一种喷射点胶阀腔液温度的选择性控制方法技术

本发明专利技术公开了一种喷射点胶阀腔液温度的选择性控制方法，所述方法由改进的单神经元自适应PID控制算法、极限学习机优化的PID控制算法以及继电器自校正算法构成，在温度快速变化控制阶段，该选择性控制算法调用继电器自校正算法连通继电开关，选择改进的单神经元自适应PID控制算法来跟踪控制温度，从而减小系统超调量并提高响应速度，在恒温控制阶段该算法调用继电器自校正算法断开继电开关，选择极限学习机优化的PID控制算法对温度进行控制，提高了系统的鲁棒性与抗扰动能力，喷射点胶阀腔液温度的精准快速的选择性控制算法实现了点胶阀腔液温度的精准、快速控制，提高了控制过程的抗扰动能力与响应速度，保证了点胶工艺的一致性。致性。致性。

【技术实现步骤摘要】
一种喷射点胶阀腔液温度的选择性控制方法


[0001]本专利技术属于温度控制算法领域，具体涉及一种喷射点胶阀腔液温度的选择性控制方法。

技术介绍

[0002]点胶技术是微电子封装行业中的一种关键技术，随着电子设备向高集成度的发展,行业对点胶工艺的性能要求也日益提高，当前的点胶阀趋向高频率、微型化，点胶阀的工作环境越加复杂，空气流动、室温、点胶频率、点胶阀温度场间等因素都会造成温度波动，点胶工艺中单液滴体积通常达到纳升(nL)数量级,胶液的温度波动直接影响点胶一致性，降低胶液温度波动对提高点胶性能有重要意义。
[0003]由于点胶阀温度控制系统具有时变、非线性、纯滞后等特点，对其控制系统进行算法研究需要具备优化与改进功能，经典的 PID 控制理论已经很成熟，容易实现，可以消除静态误差，但是其缺点就是不能自适应地改变参数，且误差消除与响应速度之间的同时最优难以平衡，从而对于时变系统来说无法获得较好的控制效果。智能 PID 控制器是人工智能和经典 PID 的有机结合既能发挥人工智能控制动态响应优秀、鲁棒性强的特点，还具备 PID 控制较高稳态精度的优点，因此，很多学者研究了将人工智能算法和经典 PID 进行结合的先进控制方法，但目前针对点胶阀温度控制系统的先进控制算法少有研究，所以亟需一种喷射点胶阀腔液温度的选择性控制方法来解决上述问题。

技术实现思路

[0004]鉴于以上所述现有方法的局限，本专利技术的目的在于提出高速公路云收费系统，以解决现有技术中所存在的一个或多个技术问题，至少提供一种有益的选择或创造条件。
[0005]为了实现上述目的，根据本专利技术的一方面，提供一种喷射点胶阀腔液温度的选择性控制方法，所述方法包括以下步骤：
[0006]由单神经元自适应PID 控制算法、极限学习机优化的PID控制算法以及继电器自校正算法构成。通过继电器自校正算法，根据 点胶阀实际腔液温度确定当前的温度控制阶段，并初始化整定 PID控制器的比例、积分、微分参数。在温度快速变化控制阶段，该选择性控制算法通过继电开关选择改进的单神经元元自适应 PID 控制算法来跟踪控制温度，从而减小系统超调量并提高响应速度。由于单神经元 PID 稳态控制效果差，因此在恒温控制阶段，该选择性控制算法通过继电开关选择极限学习机优化的 PID 控制算法对温度进行控制，提高系统的鲁棒性与抗扰动能力。
[0007]进一步地，所述继电器自校正算法的步骤为：采用系统输出温度反馈决策的方式对继电开关进行通断操作以选择不同的控制算法，采用继电反馈的方式对PID控制器的参数进行初始化自动校正，在每个时间间隔的条件下，PID控制器参数由继电器自校正算法计算并存储在存储器的相应地址中，温度控制模块收到设置命令后，将输出满功率，迅速控制温度下降并达到目标值，当温度超过设目标值时，它以全功率冷却，当实际温度低于设定温
度时，用全功率加热，使系统产生对称的振荡曲线，并对所述振荡曲线进行记录，振荡稳定后，记录振荡周期和振荡幅度A，并通过所述振荡周期和振荡幅度A初始化校正 PID 控制器的三个参数，所述参数分别为比例增益、积分作用和微分作用，计算方法为：
[0008]，
[0009]，
[0010]，
[0011]；
[0012]式中，是振荡周期，为输入功率的幅度，为中间参数。
[0013]优选地，所述继电器自校正算法包括温度反馈与参数整定，所述温度反馈以实际腔液温度、实际温度与设定温度的差为反馈变量，通过这两个反馈量确定当前温度控制阶段。
[0014]进一步地，在所述单神经元PID控制算法的基础上引入了最优控制中的线性二次型性能指标来计算控制规律，从而优化控制输出，通过修改单神经元控制器的权重系数，使二次型性能指标最小，即可实现温度的自适应PID最优控制，线性二次型性能指标表示为，的表达式为：
[0015]；
[0016]式中，r(k)与 y(k)分别为控制系统输入温度值与输出温度值，为控制器的输出变量，P、Q 分别是输出误差与控制增量加权系数的加权系数，通过梯度下降法更新单神经元的加权系数，具体为：
[0017]；
[0018]e(k)=r(k)
‑
y(k)；
[0019][0019]；
[0020]式中， 表示为单神经元的权重系数，表示为神经元的学习率，为常数值，所述（）为求函数偏导，所述e(k)为控制系统在k时刻的误差；
[0021]为单神经元的第i（i=1,2,3）个输入值，其具体公式为：
[0022]。
[0023]计算得到的结果为：控制器在任何时刻的神经元权重系数，每个时刻的权重系数都是能保证控制系统输出作用域加热装置时能使得腔液温度和理想温度最接近，也就是说通过动态的更新神经元权重系数来保证变温阶段的控制效果最优，控制误差最小。
[0024]进一步地，通过梯度下降法更新后单神经元的加权系数，改变控制系统的稳定性，设置可以自动调节单神经元智能调节系数K，调节系数α，所述调节系数K为变量，所述调节系数α为常量，改进的单神经元自适应 PID 控制算法具体为：
[0025]；
[0026]；
[0027]式中，所述为可以自动调节单神经元智能调节系数K的初始值，、、分别是比例、积分、微分参数的学习率；e(k)为系统误差，为神经元的加权系数，通过计算得到的和分别为PID控制器的比例、积分、微分的神经元的权重，m为设定系数值，m的取值为:
[0028]。
[0029]在所述控制比例的参数计算中，在误差值相较于输入值相差较大的情况下或者的值很小，为了使控制器能够使输出对象接近，则定义m=1，反之的值在合理的范围内，则定义m=0.1，牺牲控制速度换取控制精度。
[0030]优选地，在有监督 Delta学习规则的无监督Hebb学习律的单神经元PID控制器的基础上，引入线性二次型性能指标来计算控制规律，以二次型性能指标最小为目标优化单神经元的加权系数，从而达到最优的温度控制性能与响应速度。
[0031]进一步地，通过继电器自校正算法判定当前控制系统的控制阶段，若继电器自校正算法判定当前为恒温控制阶段，控制系统选择极限学习机优化的 PID 控制算法，根据点胶阀腔液的温度利用极限学习机在线实时调整 PID控制器的参数，以增强自适应性并降低超调量。
[0032]进一步地，所述控制系统选择极限学习机优化的 PID 控制算法运行于极限学习机中，该极限学习机由输入层、隐藏层和输出层三层网络构成，其中，输入层有三个神经元，将误差趋势，误差量e(k)，和误差变化率作为极限学习机的三个输入，输出层也有三个神经元，分别对应比例系数，积分系数和微分系数。
[0033]优选地，若继电器自校正算法判定当前为恒温控制阶段，控制系统选择极限学习机优化的 PID 控制算法，该算法的具体实现步骤如下：
[0034]首先，进行极限学习机模型的训练：
[0035]输入层神经元的三个本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种喷射点胶阀腔液温度的选择性控制方法，其特征在于，通过继电器自校正算法根据温度控制阶段的不同自适应地选择改进的单神经元自适应PID控制算法与极限学习机优化的PID控制算法，从而实现不同温控阶段的最优控制;所述继电器自校正算法的步骤为：采用系统输出温度反馈决策的方式对继电开关进行通断操作以选择不同的控制算法，采用继电反馈的方式对PID控制器的参数进行初始化自动校正，在每个时间间隔的条件下，PID控制器参数由继电器自校正算法计算并存储在存储器的相应地址中，温度控制模块收到设置命令后，将输出满功率，迅速控制温度下降并达到目标值，当温度超过设目标值时，它以全功率冷却，当实际温度低于设定温度时，用全功率加热，使系统产生对称的振荡曲线，并对所述振荡曲线进行记录，振荡稳定后，记录振荡周期和振荡幅度A，并通过所述振荡周期和振荡幅度A初始化校正 PID 控制器的三个参数，所述参数分别为比例增益、积分作用和微分作用，计算方法为：，，，；式中，是振荡周期，为输入功率的幅度，为中间参数。2.根据权利要求1所述的一种喷射点胶阀腔液温度的选择性控制方法，其特征在于，在所述单神经元PID控制算法的基础上引入了最优控制中的线性二次型性能指标来计算控制规律，从而优化控制输出，通过修改单神经元控制器的权重系数，使二次型性能指标最小，即可实现温度的自适应PID最优控制，线性二次型性能指标表示为，的表达式为：；式中，r(k)与 y(k)分别为控制系统输入温度值与输出温度值，为控制器的输出变量，P、Q 分别是输出误差与控制增量加权系数的加权系数，通过梯度下降法更新单神经元的加权系数，具体为：；e(k)=r(k)
‑
y(k)；y(k)；；式中，表示为单神经元的权重系数，表示为神经元的学习率，为常数值，
所述（）为求函数偏导，所述e(k)为控制系统在k时刻的误差；为单神经元的第i（...

【专利技术属性】
技术研发人员：李志强，周灿，
申请(专利权)人：广州市景泰科技有限公司，
类型：发明
国别省市：