基于PLC的曲轴运输线的设计

Design of Crankshaft Transport Line Based on PLC

摘要: 为适应现代制造业对自动化与柔性化生产的需求，本文设计并优化了一条基于可编程逻辑控制器(PLC)的曲轴自动化运输线。针对曲轴作为发动机核心精密部件，在转运过程中易碰伤、且生产节拍要求高的特点，本设计以西门子S7-1500系列PLC作为核心控制单元，结合传感器检测技术、变频器及伺服驱动技术，构建了完整的电气控制系统。通过模块化编程方法，在TIA Portal平台中完成了包括自动运行、手动调试、单机运行及急停保护在内的多种控制模式的程序设计，确保了系统运行的可靠性与灵活性。在优化方面，重点针对传统运输线超调量高的问题，采取了以下措施引入MPC控制算法，减少了整线换产时间以及避免因超调量发生的事故。其次，设计了安全互锁和故障诊断机制，通过实时监控气缸位置及传感器状态，实现了故障的快速定位与报警，极大提高了系统的平均无故障运行时间。最后，增设了人机界面(HMI)，为操作人员提供了直观的设备状态监控与参数设置平台。

Abstract: To meet the needs of modern manufacturing for automation and flexible production, this paper designs and optimizes a crankshaft automated transportation line based on a programmable logic controller (PLC). Considering that the crankshaft is a core precision component of the engine, which is prone to damage during transfer and requires a high production rhythm, this design uses the Siemens S7-1500 series PLC as the core control unit, combined with sensor detection technology, inverters, and servo drive technology to construct a complete electrical control system. Through a modular programming approach, various control mode programs—including automatic operation, manual debugging, single-machine operation, and emergency stop protection—were completed on the TIA Portal platform, ensuring the reliability and flexibility of system operation. In terms of optimization, special attention was given to the issue of high overshoot in traditional transport lines, and the MPC control algorithm was introduced to reduce overall line changeover time and prevent accidents caused by overshoot. In addition, a safety interlock and fault diagnosis mechanism were designed, achieving rapid fault localization and alarm through real-time monitoring of cylinder positions and sensor status, greatly improving the system’s mean time between failures. Finally, a human-machine interface (HMI) was added to provide operators with an intuitive platform for monitoring equipment status and setting parameters.

1. 引言

当前，全球制造业正经历一场深刻的变革，以德国“工业4.0”、美国“工业互联网”和中国“中国制造2025”为代表的国家战略，共同指向了制造业的智能化、数字化和网络化转型，这标志着第四次工业革命的浪潮已然到来。在此背景下，工业自动化作为智能制造的核心基础，其发展水平直接决定了制造业的整体竞争力。

自动化运输线在现代工业上变得常见如下图1自动化传输线，生产线作为制造业价值创造的核心载体，其自动化控制程度至关重要。传统的生产线控制主要依赖继电器–接触器控制系统，该系统存在接线复杂、可靠性低、灵活性差、故障诊断困难等诸多弊端。难以适应现代生产对产品高精度、高效率、多品种、小批量的要求。因此，采用先进、可靠、灵活的自动化控制系统对传统生产线进行升级改造，已成为制造业发展的迫切需求和必然趋势[1]。

Figure 1. Automated transport line

图1. 自动化运输线

在汽车制造领域，中国正经历从制造大国向制造强国的跨越式发展，汽车产业的自动化水平也在持续提升，当前，中国汽车市场已占据全球销量的半壁江山，成为世界汽车产业的重要支柱。智能制造的快速推进与应用，不仅为汽车工业自动化转型升级提供了关键动力，更使汽车制造领域的智能化水平成为衡量国家智能制造能力的重要评价指标。

2. 控制系统的应用目的与系统组成

2.1. 应用目的

该系统设计的主要目的是通过自动化系统将物料快速分配到生产线，减少人工搬运时间，存储不同批次的原料，便于按需取用，优化生产流程，在完成生产需求的前提下实现换产不停产，通过使用MPC控制PID实现降低超调量杜绝因为超调量过大而发生的情况。将需要加工的毛坯件放入该料仓中，料仓进行相对应的扫码解码分析后进行分类码垛，同时该料仓也与桁架三轴机器人机械交互通过机械爪上下料后将加工完成的成品和加工出现问题的废品进行对应的分类堆垛[2]。

2.2. 储存系统组成及流程

该系统由三个部分组成，分别为料仓，桁架三轴机器人，人机交互界面，系统的布局图如下图2所示。

Figure 2. Storage and transportation system layout drawing

图2. 存储运输系统布局图

流程为人工将需要加工的毛坯推入到料仓进料处，由料仓货叉将工件挂取后，通过DMR相机扫码分析后进入对应位置区域，进入对应区域后桁架三轴机器人取走货物运输至加工设备中，加工完成后机器人将工件送回料仓，由料仓进行堆垛等待人工申请取走。

2.3. 系统的控制要求

料仓的控制系统包需要含手动和自动两种系统。通过示教器或者触摸屏，可实现对这两个系统的控制。自动控制系统通过自动按钮的启停来实现系统的自动启停[3]。在自动模式下，货叉会根据编码器和位置信号自动进行判断流程及对应的步骤进行对应位置的动作，直至按下停止按钮，货叉才会停止运行。按下触摸屏的启动按钮后，系统开始启动，货物通过输送线传送至相机处进行读码分析输送至对应工位。如图3为运输线的主要设备互联图。

在货叉上安装多个传感器，进行检测和保护确保货物的到位情况以及货物的姿态达到安全稳定后向PLC发送产品到位信号，紧接着继续码垛。在手动模式下，可通过触摸屏的不同按键来实现相应动作，如手动控制货叉的上下和前后移动、防护门的打开和关闭、货物对应的上下料点位的手动示教。手动控制系统和自动控制系统应当相互独立，互不干扰保证在切换模式下不会出现PLC上记忆错误和有安全事故的可能性。通过示教器及触摸屏，可实现对这两种系统的切换控制。

Figure 3. System equipment interconnection diagram

图3. 系统设备互联图

3. 主要的硬件选型及PLC设计

3.1. 主要的硬件选型

基于系统严格的性能需求，包括1 ms高速控制周期、10:1负载惯量比、±0.01˚定位精度及200%瞬时过载能力，关键硬件选型需满足以下定量指标：伺服电机需提供额定转矩 ≥ 15 N∙m、峰值转矩 ≥ 45 N∙m，并匹配23位绝对编码器以实现精度要求；PLC须配备多核处理器，支持≤1 ms的PROFINET IRT通信周期和至少6轴同步控制能力，程序扫描时间 ≤ 500 μs，选择西门子1FK系列电机并配套对应S120伺服和CU320控制单元，主体控制选择西门子S1500系类的1511，S1500是一款模块化高端PLC，采用多核处理器和千兆工业以太网，支持PROFINET IRT实现1 ms内的精确同步。其T系列工艺型CPU集成运动控制功能，可直接控制多轴伺服系统，结合TIA Portal平台实现软硬件高效组态，广泛应用于复杂机械控制、高速包装生产线等高端自动化领域。其中程序存储器/数据存储器150 KB足以满足对DMR相机读码解析的数据进行储存和识别。

工件扫码部分选用的是康耐视公司的DateMan系列，支持多种通信协议如Profinet、Cclink、Ethernet等多种行业主流通讯协议。工件二维码部分可能带有油渍以及加工残留的切削液等等，DMR采用的解码算法和成像技术，能在光照条件差的环境中和代码受损的情况下保持较高读码速率，从而提高效率和吞吐量。

人机交互界面选用的是西门子公司的KTP系列，显示屏为12寸，示教器为7寸，两者都带有以太网通讯接口。显示屏放置在现场料仓上，料仓显示屏上可以进行人工核验工件信息及人工申请取放工件进行抽检，同时也显示实时信息。例如，工件信息和工位状态，设备当前模式，设备传感器状态以及设备的报警信息，其中可以通过按钮切换设备模式分别由自动，手动，和维修3种模式的生产操作[4]。

3.2. 控制软件程序组态

西门子的组态与配置在其全集成自动化平台TIA Portal中完成，通过设备视图对PLC、HMI、驱动器等硬件进行模块化组态、网络连接及IP地址分配，利用网络视图配置PROFINET等通信连接；在软件层面通过程序编辑器编写控制逻辑，利用HMI编辑器设计人机界面并关联PLC变量，最后通过集成编译、下载和在线诊断功能，实现软硬件系统的无缝集成与高效调试。如图4为TIA Portal中的网络拓扑，这些设备都通过总线连接和PROFINET协议进行通讯从而达到数据交互。

Figure 4. Network topology diagram

图4. 网络拓扑图

3.3. PLC设计

PLC参与的控制部分大致分为三个：1) PLC与DMR单元的控制；2) PLC与传输单元的控制；3) PLC与人机交互界面的控制。

3.3.1. PLC与DMR单元的设计

DMR支持PROFINET.ENTHERNET.CCLINK等协议，本文使用PROFINET通信协议，两者交互的主要内容为：1) 控制DMR进行扫码；2) 将DMR读取的货物数据解码储存。DMR在料仓的固定位置，由伺服单元将货物送至对应点位后发送ready信号，PLC激活DMR进行拍照，PLC激活DMR拍照的部分程序如图5所示。“控制模块”TriggerSignal_M和“控制模块”ContinuousGetResults_M分别为控制相机拍照和解码的启动按钮，下述程序段1为激活按钮后自动复位按钮防止重复扫码，接下来则是为激活解码模块。

拍照后PLC通过协议接受到64个字节的数据，64 byte生成一个string的数据，该文通过PLC将string数据拆分为多个byte数据后重新整合生成本文所需要dint数据存储在DB块中，如图6为拆分DMR数据的部分程序段。其中通过上述拍照解码程序后得到数据存储在“控制模块”筛选bit地址[#筛选i]中，激活“控制模块”计算标志位后将存储数据从string转换为dint数据类型以达到降低内存存储量。

3.3.2. PLC与伺服控制单元的设计

本文所选用PLC和伺服电机以及控制单元都为的都为西门子，所以可以使用西门子开发的epos控制方式，通过profinet协议以及对应的报文就可以实现PLC对伺服电机的运动控制，使用STARTER软件对电机的转速，加速度以及限制位置进行设定。

Figure 5. PLC-controlled DMR program screenshot

图5. PLC控制DMR程序截图

Figure 6. PLC DMR data processing program screenshot

图6. PLC处理DMR数据程序截图

在使用FB284功能块控制伺服电机时，具有两个模式：1) 设定对应速度进行Jog移动的点动模式；2) 设定位置以及速度的点位模式。其中点动模式用作料仓前期对应区域对点，点位模式则是为在料仓自动运行中所使用的模式。要将模式修改为点位模式时，需要将对应功能块上的引脚修改为对应参数，例如将ModePos = 2以及Jog1及Jog2设置为“0”，轴必须已回零或编码器已被校准等。

3.3.3. PLC与人机界面单元的设计

料库应用的前期需要确定对应货叉到对应区域的位置点，因此需要有可以运动的操作屏以方便人工对点，该料仓选用了KTP700 mobile移动操作屏，示教器的点位画面如下图7所示。

Figure 7. Mobile teach pendant point position screen

图7. 移动示教器点位画面

现场操作者需要观察和确认该料库信息与状态，所以需要有相对应的人机界面同时也需要修改料仓其中的状态，本文选用了西门子KTP1200显示屏。其中料仓显示内部区域的状态画面如下图8所示。

Figure 8. Silo internal status screen

图8. 料仓内部状态画面

3.3.4. PLC安全设计

该运输线中具有多个交互设备，其中信息交互安全的设计是非常关键的。在PLC中通过通讯协议以及硬接线信号提取信号制作为“心跳”，在所有设备在线且心跳正常时才可进行生产流程。在运输线中，工位状态是由传感器信号决定的，在极特殊情况下传感器信号可能会出现错误，容易发生危险情况所以需要PLC进行记忆各个工位情况与传感器进行对比并实现互锁。如下图9为工位互锁部分，如果PLC记忆数据和传感器信号不一致时，会触发报警如图即为报警信号。其中报警类型一共有三种分别为A类为有安全隐患报警，B类为有加剧设备消耗无安全隐患，最后是C类为人工操作错误。触发报警后会有三色灯及蜂鸣器进行提醒现场人员，在HMI上会显示报警类型如下图10为显示屏的报警页面，同时在显示屏上同样具有急停按钮，当发生紧急事件时可以急停，暂停运输线[5]。

Figure 9. Workpiece interlock program screenshot

图9. 工件互锁程序截图

Figure 10. HMI alarm pages

图10. HMI报警页面

4. 基于MPC算法的运输线控制

模型预测控制(MPC)设计的核心要素包括：预测模型，需准确描述系统动态，通常采用状态空间形式；代价函数，平衡跟踪误差、控制增量和平稳性，通过权重矩阵调节性能；时域参数，预测时域覆盖系统主要动态，控制时域决定优化自由度，采样时间满足实时性要求；约束处理，明确电流、电压等硬约束和位置、速度等软约束，确保系统安全；优化求解，将问题转化为二次规划，保证快速收敛。各要素协同设计，实现高性能控制[5]。

本文使用的为伺服电机及为永磁同步电机(PMSM)，永磁同步电机(PMSM)为例将三相交流量(ABC坐标系)通过Clark变换以及dq轴变换(Park变换)转换为旋转坐标系下的直流量(d轴和q轴)，使定子电流的励磁分量(i_d)和转矩分量(i_q)解耦。具体流程如下图11可知。建立一个精确且易于计算的数学模型是实现高性能控制的基础。本节基于PMSM的物理定律，建立其状态空间模型，并对其进行离散化处理，以适应数字控制系统的需要。

Figure 11. Decoupled stator flow chart

图11. 解耦定子流程图

4.1. 状态空间模型

采用dq轴电流–转速–位置模型：

d轴电流方程

$\frac{\text{d}{i}_d}{\text{d}t}=-\frac{R}{L}{i}_d+{\omega }_e{i}_q+\frac{v_d}{L}$ (1)

q轴电流方程

$\frac{\text{d}{i}_q}{\text{d}t}=-\frac{R}{L}{i}_q-{\omega }_e{i}_q-\frac{{\psi }_f}{L}{\omega }_e+\frac{v_q}{L}$ (2)

机械运动方程

$\frac{\text{d}\omega }{\text{d}t}=\frac{3p{\psi }_f}{2J}{i}_q-\frac{B}{J}\omega -\frac{T_L}{J}$ (3)

转子位置方程

$\frac{\text{d}\theta }{\text{d}t}=\omega$ (4)

选择状态向量、输入向量和输出向量：

$x={\left[i_d,i_q.\omega ,\theta \right]}^{\text{T}}$ (5)

$u={\left[v_d,v_q\right]}^{\text{T}}$ (6)

$y={\left[\omega ,\theta \right]}^{\text{T}}$ (7)

将上述方程组合，得到连续时间非线性状态空间方程其中$T_e=\frac{3p{\psi }_f}{2J}{i}_q=K_t$

$\dot{x}=\left[\begin{array}{cccc}\frac{R}{L}& \omega & 0& 0\\ \omega & -\frac{R}{L}& -\frac{{\psi }_f}{L}& 0\\ 0& \frac{K_t}{J}& -\frac{1}{J}& 0\\ 0& 0& 1& 0\end{array}\right]x+\left[\begin{array}{cc}\begin{array}{c}\frac{1}{L}\\ 0\end{array}& \begin{array}{c}0\\ \frac{1}{L}\end{array}\\ \begin{array}{c}0\\ 0\end{array}& \begin{array}{c}0\\ 0\end{array}\end{array}\right]u+\left[\begin{array}{c}0\\ \begin{array}{c}0\\ -\frac{1}{J}\\ 0\end{array}\end{array}\right]T_L$ (8)

输出方程为：

$y=\left[\begin{array}{cc}\begin{array}{cc}0& 0\end{array}& \begin{array}{cc}1& 0\end{array}\\ \begin{array}{cc}0& 0\end{array}& \begin{array}{cc}0& 1\end{array}\end{array}\right]x$ (9)

4.2. 离散状态空间模型

采用前向欧拉法进行离散化，该方法计算简单，适合实时控制应用其中为T_s采样时间。离散化公式为

$x\left(k+1\right)=x\left(k\right)+T_s\cdot \dot{x}\left(k\right)$ (10)

将连续时间状态空间方程代入欧拉离散化公式并整理可得：

$x\left(k+1\right)=\left[I+T_s{A}_c\left(x\left(k\right)\right)\right]x\left(k\right)+T_s{B}_{c}u\left(k\right)+T_s{E}_{c}d\left(k\right)$ (11)

定义离散系统矩阵：

$A_d\left(k\right)=I+T_s{A}_c\left(x\left(k\right)\right)$ (12)

展开得

$A_d\left(k\right)=\left[\begin{array}{cccc}1-\frac{R{T}_s}{L}& T_s\omega \left(k\right)& 0& 0\\ -T_s\omega \left(k\right)& 1-\frac{R{T}_s}{L}& -\frac{{\psi }_f{T}_s}{L}& 0\\ 0& \frac{K_t{T}_s}{J}& 1-\frac{T_s}{J}& 0\\ 0& 0& T_s& 1\end{array}\right]$ (13)

离散输入矩阵

$B_d=T_s{B}_c=\left[\begin{array}{cc}\frac{T_s}{L}& 0\\ \begin{array}{c}0\\ 0\\ 0\end{array}& \begin{array}{c}\frac{T_s}{L}\\ 0\\ 0\end{array}\end{array}\right]$ (14)

离散扰动矩阵：

$E_d=T_s{E}_c=\left[\begin{array}{c}0\\ 0\\ -\frac{T_s}{J}\\ 0\end{array}\right]$ (15)

完整的离散时间状态空间模型为：

$x\left(k+1\right)=A_d\left(k\right)x\left(k\right)+B_{d}u\left(k\right)+E_{d}d\left(k\right)$ (16)

$y\left(k\right)=Cx\left(k\right)$ (17)

其中

$C=\left[\begin{array}{cc}\begin{array}{ccc}0& 0& 1\end{array}& 0\\ \begin{array}{ccc}0& 0& 0\end{array}& 1\end{array}\right]$ (18)

4.3. 约束条件的系统化定义

条件1：硬约束(物理限制)

电流约束：

$-20\text{A}\le i_d\left(k\right)\le 20\text{A}$ (19)

$-30\text{A}\le i_q\left(k\right)\le 30\text{A}$ (20)

依据：功率器件最大允许电流，保护逆变器

电压约束：

$-300\text{V}\le v_d\left(k\right)\le 300\text{V}$ (21)

$-300\text{V}\le v_q\left(k\right)\le 300\text{V}$ (22)

直流母线电压$v=600\text{V}$ ，考虑电压利用率

控制增量约束：

$-50\text{V}\le \Delta v_d\left(k\right)\le 50\text{V}$ (23)

$-50\text{V}\le \text{Δ}{v}_q\left(k\right)\le 50\text{V}$ (24)

依据：限制控制变化率，避免激励高频未建模动态

条件2：软约束(性能限制)

速度约束：

${\omega }_{\min }-{ϵ}_{\omega }\le {\omega }_m\left(k\right)\le {\omega }_{\max }+{ϵ}_{\omega }$ (24)

其中：±3000 rpm就等于±314 rad/s

位置约束：

${\theta }_{\min }-{ϵ}_{\theta }\le {\theta }_m\left(k\right)\le {\theta }_{\max }+{ϵ}_{\theta }$ (25)

依据：机械结构限位，避免超程损坏

4.4. MPC在运输线PLC的应用与结果

对利用MATLAB Embedded Coder工具将验证通过的MPC控制器自动生成嵌入式C代码，生成流程包括：

1) 模型配置：设置固定步长求解器，配置代码生成选项

2) 接口定义：明确输入输出信号维度和数据类型

3) 优化设置：禁用动态内存分配，确保实时性

4) 代码生成：生成高度优化的ANSI C代码

图12为在MATLAB中生成的MPC模型及对应接口，为简化在西门子TIA Portal环境中的集成，自动生成配套的接口文件：

Figure 12. MPC model diagram

图12. MPC模型示意图

头文件(PMSM_MPC_Controller_TIA_Interface.h)：定义PLC调用接口函数。实现文件(PMSM_MPC_Controller_TIA_Interface.c)：提供完整的接口实现。集成文档：说明集成步骤和配置要求。接口函数包括：MPC_Initialize控制器初始化，MPC_Step单步控制计算MPC_Reset控制器复位。如图13为MPC算法在PORTAL的部分程序示例。

Figure 13. Partial program of MPC in portal

图13. MPC在Portal的部分程序

为凸显MPC的先进性，通过S120的Trace功能实时记录电流、速度、位置波形，采样频率10 kHz在相同测试工况下与经过最优整定的传统PID控制器进行了对比。

其中小行程定位测试的参数为：速度限制1000 rpm，加速度5000 rpm/s负载条件空载(仅电机惯量)额定负载(负载惯量比3:1)过载(150%额定转矩，持续2秒)。大行程定位测试：速度限制2000 rpm，加速度10,000 rpm/s，负载条件额定负载 + 周期性扰动。

如表1结果充分证明，MPC的框架性优势：在超调量这一关键指标上，MPC将其严格控制在4%以内，而PID控制器则在10%~15%之间，MPC的改善幅度超过70%。在动态响应速度上，MPC的调节时间较PID缩短了约30%。更重要的是，MPC的控制信号(ud, uq)变化显著更为平滑，避免了PID控制器因设定点突变而产生的微分冲击和剧烈抖振，这不仅能有效减少对执行机构的机械冲击，还能降低电机谐波损耗，提升系统整体寿命与能效。

Table 1. Comparison table of MPC and traditional PID

表1. MPC与传统PID的对比表

测试场景	传统PID控制	前馈控制	性能提升
小行程定位	超调12.5%	超调2.1%	83.2%
大行程定位	超调15.8%	超调3.5%	77.8%
测试场景	传统PID控制	前馈控制	性能提升

5. 总结

本次基于PLC的曲轴运输线设计圆满完成。项目以可编程逻辑控制器(PLC)为核心，构建了包含传感器、执行机构与人机界面(HMI)的完整控制系统。通过模块化编程，严谨实现了曲轴上料、提升、平移与下料的自动流程，并嵌入了多重安全互锁与故障诊断机制，确保了运行的可靠性与安全性。设计特别注重优化，通过逻辑算法提升了运输节拍，并通过参数化设置增强了系统适应不同型号曲轴的柔性化生产能力。最终成果表明，该运输线有效降低了劳动强度与产品损伤率，显著提升了自动化水平与生产效率，为后续集成至更高级的智能制造系统奠定了坚实基础。