Predictive Control of Rubber Mixing Process Based on Neural Network Models

Erschienen in: KGK - Kautschuk Gummi Kunststoffe - 07-08/2009

Autor: M. Bratina, Z. Šušteric, Kranj (Slovenia), B. Šter, U. Lotric, A. Dobnikar, Ljubljana (Slovenia)

The work presents an attempt to establish a closed-loop control system for mixing rubber compounds in internal mixers by means of soft computing methods in form of neural networks and methods of information theory. As the basic physical aspect to be controlled is chosen the course of compound viscosity during the mixing process, since it comprises both the features of the mixed materials and those of processing. Besides, viscosity is proportional to the rotor torque which is a continuously measurable quantity. Since too many factors influence viscosity, or rotor torque, to be modeled analytically, neural networks, together with information theory, have proved to be suitable method to create efficient means for viscosity course redirection in the case of deviations, some of which being unavoidable despite measures. Thus an on-line predictive control system is formed, enabling compound production of more uniform quality.

Voraussagbare Steuerung des Kautschukmischprozess basierend auf neuronalen Netzwerkmodellen.
Die Arbeit stellt den Versuch vor, ein geschlossenes Schleifensystem für das Mischen von Kautschuken im Innenmischer durch Rechenmethoden basierend auf Modellen der neuronalen Netzwerke und der Informationstheorie zu entwickeln. Als grundlegende physikalische Eigenschaft, die gesteuert werden soll, wird der Verlauf der Mischungsviskosität betrachtet, da dieser sowohl die Eigenschaften des gemischten Materials als auch der Verarbeitung beinhaltet. Dabei ist die Viskosität das Drehmoment der Rotoren, eine kontinuierlich messbare Größe, proportional. Da zu viele Faktoren die Viskosität oder das Rotordrehmoment beeinflussen, wurden neuronale Netzwerke zusammen mit Informationstheorie als geeignet betrachtet, um on-line Steuerungsmodelle zu entwickeln, die eine einheitlichere Mischungsqualität ermöglichen.

Dieser Artikel ist in englisch.

Download (PDF - 247 kB)