中频淬火模糊神经网络控制系统研究

论文摘要

中频淬火系统是典型的非线性的惯性环节,且存在时间延迟。非线性、时间滞后系统是一种在工业生产中广泛存在的系统,由于它对控制量输出的延迟作用,使得控制量不能及时地反馈到被控对象上,从而造成控制系统在超调量、调节时间及稳定性等控制性能上变差。随着工业自动化技术的不断进步,对工业控制质量的要求也不断提高,智能控制为这一问题的解决提供了一条有效途径。模糊逻辑和神经网络是实现智能控制的基本方法,模糊控制不需要建立被控对象的精确数学模型,但是在隶属函数的自动调整和模糊规则的自动生成上却存在困难;神经网络具有自学习、自适应、并行处理数据的能力,但结构和参数的选择缺乏理论依据和明确的意义。把两者相互融合可以取长补短,将智能控制理论推向新的高度。本文首先对神经网络、模糊控制的基本原理和优缺点进行了阐述,利用MATLAB 模糊逻辑工具箱构造了自适应神经网络模糊推论系统—ANFIS,并将其应用到中频淬火控制系统之中。ANFIS 是模糊推理系统与神经网络相结合的产物,它能从所给的样本数据中提取和调整模糊控制规则和隶属度函数,使模糊规则和隶属度函数的自动获取成为可能。经仿真试验,与PID 控制系统进行对比,说明其控制特性优于普通PID 控制系统,且具有较好的适应被控对象参数变化的能力。TMS320LF240X 系列DSP 是德克萨斯仪器公司专门为实时控制设计的数字信号处理芯片,本课题以TMS320LF2407A 为核心进行了自适应神经模糊控制系统的设计及MATLAB算法仿真。

论文目录

• 提要
• 第一章 绪论
• 1.1 中频感应加热概述
• 1.2 模糊控制理论的发展与应用
• 1.3 人工神经网络的发展与应用
• 1.4 模糊神经网络理论的发展
• 1.5 本文主要研究内容
• 第二章 模糊神经网络控制原理
• 2.1 模糊逻辑基础
• 2.1.1 模糊集合
• 2.1.2 模糊关系
• 2.1.3 基于“if-then”规则的模糊蕴含关系
• 2.1.4 模糊推理
• 2.2 模糊控制系统基本原理
• 2.3 人工神经网络
• 2.3.1 人工神经元模型
• 2.3.2 神经网络的结构与类型
• 2.3.3 神经网络的学习
• 2.3.4 常用神经网络模型
• 2.4 模糊神经网络
• 2.4.1 模糊神经网络的类型
• 2.4.2 模糊神经网络的应用
• 2.4.3 常用模糊神经网络模型
• 2.4.4 模糊聚类
• 第三章 中频淬火控制系统的自适应神经网络模糊系统的仿真研究
• 3.1 自适应神经网络模糊系统的设计
• 3.1.1 中频加热电源数学模型
• 3.1.2 模糊逻辑工具箱中ANFIS 的实现
• 3.1.3 获取数据样本
• 3.1.4 模型初始化
• 3.1.5 模型训练
• 3.1.6 模糊神经控制系统的建立
• 3.1.7 系统仿真结果分析
• 3.2 系统参数变化引起的响应比较
• 第四章 DSP 控制系统设计
• 4.1 数字信号处理器DSP 简介
• 4.1.1 DSP 芯片的特点
• 4.1.2 DSP 系统的设计过程
• 4.2 中频淬火数字控制系统硬件设计
• 4.2.1 DSP 电源设计
• 4.2.2 A/D 转换电路设计
• 4.2.3 抗混迭滤波器设计
• 4.2.4 D/A 转换的实现
• 4.3 软件设计
• 第五章 结论与展望
• 参考文献
• 附录:ANFIS 算法模拟计算程序
• 摘要
• Abstract
• 攻读学位期间发表的论文