梁達(dá)平，趙利民，王鴻斌

（1.天水師范學(xué)院電信與電氣工程學(xué)院，甘肅天水 741000；2.天水華天科技股份有限公司，甘肅天水 741000）

1 引言

傳統(tǒng)PID 控制技術(shù)出現(xiàn)在20 世紀(jì)30 年代末，如今已被廣泛應(yīng)用于自動(dòng)控制的各個(gè)領(lǐng)域，例如集成電路封裝生產(chǎn)線中重要的生產(chǎn)設(shè)備——芯片無氧化烘箱（用于芯片裝片后導(dǎo)電膠的固化）中的溫控系統(tǒng)就是通過PID 控制實(shí)現(xiàn)的。該控制算法能夠通過比例、積分、微分3 類功能元件的合理搭配兼顧系統(tǒng)的穩(wěn)定性、準(zhǔn)確性和快速性，是一種設(shè)計(jì)簡(jiǎn)便巧妙、滿足工業(yè)級(jí)生產(chǎn)需求的控制方式。當(dāng)然，傳統(tǒng)的PID 算法也存在一些缺點(diǎn)，針對(duì)芯片烘箱固化導(dǎo)電膠時(shí)具有較大的系統(tǒng)慣性、不一致的加熱腔體環(huán)境、不穩(wěn)定的冷卻裝置結(jié)構(gòu)等問題，均缺乏足夠的自適應(yīng)性和快速調(diào)節(jié)能力。目前市場(chǎng)上的芯片烘箱主要分為兩個(gè)檔次，性能最好的是日本與韓國(guó)制造的產(chǎn)品，特別是韓國(guó)產(chǎn)烘箱（如大韓、LABTECH 等）在國(guó)內(nèi)大型封裝企業(yè)使用較多，但是價(jià)格也相對(duì)較貴。而國(guó)產(chǎn)烘箱設(shè)備則處于第二檔次，優(yōu)點(diǎn)是價(jià)格較低，但產(chǎn)品質(zhì)量參差不齊，加熱性能也相對(duì)較差。如前所述，設(shè)備控制算法的精度及自適應(yīng)性不夠，是這類產(chǎn)品的瓶頸問題之一。

目前，貝葉斯學(xué)習(xí)算法在工業(yè)控制領(lǐng)域中主要應(yīng)用在概念分類判斷、故障診斷及方案提供等較為直觀的對(duì)接場(chǎng)景中。例如，文獻(xiàn)[1]利用貝葉斯網(wǎng)絡(luò)推理算法以及相關(guān)的區(qū)間運(yùn)算規(guī)則，對(duì)規(guī)劃模型求解，獲取測(cè)量系統(tǒng)產(chǎn)生誤差的概率以及相關(guān)部件的重要特征信息。文獻(xiàn)[2]將貝葉斯分類算法與改進(jìn)的神經(jīng)網(wǎng)絡(luò)算法相結(jié)合，在目標(biāo)函數(shù)中引入表示神經(jīng)網(wǎng)絡(luò)復(fù)雜性的約束項(xiàng)，避免函數(shù)模型的過度擬合，提高其泛化水平。文獻(xiàn)[3]根據(jù)先驗(yàn)數(shù)據(jù)和樣本數(shù)據(jù)，利用貝葉斯統(tǒng)計(jì)預(yù)估小批量生產(chǎn)過程工序質(zhì)量特征均值的后驗(yàn)分布。基于該后驗(yàn)分布，設(shè)定了過程判異準(zhǔn)則，構(gòu)建了雙邊質(zhì)量控制模型，并提出了基于過程能力指數(shù)和蒙特卡洛模擬方法的模型參數(shù)選取方法。文獻(xiàn)[4]提出基于貝葉斯網(wǎng)絡(luò)與故障樹相結(jié)合的模糊可靠性評(píng)估方法。文獻(xiàn)[5]針對(duì)小批量、少樣本的金柱腔生產(chǎn)過程，討論了基于貝葉斯統(tǒng)計(jì)的生產(chǎn)質(zhì)量控制模型建立方法。利用大量歷史生產(chǎn)數(shù)據(jù)和少量樣本信息，建立了金柱腔車削工序的質(zhì)量控制模型。

從以上文獻(xiàn)可以看到，貝葉斯學(xué)習(xí)算法在故障分析或概念分類層面的應(yīng)用已經(jīng)比較深入和成熟，但在PID 控制算法優(yōu)化方面的研究還甚少介入。對(duì)于芯片烘箱來說，如果能夠通過貝葉斯算法將上述兩方面的功能統(tǒng)一在同一個(gè)計(jì)算框架中，就會(huì)在系統(tǒng)控制計(jì)算的快速性和一致性方面獲得更好的性能。

本文將機(jī)器學(xué)習(xí)理論中的樸素貝葉斯學(xué)習(xí)算法引入到芯片烘箱的溫度PID 控制參數(shù)自適應(yīng)整定方法中，利用數(shù)據(jù)庫(kù)保存的大量溫度控制數(shù)據(jù)，形成足夠大的數(shù)據(jù)集，進(jìn)而建立樸素貝葉斯分類器。該分類器的訓(xùn)練及測(cè)試數(shù)據(jù)集會(huì)隨著生產(chǎn)數(shù)據(jù)的不斷增加獲得更佳的評(píng)價(jià)效果和輔助參數(shù)改進(jìn)能力。

2 PID 基本控制器模型描述

傳統(tǒng)的烘箱設(shè)備溫度控制系統(tǒng)中，PID 控制器配置在前向通道，其等效變換后的系統(tǒng)傳遞函數(shù)模型[6]如式（1）所示：

式中，KP、KI、KD為比例、積分、微分3 個(gè)環(huán)節(jié)的放大系數(shù)，GC（s）表示PID 控制器傳遞函數(shù)，G（s）表示設(shè)備被控制對(duì)象的傳遞函數(shù)，s 表示式（1）是基于頻率域的計(jì)算。

為了提高自整定算法的安全性，可以根據(jù)生產(chǎn)經(jīng)驗(yàn)限定設(shè)備PID 控制器3 個(gè)參數(shù)的自整定取值區(qū)間，設(shè)為KP∈[p1，p2]，KI∈[i1，i2]，KD∈[d1，d2]。

3 改進(jìn)型PID 參數(shù)自整定方法

3.1 樸素貝葉斯算法

樸素貝葉斯法則[7]是由英國(guó)數(shù)學(xué)家貝葉斯率先提出的，用來討論兩個(gè)條件概率之間存在的關(guān)系，可計(jì)算為概率論中的結(jié)果。樸素貝葉斯算法的優(yōu)點(diǎn)在于需要的訓(xùn)練數(shù)據(jù)較少即可獲得估計(jì)分類結(jié)果，配合溫度控制程序保存在數(shù)據(jù)庫(kù)中的大量溫度采集數(shù)據(jù)，可以較便捷地實(shí)現(xiàn)訓(xùn)練數(shù)據(jù)提取全自動(dòng)化。該算法的主要內(nèi)容如下。

假設(shè)事件Y 以事件X 發(fā)生為條件的概率表示為P(Y|X)，事件X 以事件Y 發(fā)生為條件的概率表示為P(X|Y)，則這兩個(gè)概率值之間有著確定的數(shù)量關(guān)系，貝葉斯法則就是對(duì)這種關(guān)系的陳述，可表達(dá)為式(2)：

式中，P（Y）表示事件Y 所具有的初始概率，可以叫作事件Y 的先驗(yàn)概率，它不會(huì)考慮任何事件X 方面帶來的影響。P(Y|X)因?yàn)槭腔谑录 發(fā)生的前提下，所以稱為事件Y 的后驗(yàn)概率。而P(X|Y)是基于事件Y 發(fā)生的前提下，所以稱為事件X 的后驗(yàn)概率。P(X)的表述與P(Y)類似，被稱為事件X 的先驗(yàn)概率。由于P(X)經(jīng)常可以被看作是固定值，因此通常能夠起到類似標(biāo)準(zhǔn)化常量[8]的作用，用于對(duì)P(Y|X)進(jìn)行歸一化處理。

由于貝葉斯法則假定特征之間為獨(dú)立同分布，因此對(duì)于所有需要分類的實(shí)例，是通過計(jì)算其最大概率分類作為實(shí)例來判定所屬類別，具體到本文，其樸素貝葉斯算法表示如式（3）所示：

式中i=1，2，3，4，c1為超調(diào)有靜差，c2為超調(diào)無靜差，c3為無超調(diào)有靜差，c4為無超調(diào)無靜差。k 表示事件Y 的分類總數(shù)，i 為事件Y 的當(dāng)前分類編號(hào)，r 表示特征值X 的屬性總數(shù)，j 為特征值X 的屬性編號(hào)，y 表示當(dāng)式（3）取得最大值時(shí)對(duì)應(yīng)事件Y 的所屬類別后驗(yàn)概率值。

Z 表示采樣時(shí)刻編號(hào)，m 表示采樣時(shí)刻的總數(shù)。eassi表示的是歷史數(shù)據(jù)中相鄰兩個(gè)時(shí)刻essi之間的偏差的算術(shù)平均值，以反映芯片烘箱溫度控制偏差的變化情況，

假設(shè)上述2 個(gè)特征值x1和x2之間為相互獨(dú)立的關(guān)系，且符合高斯分布[9]，即：

x 表示特征值X 在當(dāng)前時(shí)刻的取值，μ 為x 的數(shù)學(xué)期望，σ 為x 的方差。

3.2 控制算法的有效性評(píng)價(jià)體系

以歷史溫度控制數(shù)據(jù)為訓(xùn)練數(shù)據(jù)集最大的優(yōu)點(diǎn)在于不需要外部訓(xùn)練者，不需要手工標(biāo)注數(shù)據(jù)分類。同時(shí)，通過分析以上特征值X 中x1、x2序列的變化趨勢(shì)，可單獨(dú)用于評(píng)價(jià)當(dāng)前所用PID 控制策略的有效性及參數(shù)設(shè)置的合理性。其中x1表示的N 個(gè)溫度采集點(diǎn)溫度偏差的算術(shù)平均值序列如果增高，表示PID 控制性能下降；x2表示的N 個(gè)溫度采集點(diǎn)溫度偏差的算術(shù)平均值序列如果增高，則可提前發(fā)出PID 控制逐漸失效的預(yù)警。將兩者結(jié)合起來，能夠建立一個(gè)較為完整的控制效果評(píng)價(jià)指標(biāo)體系，可與其他各種不同的控制算法相結(jié)合，廣泛應(yīng)用于各類控制相關(guān)的生產(chǎn)設(shè)備中。這種采用直接應(yīng)用訓(xùn)練樣例并選擇可操作性目標(biāo)函數(shù)的做法，避免了出現(xiàn)最優(yōu)解搜索空間已知但過于龐大的執(zhí)行問題。

3.3 基于貝葉斯算法的PID 參數(shù)整定

根據(jù)貝葉斯算法分類的結(jié)果，由專家控制系統(tǒng)對(duì)其進(jìn)行識(shí)別，選擇可以優(yōu)化控制性能的整定動(dòng)作，獲取更高精度的參數(shù)整定結(jié)果。專家控制系統(tǒng)根據(jù)知識(shí)庫(kù)建立識(shí)別機(jī)制，無需建立精確數(shù)學(xué)模型及控制規(guī)律，對(duì)于變化性強(qiáng)的控制對(duì)象有良好的自適應(yīng)性和實(shí)時(shí)性。與貝葉斯分類算法相結(jié)合，恰好可以將貝葉斯學(xué)習(xí)得到的分類結(jié)果迅速轉(zhuǎn)化為PID 參數(shù)整定的執(zhí)行動(dòng)作。

3.3.1 專家系統(tǒng)的控制結(jié)構(gòu)

專家控制系統(tǒng)由4 個(gè)主要部分組成，包括控制性能識(shí)別單元、推理機(jī)、知識(shí)庫(kù)、特征識(shí)別單元，如圖1 所示。

圖1 基于專家系統(tǒng)的參數(shù)自整定PID 控制方框圖

3.3.2 知識(shí)庫(kù)設(shè)計(jì)

通過樸素貝葉斯算法預(yù)測(cè)出當(dāng)前PID 參數(shù)控制狀態(tài)，就可以利用PID 調(diào)節(jié)理論中的經(jīng)驗(yàn)判斷準(zhǔn)則建立專家系統(tǒng)規(guī)則[10]，并在此基礎(chǔ)上提出改進(jìn)型PID 整定策略。建立恰當(dāng)?shù)囊?guī)則評(píng)估指標(biāo)是決定專家控制算法性能良好的關(guān)鍵，PID 整定專家系統(tǒng)規(guī)則如表1 所示。

表1 PID 整定專家系統(tǒng)規(guī)則

采用專家知識(shí)庫(kù)中的規(guī)則可以有效避免實(shí)際工業(yè)生產(chǎn)過程中具有的非線性、時(shí)滯、時(shí)變不確定性等因素的影響，與傳統(tǒng)控制系統(tǒng)相比具有更高的信息處理能力，實(shí)時(shí)計(jì)算量更小，響應(yīng)速度更快。

4 訓(xùn)練樣例數(shù)據(jù)的獲取

根據(jù)機(jī)器學(xué)習(xí)理論可知，建立成功的學(xué)習(xí)模型的關(guān)鍵在于是否具有足夠大的訓(xùn)練數(shù)據(jù)集以支持分類算法得出較為客觀、不過度擬合的計(jì)算結(jié)果。芯片烘箱溫度控制系統(tǒng)通常個(gè)體化差異很大，同一型號(hào)設(shè)備由于內(nèi)部腔體的形狀誤差、通風(fēng)道誤差、加熱系統(tǒng)性能誤差、裝載加工產(chǎn)品數(shù)量及形狀差異等因素影響，均會(huì)導(dǎo)致每臺(tái)設(shè)備溫度控制模型不同，很難提前建立通用且數(shù)量足夠多的訓(xùn)練數(shù)據(jù)集?；谏鲜鎏攸c(diǎn)，本文設(shè)計(jì)出一套自動(dòng)收集、自動(dòng)增長(zhǎng)訓(xùn)練數(shù)據(jù)集的程序算法。

在設(shè)備使用初期，由于沒有足夠的歷史數(shù)據(jù)作為訓(xùn)練數(shù)據(jù)集，可以先采用傳統(tǒng)PID 控制算法進(jìn)行參數(shù)控制，在運(yùn)行過程中每1 min 采集1 條控制數(shù)據(jù)，包括理論值、當(dāng)前值、PID 參數(shù)值。當(dāng)數(shù)據(jù)采集量達(dá)到預(yù)設(shè)的閾值后，程序切換為貝葉斯學(xué)習(xí)模式，將采集到的實(shí)時(shí)溫度數(shù)據(jù)進(jìn)行處理，改進(jìn)型算法運(yùn)行流程如圖2所示。

圖2 改進(jìn)型算法運(yùn)行流程

在采集訓(xùn)練集數(shù)據(jù)時(shí)，為便于準(zhǔn)確判斷是否有超調(diào)，可以選擇上升段至穩(wěn)定段的拐點(diǎn)區(qū)間取值；而靜差的數(shù)據(jù)則可通過計(jì)算最近10 個(gè)點(diǎn)數(shù)據(jù)的平均偏差值ess來確定。

以上算法流程適用于任何具備計(jì)算能力的烘箱設(shè)備控制器，包括單機(jī)式工業(yè)計(jì)算機(jī)、嵌入式控制器、可編程邏輯控制器（PLC）、單片機(jī)控制器等。從計(jì)算的實(shí)時(shí)性和反復(fù)自我訓(xùn)練的角度來看，采用分布式計(jì)算方式能夠更好地兼顧控制的實(shí)時(shí)性能和機(jī)器學(xué)習(xí)的效率。可將計(jì)算任務(wù)中諸如偏差及偏差變化量的算術(shù)平均值計(jì)算等重復(fù)性、基礎(chǔ)性工作交給多個(gè)底層計(jì)算子結(jié)點(diǎn)，然后通過上位結(jié)點(diǎn)完成需要復(fù)雜計(jì)算的工作（如目標(biāo)函數(shù)逼近、權(quán)值調(diào)整等），在得到最新估計(jì)目標(biāo)函數(shù)并進(jìn)行貝葉斯分類后，將分類結(jié)果回送給主控制器進(jìn)行專家系統(tǒng)決策調(diào)整PID 參數(shù)。

從烘箱設(shè)備制造成本角度來看，隨著工業(yè)類計(jì)算機(jī)系統(tǒng)的快速發(fā)展，如今設(shè)備控制系統(tǒng)無論是單機(jī)智能化程度還是多機(jī)網(wǎng)絡(luò)組態(tài)功能都很強(qiáng)，在大多數(shù)情況下單臺(tái)設(shè)備算力應(yīng)用狀況面臨的問題是浪費(fèi)而非不足，因此在設(shè)備內(nèi)部或設(shè)備間構(gòu)成類似分布式計(jì)算的工作模式是比較容易實(shí)現(xiàn)的。

5 類分布式計(jì)算的硬件實(shí)現(xiàn)方案

分布式計(jì)算模式[11]在大數(shù)據(jù)處理、數(shù)據(jù)挖掘領(lǐng)域發(fā)展迅猛，應(yīng)用于電商數(shù)據(jù)處理、金融交易等場(chǎng)景中非常成功。但在嵌入式控制領(lǐng)域，由于控制的實(shí)時(shí)性、安全性要求較高，基于對(duì)分布式數(shù)據(jù)計(jì)算爭(zhēng)奪算力而可能會(huì)導(dǎo)致設(shè)備主體功能服務(wù)質(zhì)量下降的擔(dān)心，其在該領(lǐng)域內(nèi)推廣的進(jìn)程相對(duì)較慢。分布式計(jì)算模式雖然使用方便，相關(guān)技術(shù)協(xié)議強(qiáng)調(diào)透明化應(yīng)用，使調(diào)用者在提出計(jì)算任務(wù)時(shí)幾乎不必關(guān)心該調(diào)用是本地的還是遠(yuǎn)程的；但在許多情況下，這種透明性反而會(huì)造成分布式計(jì)算模式的濫用及算力的浪費(fèi)，跨結(jié)點(diǎn)的進(jìn)程調(diào)用可能會(huì)造成運(yùn)算速度和效率的大幅降低，這種因進(jìn)程調(diào)度造成的低效用累加起來，對(duì)于芯片烘箱設(shè)備的主任務(wù)（溫度控制）來說是災(zāi)難性的，甚至可能會(huì)造成安全事故、生產(chǎn)故障、經(jīng)濟(jì)損失等。

因此，這里提出兩種基于有限度、強(qiáng)控制使用分布式計(jì)算模式的結(jié)構(gòu)，既發(fā)揮出分布式計(jì)算模式的部分優(yōu)勢(shì)，又避免過度透明化帶來的資源侵奪問題，可以把它們稱為類分布式計(jì)算。

5.1 單機(jī)烘箱設(shè)備類分布式計(jì)算結(jié)構(gòu)

目前市場(chǎng)上銷售的大多數(shù)烘箱設(shè)備采用的是單一控制器模式（如PLC 或工業(yè)計(jì)算機(jī)等），由于設(shè)備對(duì)于并行計(jì)算的要求較高，相應(yīng)地需要配置高端控制器的成本也較高。針對(duì)這一問題，可以通過“一分多”的方式來解決，即選用多個(gè)嵌入式微控制器替代單一高端控制器，將設(shè)備內(nèi)各個(gè)功能單元都做成“智能小端”。基于嵌入式微控制器所具有的低成本、高性能優(yōu)勢(shì)，就可以在總體成本基本不變的前提下，形成更強(qiáng)的“真并行”多控制器結(jié)構(gòu)，通過常用工業(yè)現(xiàn)場(chǎng)總線（如ModBus[12]、ProfiBus、CAN 等），建立類分布式計(jì)算模式，在平行的多個(gè)分控制器上位設(shè)置主控制器進(jìn)行計(jì)算任務(wù)的分配及管理。

具體的工作過程為：底層的各個(gè)分控制器在每一輪采樣中分別收集各自采集點(diǎn)的數(shù)據(jù)并進(jìn)行特征值X的計(jì)算，將所得數(shù)據(jù)通過ModBus 上傳給上位機(jī)主控制器，主控制器根據(jù)最新一輪參數(shù)狀態(tài)及訓(xùn)練值估計(jì)法則對(duì)估計(jì)目標(biāo)函數(shù)進(jìn)行權(quán)值調(diào)整，通過最新的目標(biāo)函數(shù)進(jìn)行樸素貝葉斯分類，根據(jù)表1 的整定專家系統(tǒng)規(guī)則，依照分類結(jié)果執(zhí)行當(dāng)前步驟的PID 參數(shù)整定動(dòng)作。

5.2 基于工業(yè)局域網(wǎng)模式的類分布式計(jì)算結(jié)構(gòu)

對(duì)于規(guī)模較大、烘箱設(shè)備數(shù)量較多的企業(yè)來說，可以通過工業(yè)局域網(wǎng)建立設(shè)備端到端的類分布式結(jié)構(gòu)，將每一臺(tái)烘箱設(shè)備作為網(wǎng)絡(luò)結(jié)構(gòu)中的底層分控制節(jié)點(diǎn)，在上位層安裝高性能主控制器節(jié)點(diǎn)。與單機(jī)方案類似，原有的單機(jī)設(shè)備成為數(shù)據(jù)采集及底層計(jì)算節(jié)點(diǎn)，將數(shù)據(jù)回傳至上位機(jī)中，利用高性能主節(jié)點(diǎn)的強(qiáng)大計(jì)算能力，可以針對(duì)周期更長(zhǎng)的歷史數(shù)據(jù)進(jìn)行訓(xùn)練，同時(shí)不影響設(shè)備端的實(shí)時(shí)溫控功能。

以上基于工業(yè)局域網(wǎng)的類分布式計(jì)算結(jié)構(gòu)也可以與單機(jī)烘箱設(shè)備類分布式計(jì)算結(jié)構(gòu)相結(jié)合，建立三層計(jì)算結(jié)構(gòu)，包括上位的高端服務(wù)器層、設(shè)備端主控制器層、設(shè)備端單元分控制器層。這種三層結(jié)構(gòu)能夠更好地兼顧機(jī)器學(xué)習(xí)計(jì)算和實(shí)時(shí)溫度控制任務(wù)并行執(zhí)行、互不干擾。

6 實(shí)驗(yàn)數(shù)據(jù)分析

在本節(jié)中，以芯片無氧化烘箱為例，比較分析改進(jìn)型PID 算法與傳統(tǒng)PID 算法的性能優(yōu)劣。首先使用適合于大多數(shù)工業(yè)控制設(shè)備的反應(yīng)曲線法[13]推導(dǎo)出芯片烘箱的數(shù)學(xué)模型，在MATLAB 軟件的Simulink工具箱中建立系統(tǒng)的仿真方框圖，測(cè)試兩種PID 算法在階躍輸入信號(hào)下的響應(yīng)性能；然后選擇實(shí)際的設(shè)備，采用兩種不同的控制算法，在相同輸入信號(hào)下采集溫控?cái)?shù)據(jù)，比較響應(yīng)性能差異；最后根據(jù)仿真及實(shí)機(jī)測(cè)試結(jié)果進(jìn)行全面的討論。

6.1 被控制對(duì)象模型的辨識(shí)

潔凈無氧化芯片烘箱主要由箱體及風(fēng)道結(jié)構(gòu)、加熱單元、水冷系統(tǒng)、氧量控制單元、氮量控制單元、溫度控制單元等組成。

根據(jù)相關(guān)文獻(xiàn)的研究和分析表明，對(duì)于具有自衡能力的慣性時(shí)滯系統(tǒng)，均可通過一階或二階慣性環(huán)節(jié)與滯后環(huán)節(jié)的乘積來描述傳遞函數(shù)模型。烘箱內(nèi)部的溫度環(huán)境具備封閉性，經(jīng)過數(shù)據(jù)測(cè)試是典型的自平衡系統(tǒng)，這里采用一階滯后環(huán)節(jié)加以描述，如式（7）所示：

式中，KC為系統(tǒng)的比例系數(shù)，TC為慣性環(huán)節(jié)的過程時(shí)間常數(shù)，τ 為系統(tǒng)滯后時(shí)間。

利用反應(yīng)曲線參數(shù)整定法，在系統(tǒng)開環(huán)狀態(tài)下對(duì)溫度控制過程輸入階躍信號(hào)的控制作用，測(cè)量系統(tǒng)輸出的反應(yīng)曲線，在曲線中變化最快處P 點(diǎn)作切線，與時(shí)間軸交于τ 點(diǎn)，交溫度穩(wěn)態(tài)值的漸近線于TC點(diǎn)，可測(cè)量出傳遞函數(shù)的3 個(gè)關(guān)鍵參數(shù)KC、TC、τ。

在烘箱內(nèi)部進(jìn)行目標(biāo)值為175 ℃的加熱，通過腔體內(nèi)的多個(gè)溫度采樣點(diǎn)采集并計(jì)算腔體當(dāng)前的平均溫度，每隔1 min 采樣計(jì)算一次，將所得溫度值記錄存儲(chǔ)在歷史數(shù)據(jù)庫(kù)中。完成一個(gè)周期的采樣后，使用MATLAB 對(duì)數(shù)據(jù)集進(jìn)行曲線擬合[14]，平滑曲線的變化趨勢(shì)，系統(tǒng)的溫控反應(yīng)曲線如圖3 所示。在曲線中尋找拐點(diǎn)P，過P 點(diǎn)畫切線及輔助線，計(jì)算出關(guān)鍵參數(shù)值TC=660，τ=155，KC=1.2。

圖3 烘箱腔體溫控反應(yīng)曲線[15]

6.2 兩種算法的階躍響應(yīng)性能比較分析

分別采用傳統(tǒng)PID 控制算法及改進(jìn)型控制算法時(shí)，系統(tǒng)階躍響應(yīng)曲線如圖4 所示，兩條仿真校正曲線的穩(wěn)態(tài)性能均可達(dá)到生產(chǎn)工藝的精度要求，恒溫性能都在±1%以內(nèi)。在動(dòng)態(tài)性能方面，上升速率及超調(diào)量也均能達(dá)標(biāo)，改進(jìn)型算法在快速性與穩(wěn)定性的平衡處理與兼顧方面更好，類分布式算法顯然可以用在對(duì)溫度環(huán)境要求更加嚴(yán)格的場(chǎng)景中。

圖4 仿真模型的兩種階躍響應(yīng)曲線對(duì)比

為了保證對(duì)比評(píng)價(jià)的客觀性，將兩種算法控制程序安裝在實(shí)際的烘箱系統(tǒng)中，在目標(biāo)設(shè)定值為175 ℃的階躍輸入下，分析實(shí)際系統(tǒng)中各自的控制性能。根據(jù)烘箱多個(gè)采集點(diǎn)采集溫度數(shù)據(jù)的平均值繪制階躍響應(yīng)曲線，結(jié)果如圖5 所示。顯然，實(shí)際系統(tǒng)中兩種算法的表現(xiàn)與仿真模型類似，無論是穩(wěn)態(tài)性能還是動(dòng)態(tài)性能，兩者都能夠達(dá)到生產(chǎn)工藝要求，均合格達(dá)標(biāo)。改進(jìn)型控制算法在動(dòng)態(tài)性能指標(biāo)中大大超出了傳統(tǒng)算法的綜合表現(xiàn)，在更快的上升速率下保證了較低的超調(diào)，具備更廣泛的適用性。

圖5 實(shí)際烘箱的兩種階躍響應(yīng)曲線對(duì)比

綜上所述，采用改進(jìn)型算法能夠更快預(yù)測(cè)出溫度變化的趨勢(shì)并糾正控制動(dòng)作不合理之處，充分發(fā)揮專家控制的快速性，利用不斷積累的歷史數(shù)據(jù)作為訓(xùn)練集，優(yōu)化了機(jī)器學(xué)習(xí)的模型精度，改善了控制系統(tǒng)的抗干擾性及自適應(yīng)性；此外，與類分布式結(jié)構(gòu)的計(jì)算優(yōu)勢(shì)相結(jié)合，提高了控制的實(shí)時(shí)性。

6.3 實(shí)際設(shè)備控制軟件的數(shù)據(jù)結(jié)果分析

上述改進(jìn)型算法目前已寫入自主研發(fā)的服務(wù)器端芯片烘箱分布式遠(yuǎn)程控制軟件中實(shí)際使用，通過對(duì)某用戶企業(yè)車間生產(chǎn)歷史數(shù)據(jù)庫(kù)中某臺(tái)烘箱設(shè)備100批最大單批數(shù)量采用相同工藝規(guī)范的烘烤產(chǎn)品加工的數(shù)據(jù)進(jìn)行查詢和統(tǒng)計(jì)，得到了相應(yīng)的多組溫度加工曲線數(shù)據(jù)。圖6 所示為統(tǒng)計(jì)數(shù)據(jù)中某一批上芯料烘烤加工溫度變化曲線，可看到設(shè)定工藝溫度曲線與實(shí)際加工溫度曲線重合度很好。圖中的實(shí)時(shí)溫度曲線進(jìn)一步證明了應(yīng)用改進(jìn)型算法后，在曲線上升階段系統(tǒng)快速性能良好，能夠按照設(shè)定溫度的要求迅速爬升到目標(biāo)溫度值，并且在轉(zhuǎn)入恒溫段時(shí)消除了危害性極大的尖峰脈沖超調(diào)；在恒溫段期間穩(wěn)定性能理想，沒有較大的振蕩，保證了產(chǎn)品固化工藝的順利完成；在曲線降溫段過程中，溫度下降迅速，有效避免了產(chǎn)品發(fā)生氧化的可能性。

圖6 實(shí)際烘烤加工溫度曲線

7 結(jié)論

本文利用樸素貝葉斯分類器對(duì)芯片無氧化烘箱溫度PID 控制的歷史數(shù)據(jù)進(jìn)行多代偏差和偏差變化量分析處理，來評(píng)價(jià)烘箱設(shè)備控制的有效性及參數(shù)設(shè)置的合理性；并與專家控制算法結(jié)合構(gòu)成一種參數(shù)自整定的機(jī)器學(xué)習(xí)策略，形成混合式PID 溫度智能控制。使用該算法可充分利用工廠局域網(wǎng)的分布式網(wǎng)絡(luò)結(jié)構(gòu)，發(fā)揮服務(wù)器的快速計(jì)算能力，使用不斷自行增加的歷史數(shù)據(jù)構(gòu)建日益龐大的訓(xùn)練數(shù)據(jù)集，全天候進(jìn)行機(jī)器自主學(xué)習(xí)以提高分類器的預(yù)測(cè)準(zhǔn)確度。這是一種具有自我優(yōu)化能力的PID 參數(shù)整定機(jī)制，可廣泛應(yīng)用于各類嵌入式工業(yè)控制設(shè)備的溫度PID 控制系統(tǒng)中，具備較高的推廣價(jià)值。