基于MATLBA的自動貼標機的參數尋優

惠州城市職業學院 劉錦杭

貼標機是一種為包裝或產品添加標簽的機器。它不僅具有美觀的效果，更重要的是可以實現產品銷售的跟蹤管理，特別是在制藥，食品等行業，貼標機是現代包裝的組成部分。為使生產效益最大化，貼標機的貼標故障率往往需要降到最低。本文從貼標機的三個參數作為分析因子，利用神經網絡軟件MATLAB對系統進行訓練學習，建立系統的神經網絡模型。最后在此模型下，進行參數尋優，實現系統參數的優化，達到了最優故障率。

一、參數分析

貼標機在運行過程中，最重要的設定參數主要有三個，分別是步進電機速度、電磁鐵打開延時、電磁鐵關閉延時。對于電機速度，如果電機速度設定太高故障率會升高，如果速度太低，效率會降低。所以電機速度應該設定在一個合理的范圍。對于電磁鐵打開延時，因為電磁鐵打開延時的計時時刻為電機啟動瞬間，如果該延時設得過短，會導致回收輪在運動中，壓標輪就已經執行壓標動作，導致標帶扯斷；如果設得過大，效率會降低。對于電磁鐵關閉延時，因為電磁鐵關閉延時的計時時刻為打開電磁鐵瞬間，如果該延時設得過短，會導致壓標不成功中；如果設得過大，效率會降低。

綜上所述，步進電機速度、電磁鐵打開延時和電磁鐵關閉延時三個參數必須設定為一個合理值才能使系統運行在最佳狀態。在系統實際運行中，對三個參數分別設定不同值，測得系統貼標失敗率如表1-1所示。

表1-1 不同參數下貼標故障率

從表1-1中可知，電磁鐵打開延時設置范圍為100ms～300ms之間；電磁鐵關閉延時設置范圍為100ms～300ms之間；步進電機轉速設定范圍在100～500r/min之間；標簽定位檢測時間為50ms～150ms之間；光纖靈敏度在400～600之間。假設設定時間分辨率為1ms，光纖靈敏度分辨率為1，則參數設置組合可與200×200×400×100×200=3200億種組合。這是非常龐大的設置組合，不可能所有組合一一設定進行測試。由于人工神經網絡無需事先確定輸入輸出之間映射關系的數學方程，僅通過自身的訓練，學習某種規則，在給定輸入值時就可以得到最接近期望輸出值的結果。貼標系統的貼標失敗率和三個參數之間的關系是復雜的非線性關系，可通過神經網絡對系統進行訓練學習，建立系統的神經網絡模型。最后在此模型下，進行參數尋優，實現系統參數的優化。

二、MATLAB神經網絡應用

MATLAB具有強大的數學分析功能，其在神經網絡分析方面，同樣表現出強大的分析能力。在訓練神經網絡前，需要對數據進行預處理，一種重要的預處理手段是歸一化處理。下面簡要介紹歸一化處理的原理與方法。

1.數據歸一化

進行數據歸一化，就是將數據映射到[0,1]或[-1,1]或更小的區間，比如(0.1,0.9)。需要對數據進行歸一化的原因主要有：（1）輸入數據的單位不一樣；（2）數據的范圍不同，功能不同；（3）由于神經網絡的輸出層中的激活函數的范圍是有限的，因此需要將網絡中訓練的目標數據映射到激活函數的范圍。Matlab中數據的歸一化主要采用以下兩個功能函數：

（1）.premnmx

將矩陣歸一化，主要用于訓練數據集的歸一化。

（2）.postmnmx

矩陣映射是回歸到變換之前的范圍。該函數主要用于將神經網絡的輸出結果映射到歸一化前的數據范圍。

2.神經網絡實現函數

利用Matlab構建一個神經網絡，需要使用到三個功能函數：網絡創建函數newff、訓練神經網絡函數train、應用建立得網絡進行仿真的功能函數sim。

（1）.newff函數

神經網絡創建函數，使用方法：net = newff ( A, B, {C} ,‘trainFun’)。

（2）.train函數

神經網絡訓練學習函數，使用方法：[ net, tr, Y1, E ] = train( net, X, Y )。

圖3-1 神經網絡MATLAB程序流程圖

（3）.sim函數

神經網絡仿真函數，使用方法：Y=sim(net,X)。

三、系統參數優化

1.神經網絡MATLAB代碼設計

根據MATLAB神經網絡建模方法，設計得神經網絡參數尋優MATLAB程序流程圖如圖3-1所示。

首先對輸入的數據進行歸一化處理；然后創建網絡，設定訓練參數，比如訓練次數、訓練精度等；最后應用建立好的網絡對參數進行尋優。

根據程序流程圖，設計得MATLAB代碼如下：

2.參數優化

在MATLAB運行上面程序，得出網路訓練結果圖如圖3-2所示。從圖中可看出，訓練次數在180次的時候，訓練誤差達到0.01。

圖3-2 神經網絡訓練結果

運行后，MATLAB打印出的最佳參數為（160,100,190），最小失敗率為2.63。對貼標控制器進行設定，使得機器在參數（160,100,190）下運行，統計實際的貼標失敗率。并在此參數范圍內進行微調，最后確定機器在參數為（180，110，160）這個參數點運行狀態最佳。

四、結束語

通過MATLAB神經網絡建模以及參數尋優，確定最佳參數為（280,280,340,50,440），最小貼標失敗率為0.9541。對貼標控制器進行設定，讓機器在參數（280,280,340,50,440）下運行，統計實際的貼標失敗率，并在此參數范圍內進行微調，最后確定機器在參數為（260,290,320,60,455）這個參數點運行狀態達到最佳，實測最小失敗率為0.9/1000，滿足2/1000的設計目標。