1 概述
瀝青混合料攪拌設(shè)備是路面工程機(jī)械的關(guān)鍵設(shè)備之一, 被廣泛應(yīng)用于道路、機(jī)場、碼頭和基礎(chǔ)設(shè)施的施工, 影響著工程質(zhì)量的好壞。瀝青混合料攪拌設(shè)備的主要功能是將大小不同的石料經(jīng)加熱烘干后篩分成不同粒徑范圍、不同粒徑大小的石料分別送入各熱料倉, 按照實際用料的不同級配需要, 與一定量的粉料和加熱到一定溫度的瀝青一起送入攪拌缸攪拌至均勻, 生成瀝青混凝土[1]。生產(chǎn)過程中要按配方比及所設(shè)定的生產(chǎn)率計算并稱量各種石料、粉料、瀝青的重量[2]。而目前的攪拌設(shè)備由于存在過沖量反應(yīng)慢、檢測手段和計量方法的局限, 造成計量精度不高, 進(jìn)而影響瀝青混凝土的質(zhì)量。為提高混合料的生產(chǎn)工藝和計量精度, 設(shè)計智能型的稱重模塊有著重要的應(yīng)用價值。
2 稱重模塊結(jié)構(gòu)
稱重配料控制是瀝青混合料攪拌設(shè)備的核心環(huán)節(jié), 主要功能就是將加熱后的骨料、瀝青和粉料按照預(yù)先設(shè)定好的配方比例分別進(jìn)行稱量, 其中骨料和粉料屬于多種料的累加計量。稱重系統(tǒng)的計量精度直接影響成品料的質(zhì)量, 按交通行業(yè)標(biāo)準(zhǔn)JT/T270-2002《強(qiáng)制間歇式瀝青混合料攪拌設(shè)備》規(guī)定[3]:標(biāo)準(zhǔn)工況下物料動態(tài)計量時, 瀝青計量精度為±2.0%、粉料計量精度為±2.5%、石料計量精度為±2.5%。
這里以石料計量為例, 圖1所示為熱石料稱重計量結(jié)構(gòu)[4]。工作時, 存放在冷集料斗中石料由輸送機(jī)經(jīng)過干燥滾筒烘干加熱后, 由熱料提升機(jī)送至篩分系統(tǒng), 由振動篩將石料篩分為特粗式、粗粒式、中粒式、細(xì)粒式等4中料, 分別存放在石料4個熱料倉中。熱料倉的斗門開度有控制器控制氣缸完成, 放料分粗放和細(xì)放。計量時, 根據(jù)工藝要求設(shè)定斗門開啟的先后順序, 先粗稱, 當(dāng)稱重傳感器檢測的計量信號達(dá)到設(shè)定值的85%時, 減少斗門開度, 開始細(xì)稱, 這時, 石料落入計量斗中的速率明顯減緩, 當(dāng)達(dá)到計量值時, 氣缸回復(fù)原位, 關(guān)閉斗門, 石料計量是累加計量。
圖1 熱石料計量稱重結(jié)構(gòu)Figure 1 Hot stone structure measuring and weighing 下載原圖
3 PID算法設(shè)計
3.1 模糊PID控制
PID控制是比例積分微分控制的簡稱, 由于其算法簡單、魯棒性好[5], 在工業(yè)控制中獲得了廣泛應(yīng)用, 今天仍有90%以上控制回路采用PID控制。
其控制規(guī)律為:
式中:e (t) 為誤差;Kp為比例系數(shù);Ti為積分時間常數(shù);Td為微分時間常數(shù)。骨料和瀝青計量環(huán)節(jié)具有滯后性, 操作中存在著提前量和過沖量, 常規(guī)PID調(diào)節(jié)器容易出現(xiàn)大超調(diào), 響應(yīng)速度慢, 具有一定的模糊性, 因而需要采用模糊規(guī)則修正PID參數(shù)。模糊PID控制器主要包括模糊參數(shù)整定器, 它有兩個輸入量:偏差e和偏差變化率ec;有3個輸出量:參數(shù)Δkp、Δki、Δkd。設(shè)e, ec和Δkp、Δki、Δkd分別定義7個模糊子集, 且服從正態(tài)分布, 先進(jìn)行歸一計算后, 求得模糊子集的隸屬度值, 根據(jù)模糊規(guī)則設(shè)計PID參數(shù)正定的模糊化矩陣表[6]。為進(jìn)一步提高混合物各成分的計量精度和計量模塊的動態(tài)響應(yīng), 這里采用蟻群算法來優(yōu)化模糊PID控制器的kp, ki, kd3個參數(shù)。
3.2 蟻群算法優(yōu)化模糊PID
尋找最短路徑的蟻群算法來源于螞蟻尋食的行為, 螞蟻在覓食過程中通過信息素指引螞蟻的行走, 最終尋得最短路徑[7,8]。在動態(tài)系統(tǒng)求解時, 可以利用蟻群算法來優(yōu)化PID控制器的kp, ki, kd3個參數(shù)。螞蟻k (k=1, 2, …, m) 在運動過程中, 根據(jù)各條路徑上的信息素的濃度決定轉(zhuǎn)移方向, 假設(shè)在一個使系統(tǒng)穩(wěn)定的有限參數(shù)區(qū)域內(nèi)的每個節(jié)點記為{ (xi, yj) ︱xi=0, 1, 2, …, i;yj=0, 1, 2, …, j}, 建立一組長度為n的數(shù)字序列, 數(shù)字序列表示螞蟻走過的節(jié)點, 數(shù)字序列通過節(jié)點與每組參數(shù) (kp, ki, kd) 一一對應(yīng), 螞蟻k由節(jié)點i轉(zhuǎn)移到節(jié)點j的概率, 即為:
式 (2) 中:φa (xi, yj, t) 表示螞蟻在運動過程中i、j節(jié)點連線上所積累的信息素濃度, μb (xi, yj, t) 表示在啟發(fā)式因子作用下螞蟻所選擇的路徑由節(jié)點i轉(zhuǎn)移到節(jié)點j的期望程度。a表示螞蟻在運動過程中所積累的信息, b表示啟發(fā)因子在螞蟻選擇路徑中所取的作用程度。在t時刻, 節(jié)點 (xi, yj) 上的期望程度為:
式 (3) 中y是本次循環(huán)產(chǎn)生的解序列[9], y*是上一次循環(huán)中產(chǎn)生的最優(yōu)性能指標(biāo)所對應(yīng)的解序列。螞蟻從初始點開始, 經(jīng)過n個時間單位到達(dá)終點, 節(jié)點 (xi, yj) 上的信息素就會發(fā)生變化, 信息素的更新公式如下:
上式中:m為螞蟻數(shù)量, Fk為性能指標(biāo)值, kallowedk表示螞蟻k本次循環(huán)經(jīng)過節(jié)點 (xi, yj) 。
經(jīng)過蟻群算法優(yōu)化的kp, ki, kd3個參數(shù)可通過如下迭代公式計算:
在本文的算例中, 通過仿真試驗, 確定a, b的最佳取值范圍為a在1.61~1.63之間, b在2.85~2.87之間, ρ在0.315~0.335, 當(dāng)a, b, ρ在該區(qū)域取值時, 螞蟻的吸引強(qiáng)度最強(qiáng), 系統(tǒng)向優(yōu)化解收斂的速度最快[7]。系統(tǒng)中參數(shù)i=30, j=20, m=30, Q=50。
螞蟻在完成每次搜索之后, 都會按照公式所給出的螞蟻信息素更新規(guī)則進(jìn)行更新。通過不斷地重復(fù)上述過程, 蟻群算法所搜索出的最終節(jié)點路徑代表算法計算出的最優(yōu)路徑, 其性能指標(biāo)也最優(yōu), 即kp, ki, kd在蟻群算法中由節(jié)點值反映性能指標(biāo), 蟻群算法的實現(xiàn)結(jié)構(gòu)圖如圖2所示[10]。
圖2 蟻群算法的模糊PID控制結(jié)構(gòu)圖Figure 2 ACO algorithm fuzzy PID control structure 下載原圖
PID參數(shù)的在線校正是由蟻群算法對模糊邏輯規(guī)則不斷地改進(jìn)、修正和運算完成的, 稱重計量時, 由稱重傳感器檢測計量信號, 計算出e和ec, 在通過蟻群算法和模糊規(guī)則, 在線整定PID控制器的kp, ki, kd3個參數(shù), 然后及時由D/A送到氣缸控制斗門開度, 完成準(zhǔn)確計量, 提高了稱重模塊的動態(tài)性能。
4 仿真分析
蟻群算法優(yōu)化模糊PID參數(shù)是一個動態(tài)的過程。實際稱重模塊主要環(huán)節(jié)包括電機(jī)轉(zhuǎn)動、電機(jī)電磁、變頻控制器和滯后環(huán)節(jié), 因此, 瀝青混合料攪拌設(shè)備計量精度控制系統(tǒng)可簡化三階模型[11], 傳遞函數(shù)為:
仿真試驗中, 初始信息素為0.01, m=30, a=1.558, b=2.866, ρ=0.32, Q=50, 循環(huán)次數(shù)為100。在Matlab仿真中, 采用3種不同的PID控制并進(jìn)行比較, 他們的單位階躍響應(yīng)輸出如圖3所示, 3種方案的計算結(jié)果和動態(tài)指標(biāo)如表1所示。
從圖3可看出:和常規(guī)PID控制相比, 用蟻群算法優(yōu)化模糊PID控制的稱重計量系統(tǒng)的動態(tài)和穩(wěn)態(tài)性能指標(biāo)有了很大的改善, 其動態(tài)性能指標(biāo)也優(yōu)于模糊PID算法, 提高了響應(yīng)速度, 系統(tǒng)的動態(tài)性能和穩(wěn)態(tài)性能都得以提高。
圖3 系統(tǒng)單位階躍響應(yīng)曲線Figure 1 System unit step response curve 下載原圖
表1 3種方案的計算結(jié)果和動態(tài)特性Table 1 Three scenarios calculations and dynamic characteristics 下載原表
由表1可以看出:在采用本文算法計算出的控制器的控制下, 系統(tǒng)的超調(diào)量和響應(yīng)時間明顯減少, 綜合上述分析可知本文提出的算法效果更佳, 可以從算法上有效解決攪拌設(shè)備動態(tài)計量時由于存在過沖量反應(yīng)慢, 動態(tài)響應(yīng)慢的缺陷, 提高計量斗的計量精度。
5 硬件實現(xiàn)
以瀝青計量為例, 計量是通過瀝青稱量灌3個測點的測量數(shù)據(jù)實現(xiàn), 前提是3個點應(yīng)在同一水平面上, 重心處于3個點的中心, 瀝青料門的開度大小是通過氣閥實現(xiàn)的。當(dāng)瀝青開始計量時開始時間計時器計時, 當(dāng)計量結(jié)束時停止計時器計時, 將計時器的值保存到臨時寄存器D1中, 通過多次的稱量得到平均配料時間修正值T= (上一次計量時間d1-本盤計量時間t1) /2+原配料時間Ty。當(dāng)本盤配料時間大于平均配料時間的120%時停止瀝青供給泵, 此參數(shù)可根據(jù)需要設(shè)定更改。當(dāng)瀝青計量稱中的實際值超過設(shè)定值的120%時停止瀝青供給泵, 此參數(shù)可根據(jù)需要設(shè)定更改。流程如圖4所示。
圖4 瀝青計量流程圖Figure 4 Asphalt weighing flow measurement 下載原圖
動態(tài)配料稱重過程可以看作是SISO系統(tǒng), 通常為高階非線性環(huán)節(jié)的特性, 且有N階純滯[11]。因為稱重模塊有慣性特性, 所以當(dāng)稱重計量速度加快時, 石料的過沖量、從下落到計量斗內(nèi)的時間差、執(zhí)行機(jī)構(gòu)的滯后以及瀝青的粘度等干擾因素將影響石料計量精度, 在實際情況, 通過降低速度來提高石料計量精度。而蟻群PID算法能修正物料計量的誤差, 提高精度。本地站采用三菱Q00UCPU作為核心控制器, 蟻群算法和模糊PID控制的均在此控制器中編程實現(xiàn), 重量信號由稱重變送器處理后進(jìn)入AD模塊, 經(jīng)過AD轉(zhuǎn)換后由CPU按照蟻群模糊PID算法計算kp, ki, kd共3個參數(shù)并進(jìn)行調(diào)節(jié)。本系統(tǒng)選用METTLER-TOLEDO的TSB系列高精度傳感器和TR200H高精度信號變送器;采用調(diào)零電路, 使傳感器在承受料斗重量時, A/D轉(zhuǎn)換器輸入電壓為0, 把重在A/D轉(zhuǎn)換中占有的數(shù)字部分讓給料重占用, 提高精度;選用三菱高速A/D轉(zhuǎn)換模塊Q64AD模塊;該模塊為四通道A/D轉(zhuǎn)換模塊, 轉(zhuǎn)換精度高, 轉(zhuǎn)換速度快, 且具有通道隔離功能, 提高了運行的穩(wěn)定性。以粉料計量斗設(shè)備為例, 硬件上設(shè)計采用MET-TLER-TOLEDO稱重傳感器3只, 料斗為單斗、帶密封門、3點懸掛, 容量為500 kg, 懸掛方式為3個0.3 t稱重傳感器, 帶運輸固定螺栓, 放料方式為氣動斜槽和氣動蝶閥控制快速螺旋放料, 采用落差自動補償及特殊機(jī)械放料方式, 如圖5所示。
圖5 稱重變送器接線圖Figure 5 Weighing transmitter wiring diagram 下載原圖
6 結(jié)論
瀝青攪拌站多在郊外安裝與生產(chǎn), 環(huán)境和氣候影響因素多, 造成石料的計量誤差, 稱重系統(tǒng)的動態(tài)誤差難以達(dá)到要求。本文在深入研究稱重配料系統(tǒng)組成和工作特性的基礎(chǔ)上, 采用蟻群算法優(yōu)化模糊PID控制器的kp, ki, kd3個參數(shù), 給出了具體的優(yōu)化步驟和方法, 對瀝青計量流程和稱重硬件進(jìn)行了設(shè)計, 選用高精度器件, 經(jīng)驗證, 設(shè)計的稱重計量模塊動態(tài)性能得以改善, 并且能達(dá)到標(biāo)準(zhǔn)精度要求。