（控制理论与控制工程专业论文）基于神经网络的自动寻边系统的研究与设计.pdf

1 ，喙 ，。窜寸f t h b yz h a n gt i a n z e n g s u p e r v i s o r ：p r o f e s s o rz h a n gj i a s h e n g n o r t h e a s t e r nu n i v e r s i t y j u n e2 0 0 8 魄9r 独创性声明 本人声明，所呈交的学位论文是在导师的指导下完成的。论文中取得 的研究成果除加以标注和致谢的地方外，不包含其他人己经发表或撰写过 ：的研究成果，也不包括本人为获得其他学位而使用过的材料。与我一同工 。 作的同志对本研究所做的任何贡献均己在论文中作了明确的说明并表示谢 f ：也 思。 学位论文作者签名：弦关诲 日 期：沙护男、7 、i 学位论文版权使用授权书 本学位论文作者和指导教师完全了解东北大学有关保留、使用学位论 文的规定：即学校有权保留并向国家有关部门或机构送交论文的复印件和 磁盘，允许论文被查阅和借阅。本人同意东北大学可以将学位论文的全部 或部分内容编入有关数据库进行检索、交流。 作者和导师同意网上交流的时间为作者获得学位后： 半年口一年口一年半口两年口 学位论文作者签名：涨久1 喝 签字日期：洲7 、l 导师签名： 签字日期： 铱象量 嗍、7 、j 囊 i | 毋 唔 l j 够 东北大学硕士学位论文摘要 基于神经网络的自动寻边系统的研究与设计 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、plc 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1 i 公司的1 6 位超低功耗处理器m s p 4 3 0 f 1 4 7 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p c 机上，设计了专门的p c 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m s p 4 3 0 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。b p 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b p 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。 关键词：自动寻边系统；m s p 4 3 0 ；数控电位器；人机对话软件；b p 神经网络 一l i _ ? ， “ 4 o fa u t o m a t i cc o n t r o lt e c h n o l o g yi st a k i n gm o r ea n dm o r ee f f e c t s f o r m e db ys t r o n gm u t u a l p e r m e a t i n go fd i s c i p l i n e ss u c ha sp n e u m a t i ct e c h n o l o g y , h y d r a u l i ct e c h n o l o g y , t r a n s d u c e r t e c h n o l o g y , p l ct e c h n o l o g y , t h e n e t w o r ka n dc o m m u n i c a t i o n t e c h n o l o g y , e t c ，t h e e l e c t r o m e c h a n i c a li n t e g r a t i n gt e c h n o l o g yh a s a l r e a d yn o w a d a y sb e c o m e a l l i m p o r t a n t c o m p o n e n to fi n d u s t r i a ls c i e n c ea n dt e c h n o l o g y e d g es e e k e ri sac o m m o n l yu s e do p t i c a lm e t r i c a li n s t r u m e n to nm e a s u r i n gw o r kp i e c ei n e l e c t r o m e c h a n i c a lf i e l d t h i sa u t o m a t i c e d g es e e k i n gs y s t e m r e c e i v e s s i g n a l f r o m p h o t o e l e c t r i cr e a c t i o nt y p ee d g es e e k e rs y s t e m a t i c a l l yo r i g i n a l l y , a n do u t p u t st h ec a t c h i n g s i g n a lt ot h ed i g i t a ld i s p l a ym e t e r t h i ss y s t e mc o n t a i n st h eh o s tc o m p u t e ra n d t h es u b o r d i n a t e m a c h i n e o nt h es u b o r d i n a t em a c h i n e ，i ti ss e tu pb yu s i n g1 6u l t r al o wc o n s u m p t i o n p r o c e s s o rm s p 4 3 0 f 1 4 7m a d eb yt ic o ，a n di t i sc o n f i g u r e db yu s i n g4k e y b o a r di n p u t ，4 l e d d i s p l a y , s e r i a lp o r tc o m m u n i c a t i o n ，n u m e r i c a lc o n t r o lp o t e n t i o m e t e r , s i m u l a t i o nv o l t a g e c o m p a r i n gm o d u l e s o nt h eh o s tc o m p u t e r , t h es o f t w a r eo fs p e c i a lp cm a n - m a c h i n e c o n v e r s a t i o na n dt h ec o m m u n i c a t i o ns o f t w a r ew i t ht h es u b o r d i n a t em a c h i n eh a v eb e e n d e s i g n e df o rt r a i n i n g , w r i t i n g , r e a dp a r a m e t e ro fn e u r a ln e t w o r k t h i sa r t i c l ed e s c r i b e st h ec h i pc h a r a c t e r i s t i c s ，o n c h i pm o d u l e ，a n de v e r yp e r i p h e r a l c i r c u i tm o d u l eo ft h i ss y s t e mi nd e t a i l e di n t r o d u c t i o n b pn e u r a ln e t w o r ke m p l o y sak i n do f m o r en e u r a ln e t w o r ks t r u c t u r ea tp r e s e n t i tc a na p p r o a c ha r b i t r a r yn o n l i n e a rf u n c t i o nw i t ht h e a r b i t r a r yp r e c i s i o n ，a n di th a sg o o da p p r o a c h i n gp e r f o r m a n c e ，a n db yi t ss i m p l es t r u c t u r e ，i ti s ak i n do fg o o dp e r f o r m a n c en e u r a ln e t w o r k t h em a t h e m a t i c st h e o r yo fb pn e u r a ln e t w o r k h a sb e e ns t u d i e d ，a n dt h eb a s i cp r i n c i p l e ，l e a r n i n gm e t h o d ，d e v e l o p m e n tt r e n do ft h en e u r a l n e t w o r kh a sb e e na l s oi n t r o d u c e di nd e t a i l ，a n dt h en e u r a ln e t w o r ka l g o r i t h ms o u r c ec o d eo f t h es y s t e mh a sb e e np r o v i d e di nt h i sa r t i c l e i no r d e rt oa d a p tt od i f f e r e n te n v i r o n m e n t s t h e s y s t e mo b t a i n st h er e f e r e n c ev o l t a g eo ft h ei n t e r s e c t i o nb e t w e e nt h eb r i g h td i s t r i c ta n dt h e d a r kd i s t r i c tb yt r a i n i n gn e u r a ln e t w o r k , a n di ti sc o m p a r e dw i t ht h ev o l t a g es i g n a lf r o m t r a n s d u c e rt oj u d g ew h e t h e ri th a sa l r e a d yr e a c h e dt h ei n t e r s e c t i o n t h i sa r t i c l ed e s c r i b e st h ee x p e r i m e n t a ld a t ao ft h eo r i g i n a ln on e u r a ln e t w o r ks y s t e m u n d e rd i f f e r e n tw o r k i n ge n v i r o n m e n t ，a n dt h ee x p e r i m e n t a ld a t ao ft h i ss y s t e mu n d e rt h es a m e w o r k i n ge n v i r o n m e n ta st h eo r i g i n a ls y s t e m i ti sp r o v e db yt h ee x p e r i m e n tt h a tt h e r ea r e i l i 东北大学硕士学位论文a b s t r a c t b e t t e r a d a p t a b i l i t ya n da c c u r a c yo nt h i ss y s t e mc o m p a r i n gt h eo r i g i n a ls y s t e m ，a n dt h e a d a p t i v ea b i l i t yt ot h ew o r k i n ge n v i r o n m e n tc h a n g i n gh a sb e e ni m p r o v e dg r e a t l y k e y w o r d s - a u t o m a t i ce d g es e e k i n gs y s t e m ：m s p 4 3 0 ；n u m e r i c a lc o n t r o lp o t e n t i o m e t e r ； s o f t w a r em a n m a c h i n ec o n v e m a t i o n ；b pn e u r a ln e t w o r k i v f 、 j 血 东北大学硕士学位论文 目录 目录 独创性声明错误! 未定义书签。 摘要i i a b s t r a c t i i i 第1 章绪论l 1 1 国内外研究现状、发展1 1 2 人工神经网络1 1 2 1 人工神经网络概述及其发展史1 1 2 2 人工神经网络在自动控制中的应用4 1 2 3 人工神经网络的发展趋势6 第2 章系统概述及总体设计方案9 2 1 寻边器介绍9 2 2 实施方案及可行性9 2 3 主要研究内容1 1 2 4 解决的关键技术1 1 2 5 系统总体设计方案1 1 第3 章下位机开发研究1 3 3 1 单片机1 3 3 1 1m s p 4 3 0 特点1 4 3 1 2m s p 4 3 0 片内模块介绍1 6 3 1 3m s p 4 3 0 芯片的f e t 开发方法2 4 3 1 4 本系统单片机接口2 5 3 2 外围电路设计2 6 3 2 1 电源、抗干扰及电平转换2 6 3 2 2 复位电路3 0 3 2 3 晶振模块3 1 3 2 4j t a g 模块3 2 3 2 5u s a r t 串行通信3 3 3 2 6 模拟电压比较模块3 5 一v 一 东北大学硕士学位论文目录 3 2 7i o 扩展4 0 3 2 8 键盘、l e d 数码管4 2 3 2 9 蜂鸣器4 3 3 2 1 0 下位机软件流程图4 4 3 2 1 l 下位机实物图4 6 第4 章上位机开发研究4 7 4 1 人工神经网络的基本原理及模型4 7 4 i 1 神经网络构成的基本原理4 7 4 1 2 神经网络结构及工作方式4 8 4 1 3 神经网络的学习方法4 9 4 1 4 几种典型的神经网络5 0 4 1 5b p 算法的数学描述5 2 4 1 6 本系统神经网络应用5 6 4 1 7 本系统神经网络软件算法5 8 4 2p c 人机界面5 8 第5 章结论与展望6 1 参考文献6 3 致谢6 5 攻读硕士期间研究的项目6 7 附录a 下位机硬件电路图6 9 附录b 神经网络算法程序7 3 一v l 东北大学硕士学位论文第1 章绪论 第1 章绪论 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、plc 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。 ， 寻边器用于对形状复杂的冲压件，齿轮、凸轮、螺纹及样板进行轮廓比较自动测量， 使用方便，效率高，是一种常用的计量光学仪器。广泛用于包括航空、航天业在内的各 大机械制造业、钟表业、电子行业、仪器仪表业，科研院及各级计量部门检测站，计量 所等部门。本系统为应用于工业投影仪中的自动寻边系统。广州信和光栅数显有限公司 始创于1 9 8 9 年，是一家引进意大利先进技术，专业生产数控系统、数显表、投影仪等 产品的中外合资企业。此项目依据该公司实际研发项目开发，并已经投于实际生产中。 1 1 国内外研究现状、发展 寻边器是机电行业现场检测工件常用的光学计量仪器。在现场测量中，由于其测量 范围大、视场大、精度高、快捷、直观、方便，因而很受广大用户的青睐。长期以来，为 保证光学投影仪或工业数控机床检测中的成像质量、测量准确度等技术指标，国内外传 统自动寻边器生产厂家推出的投影仪其成像都是反像。但随着近年来市场需求的变化， 为迎合部分顾客的特殊需求，各厂家相继推出其成像为正像的投影仪( 正像投影仪价格 均比反像投影仪要高) 。该技术常利用寻边器装在主轴上，对孔壁、矩形工件外形进行 寻点坐标后，将其坐标值记录下来，经手工计算，再输入到零点偏置。在实际加工使用 过程中，时有人为因素计算或误操作，导致工件零点不正确，造成不必要的废品或损失。 另外，现在国内外一些寻边器产品算法不成熟，导致相关产品比较落后，随着自动化技 术的应用，国内外也冒出了一些依靠先进算法寻找目标点的自动寻边系统，经过近几年 的自主研发投产，广州信和光栅数显有限公司及广州诺信数字测控设备有限公司在数显 系统、数控系统，及工业投影仪领域在国内外处于先进水平。 随着算法的不断成熟与应用，由先进算法控制的自动寻边系统还有很大的发展空 间，将会被不断的发展创新。本系统使用的是神经网络算法。 1 2 人工神经网络 1 2 1 人工神经网络概述及其发展史 一1 一 东北大学硕士学位论文第1 章绪论 早在2 0 世纪初，人们就已经发现人脑的工作方式与现在的计算机是不同的。人脑 是由极大量基本单元( 称之为神经元) 经过复杂的相互连接而成的一种高度复杂的、非 线性的、并行处理的信息处理系统。 人工神经网络，是借鉴人脑的结构和特点，通过大量简单处理单元( 神经元或节点) 互连组成的大规模并行分布式信息处理和非线性动力学系统。它具有巨量并行性、结构 可变性、高度非线性、自学习性和自组织性等特点。因此，它能解决常规信息处理方法 难以解决或无法解决的问题，尤其是那些属于思维( 形象思维) 、推理及意识方面的问 题。 从人脑的生理结构出发来研究人的智能行为，模拟人脑信息处理的过程，即人工神 经网络的研究，自2 0 世纪4 0 年代以来，它的发展经历了一条由兴起、萧条和兴盛三个 阶段构成的曲折道路。 早在1 9 4 3 年精神病学家和神经解剖学家m c c u ll o c h 与数学家p it t s 在数学生物物 理学会刊 b u l l e t i no fm a t h e m a t i c a lb i o p h y s i c s 上发表文章，总结了生物神经元 的一些基本生理特征，提出了形式神经元的数学描述与结构，即m p 模型。他们的神经 元模型假定遵循一种所谓“有或无 ( a n o r n o n e ) 规则。如果如此简单的神经元数目 足够多和适当设置突触连接并且同步操作，m c c u l l o c h 和p i t t s 证明这样构成的网络原 则上可以计算任何可计算函数。这是一个有重大意义的结果，有了它就标志着神经网络 和人工智能学科的诞生。 19 4 9 年生理学家d 0 h e b b 出版了( t h eo r g a n iz a tio no fb e h a v i o r ( 行为组织学) 一书。该书第一次鲜明提出了神经元连接强度的h e b b 规则。他认为学习过程是在突触 上发生的，突触的联系强度随其前后神经元的活动而变化。根据这一假设提出的学习规 则为神经网络的学习算法奠定了基础，使神经网络的研究进入了一个重要的发展阶段。 1 9 5 4 年m i n s k y 在p r i n c e t o n 大学撰写了“神经网络 的博士论文，题目是 t h e o r y o fn e u r a l a n a l o gr e i n f o r c e m e n ts y s t e m sa n di t sa p p li c a t i o nt ot h eb r a i n m o d e l p r o b l e m 。1 9 6 1 年m i n s k y 发表了早期关于人工智能( a i ) 的优秀论文“s t e p st o w a r d a r t i f i c i a li n t e l l i g e n c e ，论文的后半部包含了当今神经网络的大部分内容。1 9 6 7 年m i n s k y 出版了 c o m p u t a t i o n ：f i n i t ea n di n f i n i t em a c h i n e s 一书，它是第一本 以书的形式扩展了m c c u l l o c h 和p i t t s l 9 4 3 年的结果，并把他们置于自动机理论和计算 理论的背景中。 1 9 5 8 年，计算机科学家r o s e n b l a t t 提出感知机( p e r c e p t r o n ) ，首次把神经网络理 一2 一 东北大学硕士学位论文第1 章绪论 论付诸工程实现。这是一种学习和自组织的心理学模型，它基本上符合神经生物学的知 识，模型的学习环境是有噪声的，网络构造中存在随机连接，这是符合动物学习的自然 环境。当时，人们对神经网络的研究过于乐观，认为只要将这种神经元互连成一个网络， 就可以解决人脑思维的模型问题。 但是，随之而来的m i n s k y 和p a p e r t ( 1 9 6 9 ) 所著的p e r c e p t r o n 一书，利用数 学证明单层感知器所能计算的根本局限，提出感知器的处理能力有限，甚至连x o r 这样 的问题也不能解决，并在多层感知器的总结章中，论述了单层感知器的所有局限性在多 层感知器中是不可能被全部克服的。当时人工智能的以功能模拟为目标的另一分支出现 了转机，产生了以知识信息处理为基础的知识工程( k n o w l e d g ee n g i n e e r i n g ) ，给人工 智能从实验室走向实用带来了希望。同时，微电子技术的发展，使传统的计算机的处理 能力有很大提高，数字计算机的发展使当时科学界普遍认为它能解决一切问题，包括模 式识别、机器人控制等。因而不必去寻找新的计算理论与实现方法。而且，当时的工艺 水平还未能达到制作实用的具有足够规模的神经网络，用分离的电子管即使是晶体管所 制作的神经网络也只能作示教星的表演。这些因素的共同作用，促使人们降低了对神经 网络研究的热情，从而使神经网络进入萧条时期。 但在其间，一些人工神经网络的先驱仍然致力于这一研究，美国波士顿大学的 g r o s s b e r g 提出了自适应共谐振理论( a r t 网) ，芬兰的k o h o n e n 提出了自组织映射( s o m ) ， h n a r i 致力于神经网络数学理论的研究，这些都为神经网络的进一步研究与发展奠定了 基础。 1 9 8 2 年，美国加州工学院h o p f i e l d 提出h o p f i e l d 神经网络模型，开创了神经网络 用于联想记忆和优化计算的新途径，有力地推动了神经网络的发展。1 9 8 5 年，h i n t o n 4 和s e j n o w s k y 等人提出了b o l t z m a n n 模型，首次采用了多层网络的学习算法，在学习中 采用统计热力学模拟退火技术，保证整个系统趋于全局稳定点。1 9 8 6 年r e m e l h a r t 和 m c l l e l l a n d 等人提出了并行分布处理的理论，同时，w e r b o s 和p a r k e r 独立发展了多层 网络的b p 算法，这是目前最普遍的网络，广泛用于实际问题求解。神经网络的发展已 到了一个新时期，它涉及的范围正在不断扩大，其应用渗透到各个领域。在连接主义模 式下，进化与学习结合的思想正在迅速发展，神经计算、进化计算正成为其发展的一个 重要方向。1 9 9 4 年廖晓昕对细胞神经网络建立了新的数学理论与基础，得出了一系列结 果，如平衡态的全局稳定性、区域稳定性、周期解的存在性和吸引性等，使该领域取得 了新的进展。p w e r b o s 通过混沌、独立子系统的数学技术来理解人的认知过程，建立新 一3 一 东北大学硕士学位论文第1 章绪论 的神经信息处理模型和框架。日本学者a m a r i s 将微分流形和信息集合应用于人工神经 网络的研究，探索系统化的新的神经信息处理理论基础，为人工神经网络的理论研究开 辟了一条崭新的途径。神经网络理论有极强的数学性质和生物学特征，尤其是在神经科 学、心理学和认识科学等方面提出了一些重大问题，是向神经网络理论研究的新挑战， 也是它发展的机会。2 l 世纪神经网络理论日益变得更加外向，不断产生具有重要意义的 概念和方法，推进神经网络向更高阶段发展。 如今，神经网络的应用，已渗透到模式识别、图像处理、非线性优化、语音处理、 自然语言理解、自动目标识别、机器人、专家系统等各个领域，并取得了令人瞩目的成 果。神经网络理论也已成为涉及神经生理科学、认识科学、数理科学、心理学、信息科 学、计算机科学、微电子学、光学、生物电子学等多学科的新兴的、综合性的前沿学科。 从众多应用研究领域取得的丰硕成果来看，人工神经网络的发展具有强大的生命 力。当前存在的问题是智能水平还不高，许多应用方面的要求还不能得到很好的满足； 网络分析与综合的一些理论性问题( 如稳定性、收敛性的分析，网络的结构综合等) 还 未得到很好的解决。随着人们对大脑信息处理机理认知的深化，以及人工神经网络智能 水平的提高，人工神经网络必将在科学技术领域发挥更大的作用。 1 2 2 人工神经网络在自动控制中的应用 人工神经网络的性能是由其结构特征和基本处理单元的特征所决定的，并与其学习 算法有关。他之所以能在控制系统中得到如此广泛的应用，与自动控制理论的发展是密 切相关的，自动控制理论从经典控制理论到现代控制理论，现在已经发展到对智能控制 理论的产生提出了要求。传统的基于串行计算机里的y o nn e u m a n n 型计算机对复杂的智 能控制需求，在对环境的自适应特性和实施大规模计算等方面已显示出根本性缺陷，而 人工神经网络所表现的许多优点恰好预示着其在控制领域中的应用可能只是控制理论 摆脱困境的一条有效途径： ( 1 ) 非线性映射逼近能力：已有理论证明，任意的连续非线性函数映射关系都可 由某一多层神经网络以任意精度加以逼近。这种组成单元简单，结构有序的模型是非线 性建模的有效框架模型，预示着神经网络在具有挑战性的非线性控制领域有很好的应用 前景 ( 2 ) 对信息进行分布式综合优化处理能力：神经网络的大规模互联网络结构，使 其能很快的实现全局性的实时信息处理，并很好地协调多种输入信息之间的关系，兼容 一4 一 东北大学硕士学位论文第1 章绪论 性和定量信息，这是传统的串联工作方式所无法达到的效果，非常适合于系统控制中的 大规模实时计算。同时，某些神经网络本身就有自动搜索函数极值点的功能。这种优化 计算能力在自适应控制设计中是十分有用的。 ( 3 ) 高强的容错能力：神经网络的并行处理机制使其具有较强的容错能力，提高 了信息处理的可靠性和鲁棒性。 ( 4 ) 对学习结果的泛化和自适应能力：经过适当训练的神经网络具有潜在的自适 应模式匹配功能，能对学习信息加以分布式存储和泛化，这是其智能特性的重要体现。 。 ( 5 ) 便于集成实现和计算模拟：神经网络在结构上是相同神经元的大规模组合， 所以特别适合于用大规模集成电路实现，也适合于用现有计算技术进行模拟实现。但由 于现有的计算机运算方式与神经网络所要求的并行运算和分布存储方式是截然不同的， 所以两者在运算时间上必然存在着显著的差异。 以上特性适应了控制理论和控制工程领域发展的基本要求，能解决其中所遇到的问 题，因此，必然是神经网络在该领域获得广泛应用。对于控制系统模型参数的不确定性 变化以及模型结构本身的扰动问题，神经网络所具有的学习和自适应能力使其能够实时 地模拟被控对象的特性变化，同时，即使当被控对象输出存在一定误差时，其容错特性 也会使控制系统具有一定的鲁棒性能；另外，神经网络的标准结构和模拟精度为解决非 线性系统的自适应控制问题提供了一种标准框架；同时，作为一种本质的分布式并行信 息处理系统，为被控系统的分布式信息处理和综合提供了一种有效的融合处理途径。 当然，在具体应用时，神经网络结构和参数的选择，学习样本的选取，初值的设定， 学习算法的收敛性及多信息的融合等也是必须考虑的问题，并且，他们往往与所要解决 的实际问题相关，使其解决有一定的难度。 神经网络在控制系统中的应用是多种多样的，就其在控制系统中所起的作用而言有 如下几种形式： ( 1 ) 为控制系统提供某种模型； ( 2 ) 充当各类控制器； ( 3 ) 作为计算部件实现某种优化计算； ( 4 ) 与其它智能控制方法如专家系统、模糊控制相融合，为它们提供非参数化对 象模型、推理模型等获通过模型进行预测； ( 5 ) 动态系统故障诊断。 d a l i n k e n s 等人对模糊理论、神经网络和遗传算法等在智能控制中的应用及相互 一5 一 东北大学硕士学位论文第1 章绪论 关系进行了较为详细的评价与综述。模糊控制与神经网络分别是对人类思维方式和思维 结构的模拟，有各自的优点和局限，将两者结合形成优势互补，同时把遗传算法作为模 糊神经网络训练的有效工具，是当今智能控制发展的方向之一。 国内也有不少学者对神经网络控制现状、神经网络控制器的典型结构及基于神经网 络的非线性自适应控制等进行了综述及讨论。 目前，神经网络的应用已渗透到自动控制领域的各个方面，包括系统控制、系统辨 识、优化计算以及控制系统的故障诊断与容错控制的等。随着神经网络理论与应用的发 展，它必将在自动控制中获得更为广泛的应用，推动智能控制的进一步发展。 1 2 - 3 人工神经网络的发展趋势 以人工神经网络为代表的连接主义模式，从大规模并行分布式信息处理和非线性系 统的认知机理上来反映人脑信息处理和思维的本质。其发展的推动力来源于它特有的非 线性适应性信息处理能力。目前，人工神经网络正处在由简单的并行处理模型机制的研 究到对其变换能力、变化机理进行深入的和严格意义数学理论分析的研究，许多学者正 在对神经网络结构的整体能力和限制进行深入的理论分析。 ( 1 ) 增强对智能和机器关系问题的认识 人脑具有感知识别、学习、联想、记忆、推理等智能，研究人类智能一直是科学发 展中最有意义，也是空前困难的挑战性问题。2 0 世纪8 0 年代中期出现了“连接主义 的革命或“并行分布处理( p d p ) ，普遍地有被称为神经网络，它具有自学习、自适应 和自组织的特点，也是神经网络研究需要进一步增强的主要功能。借助量子物理学的内 容，包括量子场理论和孤立子系统来建立人脑认知的量子场理论模型，把人脑看作一个 无边的进化子系统，具有无边的进化过程，具有自足作用的孤立子系统。建立神经系统 的量子理论，是由史蒂文斯等人提出的理解阈限的理论。神经量子理论假设反应刺激变 化过程的神经结构在机能上能被分为各个单元或量子。构建多层感知器与自组织特征图 级联想的复合网络，是增强网络解决实际问题能力的一个有效途径。 ( 2 ) 探索更有效的学习新算法 在当前人工神经网络学习算法中，都有一个无法避免的缺陷，就是在学习新的模式 样本时，会造成已有的知识破坏。于是，在给定的学习误差条件下，人工神经网络必须 对这些样本周而复始地反复学习，不仅造成反复迭代次数多，学习时间长，而且易陷入 局部极小值。观察人脑神经系统的学习过程，并没有在学习新内容时，要破坏已学习过 一6 一 东北大学硕士学位论文第1 章绪论 知识的现象。因而有必要进一步去构思更有效的学习新算法，以便能类似于生物神经网 络那样实现知识的积累和继承。n a r i 在非结构化空间的理论研究方面做出了重要的开 拓性工作。他运用微分流形理论创建的信息几何，首次将非欧氏空间的研究带入人工神 经网络模型的研究。a m a r i 在信息几何中的开拓性工作，是在非线性空间研究的一个极 其重要的工作，研究了神经网络模型结构在整个信息处理模型空间中的各种标示，所具 有的变化能力和限制，为解释人脑神经功能提供了一定的理论基础，使得从整体结构上 对神经网络进行分析成为可能，为进一步构思更有效的网络机构和学习算法提供了强力 。 有力的分析工具。 ( 3 ) 解决多功能多方法的转换问题 这种转换问题即多网络的协同工作问题，研究表明，单独的人工神经网络不能完成 像人脑那样的高级智能活动。将这些不同的智能信息处理方法综合在一起，构成整体神 经网络智能系统，必然需要在多网络之间进行工作协调。h i n t o n 和他的研究小组，提出 通过神经网络抽取模式结构为目标，形成外界环境在神经网络中的内在表示机理，并把 其作为发展人工神经网络的基础，探索通过结构组合来达到完成具有更高水平的混合模 型人工神经网络结构和非监督学习人工神经网络。另一方面，人们正在考虑基于生命模 型信息处理技术的目的和意义，包括进化计算，人工生命等，研究者已经开始从分子水 平上来揭示人类思维之谜，利用一些生物学上的发现来研究生物计算机。 人的智能本质是由各种不同层次系统集成的复杂系统，人工智能的形成体现在各种 系统的集成机理中，要形成对人脑并行处理的一般原理认识，需要从不同认知层次整体 结构分析形成信息处理一般原理的认识。通过人工神经网络模型来解释和理解并行分布 是系统的一般原理，揭示人脑的智能本质，还达不到人们的期望目标。目前，人们还不 6 知道人工神经网络变换机理和在更复杂系统中的定位机理，不明确人工神经网络变换机 理以来的理论基础。人工神经网络依赖的是一种典型的非线性、非欧氏空间模型。怎样 把基于知识表示、非结构化推理、连接主义的非线性函数逼近和基于生命模型系统联系 起来，是科学界面临的一个挑战。以探索智能形成机制为目标的a i 研究者会越来越强 调生物学约束的重要性，新的生物学发现会越来越多地作为原始素材被用于构建新的网 络模型，而不是一味地被用来证明旧有模型的合理性。随着人工神经网络向更深入的认 识模式发展，光、电技术和其他学科技术的突破，人工神经网络与传统方法结合，正酝 酿着人工神经网络技术的新的突破。 一7 一 、 东北大学硕士学位论文 一8 一 、 东北大学硕士学位论文第2 章系统概述及总体设计方案 第2 章系统概述及总体设计方案 寻边器是机电行业现场检测工件常用的光学计量仪器。在现场测量中，由于其测量 范围大、视场大、精度高、快捷、直观、方便，因而很受广大用户的青睐。 2 1 寻边器介绍 如图2 1 所示，本系统所采用寻边器件为光敏寻边器，其相当于一个阻值随光暗度 一 变化而改变的光敏电阻。 图2 1 光敏寻边器 f i g 2 1p h o t o s e n s i t i v ee d g es e e k e r 2 2 实施方案及可行性 原寻边系统没有使用处理器，直接使用模拟电路，将寻边器采集的电压信号比较放 大，等电压变化到了一个预先设定好的参考电压值就给出信号，表示找着了交界处。原 来的寻边系统工作原理太过简单，只能按照预先设定好的参考电压值进行比较，这样就 不能适应环境的变化，如光暗度、敏感度、材料综合度等，这样预先设定的参考电压值 在不同的环境下使用就未必准确。 本设计为处理寻边器信号的自动寻边系统。为了适应环境的变化，本系统使用了神 经网络来调整不同环境下输入变量的权系数，如光暗度、敏感度、材料综合度等的权系 数，经过多次训练后得出交界区的最优参考电压。得出参考电压后，与寻边器采集的电 压信号相比较，判断得出是否已经到达交界处。 本自动寻边系统根据光暗度来搜寻x ，y 坐标，通过数字模拟电路及神经网络算法进 一9 一 、 东北大学硕士学位论文第2 章系统概述及总体设计方案 行精确的自动计算所求的点，并可以通过人机对话软件在计算机上训练、写入、读出神 经网络参数到下位机上，具体细节已通过一步步的软硬件摸索实现。更重要的是，广州 诺信数字测控设备有限公司还有专门的车间，此项目已在车间加入到一些机床设备或工 业投影仪进行测试。本系统已投入到车间运行测试。 此项目须实现自动计算、键盘输入、显示，以及设计专门的p c 与下位机的对话软 件，用于输入读出神经网络的参数。由此入手，已先搭建硬件电路板，编写下位机软件 程序，分模块调试正常后，编写专门的可视化人机对话软件，再完成通信部分的调试。 此项目诺信公司投资2 0 0 万元作为研发费用，已研究调试成功，给出其在工业投影 仪上的应用，如图2 2 和图2 3 所示。 图2 2 自动寻边系统应用于上业投影仪 f i g 2 2a u t o m a t i ce d g es e e k i n gs y s t e ms p p l yt ot h ei n d u s t r yp r o j e c t o r 一1 0 一 东北大学硕士学位论文 第2 章系统概述及总体设计方棠 图2 3 工业投影仪上投影工件 f i g 2 3w o r k p i e c e sp r o j e c t i o n0 1 1t h ei n d u s t r yp r o j e c t o r 2 3 主要研究内容 传统的光学投影仪或工业数控机床检测在实际加工使用过程中，时有人为因素计算 或误操作，导致工件零点不正确，造成不必要的废品或损失。另外，现在国内外一些寻 边器产品算法不成熟，导致相关产品比较落后。 为了避免以上人为因素，达到自动计算最优交界区闸值，快速准确找到零点为目的， 本设计采用了m s p 4 3 0 单片机为核心的控制系统，并采用了一些自动算法，加入了神经 网络算法，并外接了l c d 数显系统来显示自动计算出的坐标，以及在p c 上设计与下位 机通信的读入输出神经网络信号的软件。 2 4 解决的关键技术 本设计解决了以下几点关键技术： ( 1 ) 运用神经网络算法实现自动计算最优交界区闸值； ( 2 ) 完成单片机及其外围系统的软硬件设计； ( 3 ) 在p c 上设计专门人机对话软件实现p c 与下位机的串口通信。 2 5 系统总体设计方案 一1 1 东北大学硕士学位论文 第2 章系统概述及总体设计方案 结合所需功能，系统总体设计方案如图2 4 所示： 图2 4 系统总体框图 f i g 2 4t o t a lb l o c kd i a g r a mo ft h es y s t e m 一1 2 东北大学硕士学位论文第3 章下位机开发研究 第3 章下位机开发研究 结合以上所需功能，本系统由几个模块组成：单片机、键盘、显示、模拟电压比较、 u s 朋玎通讯、j 1 = a g 仿真、c l o c k 时钟、电源。 单片机上，本系统采用1 1 公司最新推出的1 6 位超低功耗处理器m s p 4 3 0 f 1 4 7 ； 键盘上，本系统采用4 个按键； 显示上，本系统采用4 个数码管； 模拟电压比较模块，本系统采用了数控电位器x 9 3 1 8 ，用于确定参考电压，传感器 传来的电压与之比较后，判断是否到达交界区； u s a r t 模块，本系统采用了i c l 2 3 2 ，实现与上位p c 机的r s 2 3 2 通讯； j t a g 仿真，本系统采用利尔达公司的1 4 插针仿真器； c l o c k 时钟，本系统采用的是8 m 无源晶振； 电源，本系统使用5 v 外接电源。 系统下位机的设计总框图如图3 1 所示。 3 1 单片机 图3 1 下位机总框图 f i g 3 1t o t a lb l o c kd i