《基于嵌入式avr单片机的核子秤配料自动控制系统》由会员分享,可在线阅读,更多相关《基于嵌入式avr单片机的核子秤配料自动控制系统(5页珍藏版)》请在金锄头文库上搜索。
1、表 1记录数据( 2 0 0 5 年6 月1 4日)通道C H0 1C H0 2一通道C HO IC H0 2单位mVV单位mVV时间sr r unm axr r U nm ax 时 间Smi nm axn刀nm ax1 4 : 4 4 : 3 60. 0 0 01 0. 21 0. 21 . 4 1 91 . 4 5 9 14 :44 :440. 0 0 02 7. 73 1 . 02 . 1 3 92. 2 4 41 4 : 4 4 : 3 60. 5 0 01 0. 22 9. 61 . 4 5 92 . 3 0 4 14 :44 :440 . 5 0 02 4. 82 7. 71 .
2、9 9 82 . 1 3 91 4 : 4 4 : 3 70. 0 0 02 9. 65 7. 72 . 3 0 43 . 4 1 9 14 :4 4 :4 50. 0 0 02 2. 32 4 . 81 . 9 2 31 . 9 9 81 4 : 4 4 : 3 70 . 5 0 05 7. 77 3. 63 . 4 1 93 . 9 9 6 14 -4 4 -4 50. 5 0 02 0 . 22 2 . 31 . 8 1 61 . 9 2 71 4 : 4 4 : 3 80 . 0 0 07 3. 68 0 . 23 . 9 9 64 . 2 5 9 1 4 :4 4 :4 60. 0
3、0 01 8 . 42 0. 21 . 7 6 01 . 8 1 61 4 : 4 4 : 3 80 . 5 008 0 . 28 1 . 14. 2 4 84. 2 6 2F 14 -44 -460 . 5 0 01 6 . 91 8 . 41 . 6 8 31 . 7 7 21 4 : 4 4 : 3 90 . 0 0 07 8 . 18 0. 94. 1 5 24 . 2 4 8 “ :“ :,0. 0 0 01 5. 51 6 . 91 . 6 4 31 . 6 8 31 4 : 4 4 : 3 90. 5 0 07 3 . 37 8. 13 . 9 3 04. 1 5 2 14 :4
4、 4 :4 70. 5 0 01 4. 51 5 . 51 . 5 8 81 . 6 6 01 4 : 4 4 : 4 00 . 0 0 0 .6 7 . 57 3 . 33 . 7 2 23 . 9 3 0 14 :44 :4 80 . 0 0 01 3 . 51 4. 51 . 5 6 01 . 5 8 81 4 : 4 4 : 4 00 . 5 0 0-6 1 . 36 7 . 53 . 4 4 93 . 7 2 21 4 : 4 4 : 4 80. 5 0 01 2. 81 3 . 51 . 5 2 01 . 5 8 11 4 : 4 4 : 4 10. 0 0 05 5. 26 1
5、. 33. 2 3 23 . 4 4 91 4 : 4 4 : 4 90 . 0 0 01 2. 11 2. 81 . 5 0 11 . 5 2 51 4 : 4 4 : 4 10. 5 0 04 9. 45 5. 22. 9 7 43 . 2 3 2一 14 :4 4 :4 90. 5 0 01 1 . 51 2. 11 . 4 7 31 . 5 2 5 14 :4 4 :500. 0 0 01 1 . 11 1 . 51 . 4 6 01 . 4 8 51 4 : 4 4 : 4 20 . 0 0 04 4 . 14 9. 42. 7 8 82. 9 7 41 4 : 4 4 : 4 20
6、. 5 0 03 9. 24 4. 12 . 5 6 72 . 7 8 8 14 :4 4 :500. 5 0 01 0. 71 1 . 11 . 4 4 01 . 4 8 51 4 : 4 4 : 4 30. 0 0 03 4. 93 9 . 22 . 4 2 22 . 5 6 71 14 :4 4 :5 10 . 0 0 01 0. 41 0. 71 . 4 3 01 . 4 5 81 4 : 4 4 : 4 30 . 5 0 03 1 . 03 4. 92. 2 4 42 . 4 2 2基于嵌入式A V R单片机的核子秤配料自动控制系统陈益飞 ( 盐城工学院, 盐城2 2 4 0 0 3
7、 )摘要 重点讨论了 基于一种新型单片机一A V R高速嵌人式单片机交流变频调速在核子秤配料自 动控制系 统中的应用, 并给出了软硬件设计方法, 同时利用一种模糊神经网络自 学习控制方法。较好地解决了控制精度和 实时控制的要求, 理论分析和仿真实验证明该方法可行。关健词A V R单片机; 神经网络; 配料控制; 变频调速0 引言近年来, 模糊逻辑控制取得了巨大成功, 已广泛 应用于工业自 动化、 智能仪器、 机器人控制及家用电 器等领域。但是, 传统模糊控制是一种基于模糊规则的控制器, 这些模糊规则是人们对受控过程认识 的归纳和控制经验的总结, 存在的核心问题是测试 参考模糊集隶属函数的选择与
8、模糊量化, 以及控制 规则的固定或者不适合被控过程的变化, 严重影响 控制效果。人工神经网络具有学习、 记忆、 联想、 容计量技术2 0 0 7 . N o 1 3 5错、 并行处理等能力, 已 在模式识别、 图 像处理、 信号 处理、 人工智能及自 动化等方面得到广泛应用。随 着电力电子技术、 微电子技术和计算机技术的发展, 研 究 重点 转移到以M C U , D S P 为主的 数字方案 。 本文介绍一种由A V R高速嵌人式单片机模糊神经 网络自 学习变频调速的方法。将模糊控制与神经网 络相结合, 利用两者优点, 设计出一种神经网络模糊 推理控制器, 通过网络的离线训练和在线自学习的
9、功能结合, 使控制器具有自 调整、 自 学习的功能, 以 达到智能控制的目 标。控制量( U)误差( E )正大正中正小零负小负中 负大误 差 变 化 ( E )正快不变不变慢减减减J决减 快减正快 不变不变慢减减减快减快减正慢增增不变慢减减快减快减零J决增快增增不变减J决 减快减负慢 快增快增增慢增不变减减负中快增快增增增慢增不变 不变负快快增快增增增慢增不变 不变 1 模糊神经网络自学习控制器结构及特性模糊神经网络自 学习控制器结构如图1 所示, 图中, F N C ( F u z z y N e u r a l C o n t r o l ) 表示模糊神经网 络 控 制器; K , ,
10、K , 价 分别表示比 例因 子和放大因 子; W o 表 示 给 定 省扮表 示 误 差; E , E , 和U分 别 表 示F N C 输人和输出 心 一 1 . 1 定义各模糊变最的子集及建立模糊控制器的控制规则在选择模糊变量的模糊子集的隶属函数时, 在 误差较大的区域采用低分辨力的模糊集, 在误差较 小的区域采用较高分辨力的模糊集, 当误差接近于 零时选用高分辨力的模糊集。依据上述情况, 在微 机上编程寻优, 选择合适的, , U 等参数确定最佳模 糊子集。图2 模糊联想存贮器1 . 2 模糊神经网络结构及训练学习算法在建立了模糊控制规则之后就可以把这些规则 转化为神经网络的一组输人输
11、出的样本, 采用B a c k 一 P r o p a g a t io n 学习算法离线训练网 络。图3 F N C的结构模型 厂 窿甄弓 W O 十 八 。刁E 国 FNC U KIdeT, K对象图1 控制结构框图图3 为F N C的结构模型。本文采用3 层B P网 络, 其 中W ; , W ;k 分 别 为 输 人 层 到 隐 层, 隐 层 到 输出 层 的 连 接 权 值: 彩L ) 表 示第L 层 第i 个神 经 元的 输出 , 彬 L ) 表 示 第L 层的 第J 个 节 点 的 阀 值 。 L = 0 , 1 , 2 0 为了先离线训练 F N C , 我们 定义误差 函数:
12、 E 一 冬又( U 一 酬) 2 ;其 中 , U 表 示 期 望 输 出 , U 表一2 、 / 行 ” J 书, 。 , 叫 , U 挤 示F N C的实际输出。模仿人脑通常采用的推理规则来确定模糊控制 规则。用模糊的陈述来构造模糊规则。根据控制规 则就建立7 x 7 的 矩阵, 这一矩阵 称为模糊联想存贮 器( F A M) 如图2 所示。图2 中模糊联想存贮器把智能控制的输人与输 出联系起来。这种表示也可以看着是另一种形式的 规则, 即: i f a n dt h e n 。1 . 3 权值、 阀值的调整 隐层到输出层W j k ( t + 1 )= W jk ( ) + 7 , V
13、侧” +a W j k ( t ) 一 W jk ( t 一 1 ) O k ( t + 1 )S (k 2 )O k ( t ) + , 8 (k2 ) + 。 O k ( ) 一 O k ( , 一 1 ) U* ( 1 一U* ) ( U一U* )输人层到隐层:计量技术2 0 0 7 . N o 1. 恤凰巍君.W =j ( t + 1 )e i ( t + 1 )8 P )= W =i ( , ) + , S m x ( o ) + a W =i ( : ) -W Zj ( t 一 1 ) e i ( t ) + , “ , + a e i ( t ) 一 e i ( 。 一 1 )
14、X ( i ) ( 1 一 X , 1 ) ) 习8 (k2 ) W jk其中, , 为 学习 率; 。 为 动 量因 子( 0 a , q 1 ) .按 照 上 述 离 线 训 练 算 法, 训 练 时 取, ( 0 ) = 0 . 5 , a = 0 . 2 , 经过2 0 0 0 次学习后, 学习误差E0 . 0 0 1 , 训练结果得到 U和U 的期望值。这样模糊神经 网络控制器便训练好了, 可以“ 装人” 控制系统中。2 A V R单片机控制系统2 . 1 A V R单片机结构特点A V R系列单片机为A T ME L公司生产的新一 代基于 A V R增强功能、 R I S C结构的
15、、 低功耗 C MO S 技术的微处1 ) 哈佛双总线器。 钩, 使程序存储器和数据存储 器分开。 使用R I S C散 集, 指令周期绝大部分为 单周期指令。有相当高的执行速度, 8 M H z 频率下 工作的A V R相当于2 2 4 M H z 频率下工作的普通MC S 5 1 02 ) A V R C P U内核为3 2 个通用工作寄存器与 丰富指令集的 组合, 3 2 个寄存器全部直接地与运算 逻辑单元连接, 这种组合机构具备的代码效率比完 成同样处理能力的常规 C I C S 微处理器要快 1 0 倍 以上, 从而解决了M C S 5 1 的累加器A的瓶颈问题。3 ) A V R单
16、片机含有内置晶振的可编程看门狗定 时 器、 片内模拟比 较器、 S P I 串口 和U A R T串口, 有几 种 机 型 含有8 一 1 0 位A / L ) 转换器。 其中A t m e g a M等带比较和捕获模式的定时/ 计数器, 且具有P W M功 能,P W M可以 在双8 值、 9 位或1 0 位下自 运行、 抗误、 节拍 修正操作。同时还有一路输人捕获口, 可以 捕获 引 脚I C P 上的 上升和下降沿。4 ) A V R单片 机内 置可重复编程的F L A S H 程序存 储器和E E P R O M数据存储器, 最大可达2 5 6 K的F E P - R O M , 可 用于 保存运动参数, 同时A V R单片机还支持 对存储器的 在系统编程, 便于现场参数修改, 这使得它 用 在运动控制方面有很大的灵活性。本文采用A t - n e g 1 6 芯片, 1 6 K可重复编程 F L A S