基于嵌入式单片机的塑料挤出机温度控制系统设计

Design of Plastic Extruder Temperature Control System Based on Embedded Microcontroller

摘要

为提升温度控制的精度和稳定性，研究通过分析塑料挤出机的温度特性设计基于反向传播神经网络比例-积分-微分（PID）温度控制器，并根据工艺要求设计基于嵌入式单片机的挤出机温度控制系统的整体方案。试验结果表明，在目标温度100 ℃和加热功率100%的条件下塑料挤出机产品的效果更好。运行结果表明，温度控制器在挤出机温度控制系统中取得较好的控制效果。系统的超调量为1.76%左右，稳态误差控制在1.5 ℃左右，表现出较高的控制精度和较强的自适应能力。该系统能够实时监测和调节挤出机的温度，确保塑料熔体在挤出过程中达到最佳的流变特性，对提高产品一致性、降低能耗以及提升生产效率具有重要意义。

Abstract

To improve the accuracy and stability of temperature control, the study was conducted to design a proportional-integral-derivative (PID) temperature controller based on backpropagation neural network by analyzing the temperature characteristics of plastic extruders. Additionally, an overall scheme for the extruder temperature control system based on embedded single-chip microcomputers was designed according to the process requirements. Test results show that the plastic extruder product is better under the conditions of target temperature of 100 ℃ and heating power of 100%. The operation results show that the temperature controller has achieved better control results in the extruder temperature control system. The overshoot of the system is about 1.76%, and the steady state error is controlled at about 1.5 ℃, which shows high control accuracy and strong self-adaptive ability. The system is capable of monitoring and regulating the temperature of the extruder in real time, ensuring that the plastic melt achieves optimal rheological properties during the extrusion process, which is of great significance for improving product consistency, reducing energy consumption, and enhancing production efficiency.

Graphical abstract

关键词

塑料挤出机 / 嵌入式 / STM32单片机 / 温控系统 / PID控制

Key words

Plastic extruder / Embedded / STM32 microcontroller / Temperature control system / PID control

塑料挤出机作为现代塑料加工中的重要设备，已被广泛应用于管材、型材、薄膜等塑料制品的生产中^[1]。塑料挤出机温度控制系统能够直接影响塑料熔体的流变特性、熔体均匀性以及最终产品的质量，在塑料挤出过程中起到至关重要的作用^[2]。然而，目前许多塑料挤出机温控系统仍存在明显的滞后性和惯性问题，这给塑料加工生产过程带来诸多不便^[3]。传统的温度控制方法主要依赖比例-积分-微分(PID)控制算法，但PID控制算法在较大的温度波动时容易产生过大的超调，导致温度超出预设范围，进而影响产品质量^[4-5]。此外，PID控制器存在较大的滞后性，难以对快速变化的温度需求做出及时响应^[6]。为了克服这些问题，研究人员尝试采用更加先进的模糊控制、神经网络控制等控制策略，来提高温控精度和响应速度^[7-8]。然而，这些方法在应用过程中通常存在计算量大、调试困难以及系统鲁棒性差等问题^[9-10]。

为解决传统PID控制器在参数调整上的不足，并提高塑料挤出机温度控制系统的自适应能力和稳定性，本研究创新性地将反向传播神经网络(BP)与模糊PID控制相结合，设计一种基于STM32嵌入式单片机的塑料挤出机温控系统。研究旨在通过这些创新性的设计为塑料挤出机温控系统的设计提供一种新的思路，并为其他工业自动化控制系统的优化提供参考。

1 塑料挤出机温度控制方案设计

1.1 基于改进PID的挤出机温度控制算法研究

塑料挤出机的温度控制系统会受到多种不确定因素的影响^[11-12]，而采用合适的控制算法是实现精准温控的关键。控制系统常用的数学模型包括一阶惯性环节加纯延迟(FOPDT)和二阶惯性环节加纯延迟(SOPDT)。通过简化传递函数模型对塑料挤出机温度控制系统进行建模后，采用PID控制算法可以实现温度的精确调节^[13-14]。简化后的塑料挤出机温度控制系统的传递函数G(s)的公式为：

G(s)=\frac{\mathrm{16}}{\mathrm{1}\mathrm{500}s}{e}^{-\mathrm{40}s}(1)

式(1)中：s代表拉普拉斯变换中的复频率变量。

然而，在面对非线性系统、外部扰动或参数变化时，传统PID控制器的效果往往难以达到预期^[15]。模糊控制器则能够通过模糊逻辑推理，根据当前误差和误差变化速率来动态调整PID参数，从而有效提高控制系统的精度和响应速度^[16-18]。但模糊控制器在稳态控制中难以实现较高的控制精度，且存在稳态精度差、规则库设计复杂、计算量大、缺乏严格理论支持以及参数调节烦琐等问题^[19-21]。为达到更好的控制效果，研究结合了传统PID控制器和模糊控制器的优点，提出一种模糊PID控制器。

模糊PID控制器在每个控制周期内会首先计算出当前温度与设定目标温度之间的误差以及误差的变化速率。然后，根据这两个参数通过模糊推理生成对应的PID参数调整量。接着再通过调节比例、积分和微分系数来实时调整控制信号，最终精确控制温度变化。BP神经网络作为一种监督学习算法，通过其强大的数据处理和模式识别能力，能够根据系统输入输出之间的复杂关系，实时调整温控系统的参数，使温控系统能够在不同工况下表现出较好的控制性能^[22-23]。因此，为进一步提升塑料挤出机温度控制系统的温度控制性能，研究提出一种基于改进PID的挤出机温度控制算法，即BP-PID模糊控制算法。

图1为BP-PID模糊控制算法的流程。从图1可以看出，研究首先确定BP神经网络的结构；随后，初始化加权系数的初值并设定学习速率和惯性系数；然后，计算时刻误差，BP神经网络的输出即为模糊PID控制器的3个可调参数，即比例系数(K_p)、积分系数(K_i)和微分系数(K_d)；最后使用增量数字PID控制算法计算模糊PID控制器的输出，进而调整系统的温度控制。与此同时，通过BP神经网络进行学习，通过在线调整加权系数来实现模糊PID控制参数的自适应调整。这一过程将持续进行，直到网络学习达到预期的收敛目标，最终获得最佳的PID参数，以实现对温控系统的优化。

1.2 基于嵌入式单片机的高精度温度控制系统设计

塑料挤出机温度控制系统通过BP-PID模糊控制算法能够实时监测和调整温度，从而消除系统的静态误差，降低超调量，确保温度的精确稳定。

为更好地利用该控制算法且进一步实现温度控制的高精度和快速响应，研究基于STM32单片机设计一种新型的嵌入式单片机高精度温度控制系统。STM32单片机具有高速运算能力、丰富的接口资源和较强的实时处理能力，非常适合用于嵌入式温控系统的设计^[24-25]。在STM32单片机的支持下，温度控制系统可以实时调整和优化控制参数，快速响应系统变化，从而确保温度精度和系统稳定性^[26-27]。

图2为STM32嵌入式单片机温控系统的硬件结构。从图2可以看出，设计的温度控制系统主要由通信模块、人机交互模块、控制器模块、温度检测模块、驱动模块以及电流检测模块组成。其中，控制器模块以STM32单片机为核心，负责接收温度信号，并通过BP-PID模糊控制算法产生控制指令，将其输出至驱动模块。通信模块通过串口、I2C和CAN通信方式，将实时温度数据、控制状态以及警报信息传输到上位机。同时，外部设备通过通信模块向系统发送命令，实现远程控制和参数调整。人机交互模块为操作人员提供与系统交互的界面。通过液晶显示屏(LCD)，操作人员可以实时查看当前温度、目标温度以及温度误差等信息。驱动模块负责接收来自控制器的控制信号，驱动加热器或冷却器调节温度。通过脉宽调制(PWM)信号控制加热器的功率输出，实现对温度的精准控制。驱动模块根据控制信号调整加热元件的工作状态，确保温度在预定范围内稳定。电流检测模块用于实时监控加热器的电流变化，从而准确判断加热功率的变化情况。温度检测模块则通过DS18B20温度传感器实时采集系统的温度数据，并将数据传输给STM32单片机。嵌入式单片机高精度温度控制系统的软件部分主要由下位机软件和上位机软件组成。下位机软件运行在STM32单片机上，负责实现温度控制的核心功能；上位机软件则运行在人机界面设备上，以提供图形化界面用于实时监控和操作控制。

2 工艺参数优化设计与分析

2.1 参数优化试验设计

在实际应用中，环境因素、设备差异、原料特性等会对塑料挤出机温度控制系统的性能产生不同程度的影响^[28-29]。因此，温控系统在设计完成后还需进行大量的优化和调试工作，以提高不同工况下温控系统的鲁棒性和精度^[30]。研究设计9组试验进行参数优化。表1为参数优化试验设计。从表1可以看出，在塑料挤出机温度控制过程中，主要会受到目标温度(t_set)、PID参数(K_p、K_i和K_d)、加热功率(P_heating)的影响。其中，t_set是塑料挤出机的关键控制目标，会直接对塑料熔体的流变特性和最终产品的质量产生影响。选择不同的t_set有助于评估温度控制系统在不同生产条件下的控制性能。K_p、K_i和K_d是温度控制系统精度和响应速度的关键参数。通过调节这些参数，可以优化温控系统的性能，减少超调和稳态误差。P_heating会直接影响温度控制系统的调节能力，过高或过低的功率均会导致温度波动较大。通过不同的加热功率设置，可以验证温度控制系统在不同加热功率下的温控精度。

2.2 优化结果分析

研究主要根据STM32嵌入式单片机高精度温度控制系统在不同参数设置下的超调量、响应时间以及稳态误差指标进行分析，并比较不同参数设置对温控系统的影响。表2为工艺参数优化结果。从表2可以看出，控制塑料挤出机温度控制系统的动态响应主要受K_p和K_d的调节影响，而系统能耗和稳态误差更多与K_i和P_heating有关。t_set为100 ℃、K_p为1.0、K_i为0.3、K_d为0.15和P_heating为100%(试验5)时，STM32嵌入式单片机高精度温度控制系统的表现最为稳定。系统在试验5参数下的性能(超调量1.76%、稳态误差1.5 ℃)显著优于其他试验组。试验3和试验6的表现则相对较差，超调量分别达到4.20%和4.56%，说明过高的K_p和过大的P_heating均会导致系统不稳定。

3 验证分析

3.1 温度控制器的有效性验证

为了验证所设计系统的有效性，研究搭建了合适的测试环境进行测试验证。通过STM32嵌入式单片机温控系统上位机获取塑料挤出机的实时温度，并通过访问历史温度数据，导出“Historical temperature.csv”格式的报表，随后对数据进行分析处理。试验中设置t_set为100 ℃，K_p为1.0，K_i为0.3，K_d为0.15，P_heating为100%，并引入同类型先进的温度控制算法，即模糊自适应PID控制算法(FA-PID)、自整定PID控制(SF-PID)和增量PID控制(IPID)进行对比测试。

图3为不同温度控制算法的仿真曲线。从图3可以看出，与其他3种PID温度控制算法相比，提出的BP-PID模糊控制算法在控制精度、自适应性和稳定性等方面性能表现最佳。这说明BP-PID模糊控制算法能够有效抑制系统的大幅度波动。由此可知，研究所设计的BP-PID模糊控制算法在塑料挤出机的温度控制系统中具有可行性。

3.2 温度控制系统运行结果分析

研究采用MATLAB对STM32嵌入式单片机高精度温度控制系统进行仿真分析。将子样平均值偏差和重复性标准偏差作为验证指标进行测试。图4为不同温度控制算法的平均值偏差和重复性标准偏差。从图4可以看出，本研究所提出的BP-PID模糊控制算法的子样平均值偏差和重复性标准偏差最小值分别仅为0.13和0.31，均低于其他3种方法，表明所设计的方法控制下的塑料挤出机加热温度偏差较小，且温度控制的重复性最强，再次验证了该研究方法的有效性。

4 结论

在现代工业生产中，由于控制目标的复杂性和不可预测性，传统PID控制难以满足塑料挤出机温度控制的需求。为此，研究利用BP神经网络与模糊PID控制，提出一种BP-PID模糊控制算法。在该算法的基础上，基于STM32单片机设计一种新型的高精度温度控制系统。试验结果表明，t_set为100 ℃、K_p为1.0、K_i为0.3、K_d为0.15、P_heating为100%时，本研究所提出的BP-PID模糊控制算法的表现最为稳定。与其他PID控制算法相比，本研究所提出的BP-PID模糊控制算法能够更有效地抑制大幅度波动。该系统控制下温度的子样平均值偏差和重复性标准偏差最小值分别仅为0.13和0.31，证明其在塑料挤出机温控中的优势。然而，在极端条件下，系统的鲁棒性和自适应性仍有待提升。未来，可结合更多传感器和智能算法，加强系统的鲁棒性和自适应能力，以提升其在复杂环境中的表现。

参考文献

[1] 孟锦涛, 国海, 王磊, 等. 基于GA优化的模糊PID塑料挤出机温度控制系统设计[J]. 工程塑料应用, 2023, 51(4): 84-90.

[2] 李光明, 杨攀攀, 薛鑫, 等. 基于PLC的塑料挤出机远程监控系统设计[J]. 合成树脂及塑料, 2023, 40(2): 56-59.

[3] 徐秀英. 模糊PID控制在塑料挤出机中的应用研究进展[J]. 合成树脂及塑料, 2021, 38(6): 75-78.

[4] 周冬冬, 陈明霞, 赵金迪. 基于FFRLS辨识优化橡胶挤出机Smith-模糊PID温度控制系统[J]. 机床与液压, 2022, 50(15): 158-165.

[5] 陈明霞, 周冬冬, 张寒. 基于优化RBF神经网络挤出机温度压力系统辨识[J]. 机床与液压, 2021, 49(10): 10-14.

[6] YEROLLA R, SUHAILAM P, BESTA C S. Advanced temperature control in ethanol fermentation using a PSO-PID controller with split-range control strategy[J]. Preparative Biochemistry Biotechnology, 2025, 55(2): 196-209.

[7] 冀炳晖, 茅健, 钱波. 基于遗传算法-模糊PID的双喷头FDM型3D打印机温度控制方法[J]. 工程设计学报, 2024, 31(2): 151-159.

[8] 张海弟. 基于PID自整定功能的自适应双路输出的黑体温度控制[J/OL]. 自动化学报, 2019: 1-10[2019-11-06].

[9] 李光保, 高栋, 路勇, 等. 基于卡尔曼滤波的模糊PID热处理温度控制系统的设计[J]. 金属热处理, 2023, 48(8): 235-241.

[10] 王瑞, 秦建敏. 多传感特征融合的空调送风温度模糊PID控制方法[J]. 传感技术学报, 2023, 36(6): 943-948.

[11] 谭平, 施惠元, 苏成利, 等. 具有丢包补偿的GORC-PID算法无线温度控制系统[J]. 应用科学学报, 2023, 41(6): 1078-1088.

[12] 张安迪, 张艳荣, 李涛. 论域可变的模糊PID控制在半导体激光器温度控制系统中的应用[J]. 光学学报, 2021, 41(12): 145-153.

[13] 刘昱明, 李元, 李浩, 等. 基于换热器动态模型的PID模拟控制研究[J]. 计算机仿真, 2022, 39(5): 229-233.

[14] ZHAI W Z, DONG L W, HU Y L. Self-tuning control of steam sterilizer temperature based on fuzzy PID and IPSO algorithm[J]. Journal of Measurements in Engineering, 2024, 12(4): 638-655.

[15] 夏湘滨, 李世军, 黄超, 等. ACDBO优化模糊PID的石墨化炉温度控制研究[J]. 炭素技术, 2024, 43(6): 10-16.

[16] 罗一, 石艳. 基于模糊PID控制的窖池温度监控设计[J]. 食品与机械, 2023, 39(3): 85-90.

[17] BERENGUEL M, IBORRA C, RODRÍGUEZ F, et al. Nonlinear PID-based temperature control techniques in greenhouses using natural ventilation[J]. IFAC PapersOnLine, 2024, 58(7): 454-459.

[18] 杨佳敏, 张晨一, 席瑞谦, 等. 基于STM32的轮式水产监控车控制系统设计[J]. 河北农业大学学报, 2024, 47(2): 119-125.

[19] ZHANG S, ZHANG A H, DONG S J, et al. Temperature control of electric hotplate based on Smith fuzzy multi-level integral separation PID[J]. Journal of Northwestern Polytechnical University, 2024, 42(5): 939-947.

[20] 郑悠, 方丹丹, 高建红, 等. 基于PID控制的冷喷涂气体温度精确控制研究[J]. 材料保护, 2023, 56(6): 123-127.

[21] 王威, 李少甫, 吴昊, 等. 基于反向传播神经网络PID的高功率微波炉温度控制[J]. 强激光与粒子束, 2024, 36(1): 55-61.

[22] 张亚飞, 李明治, 李春兰, 等. 基于BP神经网络的汇控小室温度控制策略[J]. 现代电子技术, 2021, 44(19): 90-94.

[23] 祖一康, 徐妙婧. 基于单片机和PID算法的温度智能控制系统设计[J]. 现代电子技术, 2024, 47(8): 83-89.

[24] 吕爱华. 基于单片机技术的大棚远程温控系统应用[J]. 农机化研究, 2023, 45(6): 208-212.

[25] 胡满红, 李虹飞. 基于单片机和模糊PID的拖拉机空调电机控制系统[J]. 农机化研究, 2022, 44(4): 256-260.

[26] 黄超, 赵宇红, 张洪明, 等. 基于STM32单片机的在线恒温光谱分析系统研制与测试[J]. 光谱学与光谱分析, 2023, 43(9): 2734-2739.

[27] OLANA D F, ABOSE A T. PID Temperature controller design for shell and tube heat exchanger[J]. International Journal of Engineering and Manufacturing(IJEM), 2021, 11(1): 37-46.

[28] 徐扬, 张兰红, 陈永楼. 基于STM32F411的无刷直流电机FOC控制系统设计[J]. 微特电机, 2023, 51(5): 61-65.

[29] 王程, 余兴兴. 挤出机产能效率的影响因素简析[J]. 塑料工业, 2023, 51(6): 69-74.

[30] 邵禹通, 沈晓洁, 卢军. 挤出工艺对玻纤增强ABS材料性能的影响[J]. 现代塑料加工应用, 2022, 34(1): 24-27.