攪拌站參數自適應調整算法研究

吳俊 靳俊發 涂明昌

（三一汽車制造有限公司，湖南長沙 410100）

0.引言

混凝土攪拌站控制系統目前計量參數較多，基本都是靠人工進行調節，如果生產操作員對參數含義不熟悉，倉促調整相應參數，可能會導致相反的效果，或導致其他生產故障。在生產混凝土使用的原材料材質不穩定或大小方量交替生產時，粗精稱閾值、計量結束提前量等計量參數的調整就會比較頻繁，對生產操作員技能要求高，耗費精力的同時也加長了生產周期。為解決該難題，本文提出一種參數自適應學習算法，該算法為一種無模型迭代自學習算法，適用于混凝土攪拌站生產這一類在有限時間段內重復進行的非線性系統的完全追蹤任務，實現了系統自適應調整生產參數，提升計量精度的同時縮短了生產周期。

1.參數自適應迭代算法現狀

控制任務的主要目的均為實現被控目標對既定目標軌跡追蹤且能實現在時間軸上的逐次收斂[1]，前述中的時間軸是指有限時間段，混凝土攪拌站生產完全滿足該條件。

自適應控制[2]（Adaptive Control）在近些年發展較為迅速，對未知的定常參數不確定性系統進行動態分析具有很好的效果，是人們公認的最有效的方法之一，可實現在線調整控制增益及參數，同時具備較好的魯棒性，在控制任務時間段有界時實現誤差值漸次收斂于零。

針對非線性模型有Hammerstein模型、Winner模型、預測控制、Backstepping法等，但是此類模型均需要一個精確的模型作為依據，而針對實際的控制系統建立一個精確的模型并不容易，為了寬限控制系統對數學模型的過度依賴，學者們又提出了神經網絡[3]、多模型法[4]等。考慮到以往訓練的操作不能為被控系統借鑒學習的弊端，作為補充自適應控制法，針對前述的有界時間段、完全追蹤既定目標、在時間軸延申時誤差收斂于零系統模型，迭代學習法[5-7]可以很好地解決此類系統的控制，該方法僅需知道有限的信息就可以通過迭代自學習[8]的方式訓練模型實現控制目的。

本文提出的參數自適應調整控制算法即為迭代自學習算法，系統通過采集物料特性參數、攪拌站結構參數等作為算法為訓練系統的輸入信息，根據實時工況實時訓練調整各參數，經過兩三盤混凝土生產的自學習時間實現誤差絕對值收斂于0，實現計量誤差在國標范圍內。同時可將物料計量范圍從量程的30%拓展至量程的10%，自適應調整各計量參數，最大程序減少人為操作，解放雙手，實現準、快、精完成計量，為行業內首創。

2.迭代自學習算法原理

迭代自學習控制法訓練公式如下：

式中，f()、g()為具有對應維數的矢量函數；Xk(t)∈Rn表示系統狀態矢量；Yk(t)∈Rm表示系統輸出矢量；uk(t)∈Rr表示系統的輸入矢量；t∈{0,1,…,T}表示有限的跟蹤區間；k=0,1,2,…表示迭代的次數。

我們迭代自學習的任務為在有限/有界時間段內，對既定的期望變量Yd(t)，t∈{0,1,…,T}，找到系統輸入uk(t)，令系統輸出Yk(t)跟蹤上既定的期望變量Yd(t)。即在迭代自學習的次數k達到一定值時，誤差值ek(t)=Yd(t)-Yk(t)，t∈{0,1,…,T}，絕對值趨近于0。

由首次系統輸入變量uk(t)和系統誤差值ek(t)構建學習機制，制定下一次迭代自學習的系統輸入u(k+1)(t)，即：

式中，q為學習增量(反饋增量)。

迭代自學習法在控制對象變量時，用存儲器將上一次的訓練結果存儲下來，作為下一次迭代自學習的反饋值融入自學習控制算法中，將開環控制優化為閉環控制，使訓練結果更接近既定目標。

3.參數自適應調整的實現

根據國標文件《建筑施工機械與設備混凝土攪拌站（樓）GB-T10171-2016》[9]要求，混凝土各組成材料應按質量計量，水和外加劑也可按容積計量。各組成材料可采用單獨計量，也可采用累計計量。國標中物料的計量精度如表1和表2所示。

表1 各種物料的每盤動態計量精度（適用于周期式攪拌站）

表2 各種物料的累計動態計量精度

混凝土攪拌站控制參數自適應調整的實現需要一些設備參數、稱量閾值、結構尺寸、皮帶速度及長度等關鍵參數作為迭代自學習控制算法的初始訓練條件，同時這些參數匹配關聯不同型號的混凝土攪拌站。這些關鍵參數如骨料配料倉門寬度及長度、相鄰骨料配料倉間隔距離、斜皮帶最近骨料倉的近倉長度、粉料螺旋規格、水泵輸送理論值及管徑、外加劑泵輸送理論值及管徑等。

同時，相關初始參數需要硬件傳感器的數據支撐，如皮帶速度檢測傳感器、稱量稱重傳感、位置檢測傳感器等。以骨料為例，系統實時采集物料進料速度，根據物料特性目標計量值迭代自學習各參數調整粗稱、精稱、脈動閾值及落差等計量參數，實時采集物料卸料速度，根據實際計量值與目標計量值的誤差值自動判斷是否扣稱及扣稱量，迭代自學習脈動扣稱量、補卸量、扣稱提前量等卸料參數，實現快速準確計量及精準扣稱，并達到平皮帶上骨料料流連續不間斷、不疊料、不撒料，完成骨料的快速輸送，大幅度節約骨料輸送時間，提升了生產效率，骨料料流實拍如圖1所示。

圖1 骨料料流無縫卸料實拍圖

以粉料為例，控制系統通過迭代自學習算法自動調整物料落差，以水泥為例，對比水泥實際落差與系統自調整落差，結果如圖2～圖4所示。

圖2 水泥計量統計

圖3 水泥計算落差與實際落差對比圖

圖4 水泥計算落差與實際落差對比圖

參數自適應調整算法使用前后，計量精度對比分析如表3所示。

表3 參數自適應調整前后物料計量精度對比

4.總結

隨著工業4.0和中國2025規劃的提出，數字化、智能化、無人化生產將是工業自動化生產的發展方向。三一重工積極響應國家號召，實施工程機械制造業數字化轉型，時刻把握市場需求，解決客戶痛點、難點。針對計量參數量多且經常需要生產操作員手動調整的難題，參數自適應調整算法實現了參數自適應調整，不再需要手動調整，減少了人為操作，降低了生產操作員的技能要求，同時提升了物料計量精度，真正意義上實現了一鍵式生產。