基于ARM的废气处理控制系统研究与设计

论文摘要

随着微型计算机的发展,基于高速数值计算能力的微处理器表现出的智能化水平引起了控制专业人士的兴趣,很多现场设备采用嵌入式系统,实现了对象的智能化控制。本文针对污水处理设施的废气处理问题,基于生物滴滤池（BTF）与生物滤池（BF）串联的组合式废气处理工艺,开发设计了一种基于ARM微处理器的废气处理控制系统。在生物滴滤池处理废气过程中,各种过程参数间具有明显的耦合性,参数非线性特性很强,很难通过机理分析对其建立精确的数学模型。本文采用辨识方法,通过建立对象的BP神经网络模型来模拟生物法处理废气的过程。为了避免网络训练时陷入局部极小点,结合遗传算法优化网络的初始权值。利用实验得到的训练数据样本训练神经网络,检验数据样本检验网络性能,仿真实验证明得到的网络模型能够较好得模拟实际对象的运行过程。滴滤池循环水的pH值作为废气处理控制问题的关键环节,其控制质量的好坏直接影响废气的降解率,本文采用神经网络预测控制算法对废气处理过程的pH值进行控制,仿真结果表明,此算法具有良好的控制效果。系统的控制单元采用三星公司的ARM S3C44B0 （ARM7内核）微处理器,硬件设计包括A/D转换、系统电源、CAN总线接口、D/A转换、存储器扩展电路。软件设计时移植μC/OS-Ⅱ作为控制平台的实时操作系统,设计编写了相应的硬件驱动程序和pH值神经网络预测控制算法程序。ARM与设在监控室的上位机通过CAN总线进行远程通信,在上位机上利用Visual C++编写串口应用程序实现对现场数据的实时监控。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 引言
• 1.1 废气处理系统的研究现状
• 1.2 废气处理技术与工艺流程
• 1.3 系统运行控制工艺参数要求
• 1.4 研究目的及内容
• 第二章 基于BP神经网络的废气处理过程建模
• 引言
• 2.1 生物滴滤池的神经网络模型
• 2.2 BP网络的优化训练算法
• 2.3 网络训练结果及其分析
• 2.4 本章小结
• 第三章 循环水pH值的神经网络预测控制算法及其仿真
• 引言
• 3.1 模型预测控制
• 3.2 基于神经网络的模型预测控制
• 3.3 循环水pH中和过程的神经网络预测控制
• 3.4 本章小结
• 第四章 废气处理控制系统硬件设计
• 引言
• 4.1 系统硬件电路总体结构设计
• 4.2 系统主芯片选择
• 4.3 数据采集模块电路设计
• 4.4 A/D转换电路设计
• 4.5 电源、时钟与复位电路设计
• 4.6 存储器接口设计
• 4.7 CAN总线接口设计
• 4.8 输出驱动电路设计
• 4.9 本章小结
• 第五章 废气处理控制系统软件设计
• 引言
• 5.1 控制系统软件设计调试环境
• 5.2 系统工作流程分析
• 5.3 系统初始化程序设计
• 5.4 μC/OS-Ⅱ操作系统的移植
• 5.5 数据采集程序设计
• 5.6 CAN总线通讯程序设计
• 5.7 循环水pH值的神经网络预测控制算法程序设计
• 5.8 输出驱动程序设计
• 5.9 上位机监控程序设计
• 5.10 本章小结
• 第六章 总结与展望
• 6.1 工作总结
• 6.2 进一步工作展望
• 参考文献
• 附录
• 攻读学位期间发表的学术论文目录
• 致谢