基于迭代學習控制的投料機稱重控制系統設計

劉博 劉曉 李明 段英杰

摘要：由于現有瀝青拌和站投料設備的稱重控制系統加料精度不穩定，故無法適應不同類型的物料。利用OPC實現Matlab與PLC之間的通訊，突破了PLC編程語言的限制，將迭代學習控制算法應用在PLC中，采用PI型學習控制律，分析了不同增益參數對系統性能的影響。結果表明：將迭代學習控制算法應用在稱重控制系統中，能明顯降低投料誤差，改善其魯棒性。

關鍵詞：投料機；OPC；稱重控制系統；迭代學習控制

中圖分類號：U415.5文獻標志碼：B 文章編號：1000033X（2016）06010103

0引言

中國經濟快速發展，交通量日趨增長，如何對瀝青路面進行高效率、低成本的維護成為了亟需解決的問題。據統計，車轍是當前瀝青路面結構最主要的破壞形式之一[12]。因此，在瀝青混合料生產過程中，越來越多的施工單位使用抗車轍劑提升瀝青混合料的高溫穩定性[34]。

現有的瀝青拌和站沒有添加抗車轍劑的功能，多使用配套的自動化投料設備。抗車轍劑多為顆粒狀，投料設備大多采用氣力輸送系統輸送物料。這種設備通常利用電子稱、可編程控制器（PLC）、變頻器及螺旋輸送機組成的稱重控制系統進行抗車轍劑的定量投放，具有投放速度快、生產效率高等特點[5]。

筆者所在單位自主研發的智能投料機已成功應用在吉河高速建設項目。然而，在實際使用過程中發現，這種稱重控制系統的精度受很多因素的影響，比如物料顆粒尺寸、設備機械機構、PLC控制程序等。如果稱重控制系統存在較大誤差，對施工質量將造成巨大影響。當抗車轍劑添加不足時，對瀝青混合料的高溫穩定性有較大影響；當添加過多時，會稀釋瀝青，無法正常攤鋪。

試驗研究表明，螺旋輸送機的穩定性與準確性與物料顆粒尺寸有直接關系。螺旋出料口與計量倉之間有高度落差，即螺旋關閉時仍有一部分物料沒有進入計量倉內，若關閉時機不當，則會造成較大的加料誤差[6]；雖然可以通過在加料過程后期降低螺旋轉速、調整螺旋并關閉提前量來降低誤差，但是每次加料時間間隔短（小于1 min），且氣力輸送過程時間長，稱重過程時間就很短，因此采用上述方法很難獲得很好的效果。

為了解決以上問題，需要一種有自適應性的控制算法來控制螺旋的轉速和螺旋關閉的時機。由于PLC受編程語言限制，無法實現高級的復雜算法。本文結合Matlab強大的算法，利用OPC技術實現PLC與Matlab的實時通訊，將復雜的控制算法應用在PLC上。

1Matlab與PLC的數據通訊

OPC（OLE for Process Control）由世界上領先的自動化公司和軟硬件供應商合作開發，以微軟的COM 和DCOM 技術為基礎，定義了一套與制造商無關的工業標準接口，解決了不同應用程序和控制器之間的數據交換問題。整個OPC通訊流程如圖1所示。

利用西門子公司的Simatic Net軟件將PLC建立為OPC服務器，支持OPC Data Access（DA）30，可以與任何標準的OPC客戶端通信。用戶可通過該軟件監控PLC的定義屬性、通信協議，創建客戶端訪問的數據項（Item）及數據地址等。Matlab通過OPC Toolbox（OPC客戶端數據訪問軟件）連接任何OPC數據服務器。此時，將Matlab作為客戶端訪問OPC服務器，通過添加PLC中對應的數據項進行數據讀寫。同時，本系統需要獲取變頻器的頻率、稱重傳感器讀數、繼電器狀態等信息，可通過Matlab中相關語言命令在算法中調用相關參數進行實時的運算讀寫。

2稱重系統的迭代學習控制

2.1現有稱重控制系統特性

投料機稱重控制系統的核心部分為螺旋輸送機以及電氣控制系統。稱重過程分為粗加料和精加料2個階段，即在初始階段螺旋輸送機以較快速度加入粗加料，當計量倉內物料重量快達到投料設定值時，降低螺旋轉速，進入精加料階段。在螺旋關閉之前，始終有一部分物料未進入計量倉內，需要有一個提前量。這個提前量需要設備操作人員進行設定，由于受各種因素的影響，提前量不是固定不變的，精加料階段也是為了減小提前量設置不當帶來的誤差。 如果加料誤差波動較大將無法滿足實際生產需要。

螺旋輸送量是衡量螺旋輸送機生產能力的重要指標。其對應的輸送速度與加料精度密切相關。螺旋輸送機的輸送量可按照以下公式計算

根據式（1）可以看出，在輸送物料類型改變時，φ、λ也會相應改變；在稱重控制系統參數不變的情況下，加料誤差會發生變化，甚至會超過誤差允許范圍。

因此，需要采用具有自適應功能的控制算法，通過調整變頻器頻率和提前量，使誤差在允許范圍之內，無需操作人員反復調整參數。稱重控制系統結構如圖2所示。

2.2迭代學習控制算法概述

迭代學習控制適用于有限時間區間上運行過程具有重復性的被控對象[7]。與其他控制算法相比，迭代學習控制利用信息充分、收斂速度快，無需知道被控系統的具體數學模型，計算過程并不復雜，適用于要求高的實時性系統[89]。

迭代學習控制算法經過20多年的發展不斷成熟，目前被廣泛應用到各類控制系統中。其中PID型迭代學習控制算法的收斂條件簡單，一般只與系統的某些部分相關。

3試驗結果分析

為了驗證迭代學習控制算法的有效性，在研發出的智能投料機上進行了試驗。迭代學習控制算法中比例增益對系統的收斂速度以及穩態誤差有較大影響。為了分析不同學習增益下系統的運行效果，分別選取L=0.1、0.5、0.9三種情況進行試驗，通過調整迭代學習控制算法的學習律。取M=16 kg，T=10 s。為了確保投料誤差為正值，在第1次投料時，將螺旋關閉，提前量設為0。試驗結果如圖3所示。

由圖3可以看出，由于第1次加料螺旋關閉提前量設為0，使得初始誤差較大。但經過多次迭代學習之后，加料誤差可以迅速降低，且隨著L的增大，系統收斂速度增快。當L=0.9時，系統在加料5次之后加料誤差穩定。

同時，由于學習控制律中引入了積分環節，通過調整其參數，可以進一步將系統穩態誤差降低至小于005 kg。

為了驗證系統的魯棒性，在加料誤差穩定之后改變物料類型，同時取M=12 kg。從圖4中看出，在改變物料類型之后，誤差會變大，但隨著迭代學習的進行，加料誤差迅速減小，在10次之后達到穩定。稱重控制系統采用迭代學習控制算法之后，具有較好的魯棒性。

4結語

通過OPC建立Matlab與PLC之間的通訊，將迭代學習控制算法應用于螺旋加料機的稱重控制系統中，通過試驗分析得到以下結論。

（1）通過OPC建立Matlab與PLC之間的通訊，同時具有良好的實時性，可以將復雜的算法應用在PLC上，實現過程簡單。

（2）采用PI型迭代學習控制律，通過調整適合的參數，在保證系統收斂速度的情況下，使系統穩態誤差趨于0。

（3）由于迭代學習控制算法不依賴系統的具體模型，因此，當外部條件改變時，稱重控制系統依然能夠根據誤差快速調整系統輸入，使系統誤差快速降低到可接受的范圍內，具有良好的魯棒性。

參考文獻：

[1]王輝，李雪連，張起森.高溫重載作用下瀝青路面車轍研究[J].土木工程學報，2009，42（5）：139144.

[2]楊紅鎖.抗車轍劑改性瀝青混合料的試驗研究[J].山西交通科技，2014（1）：57.

[3]張喜艷，王聞，王春.不同外摻劑改性瀝青混合料路用性能對比研究[J].筑路機械與施工機械化，2015，32 （7）：5963.

[4]歐祖敏.RA抗車轍劑路用性能及施工技術研究[D].重慶：重慶交通大學，2011.

[5]張西良，馬奎，王輝，等.顆粒尺寸對螺旋加料機定量加料性能的影響[J].農業工程學報，2014，30（5）：1927.

[6]向冬枝，徐余偉.螺旋輸送機設計參數的選擇和確定[J].水泥技術，2010（1）：2933.

[7]李仁俊，韓正之.迭代學習控制綜述[J].控制與決策，2005，20（9）：961966.

[8]孫明軒，嚴求真.迭代學習控制系統的誤差跟蹤設計方法[J].自動化學報，2013，39（3）：251262.

[9]王東興，侯明，胡平平.變頻調速系統離散化迭代學習控制法[J].電工技術學報，2005，20（5）：7579.

[10]鄧歆.異步電機全階磁鏈觀測器的設計分析及其應用研究[D].武漢：華中科技大學，2010.