随着信息技术及人工智能技术的不断发展，目前各个领域的生产过程都已经初步实现了自动化进程，自动化技术的应用也可以极大地改善生产效率及产品质量。目前，而且自动化控制可以很好地解决机械生产加工过程中的原料浪费及损耗问题，同时生产效率也得到了提升，因此极大地提升了企业的经济效益。

2在注塑机料筒温度控制中的应用

注塑机料筒温度是注塑工艺的重要参数，对料筒温度进行有效地控制是保证塑料制品成型质量的重要环节。然而，注塑机料筒温度系统是一个多变量、离散、间歇工作、大滞后、非线性、强耦合且需要人工参与的复杂系统，由于其加温过程中的复杂性，使得该控制系统的精确数学模型很难以建立，也就使得料筒的温度控制成为注塑机控制器设计中的难点。另外，在注塑机料筒温度控制器的设计过程中，控制器的工作性能，如良好的鲁棒性和较低的算法复杂度是不可忽视的参数指标。目前，采用较多的是PID控制方法，这主要是因为PID控制应用范围广，广泛应用于非线性或时变控制过程中，而起PID控制器中的3个参数Kd、Kp、Ki比较容易整定，是最简单的有时却又是最好的控制器。本文基于料筒温度PID控制器的发展过程，从线性PID控制器到非线性PID控制器，再到基于BP神经网络的PID控制器三个方面，分别阐述了各自的优缺点。

1:料筒温度线性PID控制器

PID控制器不用被控对象的精确模型，只用控制目标与对象实际行为之间的误差来产生消除此误差的控制策略。由于PID控制技术是立足于误差来减少误差的过程控制原理，所以在控制工程实践中得到广泛有效的应用。本文主要研究保莱塔注塑机料筒的温度控制系统，采用线性PID控制器。大量工程实践表明，将线性PID控制器应用于注塑机料筒的温度控制系统中，虽然能取得了良好的效果，但是该温度控制系统为大纯滞后系统，被控对象的参数变化较大、影响因素甚多、未建模动态因素显著，非线性严重，很难建立精确的数学模型，针对具有更多内部和外部不确定因素的控制对象时，该PID控制方法就显得无能为力了。

2:料筒温度非线性PID控制器

在注塑机料筒的温度控制系统中，线性PID控制仅仅考虑了控制对象（温度）外部信息，决定了所控制的对象的有限性。对于带有更多内部和外部太多不确定因素的对象，线性PID就无能为力了。对于这种情况，有必要去获得并考虑系统的内部信息和外部不确定性，并让这些信息参与系统的控制和调节，提高系统的抗干扰能力。因此，非线性PID控制器应运而生，它是在线性PID控制器基础上进行了如下改进：根据系统所能承受的能力，被控量变化的合理性和系统提供控制的能力，由设定值先安排合适的过渡过程。该过渡过程由TD实现，TD不但给出所安排的过渡过程信号，还给出过渡过程的微分信号。误差的微分信号是可以用噪声放大效应很低的TD、状态观测器或ESO来提取。

不同于线性PID控制，采用合适的非线性函数对误差进行组合，形成新的非线性误差反馈控制规律。将非线性PID控制器应用于注塑机料筒温度控制系统中，由多个单回路非线性PID控制器分别调节各个电热环的供电电压，从而控制料筒各个段的温度。由于该控制系统不需要建立精确的数学模型，而且能够把作用于被控制对象的所有不确定因素都归结为“未知扰动”，所以采用实时监测的温度数据对它进行估计并予以补偿，就可以达到自动抗扰的目的，进而实现温度的自动实时控制。然而，在温度控制策略实现上，该温度控制系统依然存在一个显著的问题，即不清楚未建模动态因素，不具有预测性。

3:基于BP神经网络的料筒温度PID控制器

针对注塑机料筒温度控制的要求和线性PID控制器、非线性PID控制器的不足，尤其是针对非线性PID控制器的不可预测性，提出了一种基于BP神经网络的PID控制器。该控制器将神经网络和PID控制技术相结合，能无限地逼近非线性系统，具有收敛快、可预测的优点。而且，基于BP神经网络的料筒温度PID控制器能有效地缩短过渡过程，具有较好的稳定性和快速响应性，可以满足保莱塔注塑机料筒的温度控制要求。该控制器由常规PID控制器和神经网络控制器两部分组成，考虑到邻近加热器的影响，神经网络控制器的输入除本段加热器的输入信号、反馈信号外，还将邻近加热器的反馈信号引入。神经网络控制器的输出即为PID控制器的Kd、Kp、Ki3个参数，根据控制系统的输入/输出情况，通过神经网络实时调整PID控制器的3个参数，从而实现料筒温度的高性能控制。

与线性PID控制和非线性PID控制相比，基于BP神经网络的PID控制具有较好的稳定性和快速动态响应的特性，温度调节过程短。由于BP神经网络具有很强的学习能力，能够不断地从训练样本中提取出所蕴含的基本信息，用于温度预测。另外，在温度参数变化、数学模型不精确和控制环境变化的情况下，该控制器能保持较好的工作性能，系统鲁棒性强，使得该控制方法具有很大的应用前景。

综上所述，在注塑机控制系统中，加热料筒温度控制是其中非常重要的一环，为了实现高性能的温度控制功能，文章总结了三种PID控制方法，即线性PID控制、非线性PID控制和基于BP神经网络的PID控制。其中性能最好的是BP神经网络的PID控制方法，该方法兼具了非线性PID控制方法的优越性能，在带有更多内部和外部不确定因素的情况下，能实现较好的温度控制作用，具有良好的抗干扰性能；同时，该方法通过神经网络的学习能力实现温度数据的训练，可实现对未来数据的实时预测，具有可预测性，鲁棒性更强，实用价值更高。