- · 《电镀与精饰》栏目设置[08/03]
- · 《电镀与精饰》数据库收[08/03]
- · 《电镀与精饰》投稿方式[08/03]
- · 《电镀与精饰》征稿要求[08/03]
- · 《电镀与精饰》刊物宗旨[08/03]
基于神经网络PID算法的镀液温度控制系统(3)
作者:网站采编关键词:
摘要:[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 distribu
[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
上一篇:继电器零件常见电镀故障分析
下一篇:对定子铁芯电镀锌-镍合金挂具的改进研究