基于DSP的混炼胶粘度测量仪

　　1　引　言

　　橡胶混炼是轮胎加工的第一道工序,混炼的目的是将生胶及各种添加剂混合成均匀的、性能较为一致的胶料。混炼胶质量好坏,直接决定后续工序的功效,并对轮胎性能具有相当大的影响。混炼过程中,保证混炼胶质量的主要手段就是控制其粘度,因此,实时测取混炼胶粘度是轮胎厂十分关心的问题。目前,对粘度的在线测量缺乏有效的方法,国内外大多数企业都是通过控制混炼温度或混炼时间来间接控制粘度,即当混炼温度或混炼时间达到某一设定值时,结束混炼,再将混炼胶料取样并送到实验室或快检站检测其粘度指标。这种方法存在如下两大缺陷:

　　(1)粘度除取决于混炼温度、混炼时间外,还与多种因素有关,因此,单纯的温度或时间控制,常常导致各批胶料在同样的工艺条件下,粘度波动较大。

　　(2)实验室或快检站的粘度检测,耗时较长,一般要等待5~10 h,才能进入下一工序,严重影响生产效率。

　　软测量技术近年来得到很快发展和应用。其基本原理是采用生产过程中比较容易检测的工艺变量,运用机理分析、状态估计、神经网络等建模方法,在线估计出那些难以测量或无法测量的关键工艺参数。本文根据混炼过程的特点,研究了基于RBF神经网络的胶料粘度软测量方法,根据此方法研制了以DSP为核心的测量仪,精确实现胶料粘度的在线测量。

　　2　混炼过程

　　橡胶混炼由密炼机完成。生胶与各种添加剂在密炼室中混合,在密炼机转子转动所产生的机械剪切力作用下,胶料混合物依次发生破碎、分散、混合等过程,直至胶料粘度达到某一设定值,即结束混炼并进行排胶。

　　根据密炼机流变学理论,对一特定的密炼机,密炼室胶料的粘度ζ可表示为:

　　式中p为密炼机转子轴的瞬时功率;n为转子转速;c为密炼室胶料填充系数;t为混炼时间;T为混炼温度。

　　由于式(1)描述的是一非常复杂的物理化学过程,其精确数学模型很难获取。

　　神经网络不需要过程的先验知识,能以任意精度逼近任意非线性映射,广泛用于复杂系统建模。传统的BP神经网络,学习算法收敛速度慢,而且容易陷入局部极小,从而限制了他在复杂系统建模中的应用。径向基函数(RBF)网络非线性映射效果优越,网络学习简单快速,本文采用他建立胶料粘度的软测量模型。

　　3　神经网络建模

　　3.1　RBF网络结构

　　胶料粘度ζ= f(X) = f(p,n,c,t,T),X = (x1,x2,x3,x4,x5)可由RBF神经网络来逼近,如图1所示。

　　RBF网络由输入层、隐层和输出层构成,其中输入层到隐层节点间的权值固定为1。隐层由径向基函数节点构成,本文采用的基函数为高斯函数,形式如下: