食品包裝機械智能稱重系統設計

喬計，張永勝

阿拉善職業技術學院（阿拉善盟 750306）

智能稱重系統集成計算機控制、自動化控制、電氣、機械等技術，該類自動稱量設備具有稱量效率高、計量準確等優點，因此在醫藥、水泥、食品包裝、糧食加工等領域廣泛應用[1-3]。實現智能稱重的關鍵點在于完成物料精確計量，而精確計量的前提是物料質量的實時準確反饋[4-5]。因此，控制系統性能直接決定稱重精度。通常情況下，定量稱重系統具有非線性、滯后性，而且慣性比較大，很難準確建立被控對象的數學模型。如果提高包裝速度，會導致空中飛料、物料沖擊，進而降低稱重精度；如果提高包裝精度，勢必影響包裝效率[6-9]。如何設計一種智能控制方法同時兼顧包裝效率和稱重精度以提高系統整體性能就顯得十分重要。

針對上述問題，眾多學者將先進控制方法引入到稱重系統，如馬麗娟等[10]結合模糊控制理論設計一種模糊PID控制器，并將其用于定量包裝機；仿真結果表明，該控制器實際效果比較理想；雖然該控制器推理能力比較突出，但是存在控制盲區。吳宇平等[11]結合RBF神經網絡設計一種定量稱重控制器并將其用于包裝系統，該控制器不依賴于被控對象數學模型，但是學習周期過長、參數選擇不便、算法收斂速度慢，在一定程度上限制其在稱量系統中的推廣應用。

以食品包裝機械智能稱重系統為研究對象，基于迭代學習算法設計一種控制器，同時搭建試驗平臺進行驗證。

1 包裝稱重系統

包裝稱重系統結構如圖1所示，主要包括給料設備、稱重傳感器、電磁閥、控制器等。通常情況下，稱重傳感器會安裝在稱重平臺底部；稱重平臺中有物料時，稱重傳感器會生成一種模擬信號；模擬信號經模/數轉換后變成與模擬信號相對應的數字信號；該數字信號會被發送到控制器，如單片機；通過比較質量設定值和實際值可以得到質量偏差數值；根據偏差數值實現電磁閥1開啟或斷開時間控制，調節物料質量；打開電磁閥2，使物料進入包裝袋以完成包裝。串口可用于單片機和PC機之間的數據交換，實現包裝稱重系統的遠程控制。觸摸屏則用于稱重參數設置、生產過程參數顯示等，是一種比較常見的人機交互界面。

圖1 包裝稱重系統結構

2 控制算法

2.1 稱重過程分析

稱重配料過程不確定因素較多，具有較強的非線性。若采用傳統控制方法，往往無法取得理想控制效果。試驗選用迭代學習算法設計一種稱重控制器。

在稱重過程中，質量達到設定值就會立刻關閉電磁閥，肯定存在一定滯后。該滯后所產生的空中余料就是影響稱重精度的主要因素。為了盡可能地減小空中余料所造成的誤差，采用提前關閉電磁閥的方法，即在質量未達到設定值之前關閉電磁閥。待空中余料全部落入稱重平臺后，就可獲得稱重過程的實際質量WZ，其可表示為：

式中：WG為電磁閥關閉時稱重平臺已有物料質量；WY為空中余料質量。

電磁閥關閉時稱重平臺已有物料質量WG能實時測得，若能準確預判空中余料質量WY，便可實現整個包裝稱重過程的精確控制。稱重過程曲線如圖2所示。

圖2 稱重過程曲線

假設電磁閥關閉提前量為u，那么WG還可表示為：

式中：WS為稱重系統質量設定值。

電磁閥關閉時，稱重平臺內物料高度可表示為：

空中余料高度可表示為：

那么空中余料質量可表示為：

可得稱重平臺內物料實際質量，即：

式中：k為比例系數，用于描述物料高度和質量之間的比例關系；S為下料口橫截面積；H為下料口和稱重平臺底部之間的距離，這3個參數比較容易確定。P為空中余料比重。考慮到在很短的時間內，物料顆粒、濕度不會出現明顯變化，為便于分析，將ρ視作相對穩定。如果設定值WS保持不變，單次稱重過程的實際質量WZ僅受電磁閥關閉提前量u影響。所以可將WZ表示成一個關于u的函數，即：

因此，稱重精度控制可簡化為電磁閥關閉提前量u的控制，只要該提前量設計合適，就可實現對稱重過程的精確控制。

2.2 迭代學習控制器

根據迭代學習控制的基本原理，在每次稱量過程中，可設定一個期望質量軌跡yd(t)，t∈[t1, t3]；提前量u(t)作為控制量；在其所用下，確保物料實際質量軌跡無限趨近yd(t)。

假設控制量初始值為：

式中：u0可根據實際情況選取，令u0=WS/10。在第1次稱重過程中，稱重平臺內物料實際質量為WS-u1時就關閉電磁閥。待空中余料全部落入稱重平臺后，可得物料實際質量值W1，定義W1和WS之間的偏差為：

定義新控制量為：

式中：r為加權學習因子。在第2次稱重過程中，則需要按照u2提前關閉電磁閥，那么第2次稱重偏差可表示為：

式中：W2為物料質量實際值。依次類推，可定義第k次稱重時提前量為uk，物料質量實際值為Wk，實際值和設定值之間誤差ek可表示為：

根據迭代學習規則，第k+1次稱重時電磁閥關閉提前量uk+1可表示為：

式中：加權學習因子r的取值范圍通常設定為0＜r＜1。

在整個迭代過程中，如果ek＜0，則表示負向迭代，此時uk會變小；反之，如果ek＞0，則表示正向迭代，此時uk變大。經證明，可假設每次訓練的初始條件均滿足ek(0)＞0；如果訓練次數足夠多，即k→∞，便可實現實際輸出數值無限逼近期望數值。誤差可被控制在系統允許范圍內，即滿足：

式中：ε為系統所能容忍的最大誤差。

3 試驗研究

3.1 平臺搭建

為驗證所述智能稱重迭代學習控制器的可行性和有效性，進行相關試驗研究。搭建試驗平臺，其硬件結構如圖3所示。智能稱重系統包括控制器及其外圍電路、輸入輸出和光電隔離模塊、串口通信模塊、鍵盤輸入模塊、顯示模塊、電源模塊、傳感器信號測量模塊等。微控制器選用W77E58單片機，該單片機的處理速度是普通單片機的2.5倍；數據存儲空間為512 B；程序存儲空間為32 kB；支持定時器/計數器、串口通信、I/O口等；具有正常和省電2種工作模式。

所述稱重傳感器為電阻應變式傳感器，具體型號為H3-C3，靈敏度可達2 mV/V。稱重傳感器信號由測量電路獲取，測量電路的作用在于：稱重信號濾波、放大，經AD轉換變為數字信號，然后發送給W77E58單片機。模數轉換器型號為AD7730，可利用SPI總線和單片機通訊。另外，開關信號需經光電隔離后傳送至單片機。系統時鐘芯片型號為DS12887，可提供時間、日期、系統時鐘信號、非易失性RAM等。

觸摸屏是一種比較常見的顯示終端，使用簡單、操作方便、便于二次開發，可實現關鍵參數（質量、包裝數量、包裝速度）設置及設備運行狀態顯示。另外，采用RS485總線實現系統遠程監控，有利于提高工業自動化程度。

圖3 平臺硬件結構框圖

3.2 試驗結果

包裝對象為粉末狀食品，以嬰幼兒奶粉為例，包裝質量設定為400，600和900 g，每個質量均進行10次試驗，試驗結果如表1～表3所示。

質量為400 g時，填充質量的絕對誤差最大值為6.62 g，相對誤差最大值為1.57%，填充時間約3 s；質量600 g時，填充質量的絕對誤差最大值為9.68 g，相對誤差最大值為1.61%，填充時間約4 s；質量900 g時，填充質量的絕對誤差最大值為11.66 g，相對誤差最大值為1.3%，填充時間約5 s。

查閱相關資料可知，現有粉末狀食品包裝稱量設備，填充質量相對誤差一般在5%左右。該系統的填充質量相對誤差小于2%，而且填充效率較高。試驗結果表明，該系統的稱重精度較高，收斂速度較快，大幅提高了生產效率；而且在試驗過程中，系統運行相對比較穩定。

表1 400 g試驗結果

表2 600 g試驗結果

表3 900 g試驗結果

4 結論

以食品機械為研究對象，重點討論其稱重系統。通過分析稱重系統結構及稱重過程，得出影響稱重精度的主要因數就是空中余料。基于迭代學習控制算法設計一種智能稱重控制器并將其應用到具體食品包裝機械中。結果表明，該系統的稱重精度較高，收斂速度較快，大幅提高生產效率；試驗過程中，系統運行相對穩定。智能稱重系統可在多種包裝機械中推廣使用。