基于工业以太网的先进控制应用研究

论文摘要

三容液位系统是具有非线性、时滞、复杂性等特点的多变量系统。该对象涵盖了工业过程中在液位控制领域内会遇到的绝大部分问题。因此,对于三容液位系统装置的控制对于工业生产具有广泛的指导性意义。本课题的主要内容即是在工业以太网环境下,寻找一种先进的智能控制方法,实现对该液位系统的良好控制。预测函数控制方法,是模型预测控制方法的一个分支,其主要特点在于算法结构简单,控制结构明确。通过大量的文献查阅,从理论角度分析该算法适用于具有时滞特点的非线性对象,从工业应用角度考虑该算法易于通过控制器的算法实现。因此,课题选取预测函数算法作为控制方法。建立匹配的预测模型是预测函数算法的一个核心问题。考虑到被控对象是具有多变量的复杂非线性系统,课题选取神经网络方法建立预测模型。同样是从控制器实现的角度考虑,在网络类型的选择方面,选取逼近能力强且结构简单的RBF网络,通过离线训练的方式建立网络预测模型。随着以太网向工业生产过程的迈进,工业以太网近年来已逐步走向成为工业控制网络的主导方向。西门子公司推出的PROFINET网络协议适用于所有厂商的通讯,可在各种不同的工业环境完成控制任务。本课题采取的基于RBF神经网络预测模型的预测函数控制即是在PROFINET工业网络环境下通过西门子公司生产的S7-300系列PLC进行控制实现的。全文通过算法理论分析、控制结构设计、预测模型建立与验证、控制方法实现与仿真、以及工业网络下的PLC硬件验证,系统的得出了该方法的有效性和实用性。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 课题背景
• 1.2 工业以太网的发展
• 1.2.1 工业以太网的提出
• 1.2.2 工业以太网的问题与解决
• 1.2.3 ProfiNet网络协议
• 1.2.4 工业以太网的前景
• 1.3 先进过程控制技术的发展
• 1.3.1 先进过程控制概述
• 1.3.2 模型预测控制
• 1.4 预测函数控制
• 1.4.1 预测函数控制的提出与优势
• 1.4.2 预测函数控制的发展状况
• 1.5 神经网络预测模型
• 1.5.1 神经网络的提出与优势
• 1.5.2 神经网络模型的发展状况
• 1.6 课题内容
• 1.7 工业以太网下S7-300实现工业控制
• 1.8 章节安排
• 第二章 神经网络与预测模型
• 2.1 神经网络简介
• 2.1.1 生物神经元
• 2.1.2 人工神经元模型
• 2.1.3 人工神经元网络类型
• 2.1.4 人工神经网络的学习类型
• 2.1.5 典型的人工神经网络模型
• 2.2 神经网络预测模型
• 2.2.1 被控对象
• 2.2.2 模型方案
• 2.2.3 模型建立过程
• 2.3 网络模型性能分析
• 2.3.1 误差分析
• 2.3.2 泛化性能分析
• 2.4 本章小结
• 第三章 神经网络模型预测函数控制
• 3.1 预测函数控制的发展
• 3.1.1 模型预测控制的发展
• 3.1.2 预测函数控制的提出
• 3.1.3 预测函数控制的特点及发展现状
• 3.2 RBF网络模型预测函数控制
• 3.2.1 RBF网络模型预测函数控制的具体结构
• 3.2.2 RBF网络模型预测控制步骤
• 3.3 控制性能分析
• 3.3.1 模型预测函数控制仿真
• 3.3.2 模型预测函数控制的改进
• 3.4 本章小结
• 第四章 PROFINET网络下S7-300的算法实现
• 4.1 PLC概述
• 4.1.1 PLC的组成
• 4.1.2 PLC的工作过程
• 4.1.3 PLC的发展
• 4.2 西门子s7-300简述
• 4.2.1 S7-300的硬件构成
• 4.2.2 S7-300的工业通信网络
• 4.2.3 PROFINET通信网络
• 4.2.4 S7-300的编程方式
• 4.2.5 STEP7软件介绍
• 4.2.6 WinCC监控软件概述
• 4.3 RBF预测函数控制的PLC实现
• 4.3.1 硬件分析
• 4.3.2 硬件组态
• 4.3.3 功能块编程
• 4.3.4 WinCC组态
• 4.3.5 PLC控制过程
• 4.4 本章小结
• 第五章 总结与展望
• 5.1 对全文的总结
• 5.2 对今后工作的展望
• 参考文献
• 致谢
• 研究成果及发表的学术论文
• 作者和导师简介
• 硕士研究生学位论文答辩委员会决议书