G(s)——傳遞函數(shù)代表式；

Ts——電機(jī)傳遞函數(shù)的慣性時(shí)間系數(shù)。

1.2 系統(tǒng)設(shè)計(jì)

1.2.1 系統(tǒng)通訊結(jié)構(gòu) 智能碾米機(jī)組控制系統(tǒng)由多臺(tái)[智能碾米機(jī)]、[數(shù)據(jù)緩存工作站]及[上位機(jī)PC]組成，均采用西門(mén)子Smart系列和1200系列PLC，[智能碾米機(jī)]控制器采用SMART SR60，[數(shù)據(jù)緩存工作站]CPU采用S7-1200(1215C)，CPU之間采用PROFINET通信協(xié)議，各[智能碾米機(jī)]可實(shí)時(shí)讀寫(xiě)[數(shù)據(jù)緩存工作站]數(shù)據(jù)，在[數(shù)據(jù)緩存工作站]上建立整個(gè)機(jī)組實(shí)時(shí)數(shù)據(jù)緩存區(qū)，通過(guò)OPC服務(wù)器與[上位機(jī)PC](OPC客戶機(jī))交換信息，在[上位機(jī)PC]上建立智能碾米機(jī)組數(shù)據(jù)庫(kù)，分析碾米工藝的各項(xiàng)技術(shù)經(jīng)濟(jì)數(shù)據(jù)，提供最佳碾米運(yùn)行方案，并將各臺(tái)[智能碾米機(jī)]的運(yùn)行控制參數(shù)寫(xiě)入至[數(shù)據(jù)緩存工作站]控制參數(shù)緩存區(qū)，供終端設(shè)備調(diào)用執(zhí)行，每臺(tái)米機(jī)均配置現(xiàn)場(chǎng)控制觸摸屏。

[智能碾米機(jī)]和[數(shù)據(jù)緩存工作站]、[智能碾米機(jī)]之間的PROFINET工業(yè)網(wǎng)絡(luò)，[數(shù)據(jù)緩存工作站]及[上位機(jī)PC]之間的OPC服務(wù)器組態(tài)，組成智能碾米機(jī)組控制系統(tǒng)(可根據(jù)需要增加碾米機(jī)數(shù)量)。通過(guò)上位機(jī)PC上開(kāi)發(fā)遠(yuǎn)程通訊程序，實(shí)現(xiàn)智能碾米機(jī)遠(yuǎn)程控制，其系統(tǒng)控制框圖如圖3所示。

1.2.2 數(shù)據(jù)庫(kù)調(diào)用流程

(1) 通過(guò)單機(jī)控制器實(shí)現(xiàn)數(shù)據(jù)采集，單機(jī)觸摸屏實(shí)現(xiàn)參數(shù)監(jiān)控，最終匯聚至數(shù)據(jù)緩存交換站，由上位機(jī)實(shí)現(xiàn)算法控制。

(2) 在上位機(jī)操作平臺(tái)中，上位機(jī)實(shí)時(shí)監(jiān)測(cè)運(yùn)行參數(shù)并存儲(chǔ)，通過(guò)對(duì)生產(chǎn)的大米進(jìn)行質(zhì)量檢測(cè)和設(shè)備運(yùn)行狀態(tài)的評(píng)價(jià)，將數(shù)據(jù)庫(kù)中的運(yùn)行參數(shù)進(jìn)行優(yōu)化，實(shí)現(xiàn)數(shù)據(jù)庫(kù)的自學(xué)習(xí)，為下一次加工提供數(shù)據(jù)支撐。

數(shù)據(jù)庫(kù)查詢優(yōu)化流程如圖4所示，系統(tǒng)初始化時(shí)，根據(jù)專家經(jīng)驗(yàn)值設(shè)定的期望值作為數(shù)據(jù)庫(kù)的初始數(shù)據(jù)，設(shè)備運(yùn)行后，開(kāi)始同步采集溫度、壓力、轉(zhuǎn)速信息值，并上傳至數(shù)據(jù)緩存交換站，當(dāng)運(yùn)行參數(shù)超過(guò)誤差范圍則調(diào)用算法程序優(yōu)化PID控制參數(shù)，并將調(diào)控好的運(yùn)行參數(shù)再次上傳至數(shù)據(jù)庫(kù)中，若設(shè)備運(yùn)行良好則直接儲(chǔ)存運(yùn)行數(shù)據(jù)，同時(shí)在作業(yè)中不斷優(yōu)化參數(shù)實(shí)現(xiàn)數(shù)據(jù)庫(kù)的自學(xué)習(xí)。

2 BP-PID控制

2.1 PID控制

傳統(tǒng)PID控制是根據(jù)給定值r(t)和實(shí)際輸出值c(t)構(gòu)成的控制偏差：e(t)=r(t)-c(t)，將偏差按比例、積分和微分通過(guò)線性組合構(gòu)成控制量，對(duì)被控對(duì)象進(jìn)行控制后輸出為y(t)。

圖3 系統(tǒng)控制框圖

圖4 數(shù)據(jù)查詢與優(yōu)化

其控制規(guī)律為：

(2)

傳遞函數(shù)為：

(3)

式中：

u(t)——PID控制器的輸出信號(hào)；

Kp——比例系數(shù)；

Ki——積分系數(shù)；

Kd——微分系數(shù)。

現(xiàn)碾米機(jī)控制系統(tǒng)常用的傳統(tǒng)PID控制結(jié)構(gòu)簡(jiǎn)單易操作，但由于其非線性、時(shí)變不確定性等特性，導(dǎo)致參數(shù)調(diào)節(jié)幅度大且不具備自學(xué)習(xí)功能，已不能滿足碾米機(jī)組精確的智能控制系統(tǒng)要求。

2.2 BP神經(jīng)網(wǎng)絡(luò)優(yōu)化PID控制器

智能控制中的人工神經(jīng)網(wǎng)絡(luò)是通過(guò)模擬人類(lèi)大腦的思維習(xí)慣，其中誤差反轉(zhuǎn)(BP)神經(jīng)網(wǎng)絡(luò)是一種按照誤差逆向傳播算法訓(xùn)練的多層前饋神經(jīng)網(wǎng)絡(luò)。其原理是利用BP神經(jīng)網(wǎng)絡(luò)可以用某種形式逼近非線性函數(shù)和網(wǎng)絡(luò)自學(xué)習(xí)的性能，在特定要求下找到最優(yōu)的PID參數(shù)值(Kp、Ki、Kd)。

誤差反轉(zhuǎn)(BP)神經(jīng)網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)分為輸入層、隱含層、輸出層3層，系統(tǒng)采用BP神經(jīng)網(wǎng)絡(luò)優(yōu)化PID控制，其輸出層為PID的參數(shù)值Kp、Ki、Kd3個(gè)節(jié)點(diǎn)，輸入值為信號(hào)采集的變量：溫度T3，壓力P2，主電機(jī)轉(zhuǎn)速V1，進(jìn)料口閥門(mén)開(kāi)度d及噴風(fēng)電機(jī)轉(zhuǎn)速V25個(gè)節(jié)點(diǎn)。

在訓(xùn)練神經(jīng)網(wǎng)絡(luò)初始化時(shí)，確定輸入節(jié)點(diǎn)數(shù)n，隱含層節(jié)點(diǎn)數(shù)l，輸出層節(jié)點(diǎn)數(shù)m；設(shè)定網(wǎng)絡(luò)輸入層和隱含層之間的連接權(quán)重ωij，隱含層和輸出層之間的連接權(quán)重ωjk，隱含層閥值a，輸出層閥值b的初始值，其中BP神經(jīng)網(wǎng)絡(luò)采用Sigmoid傳遞函數(shù)，其是一種非線性變換函數(shù)。由于Kp、Ki、Kd為非負(fù)值，選用非負(fù)Sigmoid函數(shù)為激活函數(shù)，現(xiàn)取BP神經(jīng)網(wǎng)絡(luò)的性能指標(biāo)函數(shù)E(k)為：

(4)

神經(jīng)網(wǎng)絡(luò)拓?fù)鋱D如圖5所示。

3 PSO訓(xùn)練BP神經(jīng)網(wǎng)絡(luò)

BP神經(jīng)網(wǎng)絡(luò)自身在前期的訓(xùn)練時(shí)間較長(zhǎng)，會(huì)降低網(wǎng)絡(luò)的學(xué)習(xí)效率，也容易陷入局部極小值，若要提高系統(tǒng)性能則需要加快網(wǎng)絡(luò)的收斂速度。粒子群算法(PSO)是通過(guò)模擬鳥(niǎo)群覓食行為而發(fā)展起來(lái)的一種基于群體協(xié)作的隨機(jī)搜索算法，其搜索速度快，有記憶性，能在一定程度上克服BP神經(jīng)網(wǎng)絡(luò)的局限性，更快地收斂于最優(yōu)解。利用PSO訓(xùn)練BP神經(jīng)網(wǎng)絡(luò)的權(quán)值和閥值，通過(guò)這些粒子在域值內(nèi)不斷更新自身的速度和位置優(yōu)化參數(shù)，將神經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí)優(yōu)點(diǎn)和PSO的高效尋優(yōu)特點(diǎn)相結(jié)合，可以加強(qiáng)整個(gè)系統(tǒng)的控制性能，其優(yōu)化控制框圖如圖6所示。

粒子群算法(PSO)先在給定的求解空間中隨機(jī)初始化粒子群，待優(yōu)化問(wèn)題的變量數(shù)決定了解空間維數(shù)。每一次迭代中，每個(gè)粒子通過(guò)跟蹤兩個(gè)極值更新自己的解空間中的位置和速度，其中一個(gè)粒子本身所找到的最優(yōu)解為個(gè)體極值pBest，整個(gè)種群找到的最優(yōu)解為全局極值gBest。在找到這兩個(gè)最優(yōu)值時(shí)，粒子按式(5)、(6)更新自己的速度和位置。

vij(t+1)=ωvij(t)+c1r1[pij(t)-xij(t)]+c2r2[pgi(t)-xij(t)]，

(5)

xij(t+1)=xij(t)+vij(t+1)，

(6)

式中：

ω——慣性權(quán)重；

c1、c2——學(xué)習(xí)因子(加速常速)，通常為2；

r1、r2——[0,1]范圍內(nèi)的均勻隨機(jī)數(shù)，增加了粒子的隨機(jī)性；

vij——vij∈[-vmax,vmax]為粒子速度，xij是當(dāng)前粒子的位置；

圖5 BP神經(jīng)網(wǎng)絡(luò)拓?fù)鋱D

圖6 優(yōu)化控制框圖

pij、pgi——粒子的個(gè)體極值和局部極值。

因粒子群算法初期搜索范圍較大，為避免其過(guò)早陷入局部最優(yōu)，而在迭代后期需要較強(qiáng)的局部搜索能力，同時(shí)隨迭代次數(shù)的增加需要加快系統(tǒng)的收斂速度，所以采用慣性權(quán)重ω和學(xué)習(xí)因子c1、c2逐漸遞減的方式。

在PSO優(yōu)化BP-PID控制系統(tǒng)中，其算法流程是先用PSO訓(xùn)練BP神經(jīng)網(wǎng)絡(luò)的權(quán)值和閥值，再用訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)對(duì)PID 3個(gè)參數(shù)進(jìn)行調(diào)節(jié)，最后通過(guò)優(yōu)化后的PID控制器作用至控制對(duì)象。PSO本身并沒(méi)有很多的參數(shù)需要調(diào)整，所以只需調(diào)整神經(jīng)網(wǎng)絡(luò)中隱含層的節(jié)點(diǎn)數(shù)和權(quán)重的范圍以取得較好的擇優(yōu)效果。其算法流程圖如圖7所示。

其具體步驟為：

(1) 初始化參數(shù)，確定網(wǎng)絡(luò)的隱含層節(jié)點(diǎn)數(shù)，可以初設(shè)r(t)參數(shù)，其中PSO算法的慣性權(quán)重ω可為0.6，學(xué)習(xí)因子c1、c2為2，粒子群維度D為5，總?cè)簜€(gè)數(shù)N為10，最大迭代次數(shù)100。

(2) 輸入訓(xùn)練數(shù)據(jù)組，組數(shù)為M，開(kāi)始訓(xùn)練神經(jīng)網(wǎng)絡(luò)，計(jì)算粒子的適應(yīng)值。

(3) 根據(jù)粒子的適應(yīng)值更新個(gè)體最優(yōu)pBest和全局最優(yōu)gBest，更新權(quán)值和閥值粒子的位置和速度，并一直迭代直至更新的權(quán)值和閥值滿足適應(yīng)度要求或者達(dá)到最大迭代次數(shù)，再進(jìn)入下一步。

圖7 算法流程圖

(7)

(5) 滿足適應(yīng)度的條件下，得到PID的最佳參數(shù)值，輸出到被控對(duì)象。

4 仿真與對(duì)比分析

為檢驗(yàn)PSO優(yōu)化BP-PID控制系統(tǒng)在碾米機(jī)組調(diào)控的控制效果，采用Matlab中的SIMULINK工具箱進(jìn)行數(shù)據(jù)仿真，建立PSO優(yōu)化BP-PID控制模型如圖8所示，其中封裝的BP-PID控制模型如圖9所示，將傳統(tǒng)PID控制、BP-PID控制和PSO-BP-PID控制3種控制方式進(jìn)行對(duì)比，階躍響應(yīng)仿真結(jié)果見(jiàn)圖10。

由圖10可知，傳統(tǒng)PID控制系統(tǒng)調(diào)節(jié)時(shí)間長(zhǎng)，超調(diào)量接近10%；但經(jīng)BP神經(jīng)網(wǎng)絡(luò)優(yōu)化后，其超調(diào)量有所改善，調(diào)節(jié)時(shí)間減少近30%但調(diào)控效果仍不夠理想；而加入PSO對(duì)BP-PID控制的優(yōu)化，其超調(diào)量大大減少，響應(yīng)時(shí)間相對(duì)于PID控制減少了近70%，整體控制效果大幅度提升，且具有良好的穩(wěn)定性。

5 試驗(yàn)

為測(cè)試系統(tǒng)的穩(wěn)定性和可靠性，選用傳統(tǒng)PID控制的碾米機(jī)組和經(jīng)PSO優(yōu)化后的碾米機(jī)組進(jìn)行檢測(cè)。選用秈稻，主要測(cè)試碾米機(jī)組的溫升狀況和增碎率，對(duì)比兩機(jī)組中第一道碾米機(jī)的米溫溫升狀態(tài)，室溫28 ℃，其溫升調(diào)控變化如圖11所示；測(cè)試傳統(tǒng)碾米機(jī)組的整體增碎率和改進(jìn)后的每道碾米機(jī)增碎率，其結(jié)果見(jiàn)圖12。

由圖11可知，改進(jìn)的碾米機(jī)組加工后的米溫整體溫升比傳統(tǒng)加工的低3 ℃左右，溫升變化幅度降低，溫升狀態(tài)穩(wěn)定時(shí)間縮短。由圖12可知，改進(jìn)后的碾米機(jī)組第二道增碎率低于第一道近3%，第三道增碎率低于第二道2%左右，改進(jìn)的碾米機(jī)組總增碎率低于傳統(tǒng)PID控制的2%左右，且增碎率穩(wěn)定的時(shí)間減少，改進(jìn)后的碾米機(jī)組系統(tǒng)整體的控制效果優(yōu)于傳統(tǒng)控制。

圖8 PSO優(yōu)化BP-PID控制模型

圖9 BP-PID控制模型

6 結(jié)論

碾米機(jī)組控制系統(tǒng)將低溫升碾米和多機(jī)輕碾技術(shù)相結(jié)合，實(shí)現(xiàn)了數(shù)字化協(xié)同控制，并對(duì)傳統(tǒng)PID控制進(jìn)行了改進(jìn)，通過(guò)PSO算法優(yōu)化了BP-PID控制器參數(shù)。仿真結(jié)果表明，改進(jìn)后的碾米機(jī)組控制系統(tǒng)的調(diào)控時(shí)間大幅度降低，米溫溫升和增碎率均低于傳統(tǒng)碾米機(jī)組，且系統(tǒng)的穩(wěn)定性良好，能夠較好地實(shí)現(xiàn)碾米機(jī)組內(nèi)部的流量平衡。后續(xù)可以增加碾米機(jī)組內(nèi)部可控的碾米機(jī)數(shù)量，同時(shí)將該碾米機(jī)組納入生產(chǎn)線的自動(dòng)化管理系統(tǒng)中，進(jìn)一步提高稻谷加工生產(chǎn)線數(shù)字化程度。

圖10 階躍響應(yīng)仿真結(jié)果

圖11 溫升調(diào)控變化圖

圖12 增碎率變化圖