食品包裝機薄膜橫封溫度控制的算法設計

楊丹

常州信息職業技術學院（常州 213164）

隨著生活水平的提高，高品質、外觀精美的食品越來越受到消費者的重視，尤其高品質、外觀精美的蔬菜水果，越來越受到消費者的青睞，所以對食品進行包裝是食品工業領域新的發展方向[1-3]。為了適應社會的發展以及消費者的需求，國內外包裝設備也在快速地提升品質，與國外相比，國內的食品包裝機在靈活性、包裝速度和效率上均稍有遜色，國內食品包裝基本還處于手工包裝或者用簡易封口設備進行的半自動包裝水平，一般的包裝機也是對特定的一種尺寸產品進行包裝作業[4-6]。

食品在包裝過程中，通常是將具有良好熱塑性的塑料薄膜通過加熱裝置進行加熱軟化后制成一定形狀的袋體，并在特定設備上自動完成制袋成型、填充物料、封合剪切等一系列的動作。塑料薄膜在加熱過程中必須對溫度進行精確、穩定控制，溫度過低導致塑料薄膜軟化不夠不能有效密封，溫度過高則導致塑料薄膜碳化，這些均會導致次品產生，嚴重甚至導致機器停止運行，從而嚴重影響食品加工企業的生產效率。

為了實現食品包裝用塑料薄膜橫封加熱溫度精確控制，通常采用PID進行閉環反饋控制。PID控制方法雖然具有結構簡單、易實現、可靠性高等眾多優點[7-9]，但對于溫控系統而言，該系統是一個非線性、時變性、時變性的復雜系統，單純PID控制方法并不能起到理想的效果。為提高PID控制性能，通常將研究重點放在智能控制算法上，利用智能控制器本身的優勢，彌補PID控制方法的不足。

為了提高食品包裝機塑料薄膜橫封溫度控制性能，設計一款基于BP神經網絡PID的塑料薄膜橫封溫控系統，利用BP神經網絡自我學習能力，實現PID參數的在線自適應調整。通過BP神經網絡的自適應能力，提高塑料薄膜溫度加熱系統的控制性能。

1 橫封結構及橫封溫度控制原理

橫封機構采用回轉式，主要由回轉軸座、切刀、加熱電極等零部件組成。橫封結構模型如圖1所示。通過加熱電阻絲對橫封器進行加熱，橫封機構在對包裝膜進行封合和切斷時，要保證在切斷包裝膜的瞬間，切刀旋轉的線速度與送膜機構牽引輪對包裝膜的牽引速度一致，否則會撕拉膜，使橫封口部位起皺或拉長，影響產品美觀，甚至會扯破包裝袋，降低成品率，影響包裝效率。

另外需要合理控制切刀的空轉時間，為保證包裝機能夠連續準確地進行橫封封切，應使切刀的空轉時間稍大于或等于輸送一個袋長的時間，所以橫封機構的運轉是非勻速轉動的。速度還可以在一定范圍內調節，從而適用于不同物料。

圖1 橫封機構模型

此外橫封機構與整機之間設計升降螺桿和滑槽，使橫封機構能夠上下移動，從而調節橫封切刀的高度，使橫封封切時封口位置正好在包裝物的中心處。

2 橫封溫度控制原理

食品包裝機塑料薄膜溫度控制系統由可編程控制器PLC、繼電器、加熱電阻絲、溫度采集系統組成，溫控系統結構如圖2所示。

圖2 橫封溫控系統結構

橫封溫控系統通常是通過PID控制器實現固態繼電器的控制，并通過溫度傳感器對橫封溫度進行采集，并將采集到的值傳送到PLC模擬量采集模塊中，并通過溫度設定值和實際值比較，獲得PID輸出，再將其轉化為控制量進而實現橫封溫控系統的閉環控制。

為實現橫封溫度的閉環自動控制，通常采用PID進行控制，傳統PID控制數學模型為：

式中：Kp比例系數；Ti和Td分別為積分和微分時間。

為了在控制器中實現PID控制，需要將式（1）進行離散化處理，即：

由式（1）和（2）可得：

式中：n為采樣次數；en為采集值；Un為控制器輸出。

3 BP神經網絡PID控制器

橫封軸溫度控制，主要通過高精度的溫度傳感器對橫封刀具溫度進行采集獲得實時溫度，并由模擬量采集模塊將信號傳送到控制器中，控制器內部的溫控軟件將當前溫度與目標溫度進行對比，智能控制算法對加熱器開關的固態繼電器進行調節，從而實現對溫度的閉環控制。

為實現橫封刀具溫度自適應控制，設計一種BP神經網絡PID溫度自適應控制器，控制器結構如圖3所示。控制器主要由BP神經網絡控制器和傳統PID控制器組成，通過神經網絡控制器實現PID控制器參數的在線調整[10-13]。

圖3 控制器結構

定義機筒溫度偏差為：

式中：r(k)為溫度測量值，溫度設定的目標值；e(k)為控制偏差。

通過對PID進行離散化可得：

式中：u(k)為控制器輸出；Kp、KI、KD為PID的3個調節參數。

BP神經網絡采用3層結構，包含4個輸入節點、5個隱含節點、3個輸出節點。輸入層輸入變量為預設溫度值、實際溫度值及二者偏差。隱含層輸入變量可用輸入層所有輸出的加權和表示，則有：

式中：i=1，2，…，M；j=1，2，…，L；M為輸入層神經元數目；L為隱含層神經元數目；wi(j2)為連接權值；xi(1)為輸入層第i個神經元的輸入值。

定義隱含層激活函數為：

那么隱含層輸出可表示為：

輸出層輸入可表示為：

式中：k=1, 2, …,k；k為輸出層神經元個數。

輸出層激活函數為：

輸出層的輸出可表示為：

輸出層的輸出對應PID控制器的3個參數，即：

定義溫度控制系統的性能指標函數為：

按照梯度下降法修正網絡權系數，網絡輸出層加權系數的學習算法可表示為：

同理，可得隱含層加權系數的學習算法：

式中：η為神經網絡學習速率；α為系統慣性系數。

4 仿真分析

為了驗證設計食品包裝機塑料薄膜橫封溫度自適應控制方法的有效性，利用Simulink工具箱對BP神經網絡PID控制器和傳統PID控制器進行仿真分析。基于BP神經網絡PID控制器和傳統PID控制器的單位階躍響應曲線如圖4所示。

圖4 仿真曲線

由仿真曲線可知，BP神經網絡PID控制器的超調量約6%，穩定時間約25 s，響應時間約18 s，而傳統PID控制器超調量約24%，穩定時間約60 s，響應時間約25 s。通過對比數據可以看出，BP神經網路PID控制器響應速度比傳統PID控制器響應速度較快，但穩定時間短，超調量更小。

5 結語

為了提高食品包裝機塑料薄膜橫封溫度控制精度，設計一種基于BP神經網絡PID的橫封溫度自適應控制方法。利用BP神經網絡的自我學習能力實現對PID參數的在線自適應調整，從而提高橫封軸溫度的精確控制。仿真結果表明，BP神經網路PID控制器響應速度比傳統PID控制器響應速度較快，但穩定時間短，超調量更小。