基于神经网络PID算法的镀液温度控制系统(3)

［10］田波，周武能，周全权，等. 基于BP-PID 算法的无线分布 式温 度 控制系 统［J］. 控制工 程，2015，22（5）： B，Zhou W N，Zhou Q Q，et al. Wireless distribut?ed temperature control system based on the BP-PID algo?rithm［J］. Control Engineering of China，2015，22（5）：841-847（in Chinese）.

［11］刘冰艳，朱武，张佳民.基于BP神经网络自整定PID恒温控制系统研究［J］. 仪表技术与传感器，2018（8）： B Y，Zhu W，Zhang J M. Study of constant tempera?ture control system based on BP neural network self-turn?ing PID［J］. Instrument Technique and Sensor，2018（8）：52-55（in Chinese）.

［12］Cui S G，Pan H L，Li J G. Application of self-tuning of PID control based on BP neural networks in the mobile ri?bot target tracting［C］. IEEE International Conference on Instrumentation，Measurement，Computer，Communica?tion and Control（IMCCC），Shenyang，2013.

电镀是在待镀基材表面镀上一薄层其他金属或合金，以提高基材的耐腐蚀性、耐磨性或硬度等性能。电镀时，在阳极和阴极间通以直流电流，镀液中的金属阳离子在阴极表面还原为金属原子。镀液温度是影响镀层表面质量和电镀效率的一个重要因素［1］，镀液温度升高，阴极电流密度增加［2］，会加快化学反应速度，有助于提高阴极沉积速率，进而提高电镀效率，但也可能导致镀层结晶过大，电镀质量难以满足工艺要求［3］。文献［4］中，当铁镀液温度为65 ℃时，电沉积速率较低为0.022 μm/s；当镀液温度为95 ℃时，铁离子的活性增强，镀铁层的沉积速率增大为0.051 μm/s。文献［5］指出，当镀液温度为40 ℃时，基质金属的表面扩散的能力不强，镀层沉积速度较慢，导致Ni-SiC-MoS2镀层厚度较薄约为20 μm；镀液温度为50 ℃时，镀液中的热运动相比40 ℃时更加活跃，阳离子在镀液中的运动能力增强，分布更加均匀，使得镀层与基体的结合较好，Ni-SiC-MoS2镀层表面平整。而当镀液温度为60 ℃时，镀液黏度下降，镀层与基体结合处出现裂纹，Ni-SiC-MoS2镀层质量又变差。文献［6］指出，在铬-石墨烯电镀过程中，镀液温度上升，阴极电流效率降低，复合镀层变薄，使得复合镀层的显微硬度降低。由上述可知，无论何种镀层材质，镀液温度都是影响镀层质量的一个因素。故电镀时，如何根据电镀工艺和镀层质量控制合适的镀液温度就显得十分重要。研究者对温度控制进行了大量研究。文献［7］从优化镀铬工艺、改善电镀作业环境的角度出发，采用常规PID 控制算法对镀液温度进行控制，基本满足镀液温度控制的要求，但在水洗槽中，温度的变化波动较大。文献［8］为解决电镀过程中的生产效率低，需人工调节控制温度及电镀质量不稳定等问题，利用S7-300PLC 和常规PID 算法基本实现了镀槽温度的恒温控制。文献［9］采用Smith 预估PID控制算法控制波峰焊的焊接温度，控温效果较好。文献［10-12］将BP-PID 算法分别应用于DBF 激光器进行恒温控制、无线分布式温度控制系统及热导传感器恒温控制系统，均达到了预期目标，有效提高了温度控制精度。电镀槽液温度具有大滞后性、非线性、时变性等特点，采用常规PID 控制难以得到令人满意的控制性能。BP 神经网络可根据输入层数据的变化找寻到一组近似最优的PID 参数，目前已得到广泛的应用［10-12］。因此本文采用BP-PID 控制算法对镀液温度进行控制，仿真和实物实验表明该方法完全满足电镀工艺要求。1 BP网络结构Rumelhart 等 人 于1986 年 提 出 的BP（back propagation）神经网络是按误差反向传播训练的多层前馈网络，在实际中应用比较广泛。文中的BP神经网络含3 个输入层、5 个隐含层和3 个输出层。3 个输入层分别对应目标温度rin、实测温度yout和温度偏差ek，3个输出层对应对应常规PID控制算法中的比例系数Kp、积分系数Ki和微分系数Kd，通过过程参数动态调节找到PID 算法中近似最优的比例、积分、微分系数，获取令人满意的控制效果。BP 神经网络结构图如图1所示。图1 BP网络框图Fig.1 Schematic of BP neural networkBP-PID 算法的结构图如图2 所示，相较于普通PID 算法，增加了一个PID 参数自整定环节。BP 算法根据系统的实时输入、输出和偏差，采用梯度下降计算法，计算出PID 算法中比例、积分、微分系数的实时修正值ΔKp、ΔKi和ΔKd，并及时修正Kp、Ki、Kd值。进而调节镀液温度控制系统中电阻丝的通断时间u，从而实现对镀液温度的闭环控制，使镀液温度在合理范围之内。图2 BP-PID算法结构图Fig.2 Schematic of BP-PID algorithm2 BP-PID算法2.1 增量式PID算法位置式PID可表示为：式中：k为采样时刻，k=0，1，2…；u（k）为控制量；e（k）为偏差；Ti为积分时间；TD为微分时间；T为采样周期；Kp为比例系数。由于增量式PID 无须存储每一个采样周期所产生的偏差，所需存储空间大为减少，将位置式PID算法中的u（k）-u（k-1）得增量式PID，其数学表达式如式（2）所示 BP-PID控制算法文中BP神经网络的输入层函数为：隐含层输入和输出分别为：wij为隐含层加权系数，上标（1）时为隐含层，上标（2）时为输出层。f（）为正负对称的S函数：输出层的输入输出分别为：。由于在应用中，PID 算法的Kp、K、Kd均大于等于0，故取如式（7）所示的双曲正切函数为转换函数，式（8）所示的误差的平方为性能指标函数。标准最速下降法的不足是收敛速度较慢，因此在算法中引入动量因子α（0＜α＜1），以期加快算法的收敛能力，缩短算法的寻优时间。式中：学习速率η=0.2；动量因子α=0.01。据相关文献［7-8］推导的方法，输出层和隐含层算法的表达式分别如式（10）、（11）所示：3 系统仿真实验镀液温度控制系统采用电阻丝加热，通过控制固态继电器的通断时间实现电阻丝加热，从而达到控制镀液温度的要求。电阻丝的动态特性可近似用具有惯性延迟的一阶传递函数来表示：在MATLAB 2013A 中取幅值为1 的阶跃信号，用BP-PID算法仿真，得到图3。从图3可以看出，在阶跃信号的激励下，文中提出的BP-PID 算法可以根据外部输入实时修正PID 算法中的比例系数、积分系数和微分系数，从而得到当前相对最佳的PID控制参数，获得令人满意的控制效果。图3 BP-PID算法仿真曲线Fig.3 BP-PID algorithm simulation curves4 实验结果及分析电镀槽液温度控制系统的CPU 采用STM32，温度传感器选用铠装PT100，将其安装在电镀槽侧，用以测量槽液的实时温度。当外界温度为20 ℃、槽液目标温度为60 ℃时，分别采用常规PID 和BPPID 算法对槽液温度进行控制，实测结果如图5 所示。由图5 可知，在电镀槽液温度控制系统中，BPPID 算法与常规PID 算法相比，具有较小的超调量、能更快达到预期目标点位且温度曲线更加平顺，当目标温度为60 ℃时，BP-PID 算法的稳态误差小于 ℃。5 结论（1）在MATLAB 仿真实验中，BP-PID 控制算法能快速的整定出近似最优的PID控制参数。图5 PID和BP-PID算法调控槽温曲线Fig.5 The bath temperature curves of PID and BP-PID algorithm（2）在实物测试中，当环境温度为20 ℃，目标温度为60 ℃，系统的超调量小于3%，稳态误差小于±2 ℃，满足电镀工艺要求要求，达到了预期的目的。参考文献［1］ 赖柳锋.浅谈电镀工艺的发展［J］.当代化工研究，2017（5）： L F. Discussion of the electroplating technology de?velopment［J］. Modern Chemical Research，2017（5）：101-102（in Chinese）.［2］ 朱敬洪. 浅谈电镀生产中的质量管理［J］. 化工管理，2019（34）： J H. Discussion of quality management in electro?plating production ［J］. Chemical Management，2019（34）：117-118（in Chinese）.［3］ 李素敏，滕俊杰.基于改进PID算法的镀铬槽液温度控制系统设计［J］.电气传动，2019，49（9）：64-67.Li S M，Teng J J. Design of temperature control system for chromium bath based on improved PID algorithm［J］.Electric Drive，2019，49（9）：64-67（in Chinese）.［4］ 阿伦.用基于云计算的镀液温度控制系统优化镀铁层的沉积速率［J］.电镀与环保，2016，36（5）：43-45.A L. Optimization of iron coating deposition rate using plating solution temperature control system based on cloud computing［J］. Electroplating & Pollution Control，2016，36（5）：43-45（in Chinese）.［5］ 雷钰，闫莹雪，田晓东.电流密度和施镀温度对铝合金表面Ni-SiC-MoS2复合镀层显微组织的影响［J］. 表面技术，2018，47（2）： Y，Yan Y X，Tian X D. Effects of current density and plating temperature on microstructure of Ni-SiCMoS2composite coatings on aluminum alloy［J］. Surface Technology，2018，47（2）：231-235（in Chinese）.［6］ 陈波，彭倚天. 电镀时的温度和电流密度对铬–石墨烯复合镀层摩擦磨损行为的影响［J］. 电镀与涂饰，2018，37（11）： B，Peng Y T. Effects of temperature and current density during electroplating on friction and wear behav?ior of chromium-graphene composite coating［J］. Electro?plating & Finishing，2018，37（11）：473-479（in Chi?nese）.［7］ 李宁，卢子广，罗启平.镀铬槽液温度自动控制系统研究［J］.电镀与精饰，2017，39（8）：25-28.Li N，Lu Z G，Luo Q P. Research for chromium electro?plating bath temperature automatic control system［J］.Plating & Finishing，2017，39（8）：25-28（in Chinese）.［8］ 徐竟天，张甜甜，程瑞洲，等. 基于S7-300 PLC 的电镀恒温控制系统设计［J］. 电镀与涂饰，2015，34（12）： J T，Zhang T T，Cheng R Z，et al. Design of con?stant-temperature control system for electroplating based on S7-300 PLC［J］. Electroplating & Finishing，2015，34（12）：690-695（in Chinese）.［9］ 雷翔霄，徐立娟.Smith 预估控制在波峰焊温度控制系统的应用［J］.高技术通讯，2018，28（5）： X X，Xu L J. Application of Smith predictive control in wave soldering temperature control system［J］. Chi?nese High Technology Letters，2018，28（5）：457-461（in Chinese）.［10］田波，周武能，周全权，等. 基于BP-PID 算法的无线分布 式温 度 控制系 统［J］. 控制工 程，2015，22（5）： B，Zhou W N，Zhou Q Q，et al. Wireless distribut?ed temperature control system based on the BP-PID algo?rithm［J］. Control Engineering of China，2015，22（5）：841-847（in Chinese）.［11］刘冰艳，朱武，张佳民.基于BP神经网络自整定PID恒温控制系统研究［J］. 仪表技术与传感器，2018（8）： B Y，Zhu W，Zhang J M. Study of constant tempera?ture control system based on BP neural network self-turn?ing PID［J］. Instrument Technique and Sensor，2018（8）：52-55（in Chinese）.［12］Cui S G，Pan H L，Li J G. Application of self-tuning of PID control based on BP neural networks in the mobile ri?bot target tracting［C］. IEEE International Conference on Instrumentation，Measurement，Computer，Communica?tion and Control（IMCCC），Shenyang，2013.

文章来源：《电镀与精饰》 网址: http://www.ddyjszz.cn/qikandaodu/2021/0119/426.html