沥青混凝土搅拌设备配料误差的鲁棒控制方法

摘要

本发明公开了一种沥青混凝土搅拌设备配料误差的鲁棒控制方法。该方法首先建立输入输出人工神经网络模型，采用三层结构，输入层一个神经元，中间层五个神经元，输出层一个神经元；其次进行动态预测和学阶段。本发明建立了流量和飞料量的非线性模型，并通过不断的学调整，与固定参数的线性模型相比能自适应外界参数的变化，对沥青混合料搅拌设备配料误差达到了更好的控制效果，这样可以使配料误差达到≤±2％，提高了沥青混合料搅拌设备的配料精度。

主权项

1.一种沥青混凝土搅拌设备配料误差的鲁棒控制方法，料仓初始时秤重量为皮重W0，打开仓门后，物料靠自重落入计量秤中，此时可读出秤的动态重量W1，然后关闭仓门，待秤完全稳定后可读出静态重量W，那么仓门从开启到完全关闭后秤中的物料重量W＝W1+W2-W0，式中：W2为实际飞料重量；控制过程如下：首先，建立输入输出人工神经网络模型，采用三层结构，输入层一个神经元，代表关仓门前流量Q；中间层五个神经元；输出层一个神经元，代表实际飞料量Y；建立关仓门前流量Q与实际飞料量Y的非线性模型，这是一种黑箱模型，神经元的输入输出采用非线性函数f(x)＝1/1+e-x，x代表神经元输入，f(x)代表神经元输出，则Vi＝1/1+e-Ui，Vi代表神经元的输出，Ui代表神经元的输入，i＝1～5；其次，进行动态预测和学习阶段，即预测阶段：根据当前的实时流量Q作为输入神经元的值，根据人工神经网络模型当前的权值，通过前向计算得到输出神经元的值Y，Y代表飞料量，这种预测是定时计算的，不断预测飞料量Y，当W1+Y-W0等于本次的设定配给值W时，发出关闭仓门信号，预测阶段完成；学习阶段：预测阶段完成后，得到采集的关仓门前流量Q与实际飞料量W2这个最新采集样本对网络进行重新学习调整权值，使下式的配料误差E最小：$E=\underset{k=1}{\overset{m}{\Sigma }}{(Y^k-{w_2}^k)}^2/2;$ 式中Yk是根据第k个学习样本的输入量即关闭仓门时的流量Qk，输入到人工神经网络后根据当前权值计算出来的输出值，W2 k为第k个学习样本的实际飞料量。