专利名称：一种应用于锥型双螺杆挤出机温度控制的卡尔曼滤波方法
技术领域：
本发明涉及工业控制领域中挤出机械温度控制过程中应用功能研究，提供针对锥型双螺杆挤出机械载荷变化引起的温度波动，在借鉴传统锥型双螺杆挤出机械温度控制方法，将传统PID控制和卡尔曼滤波方法结合在一起，提出了一种基于卡尔曼滤波的参数自整定模糊PID控制器，该控制器将传统的PID控制算法和模糊控制算法相结合，通过多温度误差及温度误差变化的模糊运算，实现对PID参数的在线调节，为了减弱测量噪声和过程噪声对控制的影响，采用卡尔曼滤波对噪声进行滤波处理，以提高控制精度，该发明具有更好的动态和稳态性能，能较好的提高锥型双螺杆挤出机械温度控制效果和抗干扰能力，减少干扰对系统的影响，提高锥型双螺杆挤出机械的工作效率和产品质量。
背景技术：
螺杆基本结构形式锥形双螺杆挤出机自六十年代问世以来已经近三十年，其螺杆基本结构经历了不同的发展阶段。锥形双螺杆可以有效地提高螺杆塑化能力和挤出机挤出产量，进而达到提高生产效率的目的，；锥型双螺杆挤出机如
图1所示，由于喂料特性好，适用于粉料加工，且比单螺杆挤出机有更好的混炼、排气、反应和自洁功能，特点是加工热稳定性差的塑料和共混料时更显示出其优越性。锥型双螺杆挤出机螺杆运动示意如图2所示，两根锥形螺杆在螺筒中互相啮合、异向旋转，一根螺杆的螺棱顶部与另一根螺杆的螺棱根部有合理的间隙。由于异向旋转，一根螺杆上物料螺旋前进的道路被另一根螺杆堵死，物料只能在螺纹的推动下通过物料各部分间隙轴向前进。当物料通过两根螺杆之间的径向间隙时，所受的搅拌和剪切十分强烈，所以塑化均匀，特别适宜加工PVC塑料。锥形双螺杆的压缩比不但由螺槽从深到浅而形成，同时也由螺杆外径从大到小而形成，因此压缩比相当大。所以物料在螺筒中塑化得更均匀、更充分，保证了制品的质量。在此前提下，可以提高转速，从而提高挤出量。锥形双螺杆的螺杆特性曲线比较硬，比较易于调整沿料筒轴向温度曲线的形状，以适应加工温度范围较窄的塑料需要。卡尔曼滤波器是一个最优化自回归数据处理算法。对于解决很大部分的问题，他是最优，效率最高甚至是最有用的。他的广泛应用已经超过30年，包括机器人导航，控制，传感器数据融合甚至在军事方面的雷达系统以及导弹追踪等等。近年来更被应用于计算机图像处理，例如头脸识别，图像分割，图像边缘检测等等。滤波器实际实现时，测量噪声协方差R—般可以观测得到，是滤波器的已知条件。卡尔曼滤波是基于状态空间方法的一套递推滤波算法，在状态空间方法中，引入了状态变量的概念。实际应用中，可以通过选取合适的状态变量来体现系统的特征、特点和状况的变化。卡尔曼滤波的模型包括状态空间模型和观测模型。状态模型是反映状态变化规律的模型，通过状态方程来描写相邻时刻的状态转移变化规律；观测模型反映了实际观测量与状态变量之间的关系。Kalman滤波问题就是联合观测信息及状态转移规律来得到系统状态的最优估计。为了更形象地说明卡尔曼滤波的原理，下面给出卡尔曼滤波的系统模型框图如图3所示。
假设动态系统的状态空间模型为X(t+1) = φχα) + πα)Y (t) = HX (t) +V (t)其中，X(t)系统在时刻t的状态Y(t)对状态的观测值W(t)系统噪声，方差阵为QV(t)观测噪声，方差阵为RΦ状态转移矩阵H观测矩阵Γ系统噪声驱动矩阵卡尔曼滤波的计算流程为计算状态估计值X{t + \\t + \) = X{t + \\t) + K(t + \)ε( +1)计算状态一步预测
Χ{ + \\ ) = ΦΧ^\ )计算新息s(t + \) = Y(t + l)-HX(t + l\t)计算卡尔曼滤波增益K (t+Ι) = P (t+111) Ht [HP (t+111) HT+R]计算一步预测均方误差P (t+1 11) = ΦΡ( | ) Φτ+Γ0Γτ计算一步预测估计均方误差P (t+111+1) = [In-K (t+1) H] P (t+111)卡尔曼滤波作为一种数值估计优化方法，与应用领域的背景结合性很强。从锥形双螺杆挤出机发展来看，尽管近年来锥形双螺杆挤出机已较为完善，但随着高分子材料和塑料制品不断的发展，锥形双螺杆挤出机向着高速、高效、专用化方向发展。传统PID温度控制在锥型双螺杆挤出机械载荷变化的情况下的会造成温度波动引起的废品率升高，降低锥型双螺杆挤出机械的工作效率和产品质量。
发明内容
本发明的目的解决针对锥型双螺杆挤出机械载荷变化的温度波动，在借鉴传统锥型双螺杆挤出机械温度控制方法，通过对被传统锥型双螺杆挤出机械系统进行形式化描述，建立起精确的数学模型，再从这个模型出发，进行卡尔曼滤波器的设计与实现工作。将传统PID控制和卡尔曼滤波方法结合在一起，提出了一种基于卡尔曼滤波的参数自整定模糊PID控制器，该控制器将传统的PID控制算法和模糊控制算法相结合，通过多温度误差及温度误差变化的模糊运算，实现对PID参数的在线调节，为了减弱测量噪声和过程噪声对控制的影响，采用卡尔曼滤波对噪声进行滤波处理，以提高控制精度，该发明具有更好的动态和稳态性能，能较好的提高锥型双螺杆挤出机械温度控制效果和抗干扰能力，减少干扰对系统的影响，提高锥型双螺杆挤出机械的工作效率和产品质量。在PID温度控制中采用卡尔曼滤波算法的系统框图如图4所示，由于卡尔曼滤波器是最优的信息处理器，在被控制对象输出值后附加卡尔曼滤波器，通过该滤波器将系统的测量噪声和控制干扰进行消减，消减过程主要体现在经过滤波后的输出值经过反馈又回到了系统中，从而使得系统的性能得到提升，防止锥型双螺杆挤出机械温度波动。应用于锥型双螺杆挤出机的PID控制和卡尔曼滤波方法实现过程如图5所示，，其控制过程一个离散控制过程的系统，利用锥型双螺杆挤出机的过程模型来预测下一状态的系统，根据锥型双螺杆挤出机的模型，可以基于系统的上一状态而预测出现在状态是利用上一状态预测的结果，根据现在状态的预测结果，再收集现在状态的测量值，结合预测值和测量值，可以得到现在状态的PID参数最优化估算值。PID温度控制中采用卡尔曼滤波是从获得的温度测量信息中尽可能的滤除干扰，分离所需要的真实信号。已知测量向量PID控制器参数序列Y1，Y2，···.，，如何求得向量Xk的估计。由于燥声的干扰，不可能精确算得状态向量Xk的真值，而只能在一定的统计准则下作出最优估计，kalman滤波采用的是最小均方误差估计原则记Y(k) = (Ylt, Y2t, ...，Ykt)t希望由Y(k)对j时刻的状态Xj进行估计。记估计量和估计误差分别是Xj , k，xj I k记估计的均方误差阵Pj IkXj I k =Xj-Xj I kpj I k=E (Xj |k，Xj I k t)最小均方误差估计就是指Pj I k为最小值，即xj I Xk线形最小方差估计。离散线性kalman滤波的表达式Xk = Z*Xk-l+G*Wk_lYk = Hk*Xk+Vk其中，动态噪声{Wk}与测量噪声{Vk}是互不相关的O均值白噪声系列，即对所有的k，j，系统噪声的统计特性为
权利要求
1.一种应用于锥型双螺杆挤出机温度控制的卡尔曼滤波方法，其特征在于，该方法包括在借鉴传统锥型双螺杆挤出机械温度控制方法，针对锥型双螺杆挤出机负荷变化引起的温度波动，将传统PID控制和卡尔曼滤波方法结合在一起，提出了一种基于卡尔曼滤波的参数自整定模糊PID控制器，该控制器将传统的PID控制算法和模糊控制算法相结合，通过多温度误差及温度误差变化的模糊运算，实现对PID参数的在线调节，为了减弱测量噪声和过程噪声对控制的影响，采用卡尔曼滤波对噪声进行滤波处理，以提高控制精度，该发明具有更好的动态和稳态性能，能较好的提高锥型双螺杆挤出机械温度控制效果和抗干扰能力，减少干扰对系统的影响，提高锥型双螺杆挤出机械的工作效率和产品质量。
2.根据权利要求1所述的方法，其特征在于在PID温度控制中采用卡尔曼滤波算法，由于卡尔曼滤波器是最优的信息处理器，在被控制对象输出值后附加卡尔曼滤波器，通过该滤波器将系统的测量噪声和控制干扰进行消减，消减过程主要体现在经过滤波后的输出值经过反馈又回到了系统中，从而使得系统的性能得到提升，防止锥型双螺杆挤出机械温度波动。
3.根据权利要求1所述的方法，其特征在于应用于锥型双螺杆挤出机的PID控制和卡尔曼滤波方法结合，其控制过程一个离散控制过程的系统，利用锥型双螺杆挤出机的过程模型来预测下一状态的系统，根据锥型双螺杆挤出机的模型，可以基于系统的上一状态而预测出现在状态是利用上一状态预测的结果，根据现在状态的预测结果，再收集现在状态的测量值，结合预测值和测量值，可以得到现在状态的PID参数最优化估算值。
全文摘要
本发明提供一种应用于锥型双螺杆挤出机温度控制的卡尔曼滤波方法。在借鉴传统锥型双螺杆挤出机械温度控制方法，针对锥型双螺杆挤出机负荷变化引起的温度波动，将传统PID控制和卡尔曼滤波方法结合在一起，通过多温度误差及温度误差变化的模糊运算，实现对PID参数的在线调节，为了减弱测量噪声和过程噪声对控制的影响，采用卡尔曼滤波对噪声进行滤波处理，在被控制对象输出值后附加卡尔曼滤波器，通过该滤波器将系统的测量噪声和控制干扰进行消减，消减过程主要体现在经过滤波后的输出值经过反馈又回到了系统中能较好的提高锥型双螺杆挤出机械温度控制效果和抗干扰能力，减少干扰对系统的影响。
文档编号G05B13/04GK103064287SQ201210454988
公开日2013年4月24日 申请日期2012年11月14日 优先权日2012年11月14日
发明者张军明, 李强 申请人:山东交通职业学院