一种基于多组PID的射胶控制方法与流程

本发明涉及射胶控制，尤指一种基于多组pid的射胶控制方法。

背景技术：

1、射胶控制是注塑成型过程中关键的控制环节之一，直接影响产品的成型质量和生产效率。在注塑过程中，射胶阶段需要精确控制注射速度、压力和位置等参数，以确保熔融塑料均匀充满模腔，并避免出现气泡、溢料或缩痕等缺陷。然而，由于注塑过程的非线性、时变性和多干扰性，传统的单一pid控制方法在应对复杂的注塑工艺要求时存在一定的局限性。当前还存在以下问题：单一pid控制器在射胶过程中调整不及时或不准确，容易产生控制误差，无法实现高精度的射胶控制，影响了生产效率和产品质量；现有技术在射胶过程中，设定值与测量值之间的误差计算和修正存在滞后，导致控制响应速度慢，无法及时修正误差，影响射胶过程的稳定性和精度；现有技术对射胶过程中的异常情况缺乏智能化检测和处理手段，导致在出现异常情况时，无法及时识别和处理，容易造成生产中断和设备损坏。

技术实现思路

1、为解决上述问题，本发明提供一种基于多组pid的射胶控制方法。

2、为实现上述目的，本发明采用的技术方案是：

3、一种基于多组pid的射胶控制方法，包括以下步骤：

4、s1：通过传感器实时采集注塑机在射胶过程中的工作参数，所述工作参数包括射胶速度、射胶压力和料筒温度；

5、s2：利用t-s模糊神经网络算法识别所述工作参数在射胶过程中的关键特征点和动态变化，生成实时控制参数；

6、s3：基于所述实时控制参数，设定每组pid控制器的参数；所述参数包括比例增益、积分时间和微分时间；

7、s4：在射胶过程中，实时计算设定值与当前测量值之间的误差，并依据所述误差分别进行比例、积分和微分运算，生成最终控制输出值；

8、s5：各组pid控制器根据最终控制输出值协同工作，通过自适应网络实现动态协调；

9、s6：通过人工智能算法对射胶过程数据进行实时分析，识别异常情况，同时针对检测到的异常采取处理措施。

10、进一步的，所述步骤s2具体包括以下步骤：

11、s21：对传感器采集的工作参数数据进行预处理，去除噪声并进行归一化处理；

12、s22：构建t-s模糊神经网络模型，通过历史数据对模型进行训练，生成初始模型参数；

13、s23：在射胶过程中，实时输入预处理后的工作参数数据到t-s模糊神经网络模型，识别出射胶过程中的关键特征点，包括压力峰值、速度变化点和温度稳定点；

14、s24：根据识别出的关键特征点，动态调整t-s模糊神经网络模型的参数；

15、s25：根据动态调整后的t-s模糊神经网络模型输出的关键特征点，生成对应的实时控制参数，所述控制参数包括当前射胶速度、压力和温度的实时变化率。

16、更进一步的，所述步骤s22具体包括以下步骤：

17、定义模糊规则和模糊集，设计模糊隶属函数，采用三角形、梯形和高斯函数的不同形式的隶属函数描述射胶速度、射胶压力和料筒温度的模糊集；

18、建立模糊规则库，根据实际射胶过程中的经验数据和专家知识，制定出一系列的模糊规则，其中输入变量为射胶速度、射胶压力和料筒温度，输出变量为控制参数；

19、构建神经网络结构，包括输入层、隐藏层和输出层，输入层接收预处理后的工作参数数据，隐藏层由若干个神经元组成，采用反向传播算法训练网络，输出层生成实时控制参数；

20、将模糊规则和神经网络结合，形成t-s模糊神经网络模型，采用梯度下降算法优化模型参数，让模型能够在射胶过程中实时识别关键特征点。

21、更进一步的，所述t-s模糊神经网络的公式如下：

22、

23、其中，y表示输出控制参数，包括当前射胶速度、压力和温度的实时变化率；x表示输入的注塑机的工作参数；μi(x)表示第i条模糊规则的隶属度函数值；ai和bi表示第i条模糊规则的线性系数；n表示模糊规则的总数。

24、进一步的，步骤s4中，所述最终控制输出值的计算公式如下：

25、

26、其中，u(t)表示最终控制输出值；表示第i组pid控制器的比例增益；表示第i组pid控制器的积分时间常数；表示第i组pid控制器的微分时间常数；e(t)表示设定值与当前测量值之间的误差；表示误差的积分；表示误差的微分。

27、进一步的，所述步骤s6具体包括以下步骤：

28、s61：对注塑机射胶过程中的数据进行实时监测；

29、s62：利用人工智能算法对实时监测的数据进行分析，通过模式识别和趋势分析技术，识别出潜在的异常情况；

30、s63：在检测到异常情况时，触发多级报警机制，根据异常程度进行分级报警，并采取相应的处理措施，包括：轻微异常、中度预警和严重预警；

31、s64：将异常数据和处理措施记录在系统日志中，并通过数据挖掘和分析技术，定期生成分析报告，所述分析报告包括异常发生的频率、异常类型、采取的处理措施及其效果评估。

32、进一步的，所述自适应网络基于强化学习算法根据射胶过程中的反馈信息不断优化各组pid控制器的协调策略。

33、进一步的，所述传感器包括压力传感器、温度传感器和速度传感器。

34、本发明的有益效果在于：

35、本发明通过实时采集和分析射胶过程中的关键参数，该方法能够精确识别关键特征点和动态变化，从而设定最优化的pid控制参数，实现高精度射胶控制。利用t-s模糊神经网络算法实时生成控制参数，使pid控制器的参数能够根据实际工况动态调整，提高了控制系统的适应性和响应速度。通过多组pid控制器的协同工作和自适应网络的动态协调，实现了射胶过程的精细化控制，减少了因单一pid控制器调整不及时或不准确引起的控制误差。在射胶过程中实时计算设定值与测量值之间的误差，并通过比例、积分和微分运算进行实时修正，提高了系统的控制精度和稳定性。通过人工智能算法对射胶过程数据进行实时分析，能够迅速识别并处理异常情况，确保射胶过程的连续性和安全性，减少因设备故障或工艺参数波动引起的生产中断。

技术特征：

1.一种基于多组pid的射胶控制方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于多组pid的射胶控制方法，其特征在于，所述步骤s2具体包括以下步骤：

3.根据权利要求2所述的一种基于多组pid的射胶控制方法，其特征在于，所述步骤s22具体包括以下步骤：

4.根据权利要求3所述的一种基于多组pid的射胶控制方法，其特征在于，所述t-s模糊神经网络的公式如下：

5.根据权利要求1所述的一种基于多组pid的射胶控制方法，其特征在于，步骤s4中，所述最终控制输出值的计算公式如下：

6.根据权利要求1所述的一种基于多组pid的射胶控制方法，其特征在于，所述步骤s6具体包括以下步骤：

7.根据权利要求1所述的一种基于多组pid的射胶控制方法，其特征在于，所述自适应网络基于强化学习算法根据射胶过程中的反馈信息不断优化各组pid控制器的协调策略。

8.根据权利要求1所述的一种基于多组pid的射胶控制方法，其特征在于，所述传感器包括压力传感器、温度传感器和速度传感器。

技术总结本发明涉及射胶控制技术领域，尤指一种基于多组PID的射胶控制方法。包括以下步骤：通过传感器实时采集射胶速度、射胶压力和料筒温度；利用T‑S模糊神经网络算法识别关键特征点和动态变化，生成实时控制参数；基于实时控制参数设定每组PID控制器的比例增益、积分时间和微分时间；实时计算设定值与当前测量值的误差，进行比例、积分和微分运算，生成最终控制输出值；各组PID控制器协同工作，通过自适应网络实现动态协调；利用人工智能算法实时分析射胶数据，识别并处理异常情况。本发明通过优化控制参数和实时异常处理，有效减少了次品率和生产损耗，从而提高了射胶控制过程的稳定性、精确性和安全性。技术研发人员：黄志锋,朱康建,孙晓波,朱燕志,袁中华,杜呈表,刘媛受保护的技术使用者：博创智能装备股份有限公司技术研发日：技术公布日：2024/10/10