CN103723292A - 一种提升自动称重灌包***性能的控制方法 - Google Patents

Abstract

本发明提供一种提升自动称重灌包***性能的控制方法，首先设定给料速度、采用频率和采样次数，然后对最近四个采样点进行函数拟合，得到预测的灌包重量达到时间，当控制器判断满足停止更新条件时，如果不能满足停止更新条件，则继续采集样本和函数拟合，当达到停止放料时间时，由控制器控制给料斗阀门停止放料。该方法能够在***允许的范围内采用最大的灌包速度进行灌包，并且具有较高的灌包精度。

Description

一种提升自动称重灌包***性能的控制方法

技术领域

本发明涉及一种自动称重灌包***的控制方法，尤其是一种能够提升自动称重灌包***的灌包速度和精度的控制方法。

背景技术

自动称重灌包***能够将物料按照指定质量进行灌包，采用其代替传统人工灌装，不仅能够大幅提高工作效率，而且避免了工作人员在高粉尘、强刺激环境的高强度作业，目前被广泛应用于化工、饲料、水泥、物流等行业。自动称重灌包***性能的提升具有较大的工程价值及优秀的经济前景。设一台自动称重灌包***含4组F800称重控制器，50KG化肥需F800控制器10秒钟进行灌装，若对其进行改进，使得灌装时间缩减至9秒，则每组F800可提高作业能力2吨/小时，按照机组每天运行22小时计算，则每台自动称重灌包机每日可额外灌装176吨化肥，经济效益明显。

对于自动称重灌包***，其需解决的关键技术问题在于如何快速地将物料按照给定量进行灌装打包，即需考虑其灌装速度与精度。

传统的控制方法是当测量重量与灌包重量设定值的差值小于某一阈值，则控制阀门关闭，完成灌包，灌包完成后，布袋由传送带送入后继环节进行封口和码垛。假设称重频率为f(Hz)，灌包重量设定值为Ws（kg），物料流速为V（kg/s），则***灌包存在的绝对误差应该在

间做正态分布，误差上限ξ为灌包时间t为

由此可以看出：（1）只要物料流速V不为0，称重频率f不趋向无穷大，那么绝对误差始终存在，只可被降低而无法消除；（2）物料流速越大，则灌包速度越快，而灌包的误差也越大；即灌包的速度与精度存在博弈问题。

现有的改进方法是将灌包过程分为两个阶段：粗给料阶段与细给料阶段，如南海船舶仪器设备公司生产的DCC型自动称重灌包机，该方法在给料的开始阶段采用一个较大的物料流速V_粗，而当物料量达到特定阈值W_T后，采用较小物料流速V_细。此时绝对误差于

间正态分布，误差上限ξ’为

灌包时间t'为

令V_粗＞V，V_细≤V，采用该方法，只要对参数V_粗，V_细，W_T进行合理设置，就可实现精度和速度的提升。如令则可得到误差上限ξ’为

灌包时间t'为

可以看出，灌包的精度与速度都得到了一定的提升，效果明显。但是该改进方法也存在一定的缺陷：（1）仍然存在较大的误差；（2）虽然加快了灌包起始阶段的速度，但其后期速度较慢；（3）在粗、细阶段进行切换时，会带来振动干扰和额外冲量，影响控制性能。

发明内容

本发明所要解决的技术问题是要提供一种能够提升自动称重灌包***的灌包精度和速度性能的控制方法。

为了解决上述技术问题，本发明提出了一种提升自动称重灌包***性能的控制方法，由控制器实现对自动称重灌包***进行控制，包括如下步骤：

步骤1，控制器设定给料速度V、采样频率f以及采样次数N，所述给料速度V、采样频率f以及采样次数N满足如下关系式：

$V=\left\{\begin{array}{cc}{V}_{\max },& \frac{\mathrm{Ws}}{{\mathrm{NV}}_{\max }}>T\\ \frac{\mathrm{Ws}\·f}{N},& \frac{\mathrm{Ws}}{{\mathrm{NV}}_{\max }}\≤T\end{array}\right.$

$f=\left\{\begin{array}{cc}\frac{{\mathrm{NV}}_{\max }}{\mathrm{Ws}},& \frac{\mathrm{Ws}}{{\mathrm{NV}}_{\max }}>T\\ \frac{1}{T},& \frac{\mathrm{Ws}}{{\mathrm{NV}}_{\max }}\≤T\end{array}\right.$

其中，Ws为指定灌包重量，V_max为最大给料速度，T为控制器处理一次采样数据的时间；

步骤2，在进行灌包控制时，控制器按照采样频率f对称重装置的称重时间点x和对应灌包重量y进行采集，采用支持向量回归法对采集的样本点(x_i-3,y_i-3)、(x_i-2,y_i-2)、(x_i-1,y_i-1)和(x_i,y_i)进行拟合，得出灌包重量y与采集时间点x之间的函数关系式为：

y＝f_i(x),4≤i≤N

对拟合的函数关系式进行求解得：

x＝f_i ^-1(y)

则通过第i次采集预测出的对应灌包重量达到时间t_z(i)为：

t_z(i)＝f_i ^-1(Ws)

当控制器拟合预测出的对应灌包重量到达时间t_z(i)满足停止更新条件：

$t_z\left(i\right)-x_i<\frac{1}{f}$

则控制器停止对称重装置的称重时间点x和对应灌包重量y的采集；

步骤3，当停止放料时间t_s达到停止更新时的对应灌包重量到达时间t_z(i)，则控制器关闭给料斗阀门，停止放料。

采用该控制方法的步骤1，能够根据控制器的性能设定最高的给料速度，且没有粗给料和细给料阶段之分，能够有效提高单次灌包速度；采用该控制方法步骤2，利用支持向量回归法实时地对最近采集的四个样本点进行拟合，获得实时的采集时间点x和对应灌包重量y拟合函数，随着采集过程的进行，拟合的函数也在实时更新，计算出实时更新的停止放料时间，能够有效提高灌包的精度。

作为本发明的进一步改进方案，步骤2中第i次采集预测出的灌包重量达到时间为：

$t_z\left(i\right)=\left\{\begin{array}{c}0.2t_z(i-1)+0.8{f_i}^{-1}\left(\mathrm{Ws}\right),5\&le;i\&le;N\\ {f_i}^{-1}\left(\mathrm{Ws}\right),i=4\end{array}\right.$

其中，t_z(i-1)为第i-1次采集预测出的灌包重量达到时间。采用这种将第i-1次采集预测出的灌包重量达到时间与第i次采集预测出的灌包重量达到时间进行迭代更新的方法，能够防止因设备采样的偶然误差导致拟合曲线斜率的突变，有效提高***的可靠性。

作为本发明的再进一步改进方案，当存在提前关闭控制时，将停止放料时间t_s减去提前关闭时间t_p，得到带有提前关闭的停止时间t_sp为：

t_sp＝t_s-t_p

提前关闭时间t_p为物料从给料口到袋口的下落时间，即为：

$t_p=\frac{\sqrt{v_0^2+2\mathrm{gH}}-v_0}{g}$

其中，g为重力加速度，v₀为物料在给料口处下落的初始速度，H为给料口到袋口的垂直距离。在放料时间达到带有提前关闭的停止时间就停止放料，能够有效防止由于空中飞料使得灌包的最终重量大于Ws的现象，减少了不必要的物料的浪费，同时也提高了灌包***的灌包精度。

作为本发明的进一步改进方案，支持向量回归法的回归参数通过网格搜索法获得，具体步骤为：

步骤a，通过一次离线自动称重灌包实验，采集称重装置的称重时间点x以及对应灌包重量y，令支持向量回归法的三个回归参数的集合分别为：C∈{0.1,1,10,100,500,10、ε∈{0.01,0.05,0.1,0.5,1,10}和σ∈{0.01,0.1,0.5,1,5,10}；

步骤b，将设定的三个回归参数组合生成6×6×6组不同的回归参数集，在每组回归参数集的条件下，采用支持向量回归法对采集的称重时间点x以及对应灌包重量y进行函数拟合，得到每组回归参数条件下称重时间点x与对应灌包重量y之间的函数关系式：

y＝f_k(x)

其中，k表示在第几组回归参数条件下进行函数拟合，且1≤k≤216；

步骤c，根据每组参数条件下拟合的函数关系式求解出的最佳参数集为：

$(C^{*},{\mathrm{\&epsiv;}}^{*},{\mathrm{\&sigma;}}^{*})=\underset{(C,\mathrm{\&epsiv;},\mathrm{\&sigma;})}{\arg \min }:\underset{k=1}{\overset{216}{\mathrm{\&Sigma;}}}{\left|\right|y-f_k\left(x\right)\left|\right|}^2.$

采用网格搜索法逐一比较择优，求得最佳参数集(C^*,ε^*,σ^*)，控制器利用该最佳参数集对采集时间点x以及对应灌包重量y进行拟合时，可避免出现较大的拟合误差，提高了灌包的精度。

本发明的有益效果为：（1）采用本发明的控制方法没有细放料阶段，相对于传统控制方法能够有效提高灌包速度，且能避免粗、细放料阶段切换时产生的振动；（2）采用支持向量回归(Support Vector Regression,SVR)法对采集时间点x与对应灌包重量y进行拟合，并对拟合函数进行实时更新，使得预测的灌包重量达到时间也在实时更新，提高灌包***灌包的实时精度；（3）采用迭代更新方法能够防止因设备采样的偶然误差导致拟合曲线斜率的突变，能够有效提高***的可靠性；（4）在放料时间达到带有提前关闭的停止时间就停止放料，能够有效防止由于空中飞料使得灌包的最终重量偏大的现象，减少了不必要的浪费，同时也提高了灌包的精度；（5）采用网格搜索法逐一比较择优回归参数，在控制器进行实际函数拟合时，可避免出现较大的拟合误差，提高了灌包的精度。

附图说明

下面结合附图和实施例对本发明进一步说明。

图1为通常的自动称重灌包***示意图；

图2为本发明的所提方法的基本流程图；

图3为本发明的方法与传统方法及改进方法的比较示意图；

图4为本发明采用支持向量回归法的第一次拟合示意图；

图5为本发明采用支持向量回归法的第二次拟合示意图。

具体实施方式

如图1所示，在自动称重灌包***工作时，首先将物料运至给料斗1，然后由控制器5控制给料斗阀门2，打开给料斗阀门2，物料按照一定流速落入布袋3中，在给料过程中，称重装置4按照一定频率进行称重，并将所测数据送至控制器5中。传统控制方法中，当测量重量与灌包重量设定值的差值小于某一阈值，则控制器5控制给料斗阀门关闭，完成灌包，灌包完成后，布袋3由传送带6送入后继环节进行封口和码垛。

如图2所示，为本发明所提供方法的流程图，由控制器实现对自动称重灌包***进行控制，包括如下步骤：

步骤1，控制器设定给料速度V、采样频率f以及采样次数N，所述给料速度V、采样频率f以及采样次数N满足如下关系式：

$V=\left\{\begin{array}{cc}{V}_{\max },& \frac{\mathrm{Ws}}{{\mathrm{NV}}_{\max }}>T\\ \frac{\mathrm{Ws}\&CenterDot;f}{N},& \frac{\mathrm{Ws}}{{\mathrm{NV}}_{\max }}\&le;T\end{array}\right.$

$f=\left\{\begin{array}{cc}\frac{{\mathrm{NV}}_{\max }}{\mathrm{Ws}},& \frac{\mathrm{Ws}}{{\mathrm{NV}}_{\max }}>T\\ \frac{1}{T},& \frac{\mathrm{Ws}}{{\mathrm{NV}}_{\max }}\&le;T\end{array}\right.$

其中，Ws为指定灌包重量，V_max为最大给料速度，T为控制器处理一次采样数据的时间，该设置在确保算法有充分的运行时间和样本数据的前提下，最小化了灌包时间。

给料速度V决定了灌包的时间，在确保***性能的基础上，V越大越好，采样频率f决定了采样时间间隔，f越大则采样时间间隔越短，采样次数N决定了采样的数据量，采样次数越多则灌包精度越高，通常情况下采样10次基本可满足函数拟合的需求，控制器处理一次采样数据的时间不超过0.3秒，因此给定的给料速度V和采样频率f为：

$V=\left\{\begin{array}{cc}{V}_{\max },& \frac{\mathrm{Ws}}{{10V}_{\max }}>0.3\\ \frac{\mathrm{Ws}\&CenterDot;f}{10},& \frac{\mathrm{Ws}}{{10V}_{\max }}\&le;0.3\end{array}\right.$

$f=\left\{\begin{array}{cc}10/\frac{\mathrm{Ws}}{V_{\max }},& \frac{\mathrm{Ws}}{{10V}_{\max }}>0.3\\ 3,& \frac{\mathrm{Ws}}{{10V}_{\max }}\&le;0.3\end{array}\right.$

步骤2，当进行灌包控制时，控制器按照采样频率f对称重装置的称重时间点x和对应灌包重量y进行采集，采用支持向量回归法对采集的样本点(x_i-3,y_i-3)、(x_i-2,y_i-2)、(x_i-1,y_i-1)和(x_i,y_i)进行拟合，得出灌包重量y与采集时间点x之间的函数关系式为：

y＝f_i(x),4≤i≤N

对拟合的函数关系式进行求解得：

x＝f_i ^-1(y)

则通过第i次采集预测出的对应灌包重量达到时间t_z(i)为：

t_z(i)＝f_i ^-1(Ws)

当i=4时，即对前四个样本(x₁,y₁)、(x₂,y₂)、(x₃,y₃)和(x₄,y₄)进行采集，采用支持向量回归法拟合出灌包重量y与采集时间点x之间的函数关系式为：

y＝f₄(x)＝w·x+b

其中，权重矢量w和偏置b在支持向量回归法拟合过程中是通过求解下式得到的，

$\mathrm{Min}:\frac{1}{2}(w\&CenterDot;w)+C\underset{i=1}{\overset{4}{\mathrm{\&Sigma;}}}L(x_i,y_i,f)$

其中， $L(x_i,y_i,f)={|y_i-f\left(x_i\right)|}_{\mathrm{\&epsiv;}}=\max (0,|y_i-(\underset{i=1}{\overset{4}{\mathrm{\&Sigma;}}}{w}_i\&CenterDot;K(x,x_i)+b|)-\mathrm{\&epsiv;}),$ 为预测值与实际值之间的误差， $K(x,x_i)=e^{-\frac{{\left|\right|x-x_i\left|\right|}^2}{{2\mathrm{\&sigma;}}^2},}$ σ、C和ε为回归参数，

根据拟合函数关系式计算得到的第4次采集预测出的灌包重量达到时间为：

t_z(4)＝f₄ ^-1(Ws)

随着控制器采集过程的继续，预测出的灌包重量达到时间会实时更新，当控制器拟合预测出的对应灌包重量到达时间t_z(i)满足停止更新条件：

$t_z\left(i\right)-x_i<\frac{1}{f}$

则控制器停止对称重装置的称重时间点x和对应灌包重量y的采集；

步骤3，当停止放料时间t_s达到停止更新时的对应灌包重量到达时间t_z(i)，则控制器关闭给料斗阀门，停止放料。

采用该方法的步骤1，能够根据控制器的性能设定最高的给料速度，且没有粗给料和细给料阶段之分，能够有效提高单次灌包速度；采用该方法步骤2，利用支持向量回归法对最近采集的四个样本点进行拟合，获得实时的采集时间点x和对应灌包重量y拟合曲线，计算实时更新的停止放料时间，能够有效提高灌包的精度。

为了进一步提高灌包的精度，当存在提前关闭控制时，停止放料时间t_s减去提前关闭时间t_p，得到带有提前关闭的停止时间t_sp为：

t_sp＝t_s-t_p

提前关闭时间t_p为物料从给料口到袋口的下落时间，即提前关闭时间t_p为：

$t_p=\frac{\sqrt{v_0^2+2\mathrm{gH}}-v_0}{g}$

其中，g为重力加速度，v₀为物料在给料口处下落的初始速度，H为给料口到袋口的垂直距离。采用在放料时间达到带有提前关闭的停止时间就停止放料，能够有效防止由于空中飞料使得灌包的最终重量大于Ws的现象，减少了不必要的浪费，同时也提高了灌包的精度。

为了进一步提高支持向量回归法的拟合效果，提高灌包的精度，支持向量回归法的回归参数通过网格搜索法获得，具体步骤为：

步骤a，通过一次离线自动称重灌包实验，采集称重装置的称重时间点x以及对应灌包重量y，令支持向量回归法的三个回归参数的集合分别为：C∈{0.1,1,10,100,500,1000}、ε∈{0.01,0.05,0.1,0.5,1,10}和σ∈{0.01,0.1,0.5,1,5,10}；

步骤b，将设定的三个回归参数组合生成6×6×6组不同的回归参数集，在每组回归参数集的条件下，采用支持向量回归法对采集的称重时间点x以及对应灌包重量y进行函数拟合，得到每组回归参数条件下称重时间点x与对应灌包重量y之间的函数关系式：

y＝f_k(x)

其中，k表示在第几组回归参数条件下进行函数拟合，且1≤k≤216；

步骤c，根据每组参数条件下拟合的函数关系式求解出的最佳参数集为：

$(C^{*},{\mathrm{\&epsiv;}}^{*},{\mathrm{\&sigma;}}^{*})=\underset{(C,\mathrm{\&epsiv;},\mathrm{\&sigma;})}{\arg \min }:\underset{k=1}{\overset{216}{\mathrm{\&Sigma;}}}{\left|\right|y-f_k\left(x\right)\left|\right|}^2.$

采用网格搜索法逐一比较择优，求得最佳参数集(C^*,ε^*,σ^*)，控制器利用该最佳参数集对采集时间点x以及对应灌包重量y进行拟合时，可避免出现较大的拟合误差，提高了灌包的精度。

如图3所示，传统控制方法的灌包控制***采用均匀的给料速度进行放料，当采样频率一定时，给料速度越快，则最终灌包重量偏离设定的灌包重量Ws越多，给料速度越慢，则单次灌包完成时间越长，始终无法达到精确灌包，且无法避免最终灌包重量偏离设定的灌包重量Ws；二阶段灌包法采用粗放料和细放料这样的两个阶段进行灌包，粗放料阶段的给料速度较快，细放料阶段的给料速度较慢，这样能够减少一定的灌包时间，但是仍然无法避免最终灌包重量偏离设定的灌包重量Ws；本发明的方法的灌包控制***采用支持向量回归法对采集的样本进行拟合，并对拟合的函数进行实时更新，并能够在***允许的范围内采用较高的给料速度下完成灌包，所以单次灌包完成时间最短，且最终灌包重量比较接近设定的灌包重量Ws。

如图4和5所示，为了进一步提高***的可靠性，采用支持向量回归法对前四个采样点进行第一次拟合，根据改进方案中的迭代更新方法得出第4次采集预测得到的灌包重量达到时间t_z(4)，采用支持向量回归法对第2、3、4和第5个采样点进行第二次拟合，可以得到第二次拟合得到的灌包重量达到时间t'_z(5)＝f₅ ^-1(Ws)，根据改进方案中的迭代更新方法计算得出第5次采集预测得到的灌包重量达到时间为：

t_z(5)＝0.2t_z(4)+0.8t_z'(5)

由于采用了迭代更新的方式能够防止因设备采样的偶然误差导致拟合曲线斜率的突变，虽然有可能降低了灌包速度，但是却能够有效提高***的可靠性。

Claims (4)

1.一种提升自动称重灌包***性能的控制方法，由控制器实现对自动称重灌包***进行控制，其特征在于，包括如下步骤：

步骤1，控制器设定给料速度V、采样频率f以及采样次数N，所述给料速度V、采样频率f以及采样次数N满足如下关系式：

$V=\left\{\begin{array}{cc}{V}_{\max },& \frac{\mathrm{Ws}}{{\mathrm{NV}}_{\max }}>T\\ \frac{\mathrm{Ws}\&CenterDot;f}{N},& \frac{\mathrm{Ws}}{{\mathrm{NV}}_{\max }}\&le;T\end{array}\right.$

$f=\left\{\begin{array}{cc}\frac{{\mathrm{NV}}_{\max }}{\mathrm{Ws}},& \frac{\mathrm{Ws}}{{\mathrm{NV}}_{\max }}>T\\ \frac{1}{T},& \frac{\mathrm{Ws}}{{\mathrm{NV}}_{\max }}\&le;T\end{array}\right.$

其中，Ws为指定灌包重量，V_max为最大给料速度，T为控制器处理一次采样数据的时间；

步骤2，在进行灌包控制时，控制器按照采样频率f对称重装置的称重时间点x和对应灌包重量y进行采集，采用支持向量回归法对采集的样本点(x_i-3,y_i-3)、(x_i-2,y_i-2)、(x_i-1,y_i-1)和(x_i,y_i)进行拟合，得出灌包重量y与采集时间点x之间的函数关系式为：

y＝f_i(x),4≤i≤N

对拟合的函数关系式进行求解得：

x＝f_i ^-1(y)

则通过第i次采集预测出的对应灌包重量达到时间t_z(i)为：

t_z(i)＝f_i ^-1(Ws)

当控制器拟合预测出的对应灌包重量到达时间t_z(i)满足停止更新条件：

$t_z\left(i\right)-x_i<\frac{1}{f}$

则控制器停止对称重装置的称重时间点x和对应灌包重量y的采集；

步骤3，当停止放料时间t_s达到停止更新时的对应灌包重量到达时间t_z(i)，则控制器关闭给料斗阀门，停止放料。

2.一种提升自动称重灌包***性能的控制方法，其特征在于，所述步骤2中第i次采集预测出的对应灌包重量达到时间为：

$t_z\left(i\right)=\left\{\begin{array}{c}0.2t_z(i-1)+0.8{f_i}^{-1}\left(\mathrm{Ws}\right),5\&le;i\&le;N\\ {f_i}^{-1}\left(\mathrm{Ws}\right),i=4\end{array}\right.$

其中，t_z(i-1)为第i-1次采集预测出的灌包重量达到时间。

3.根据权利要求1或2所述的提升自动称重灌包***性能的控制方法，其特征在于，当存在提前关闭控制时，将停止放料时间t_s减去提前关闭时间t_p，获得带有提前关闭的停止时间t_sp为：

t_sp＝t_s-t_p

所述提前关闭时间t_p为物料从给料口到袋口的下落时间，即为：

$t_p=\frac{\sqrt{v_0^2+2\mathrm{gH}}-v_0}{g}$

其中，g为重力加速度，v₀为物料在给料口处下落的初始速度，H为给料口到袋口的垂直距离。

4.根据权利要求1或2所述的提升自动称重灌包***性能的控制方法，其特征在于，所述支持向量回归法的回归参数通过网格搜索法获得，具体步骤为：

步骤a，通过一次离线自动称重灌包实验，采集称重装置的称重时间点x以及对应灌包重量y，令支持向量回归法的三个回归参数的集合分别为：C∈{0.1,1,10,100,500,10、ε∈{0.01,0.05,0.1,0.5,1,10}和σ∈{0.01,0.1,0.5,1,5,10}；

步骤b，将设定的三个回归参数组合生成6×6×6组不同的回归参数集，在每组回归参数集的条件下，采用支持向量回归法对采集的称重时间点x以及对应灌包重量y进行函数拟合，得到每组回归参数条件下称重时间点x与对应灌包重量y之间的函数关系式：

y＝f_k(x)

其中，k表示在第几组回归参数条件下进行函数拟合，且1≤k≤216；

步骤c，根据每组参数条件下拟合的函数关系式求解出的最佳参数集为：

$(C^{*},{\mathrm{\&epsiv;}}^{*},{\mathrm{\&sigma;}}^{*})=\underset{(C,\mathrm{\&epsiv;},\mathrm{\&sigma;})}{\arg \min }:\underset{k=1}{\overset{216}{\mathrm{\&Sigma;}}}{\left|\right|y-f_k\left(x\right)\left|\right|}^2.$

Images