基于神经网络的自动寻边系统的研究与设计

基于神经网络的自动寻边系统的研究与设计

论文摘要

随着现代化工业生产的发展,自动化控制技术的集成应用正起着越来越重要的作用。由于气动技术、液压技术、传感器技术、P L C技术、网络及通讯技术等学科的强烈相互渗透而形成的机电一体化技术,已成为当今工业科技的重要组成部分。寻边器是机电行业现场检测工件常用的光学计量仪器。本自动寻边系统接收光电感应式寻边器传来的信号,并输出捕捉信号给数显表。本系统包括下位机和上位机两部分。下位机上,本设计采用TI公司的16位超低功耗处理器MSP430F147搭建系统,并配置了4键盘输入、4数码管显示、串口通信、数控电位器、模拟电压比较等模块。上位PC机上,设计了专门的PC人机对话软件和与下位机通信的软件,用于训练、读出、写入神经网络的参数。本文详细描述了MSP430的芯片特点、片内模块,并详细介绍了搭建本系统的各外围电路模块。BP神经网络是目前应用较多的一种神经网络结构。它能以任意精度逼近任意非线性函数,而且具有良好的逼近性能,并且结构简单,是一种性能优良的神经网络。本文研究了BP神经网络的数学理论,详细介绍了神经网络的基本原理、学习方法、发展趋势,并给出了本系统的神经网络算法源码。为了适应不同的环境,本系统通过训练神经网络得出数控电位器的光区和暗区交界闸值,从而得到交界处的参考电压,与寻边传感器的电压信号相比较,判断是否已经到达交界处。本文给出了未引入神经网络的原系统在不同工作环境下的实验数据,并给出了与之相同工作环境下本系统的实验数据。经实验证明,本系统比原系统有更好的适应性和准确性,大大提高了适应工作环境变化的能力。

论文目录

  • 摘要
  • ABSTRACT
  • 第1章 绪论
  • 1.1 国内外研究现状、发展
  • 1.2 人工神经网络
  • 1.2.1 人工神经网络概述及其发展史
  • 1.2.2 人工神经网络在自动控制中的应用
  • 1.2.3 人工神经网络的发展趋势
  • 第2章 系统概述及总体设计方案
  • 2.1 寻边器介绍
  • 2.2 实施方案及可行性
  • 2.3 主要研究内容
  • 2.4 解决的关键技术
  • 2.5 系统总体设计方案
  • 第3章 下位机开发研究
  • 3.1 单片机
  • 3.1.1 MSP430特点
  • 3.1.2 MSP430片内模块介绍
  • 3.1.3 MSP430芯片的FET开发方法
  • 3.1.4 本系统单片机接口
  • 3.2 外围电路设计
  • 3.2.1 电源、抗干扰及电平转换
  • 3.2.2 复位电路
  • 3.2.3 晶振模块
  • 3.2.4 JTAG模块
  • 3.2.5 USART串行通信
  • 3.2.6 模拟电压比较模块
  • 3.2.7 I/O扩展
  • 3.2.8 键盘、LED数码管
  • 3.2.9 蜂鸣器
  • 3.2.10 下位机软件流程图
  • 3.2.11 下位机实物图
  • 第4章 上位机开发研究
  • 4.1 人工神经网络的基本原理及模型
  • 4.1.1 神经网络构成的基本原理
  • 4.1.2 神经网络结构及工作方式
  • 4.1.3 神经网络的学习方法
  • 4.1.4 几种典型的神经网络
  • 4.1.5 BP算法的数学描述
  • 4.1.6 本系统神经网络应用
  • 4.1.7 本系统神经网络软件算法
  • 4.2 PC人机界面
  • 第5章 结论与展望
  • 参考文献
  • 致谢
  • 攻读硕士期间研究的项目
  • 附录A 下位机硬件电路图
  • 附录B 神经网络算法程序
  • 相关论文文献

    • [1].基于优化神经网络的地质灾害监测预警仿真[J]. 计算机仿真 2019(11)
    • [2].基于进化神经网络的304不锈钢车削加工表面粗糙度预测[J]. 轻工机械 2019(06)
    • [3].时频联合长时循环神经网络[J]. 计算机研究与发展 2019(12)
    • [4].几种典型卷积神经网络的权重分析与研究[J]. 青岛大学学报(自然科学版) 2019(04)
    • [5].基于GA-BP神经网络异纤分拣机检测参数优化[J]. 棉纺织技术 2020(01)
    • [6].基于集成神经网络的织物主观风格预测研究[J]. 纺织科技进展 2020(01)
    • [7].试析神经网络技术在机械工程中的应用及发展[J]. 网络安全技术与应用 2020(02)
    • [8].一种深度小波过程神经网络及在时变信号分类中的应用[J]. 软件 2020(02)
    • [9].不同结构深度神经网络的时间域航空电磁数据成像性能分析[J]. 世界地质 2020(01)
    • [10].基于深度神经网络的航班保障时间预测研究[J]. 系统仿真学报 2020(04)
    • [11].基于生成对抗网络和深度神经网络的武器系统效能评估[J]. 计算机应用与软件 2020(02)
    • [12].基于循环神经网络的双轴打捆机智能换挡策略研究[J]. 安徽工程大学学报 2020(01)
    • [13].基于图神经网络的实体对齐研究综述[J]. 现代计算机 2020(09)
    • [14].基于改进的循环神经网络深度学习跌倒检测算法[J]. 电脑编程技巧与维护 2020(03)
    • [15].神经网络探索物理问题[J]. 物理 2020(03)
    • [16].基于GA-BP神经网络的城市用水量预测[J]. 现代电子技术 2020(08)
    • [17].基于深度神经网络的药物蛋白虚拟筛选[J]. 软件工程 2020(05)
    • [18].基于轻量级神经网络的人群计数模型设计[J]. 无线电工程 2020(06)
    • [19].高效深度神经网络综述[J]. 电信科学 2020(04)
    • [20].含磁场耦合忆阻神经网络放电行为研究[J]. 广西师范大学学报(自然科学版) 2020(03)
    • [21].基于神经网络及特征运算的老年人平衡能力分析[J]. 重庆工商大学学报(自然科学版) 2020(04)
    • [22].神经网络技术在机械工程中的应用及发展探析[J]. 科技创新与应用 2020(18)
    • [23].基于竞争神经网络的变电站巡视周期分类[J]. 科技创新与应用 2020(18)
    • [24].基于双向循环神经网络的语音识别算法[J]. 电脑知识与技术 2020(10)
    • [25].结合相似日与改进神经网络的短期光伏发电预测[J]. 广西电业 2020(04)
    • [26].基于神经网络的流感大数据分析[J]. 中华医学图书情报杂志 2020(03)
    • [27].长短时记忆神经网络在地电场数据处理中的应用[J]. 地球物理学报 2020(08)
    • [28].基于门控循环单元神经网络的公交到站时间预测[J]. 南通大学学报(自然科学版) 2020(02)
    • [29].鼠脑神经网络的同步辐射3D成像研究[J]. 核技术 2020(07)
    • [30].基于长短记忆神经网络的短期光伏发电预测技术研究[J]. 华北电力大学学报(自然科学版) 2020(04)

    标签:;  ;  ;  ;  

    基于神经网络的自动寻边系统的研究与设计
    下载Doc文档

    猜你喜欢