一种新型混凝土砂浆搅拌控制方法与流程

1.本发明涉及混合领域，具体涉及一种新型混凝土砂浆搅拌控制方法。


背景技术：

2.随着我国建设行业的发展，对混凝土的需求不断加大，刺激混凝土产业的发展。混凝土的生产质量对混凝土工程质量极其重要，而混凝土的生产质量主要取决于原材料的比例和砂浆搅拌过程的控制，一般原材料的比例都是经过严格的实验数据获得，所以在生产中混凝土的质量主要受混凝土砂浆的搅拌质量影响。
3.在现代机械化的生产中，搅拌设备都由主控系统控制，但是在实际生产过程中，设备的目标信号与设备的实际输出信号之间存在偏差，导致设备的控制参数改变，从而影响混凝土砂浆的搅拌质量。为了更好的控制混凝土砂浆搅拌，在实际生产中需要对信号的偏差进行改正，即通过调整主控系统的输入信号，改正实际信号偏差。现有的偏差信号的调整主要为pid控制器调整，但是pid控制器调整为一个迭代调整，并且需要人为设置调整参数，导致其调整效率不高。因此本发明提出了一种新型混凝土砂浆搅拌控制方法。


技术实现要素：

4.本发明提供一种新型混凝土砂浆搅拌控制方法，以解决现有的信号调整效率低的问题。
5.本发明的一种新型混凝土砂浆搅拌控制方法，采用如下技术方案：获取搅拌设备历史时间段内每一时刻信号的输入值、实际输出值和目标值；根据每一时刻信号的实际输出值和目标值获取每一时刻的信号偏差；获得每一时刻的预测信号偏差；获取历史时间段内不同长度子时间段，根据每个子时间段内每一时刻的信号偏差及每一时刻的预测信号偏差获取每个子时间段内信号偏差的混乱程度；通过每个子时间段的长度及该子时间段内信号偏差的混乱程度得到每个子时间段信号偏差的效果值；在得到的所有效果值中选取最大效果值对应的子时间段作为最优子时间段，将该最优子时间段内信号偏差的绝对值最大值作为信号偏差最大程度，通过信号偏差最大程度确定出信号偏差隶属度函数的分界值；根据信号偏差隶属度函数的分界值和标准隶属度函数模型确定信号偏差隶属度函数；通过最优子时间段内信号的输入值、所有时刻信号的实际输出值以及信号偏差最大程度确定出信号偏差调整量隶属度函数的分界值；且所述信号偏差调整量隶属度函数的分界值的个数与信号偏差隶属度函数的分界值的个数相等；根据信号偏差调整量隶属度函数的分界值和标准隶属度函数模型确定信号偏差调整量隶属度函数；
利用当前时刻信号的实际输出值和目标值获取当前时刻信号偏差，在所述信号偏差隶属度函数中求出当前时刻信号偏差的隶属度，根据获得的当前时刻信号偏差的隶属度在信号偏差调整量隶属度函数中求出当前时刻信号偏差所对应的信号调整量；根据当前时刻信号偏差所对应的信号调整量对搅拌设备当前时刻信号的输入值进行调整。
6.进一步的，所述的一种新型混凝土砂浆搅拌控制方法，信号偏差隶属度函数的分界值分别为信号偏差最大程度、二分之一倍的信号偏差最大程度、零、二分之一倍的信号偏差最大程度的相反数、信号偏差最大程度相反数。
7.进一步的，所述的一种新型混凝土砂浆搅拌控制方法，信号偏差调整量隶属度函数的分界值的个数为5，包括第一、第二、第三、第四、第五分界值；第一、第二、第三、第四、第五分界值是按照如下步骤获得：获取最优子时间段内信号输入值与所有时刻信号实际输出值平均值的差值，计算该差值与最优子时间段内所有时刻信号实际输出值平均值的比值；计算得到的比值与1之和以及信号偏差最大程度的乘积，该乘积为信号偏差调整量隶属度函数的第五分界值；第四分界值为第五分界值的二分之一；第三分界值为零；第二分界值为第四分界值的相反数；第一分界值为第五分界值的相反数。
8.进一步的，所述的一种新型混凝土砂浆搅拌控制方法，每个子时间段信号偏差的效果值的表达式为：式中，表示时间长度为的子时间段信号偏差的效果值，表示子时间段的时间长度为，表示时间长度为的子时间段内信号偏差的混乱程度。
9.进一步的，所述的一种新型混凝土砂浆搅拌控制方法，得到每个子时间段内信号偏差的混乱程度的方法为：获取每个子时间段内每一时刻与前一时刻信号偏差的差值，将该差值作为第一差值；获取每个子时间段内每一时刻信号偏差与该时刻预测信号偏差的差值，将该差值作为第二差值；通过每个子时间段内所有第一差值以及所有第二差值得到每个子时间段内信号偏差的混乱程度。
10.进一步的，所述的一种新型混凝土砂浆搅拌控制方法，每个子时间段内信号偏差的混乱程度的表达式为：式中，表示时间长度为的子时间段内信号偏差的标准差，表示时间长度为的
子时间段内第时刻，表示时间长度为的子时间段内第时刻与第时刻信号偏差的差值，表示时间长度为的子时间段内第时刻信号偏差与第时刻预测信号偏差的差值。
11.进一步的，所述的一种新型混凝土砂浆搅拌控制方法，每一时刻的信号偏差为每一时刻信号的实际输出值和目标值的差值。
12.进一步的，所述的一种新型混凝土砂浆搅拌控制方法，求出当前时刻信号偏差所对应的信号调整量后，还包括：对当前时刻信号偏差所对应的信号调整量进行精确化，得到当前时刻信号偏差所对应的精确化调整量。
13.进一步的，所述的一种新型混凝土砂浆搅拌控制方法，所述每一时刻的预测信号偏差是通过卡尔曼滤波算法获得的。
14.本发明的有益效果是：本发明确定出最优时间长度，从而获取信号偏差最大程度，得到信号偏差的隶属度函数；通过最优时间长度时间段内信号信息得到信号偏差调整量的隶属度函数，进而通过信号偏差的隶属度函数以及信号偏差调整量的隶属度函数得到信号输入的调整量，相对于现有技术，本发明不需要人为调整参数，采用模糊控制方法，获得最终的调整量，调整效率高；同时在模糊控制过程中，各种干扰和参数变化对控制效果的影响被减弱，稳定性高，且该方法简单、易于实现。
附图说明
15.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
16.图1为本发明的一种新型混凝土砂浆搅拌控制方法的实施例的流程示意图；图2为偏差信号隶属度函数的示意图；图3为信号偏差调整量的隶属度函数示意图。
具体实施方式
17.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
18.实施例1本发明的一种新型混凝土砂浆搅拌控制方法的实施例，如图1所示，包括：本发明的主要目的是：利用模糊控制方法对信号的偏差进行模糊控制，同时根据数据特点确定不同的隶属度，最后对模糊控制进行精确化，获得信号的最终调整量。
19.本发明所针对的情景为：在混凝土砂浆搅拌过程中，主控系统输入设备的控制参数，进而控制设备。但是在实际过程中，设备的实际输出信号与所需要的目标信号存在偏
差，信号偏差的存在对设备的运行造成较大影响，所以，需根据实际需要对偏差信号进行改正，即调整输入信号。所以在本发明中，通过模糊控制方法对信号偏差进行调整，保证混凝土砂浆搅拌设备参数的准确性。
20.101、获取搅拌设备历史时间段内每一时刻信号的输入值、实际输出值和目标值；根据每一时刻信号的实际输出值和目标值获取每一时刻的信号偏差；获得每一时刻的预测信号偏差。
21.对于混凝土的砂浆搅拌，一般都是通过严格的实验获得搅拌生产的参数。搅拌设备的主控系统输入实验所得参数，控制搅拌设备。
22.但是一般设备的实际输出信号总会和目标信号存在偏差，为对此类偏差进行调节，所以，在设备运行时，收集设备运行的实际输出信号以及主控系统的输入信号和目标信号，根据每一时刻信号的实际输出值和目标值获取每一时刻的信号偏差，获得每一时刻的预测信号偏差，通过后续分析对信号偏差进行调节。本实施例中输入输出信号为搅拌设备的转速。
23.在混凝土搅拌设备的运行中，主控系统的输入信号与设备的实际输出信号之间总是存在偏差，信号偏差越大，实际设备的控制参数越偏离，越影响混凝土砂浆的搅拌，即影响混凝土的质量。本实施例通过模糊控制原理，对设备实际输出信号与目标信号的偏差进行调整，使得混凝土砂浆的搅拌更符合实际要求。
24.对于混凝土砂浆的搅拌控制，目前的生产参数都是先检测原材料，然后通过实验确定相关参数，再通过主控设备实时控制搅拌设备的相关参数，但是在实际情况中，目标信号与搅拌设备的实际输出信号之间存在差异，信号的差异导致实际生产的产品存在质量隐患，所以，在实际生产中需要及时对信号的偏差进行改进。
25.已知当前主控系统设置的目标信号为，此时设备的实际输出信号为，由于信号的传输与设备的相应延迟，导致设备实际输出信号与设备的目标信号之间存在差异，设备实际输出信号与系统设置的目标信号的偏差表示为，即，此时根据信号的偏差对输入信号进行调节，从而使输出信号更接近于目标信号。
26.对于设备输出信号和目标信号的差异，需要对原始信号的输入进行调节，对于 ，表示当前信号输入过高，需要降低输入信号，并且越大，输入信号的降低程度越大；，表示当前输入信号过低，需要增加输入信号，并且越小，输入信号的增大程度越大。此时，根据偏差信号的大小对当前偏差信号进行调节，可能会造成响应时间过慢或者过度调节，使得信号出现振荡现象。
27.在本实施例中，通过模糊控制对当前信号的偏差进行调节。对于一般的模糊控制，首先需要获得调节的依据值，即信号的偏差；后对信号的偏差进行模糊化，主要通过偏差信号与目标信号特点确定偏差信号的隶属度函数，从而获得偏差信号的隶属关系；再根据偏差信号的隶属关系推理偏差信号的调节方式；最后根据隶属关系以及调节方式对偏差信号的调节进行模糊控制，进而实现偏差信号的精确化调节，即输入信号的精确化控制。
28.模糊控制系统中各种变量不需要精确的数学模型，所以其操作简单，易于实现，同
时控制系统的适应能力强；在控制过程中，各种干扰和参数变化对控制效果的影响被大大减弱，使其稳定性高。
29.根据偏差信号的大小，确定输入信号的调节，所以首先对偏差信号进行模糊化处理，即判断偏差信号的程度，此时认为一般的偏差信号分为{负大，负小，零，正小，正大}，对应的数值表示为{-b,-a,0,a,b}。
30.然后判断不同偏差信号的隶属关系，在本实施例中使用图2所示的隶属度函数对偏差信号进行模糊化：图2中的横轴表示信号偏差，纵轴表示隶属度。
31.此时，对于每一时刻的信号偏差可能存在一定的差异，所以对于偏差信号的隶属度分界值{-b,-a,0,a,b}，不同时刻的信号的偏差不同，不同的偏差信号需要在同一个隶属度函数中计算其隶属度，所以需要在一个时间段内获得最准确的隶属度函数，即计算隶属度函数分界值。
32.此时存在以下关系：偏差信号统计时间段过短，数据过于片面，时间段过长，系统的响应时间过长，信号调节不及时，所以需要根据偏差信号值的特点，确定最佳的时间段。
33.102、获取历史时间段内不同长度子时间段，根据每个子时间段内每一时刻的信号偏差及每一时刻的预测信号偏差获取每个子时间段内信号偏差的混乱程度。
34.不同时刻的信号偏差表示为，同时设置系统的最长调节时间为，在长度为的时间段内，获得对应的信号偏差，分析时间段内的，利用卡尔曼滤波算法，获得每一时刻信号偏差的预测值，通过预测值与实际值之间的关系确定当前时间段内信号偏差的混乱程度：式中，表示当前时间段长度，小于，，表示第时刻信号偏差与第时刻信号偏差的差值，表示所有时刻信号偏差的差异均值，其值越大，表示当前信号偏差的值越不稳定，表示时间段内第时刻信号偏差的实际值与预测值的差值，越大，表示当前信号偏差越混乱，偏差信号的差异越不稳定，卡尔曼滤波能够实现实时运行状态的估计和预测功能，并具有很强的抗噪声干扰能力，从而准确的预测信号。表示时间段内信号偏差的标准差，越大，表示当前信号偏差的浮动越大，反映当前信号偏差越混乱。表示当前时间段内信号偏差的混乱程度。对于偏差信号的隶属度判断中，信号偏差的混乱程度越大，根据信号偏差的值判断隶属关系界限的可信度就会降低。
35.103、通过每个子时间段的长度及该子时间段内信号偏差的混乱程度得到每个子
时间段信号偏差的效果值。
36.一般而言，对于信号偏差程度的判断中，随着所获取数据量的增加，其结果越可信，但是数据量越多消耗的时间越多，在系统中反应系统的时间会越长，所以对于信号偏差程度的获取中，需要尽量少的时间最大程度的反映所需信号偏差。此时对于不同长度的时间段，时间段越短、信号偏差的混乱程度越小，表示当前时间段长度对于信号偏差值的判断效果更佳，即信号偏差的隶属度分界值更佳，此时不同长度的时间段信号偏差的效果表示为：式中，表示当前时间段内信号偏差的混乱程度，越大，表示信号偏差的混乱程度越大，所以当前获得的信号偏差值的可信度越低，所以获得的隶属度分界值的准确性越低，表示当前获得信号偏差数据的时间段长度，越大，数据获取的时间段越长，会降低系统的响应时间，降低系统的控制效率。表示当前时间段信号偏差的效果，即当前时间段判断信号偏差的效果，越大，所获得的数据混乱程度越大，越小，同时越大，响应时间越长，越小。
37.104、在得到的所有效果值中选取最大效果值对应的子时间段作为最优子时间段，将该最优子时间段内信号偏差的绝对值最大值作为信号偏差最大程度，通过信号偏差最大程度确定出信号偏差隶属度函数的分界值。
38.在不同长度的时间段中获得判断信号偏差的效果，并当最大时，所获得的信号偏差值最准确。所以在改变时间段长度的情况下，计算出的最大值，从而获得最优时间段，在最优时间段内获得信号偏差值。
39.根据上述方法获得最准确的信号偏差值，在最优时间段内，其最大值与最小值分别表示为，，由此获得信号偏差的最大程度，表示为：式中，表示信号偏差的最大程度，反映在尽量短的时间段中获得最稳定的信号偏差范围，此时能够最准确的反映出信号偏差的范围，根据信号偏差的范围判断其隶属关系的分界值，即确定信号偏差的隶属度分界值，此时确定信号偏差隶属度分界值为：，此时确定信号偏差隶属度分界值为：，此时确定信号偏差隶属度分界值为：
根据信号偏差的范围确定信号偏差隶属度分界值，即信号偏差达到当前所判断的信号偏差的最大程度时，认为此时信号偏差大，所以设置信号偏差大的隶属度分界值为，即；然后设置为偏差小的隶属度分界值，即。因为信号偏差的方向具有随机性，所以确定信号偏差的隶属度分界值，。
40.105、根据信号偏差隶属度函数的分界值和标准隶属度函数模型确定信号偏差隶属度函数。
41.通过上述步骤确定信号偏差的隶属度分界值，从而确定信号偏差的隶属度函数，得到不同信号偏差的隶属度。然后通过不同的隶属度，对不同信号偏差进行调节。
42.106、通过最优子时间段内信号的输入值、所有时刻信号的实际输出值以及信号偏差最大程度确定出信号偏差调整量隶属度函数的分界值；且所述信号偏差调整量隶属度函数的分界值的个数与信号偏差隶属度函数的分界值的个数相等。
43.在对信号的偏差进行调节时，需要的输入值为信号的偏差，输出的值为对原始信号的输入值的调整量。已知对于信号偏差进行了模糊化处理，获得偏差信号的不同隶属度，在对偏差信号进行调节时，同样需要对调整量进行模糊化处理，选择同样形式的隶属度函数，如图3所示，确定原始输入信号的调整量的隶属度。
44.图3中横轴表示信号的调节量，或称为信号的调整量，纵轴表示调整量的隶属度。此时需要获得调整量隶属度函数的分界值，因为对于信号的输入与实际信号输出之间存在差异，所以一般设置的调整量与信号的偏差量不同。根据输入信号与输出信号之间的关系，以及信号的偏差确定信号调整量的隶属度分界值：信号之间的关系，以及信号的偏差确定信号调整量的隶属度分界值：式中，表示信号的输入值，在未对输入信号进行调整时，信号的输入值是定值，信号的输入值是根据实际直接设定的，只有信号的实际输出值是变化的，表示信号的实际输出值，表示最优子时间段的长度，表示最优子时间段内信号的最大偏差值，表示对应的时间段内实际输出信号的均值。表示信号从
输入到输出的损失，越大，对信号偏差的调节程度越大。对于信号的调整量，需要考虑信号的损失，即一般调整量大于当前信号的实际偏差值，此时表示信号在传输过程的损失程度，即表示信号的偏差与所需要的信号调整量之间的关系，又因为最大程度的反映信号偏差的范围，对应的调整量为，所以设置信号调整量的隶属度分界值，，同时又因为信号偏差方向的随机性，所以信号偏差调整量的方向也会有随机方向，此时负方向调整量的隶属度分界值为。。
45.107、根据信号偏差调整量隶属度函数的分界值和标准隶属度函数模型确定信号偏差调整量隶属度函数。
46.通过上述步骤从而可以获得信号偏差调整量的隶属度函数，进而得到信号偏差调整量的隶属度。
47.108、利用当前时刻信号的实际输出值和目标值获取当前时刻信号偏差，在所述信号偏差隶属度函数中求出当前时刻信号偏差的隶属度，根据获得的当前时刻信号偏差的隶属度在信号偏差调整量隶属度函数中求出当前时刻信号偏差所对应的信号调整量。
48.上述根据信号实际偏差的值，确定信号偏差和信号偏差调整量的隶属度分界值，即实现不同信号偏差之间的隶属度的自适应获取，使得所有偏差信号的隶属度能够更准确的对应偏差信号调整量的隶属度，即更加准确的实现对应变量的模糊化控制。
49.在获得调整量的隶属度以后，需要根据信号偏差的隶属关系推理调整量的隶属关系。
50.当信号偏差为-b时，信号调整量为-b，即大幅减小信号的输入；当信号偏差为-a时，信号调整量为-a，即小幅减小信号的输入；当信号偏差为0时，信号调整量为0，即信号不调整；当信号偏差为a时，信号调整量为a，即小幅增大信号的输入；当信号偏差为b时，信号调整量为b，即大幅增大信号的输入；通过上述的方法，获得不同信号偏差对应的信号调整方式。
51.109、根据当前时刻信号偏差所对应的信号调整量对搅拌设备当前时刻信号的输入值进行调整。
52.上述步骤获得不同信号偏差对应的信号调整方式，但是对调整量进行了模糊化，所以不能确定具体的调整量的值，所以，需要对调整量进行精确化，获得不同信号偏差对应精确化的模糊输出。
53.对于模糊控制中的精确化模糊输出，可以采用现有的精确化模糊输出工具如matlab模糊控制箱完成输出。
54.在混凝土砂浆搅拌过程中，信号的损失是实时存在并且可能出现不断变化的情况，所以对信号偏差的调整需要实时进行。
55.在设备运行的过程中，实时获得信号偏差，根据上述模糊控制的方法，实时获得主控系统的信号输入调整量，从而最大程度地保证设备运行参数的准确性，实现混凝土砂浆搅拌的控制。
56.本发明确定出最优时间长度，从而获取信号偏差最大程度，得到信号偏差的隶属度函数；通过最优时间长度时间段内信号信息得到信号偏差调整量的隶属度函数，进而通过信号偏差的隶属度函数以及信号偏差调整量的隶属度函数得到信号输入的调整量，相对于现有技术，本发明不需要人为调整参数，采用模糊控制方法，获得最终的调整量，调整效率高；同时在模糊控制过程中，各种干扰和参数变化对控制效果的影响被减弱，稳定性高，且该方法简单、易于实现。
57.以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。