颗粒食品包装机热封温度控制系统设计

陈云霞，李松青

1.南京机电职业技术学院（南京 211135）；2.南京耀航电气设备有限公司（南京 210007）

颗粒食品包装机是将卷筒状的塑料薄膜传送到袋体成型器中，将薄膜制成袋体并冲入颗粒状食品后进行封口的一种自动包装机械[1-3]。该包装机能够自动完成制袋、填料、封口、热封、切断等一系列包装过程。其中，包装机的热封对于食品包装外观质量具有重要影响，进而影响产品的销售，影响企业的生产效益。因此包装机的热封温度控制对于食品包装质量至关重要。

食品包装袋体热封需要对包装机横封切刀温度进行精确控制，温度过低导致袋体不能被切断发生粘连，温度过高使得袋体边口出现萎缩。包装机热封温度通常采用PID进行自动调节控制，PID控制是根据温度传感器实时采集的温度与设定目标温度的差值进行对比，通过对比值调整PID输出，并将输出值转化为响应的控制信号实现对执行机构的控制[4-8]。该控制方法结构简单、算法易实现，在工业控制领域被广泛使用，但该控制方法中参数固定不变，对于复杂、非线性、时变的系统控制效果并不理想。食品热封包装机的热封系统数学模型很难确立，又具有滞后性、非线性等特点。为改进PID控制效果，在PID中引入BP神经网络和粒子群两种智能控制方法。利用神经网络和粒子群2种控制方法实现PID参数的在线自动调整，从而实现PID控制的自适应性。同时给出控制系统结构，通过试验验证所述方法的可行性和有效性。

1 加热系统和硬件结构

1.1 加热系统

颗粒食品包装机热封横切机构主要形式为回转加热切割式，主要由旋转轴、横切刀和加热电极等机构组成，模型结构如图1所示。横封切刀内部嵌入一部分电阻丝，通过对电阻丝进行加热的方式实现切刀加热。

图1 横封机构模型

包装机热封横切系统应与热封性能相适应，如果热封温度过高会导致食品包装袋体出现烧结、起泡，如果温度过低会导致封口不牢固出现包装不严实，使得食品出现质量问题，因此对热封温度进行精确控制对于包装食品质量至关重要。

1.2 硬件结构

在包装机的温度控制系统中采用测温范围大、响应速度快的热电偶作为温度的测量传感器，温度传感器安装在切刀的加热电极上，该传感器可以直接采集加热电极的温度并直接将温度转换成模拟量信号，并将该值传送到控制器PLC中，将此温度与设定的目标温度进行比较，进行PID自动控制。当被测温度出现偏离目标温度时，进行PID控制参数的智能化自动调整，由PLC控制固态继电器，实现对加热器的通断控制。温度控制硬件电路如图2所示。

图2 温度控制硬件电路

2 颗粒食品包装机热封温控系统设计

为实现颗粒食品包装机热封温度的精确控制，克服系统的非线性、大时滞性对温控系统的影响，在PID控制器中引入神经网络和粒子群算法，进而使得控制系统具有一定自适应性。其结构如图3所示。

图3 智能控制器结构

由图3可以看出，智能控制器主要由PID控制器、神经网络及粒子群3种方法构成。其中，温度控制系统的输入误差为e、温度误差变化量为de/dt，经过BP神经网络和粒子群算法整合后的PID参数为Ki、Kp、Kd；智能控制系统的输量为u(k)；对于传统PID算法采用增量式，传统PID控制系统数学模型为[9-12]：

传统PID控制系统中的神经网络控制器主要作用是根据系统的运行状态实现控制器参数的在线自整定调整。

粒子群优化算法是通过迭代方法逐渐找到最优解，在每次迭代中不断的根据极值实现自身的更新。

假设目标搜索空间的维度为M，粒子群众粒子的个数为N，则粒子群中的第i个粒子为：

式中：i=1, 2, …,N。

假设粒子i的线性速度为：

记录第i个粒子目前搜索到的最佳位置，即粒子的历史最优解为：

通过粒子群搜索便可得到函数的最优位置，函数的全局最优值可表示为：

粒子状态更新表达式为：

式中：i=1,2,…,N；m=1,2,…,M；vim(k)为迭代k次后第i个粒子的当前位置；c1、c2均为加速系数，该系数的适当值可以提高算法的收敛速度并避免函数出现局部最小值。

粒子群主要由三大部分组成：（1）粒子的线性搜索速度，表明粒子的目前状态，主要用于平衡全局和局部的搜索能力；（2）粒子的自我识别能力，该粒子拥有自我识别能力，使得粒子拥有强大的全局搜索能力和避免局部出现最小值。（3）信息共享部分，该部分使得所有的粒子能够实现信息共享。上述3个部分的能力决定了该粒子群算法的全局搜索能力，使得PID参数迅速找到最优值。

3 仿真分析

为验证设计的智能控制算法的有效性，分别对传统PID、神经网络-粒子群PID两种算法分别进行仿真分析。设定的食品包装机热封温度控制系统参数为K=5、τ=1 000、惯性因子ω=0.7、粒子数m=10、迭代次数k=10。仿真曲线如图4所示。

图4 仿真曲线

由图4的2种控制方法的单位阶跃响应仿真曲线可以看出，神经网络PID控制系统经过0.15 s或系统便可找到目标值并稳定在此值，而传统PID控制器需要约0.25 s才能够稳定，其收敛时间明显长于神经网络粒子群PID控制。此外神经网络粒子群算法的超调量也远远小于传统PID控制器，从而也大幅缩短系统达到稳定的时间。由上述分析可以看出，神经网络粒子群算法超调量小，响应速度快，对于提高包装机热封温度控制性能具有一定积极作用。

4 结语

在传统PID控制器中引入神经网络和粒子群2种智能控制算法。控制器采用粒子群算法提高神经网络的学习速度，该算法可有效提高传统PID的收敛速度、避免算法出现局部最小值，使得PID控制算法有拥有更好地自适应能力，提高算法的抗干扰能力。仿真结果表明，BP神经网络粒子群算法可以有效提高温度控制精度和稳定性。弥补传统PID控制算法在食品包装机热封温度控制中参数整定困难的问题。