（模式识别与智能系统专业论文）基于模糊神经网络电炉温度控制系统设计.pdf

摘要 论文题目：基于模糊神经网络电炉温度控制系统设计 学科专业：模式识别与智能系统 研究生姓名：李亚宁 签名： 指导教师姓名：刘军教授 摘要 签名： 温度控制系统在工业生产过程控制中是一种常见的而且重要的控制系统。本文将传统 控制理论与智能控制理论相结合应用于温度控制的实际工程中，以s k l - 1 1 0 型实验用电 阻炉为研究控制对象，设计出了智能温度控制实验系统平台，采用l a b v i e w 软件作为编 程工具，实现了温度曲线实时显示、参数设定、报表打印、采样设定等功能。控制算法部 分采用l a b v i e w 与d l l ，l a b v i e w 与m a t l a b 混合编程两种方法。 首先，从热力学角度分析温度对象的特性，理论上推导出温度对象常用的数学模型， 即一阶惯性带纯滞后环节，并给出模型各参数的含义，通过遗忘因子递推最小二乘方法辨 识出对象的数学模型。 其次，针对本文的控制对象带有纯滞后特性，分析几种常规的控制方法，在总结它们 的优缺点的基础上，提出基于模糊神经网络和模糊神经网络与d m c ( 动态矩阵控s f j ) 结合 起来的控制方法，并通过数字仿真，证明此种方法具有很好的控制效果 最后，设计了系统的硬件并进行系统集成，编制了相关软件，实验结果表明本文提出 改进的控制算法是有效的，而且所设计的系统具有较大的开放性 关键词：模糊神经网络温度控制动态矩阵控制l a b v i e w 埒中 垂六 西安理工大学硕士学位论文 _ - 。- _ _ _ _ _ _ - p 。_ _ _ _ _ 。_ _ _ _ _ 。- - _ _ _ _ _ _ _ _ _ _ 。- _ 。_ - _ _ 。- - _ 。_ _ - 。_ _ _ _ _ _ - - 。_ 。 t i t l e ：t h ed e s i g no fe l e c t r i cs t o v et e m p e r a t u r ec o n t r o l s y s t e mb a s e do nf u 乙z ：yn e u r a ln e t w o r k d i s c i p l i n em a j o r ：p a t t e r nr e c o g n i t i o n a n di n t e l l i g e n ts y s t e m g r a d u a t en a m e ：y an i n gl i c o u n s e l o rn a m e ：p r o f e s s o rj u nl i u a b s t r a c t s 1 g n a t u r e f 叼j j s l g n a t u r e ：伽渺 t e m p e r a t u r ec o n t r o ls y s t e mi sac o m m o na n di m p o r t a n ts y s t e m i nt h i sp a p e rt h en e w c o n t r o ls c h e m ec o m b i n e dc o n v e n t i o n a lc o n t r o lt h e o r yw i t hi n t e l l i g e n tc o n t r o lt h e o r ya p p l i e d t oc o n t r o lt h et e m p e r a t u r ei sr e s e a r c h e d t i l ei n t e l l i g e n tc o n t r o ls y s t e mo ft e m p e r a t u r e i s d e s i g n e dw i t ht h e s t o v eo fs k l - 1 1 0 b a s e do nl a b v i e w ，t h es y s t e mr e a l i z e dm a n y f u n c t i o n sa sp a r a m e t e rs e t s h o w i n gt h et e m p e r a t u r ec u r v c i nr e a l t i m e ，d a t ap r i n t i n ge t c f i 璐lt h ec h a r a c t e r i s t i c so ft e m p e r a t u r eo b j e c ti sa n a l y z e di nt e r m so ft h e r m o d y n a m i c s a n dt h em o d e lo ft h eo b j e c ti se s t a b l i s h e d t h e n ，a c c o r d i n gt ot h ed e l a yc h a r a c t e r s t i co ft h eo b j e c t ，s e v e r a lc o n v e n t i o n a lc o n t r o l m e t h o d si sa n a l y z e d ，f u r t h e r m o r e ，an e wf u z z yn e u r a lc o n t r o ls c h e m ew i t hd m c i sp r o p o s e d - s i m u l a t i o nr e s u l t ss h o wt h ee f f e c t i v e n e s so ft h es c h e m e f i n a l l y , t h ec o n t r o ls y s t e m i sd e s i g n e da n dr e l a t e ds o f t w a r ei sp r o g r a m m e d t h e e x p e r i m e n t a lr e s u l t ss h o wt h e e f f e c t i v e n e s so ft h en e w c o n t r o ls c h e m e k e yw o r d s ：f u z z y n e u r a lc o n t r o l t e m p e r a t u r ec o n t r o l d m cl a b v i e w 独创性声明 秉承祖国优起道德传统和学校的严谨学风郑重申明：本人所呈交的学位论文是我个 人在导师指导下进行的研究工作及取得的成果。尽我所知，除特别加以标注和致谢的地 方外，论文中不包含其他人的研究成果。与我一同工作的同志对本文所论述的工作和成 果的任何贡鼓均已在论文中作了明确的说明并已致谢。 本论文及其相关资料若有不实之处，卣本人承担一切摆关责任 论文作者签名：二篓啦。1 年g 月，7 日 学位论文使用授权声明 本人 奎至孥 在导师的指导下创作完成毕业论文。本人已通过论文的答辩，并 已经在西安理工大学申请博士硕士学位。本人作为学位论文著作权拥有者，同意授权 西安理工大学拥有学位论文的部分使用权，即：1 ) 已获学位的研究生按学校规定提交 印刷版和电子版学位论文，学校可以采用影印、缩印或其他复制手段保存研究生上交的 学位论文，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；2 ) 为教学和 科研目的，学校可以将公开的学位论文或解密后的学位论文作为资料在图书馆、资料室 等场所或在校园网上供校内师生阅读、浏览。 本人学位论文全部或部分内容的公布( 包括刊登) 授权西安理工大学研究生部办 理。 ( 保密的学位论文在解密后，适用本授权说嬲) 论文作者签名：压；亚当 导师签名： 印年稠少日 1 绪论 1 绪论 1 1 研究的背景及意义 随着生产过程的复杂程度和人们对产品质量的要求不断提高，另外温度对象通常具有 典型的时滞和惯性特性，再加上受到环境、生产过程中不确定因素的影响，传统的控制方 法高精度温度控制比较困难。因此将计算机应用于温度控制中，采用智能控制方法，提高 温度的控制精度进而提高产品质量，具有重要的意义。 模糊控制和神经网络是智能控制的两个重要分支。模糊神经网络集成了模糊控制和神 经网络的优点，利用神经网络结构实现模糊推理过程，既具有推理能力，又具有较强的对 环境变化的适应能力和学习能力，适合应用于难于建立被控对象精确数学模型的控制系统 中。 预测控制是一种直接从工业过程控制中产生的一类新型控制算法，它对模型的要求 低，鲁棒性好，适用于数字计算机控制。其基本思想是将传统自校正技术的单步预测扩展 为多步预测，从而有效抑制算法对于模型参数变化的灵敏性。 本文以电阻炉为研究对象，在分析传统控制方法的基础上，提出基于模糊神经网络和 模糊神经网络与动态矩阵控制( d m c ) 结合的智能化控制方法，对温度的智能控制方法做了 进一步的研究 1 2 时滞系统 在多数工业控制过程中，如在化工、电厂、炼油、冶金、玻璃等领域，控制对象普遍 存在着滞后现象。实际系统变量的测量、设备的物理性质以及信号的采集、传递和处理等 许多因素均可导致出现输出响应相对于输入的时间滞后现象。这种滞后时间的存在，可能 会导致系统产生明显的超调量和较长的调节时间，严重时甚至会导致系统不稳定。 在闭环控制系统中，滞后环节处在不同的位置对系统的影响也有很大不同。滞后对系 统的动态性能影响为：当前向通道和反馈通道中都含有纯滞后环节时，此时系统的闭环特 征方程所含有的总的纯滞后时间是两者之和，这时滞后时间变大；由于特征方程中不含干 扰环节，所以干扰通道的滞后对特征方程是无影响的。 另外，滞后对控制系统品质的影响不仅仅取决于滞后时间- g - 的大小，而且还与过程惯 性时间常数r 有关，工程中常用r 仃来衡量过程是否具有大滞后，就是当r 很大时，r 稍 大点也不要紧，尽管过渡过程慢一点，不过系统很容易稳定：反之当r 较小时，即使f 不 大，影响却可能很大，系统很容易振荡；通常认为，当叫r 0 5 时，应作为大时滞过程， 应采用特殊的控制方法：当叫2 o 3 时系统较容易控制，在对控制品质要求不高的场 西安理工大学硕士学位论文 合可以采用常规方法来进行控制，对于纯滞后系统常用的控制方法有d a h l i n 、s m i t h 、p i d ， 模糊控制、模糊控制和s m i t h 预估器及预测控制相结合等。 无论是基于s m i t h 预估控制，还是预测控制，它们对被控对象的数学模型都有较大程 度的依赖性，对于线性系统，还可以得到较好的控制效果( 王伟，杨建军1 9 9 7 ) ，但对于非 线性系统，很难得到较好的控制效果。 随着智能控制理论和技术的飞速发展，许多学者将模糊控制和神经网络控制技术应用 于滞后控制系统中。模糊控制的优点是不需要被控对象的精确数学模型，而且具有很强的 鲁棒性。神经网络控制则具有自学习和自适应以及很强的非线性表述能力。专家系统为解 决复杂的不确定性对象的控制提供了另外一条有效途径，它以控制专家的经验和知识弥补 了对象数学模型的缺陷。 张星昌通过将神经网络误差引入网络的输入层，提出了具有动态补偿能力的神经网络 建模及预报方法( 张星昌1 9 9 6 ) ；曹劲和王桂增在e l m a n 网络的基础上，实现了具有自校 正功能的减压塔温度e l m a n 网络预报建模( 曹劲，王桂增1 9 9 8 ) ：梁艳春等将动态模糊聚 类方法与梯度算法相结合，解决了时间序列一步预测问题( 梁艳春，王政，周春光1 9 9 8 ) ； h u a n g 和n e l s o n 利用神经网络解决了暖通空调设备对其控制量的滞后辨识问题( h u a n g ， n e l s o n1 9 9 4 a ) 。张吉礼和欧进萍等针对建筑热工系统大滞后的特性，提出了神经网络多步 预测方法和神经网络多步预测模糊控制方法。 智能控制方法虽然取得了许多成功的应用，但是仍存在许多问题。模糊控制的缺点是 控制精度不高、存在稳态误差。神经网络控制的缺点是学习和训练比较费时、对训练样本 的要求也很高。专家控制则过度依赖专家的经验，缺乏自学习能力，控常4 精度不高，而且同样 存在稳态误差。鉴于上述原因，经常采用将几种方法相结合，这也正是时变大滞后系统控 制方法目前的研究方向。如神经元自适应p i d 控制、自调整模糊控制、专家控制与p i d 控制相结合的递阶智能控制、基于模糊神经网络的预测控制、变结构模糊控制、基于模糊 预测的间歇p i d 控制、基于模糊逻辑的s m i t h 预估控制、基于神经网络的非线性s m i t h 预估以及专家s m i t h 预估控制等。 1 3 模糊自适应控制 美国控制论专家l a z a d e h 于1 9 6 5 年创立了模糊集理论，为描述、研究和处理模糊 现象提供了有力的数学工具。1 9 7 4 年，英国的e h m a m d a n i 把模糊语言逻辑用于工业过 程控制并获得成功，标志着模糊控制的诞生。众所周知，经典控制理论对于解决线性定常 系统的控制问题是很有效的。但是，在工业生产中，存在许多非线性、大时延、强耦合、 时变参数等复杂工业对象，以及许多难以获得数学模型或模型非常粗糙的工业系统。近年 来的实践表明，对于上述复杂的生产过程，采用模糊控制，可获得良好的控制效果：若采 用基于过程状态的自校正( 或自组织) 控制策略或采用基于模糊模型辨识的自校正控制策 2 1 绪论 略，效果更佳，这种控制方法从广义上讲就称为模糊自适应控制。 模糊自适应控制则是近l o 多年来发展起来的新型控制方法，受到国内外过程控制工 作者的广泛重视。模糊自适应控制器能够从其环境和受控过程中获取足够多的相关信息， 生成某些新的模糊规则或者修正原有的模糊规则来改善模糊关系，从而使模糊控制系统的 性能指标能够满足系统的需要。模糊自适应控制兼有白组织、自学习，自校正的特点，对 于实际问题的处理，有较大的优越性。模糊白适应控制器的优越性在于可以利用操作人员 提供的语言性模糊信息，不论以一般的数学还是以模糊数学为工具，都具有对被控对象特 征进行学习，对控制指标进行自选择和对控制器参数进行自动调整这三个功能。目前，模 糊自适应( 自校正) 控制方法主要有以下几种类型： l 多变量模糊自校正控制方法：它是将模糊辨识和预测控制结合起来，一种基于辨识 模糊模型的控制方法。它由模糊辨识、模糊模型的等价转化和控制器设计等3 部分组成。 这里的模糊辨识是采用t - $ 模型的模糊辨识方法一前提参数的辨识方法，控制器是借助 于广义预测模型控制原理设计的。该方法既保留了传统模糊控制的许多优点，又便于采用 传统的控制理论对控制系统进行分析和设计。其结构框图如图1 - 1 所示： l 一一梗糊自授正控制一一一j y ，参考输入向量：，输入控制向量：) ，输出向量 图1 - 1 多变量模糊白校正控制系统的构成 f i g u r e1 - 1c o n f i g u r a t i o no fm u l t i - v a r i a b l cf u z z ys e l f - a d a p t i v ec o n t r o ls y s t e m 首先，对系统模型进行模糊辨识，根据控制算法的要求，选择一种适当的模糊模型结 构；然后进行模糊模型的等价转换，当确定了模型后就可以利用某种线性控制方法来设计 控制器。最后，对被控对象进行控制。 2单变量模糊自校正控制方法：设计一个能在随机环境中独立工作的控制系统，那么 不论以一般的数学还是以模糊数学位工具，它们都必须具有对被控对象特性进行学习，对 控制指标进行自动选择和对控制器参数进行自动调整这三个功能。图1 2 为一种“粗调” 和“细调”相结合的参数自校正模糊控制系统结构框图： 西安理工大学硕士擘位论文 图1 - 2模糊自校正控制系统方框图 f i g u r ei - 2f u z z ya d a p t i v ec o n t r o ls y s t e md i a g r a m 图中：e k c e k ，u k 分别是误差、误差变化率、控制量的量化因子。这三个参数 对系统的输出均有影响。u k 相当于常规控制中的比例增益，e k 和c e k 是通过调整语言 变量的取值来改变控制器的输出f l j 。 模糊自校正控制器的粗调部分可以使系统的超调量、过渡时间、稳态精度这3 项指标 基本上满足要求。模糊自校正控制器粗调部分的参数校正规则定性归纳为： ( 1 ) 当系统发散时，则根据发散的程度以较大的幅度减小【膈。 ( 2 ) 当系统振荡时，则根据振荡的程度以适当的幅度减小。 ( 3 ) 当系统存在稳态偏差时，则根据稳态偏差的大小以适当的幅度增加u k ，同时以适当 的幅度增加c e k 。 ( 4 ) 当系统的过渡过程时间过长时，则根据过渡过程的时间以较小的幅度减：j c e k ( 5 ) 当正向超调过大时，则根据超调的大小以适当的幅度增加c e k 。 ( 6 ) 当反向超调过大时，则根据反向超调的程度以较大的幅度增加c e k 。 细调部分的作用是进一步降低系统的超调量，同时也会进一步提高系统输出的上升时 间和缩短过渡过程时间。模糊自校正控制器细调部分的表达式为 u k ；u k i ( i + 0 一d 0 ) + 暇) ( 1 1 ) 4 e k - k e 。( 阡：+ ( 1 一d b ) ) ( 1 2 ) 1 绪论 式中：雕和是权系数，通常取 t l ，职0 1 ；u k l 取1 e l ( 。是粗调部分的参数整定结 果；比和d 。的定义及说明如下。 d 。为误差强度的隶属函数 d h ( d e ) i 0 磁一日， 气一昂 1 d 只3 只3 d 丑4 仉 ( 1 3 ) 式中：d 。是本采样周期内误差的绝对值；通常0 0 毛 ；。，t ；，幺i ， 计篁控毒蛐量d i ( w - y o ) ) a “ j l 计茸控制量并输出 “+ o “ t i 计篁输出预礴值，a ) + q 。jj ，： l ， 图3 - 1 3d m c 在线计算流程图 f i g u r e3 - 1 3 d m co n l i n ec o m p u t a t i o nf l o wc l e f t 西安理工大学砸士孝住论文 3 2 3 基于d m c 的模糊神经网络控制 d m c 算法是一种基于对象阶跃响应的预测控制算法，其主要目的是根据系统的过去的 输入、输出和现在的输入来预测未来n 步的输出。 在模糊裨经网络模型中，辨识网络的权值调整是根据系统的期望输出和实际输出的 误差来调整。因此，在将d m c 算法运用到模糊神经网络的模型辨识中时，基于的想法是： 在神经网路的权值调整时可吼根据d m c 算法计算出未来下n 步的系统输出，用其输出 的第一步预测输出结果来代替神经网络训练中的第一步采样点的期望输出值，计算当前网 络在下一时刻的网络输出，根据这一输出误差来提前调整神经网络中的在下一时刻的可能 权值，以期望达到提前调整神经网络模型，使神经网络模型实时地反映被控对象由于环境 等其他因素引起的变化，更好的控制被控对象。 也就是说，模糊神经网络的权值调整，每一次都是根据系统给定的期望输出和实际 输出的误差来调整权值。而将d m c 应用于模糊神经网络中时，是把上一次预测输出的第 一步作为这次运行的期望输出的，然后再根据当前时刻的输出和期望输出的误差来调整权 值，即误差由e y d 俅) 一，r ) 变为- y t ( 1 ) - y ( t ) ，其中儿( 1 ) 代表上次预测输出的第一步。 3 3 算法数字仿真 本文的被控对象简化为一阶环节，其传递函数为 卜尝等 为了检验控制的效果，利用m a t l a b 对上述的几种算法进行仿真对比。采样时间为0 , 5 秒，设定温度为8 0 1 2 ，仿真比较结果如下所示： 。 。 。厂 一 一 ： t i m e ( | ) 图3 1 3p i d 控制 f i g u r e3 - 1 3p i dc o n t r o l p i d 的参数值为：k p - 1 5 ，k i - 1 5 ，k 4 2 5 。超调量达到3 0 ，最大动态偏差3 0 ，上升时间大约为1 2 秒，调节时间大约为9 6 秒。 1 9 ( 3 7 0 堇 ，毒 3 0 2 0 o 0 r f t m 哪 e “ 图3 - 1 4 模糊自适应整定p i d 控制 f t g u r e 3 - 1 4 f u z z ya u t o - a d a p t e di n s t a l l a t i o ap i dc o n t r o l 模糊自适应整定p i d 控制两个输入e 、卯和三个输出雎。，敛，厶七的论域范围及 其模糊子集定义如下： e 和e c 的论域范围为 3 ，+ 3 ；七，的论域范围为 m 3 ，+ 0 3 ；址。的论域范围为 - o 0 6 ，+ 0 0 6 ；从d 的论域范围为 - 3 ，+ 3 。其模糊子集均为 n b ，n m ，n s ，o ，p s ，p m ， p b ，子集中元素分别代表负大，负中，负小，零，正小，正中，正大。模糊量的清晰化 方法采用重心法。 模糊自适应p i d 控制：超调量不到2 0 ，最大动态偏差小于2 0 c ，上升时间大约为 8 3 秒，调节时间达到3 0 0 多秒。 图3 一1 5d a h l i n 控制 f i g u 3 - 1 5 d a h l i nc o n t r o l 西安理工大学硕士学位论文 d a h l i n 控制：没有超调产生，但是调节时间很长，上升时问也长，达到5 0 0 多秒。 图3 1 6s m i t h 预估控制 f i g u r e3 - 1 6 s m i t he s t i m a t e st h ec o n t r o l s m i t h 预估控制：没有产生超调，但是上升时间长，达到3 5 0 秒左右。 t i m a ( 。) 图3 - 1 7d m c 控制 f i g u r e3 - 1 7 d m cc o n t r o l d m c 控制：优化时域长度为3 0 ，控制时域长度为3 0 ，建模时域长度为6 0 ，误差 校正系数为 ( 1 ) - 0 6 ，其他取 ( f ) 一0 。没有产生超调，但是上升时间也比较长。 3 控制算法酌研究 图3 - 1 8 模糊神经网络( 隶属函数固定) f i g u r e3 - 1 8f u z z y u f 蛆睇t w o r k ( m c m b c , s h i pf i | n c t o n 血e d 、 模糊神经网络( 隶属函数固定) ：偏差比例因子t 一0 2 ，偏差变化比例因子k 一0 1 ， 动量项矗虻- 0 5 ，步长| l | - o i ，控制量变化因子毛- 5 超调量达到7 5 左右，上升时间 大约4 5 秒。调节时间大约2 0 0 秒。 7 0 柏 i 一茄紊墨盏l ” _ 。 图3 1 9 模糊神经网络( 隶属函数不固定) f i g u r e3 - 1 9f u z z yn e u r a ln e t w o r k ( m e m b e r s h i pf u n c t i o nn o t 丘x e m 模糊神经网络( 隶属函数不固定) ：具体参数同上。超调量很小，产生小幅振荡，上升 时间大约为1 0 0 秒，调节时同大约11 0 秒左右。 西安理工大学硕士擘位论文 图3 2 0 基于d 眦的模糊神经网络控制( 隶属函数固定) f i g u r e3 - 2 0f u z z yn e u r a ln e t w o r kc o n t r o lb a s e do bd m c ( m e m b e r s h i pf u n c t i o nf i x e d ) i 一筹主墨善f 厂 - 图3 - 2 l 基于d m c 的模糊神经网络控制( 隶属函数不固定) f i g u r e3 - 2 1f u z z yn e u r a ln e t w o r kc o n t r o lb a s e do dd m c ( m e m b e r s h i pf u n c t i o nn o tf i x e d ) 基于d m c 的模糊神经网络控制：两种情况下，都没有产生超调，也没有稳态误差，上 升时间在5 0 1 5 0 秒之间，控制效果比较好。 3 4 仿真结果分析 在本控制系统中，p i d 算法，产生较大的超调：模糊自适应p i d 相比p i d 超调减小， 但调节时间相对较长：d a h l i n 算法虽然可避免超调，但是调节时间同时增加，而且有静态 误差产生；s m i t h 预估控制不产生超调，但是调节时间长，具有较好的动态性和稳态性能； 动态矩阵控制( d m q 控制效果也比较好，调节时间太长；模糊神经网络( 隶属函数固定) 产 生较大的超调；模糊神经网络( 隶属函数不固定) 超调量减小上升时间增加而且存在较小的 振荡；基于d m c 的模糊神经网络控制( 隶属函数固定) 具有良好的动态性能和稳态性能，相 比隶属函数不固定的上升时间稍微长；基于d m c 的模糊神经网络控制( 隶属函数不固定) 具 有很好的动态和稳态性能。通过以上的分析和仿真，可知不同的控制器都有其不同的特点， 即在实际应用当中，由于对象的变化，一种控制器往往不能应对所出现的各种情况，综合 各种控制器优点的复合型控制器此时却能够产生比较好的控制效果，尤其是对于大时滞这 一类复杂系统的控制。仿真结果表明，改进的模糊神经网络控制算法具有很好的控制效果。 西安理工大学硕士学位论文 4 控制系统硬件实现 1系统组成及工作过程措述 本实验系统主要硬件构成为：计算机、采集卡、电阻炉。控制系统搭建成功，系统框 图如图4 - 1 所示： 计采a d a m电 3 0 1 4 苴 集调理 _ - 阻 梗块 机 卡 炉 图4 1 系统框图 f i g u r e4 - 1s y s t e md i a g r a m 本文中电阻炉温度控制系统由控制对象电阻炉。温度变送器。a d ，d a 转换， a d a m 3 0 1 4 调理模块，计算机等部分组成。系统组成原理如图4 2 所示，其中数据采集， a d 和d a 转换由p c i 1 7 1 1 数据采集卡完成，温度传感器内含在电阻炉中，采用k 型热 电偶。 控 d 转损 ： “ 医忑i l 电 r i 恻 p a 1 7 1 l 采集 卡 阻 、 u 一呱 舞 一 m d 转换 炉 图4 - 2 温度控制系统原理框图 f i g u r e4 - 2t e m p e r a t u r ec o n t r o ls y s t e mf u n c t i o n a lb l o c kd i a g r a m 工作过程描述如下： 计算机读取当前实际输出温度，然后与给定值进行比较得到输入信号( 图中所示为偏 差信号e 和偏差变化率信号毒，具体输入信号视控制器而定) ，作为控制器输入信号，经控 制器计算得到输出信号“，此信号经d a 转换，再经过a d a m 3 0 1 4 调理模块把电压转化 为电流信号，此电流信号触发( 调节) 热电偶，热电偶发热，电阻炉内温度变化，温度传感 器把温度转化为电压输出，然后经过a o 转换，返回到系统输入端与给定参考作差。到下 一采样时刻，重复上述过程。整个过程反复在线进行，直到期望输出与实际输出之差为零。 4 0 4 控制系统硬件实现 2p c i 1 1 7 1 采集卡简介 p c i 1 1 7 1 是1 2 位的低损耗多功能采集卡，具有独特的电路设计和完善的数据采集 与控制功能，支持即插即用，具有f i f 0 的高速缓存，可灵活设定输入类型和范围，具 有1 6 通道单端模数输入、1 6 通道数字i 0 和2 通道数模输出，采集速率可达1 0 0k h z ， 可编程的计数计时器可作为 d 转化的速度触发，同时具有通道自动搜索功能。内部 结构主要有单端模拟输入通道、模拟输出通道和触发源连接三部分。 3p a 1 1 7 1 采集卡的性能、技术指标及注意事项 ( 1 ) 性能 e 1 6 路单端模拟量输入 e 1 2 位a d 转换器，采样速率可达1 0 0k h z 每个输入通道的增益可编程 自动通道，增益扫描电路 卡上1 k 采样f i f 0 缓冲器 2 路1 2 位模拟量输出 1 6 路模拟量输入及1 6 路模拟量输出 可编程触发器定时器 ( 2 ) 技术指标 模拟量输入伽0 a i l 5 ) 表4 1 模拟量输入技术指标 t a b l e4 - 1s i m u l a t i o nq u a n t i t yi n p u tt e c h n i c a ls p e c i f i c a t i o n 通道教 l6 单靖输入 精度 12 位 f i f o i k 最大采样频率 10 0 k s ，g 转换时间 10 微秒 输入范圈 。增益 l23 4 5 和增益表 辅入，v 1 0 “1 0j j4 j ，+ 2 ji 】5 ，+ 1 0 j 2 5 ，+ 2 jo 6 2 j 袭件触发，外部触发， 触发方式 可绽程同步触发 西安理工大学硕士学位论文 模拟量输( a o o a 0 1 ) 表4 2 模拟量输出技术指标 t a b l e4 - 2s i m u l a t i o nq u a n t i t yo u t p u tt e c h n i c a ls p e c i f i c a t i o n 通道数 2 精度 12 位 内部参考帆压设 输出范围 定 0 - + 5 v 0 4 - 1o v ( 内部及外部参考) 外部参考电压设 定 o - + x v 一x v ( 一1o = x = lo ) 内部 5 v 或者10 v 参考电压 外部5 v + l0 v 数字量输入输出( d i 0 1 5 d 0 0 d 0 1 5 ) 表4 - 3 数字量输入输出技术指标 t a b l e4 - 3d i g i t a lq u a n t i t yi n p u t o u t p u tt e c h n i c a ls p e c i f i c a t i o n 譬入通道靛16 低电手n d y 鼻t 输入电压 高电平2 4 y i n 氍n d7 - a f _ 一n ，- a 看入负载 而 2 。7 7 - i n eo 。0 2 t a 输出通道效 l6 低 n d v 输出电压 l a x e + 8 0 - a ( s in k ) 一 2 4vi t i n 6 - 局 0 4 - ( = uu icc ) 4 控韧系统硬件实现 可编程计数器 表4 - 4 可编程计致器技术指标 t a b l e4 - 4l t o g r a m m a b l cc o t m t c tt r l m i c a ls l x c i f i c a t i o n 3 个2 个r f 力可置曦研步矗 十蕞 发晷i 十角产耳自由位用 爱蕞 l5 砬 仆美墨2 ：囊八来自计妻墨i 蕾出 计美器l ：lok 2 基碍时臂 诤蕞辱n - 螺1 耳 寮f 外矗时* ( 1o 缸z ) 由戟件矗再置土 - 土的囊 期富 1vhz 鼍一 0 e 丫ii z 纠* 八 高 2 0 v 皿i n 量 u 8v 置t i 九售号人 高 2 0 vmi 互 氰 0 j 丫 a z 0 + 24 a 许蠢暑出 岛 2 丑l a 鬯- l ，正 ( 3 ) 使用注意事项 p c 1 7 1 1 采集卡的信号线要尽可能远离电源线，发动机和具有电磁干扰的场所，也 要远离视频监视系统，因为它会对数据采集系统产生很大的影响。在现场试验中，如果信 号线和电源线必须并行( 比如在同一个电缆沟里) ，则两者之间必须保持适当的安全距离， 同时最好用屏蔽电缆，以确保信号安全准确地传输。采集卡的每个通道的模拟量采集都有 一个输入电压范围，超过了这一范围会造成采集卡a d 转换部分的烧毁，所以在采集模 拟信号时，要保证被采集的信号在设定的量程范围内。 4 p c i - 1 7 1 1 的信号连接 在数据采集应用中，模拟量输入基本上都是以电压信号输入。为了达到准确测量并保 证不损坏所涉及的应用系统，正确的信号连接就显得非常重要了。 ( 1 )模拟输入信号连接 p c i - 1 7 1 1 提供1 6 路单端模拟量输入通道，当测量一个单端信号源时，只需一根导线 将信号连接到输入端口，被测的输入电压以公共地为参考。没有地端的信号源称为“浮动” 信号源，p c i 1 7 1 1 位外部的浮动信号源提供一个参考地。浮动信号源连接到单端输入， 如4 - 4 图所示： 西安理工大学硕士学位论文 外 垂每腰 i i 浮 二蓍 i 曩 f 81 ：蜘 睡疆 图4 3 模拟信号输入连接图 f i g u r e4 - 3 s i m u l a t e ds i g n a li n p u tc o n n e c t i o nd i a g r a m ( 2 ) 模拟信号输出连接 p c i 1 7 1 1 有两个功a 转换通道，a 0 0 o u t 、a 0 1 一o u t ，可以使用内部提供的一5 v ，- 1 0 v 的基准电压产生0 至l j + 5 + 1 0 的模拟量输出，也可以使用外部基准电压a 0 0 r e f 、 a 0 1 r e f ，外部基准电压范围是1 0 v + 1 0 v ，比如外部参考电压是7 v ，则输出0n + 7 v 的输出电压。连接方法如下图所示： 图4 - 4 模拟信号输出连接图 f i g u r e4 - 4s i m u l a t e ds i g n a lo u l p u tc o n n e c t i o nd i a g r a m ( 3 ) 触发源连接 内部触发源连接 p c i 一1 7 1 l 带有一个8 2 c 5 4 或与其兼容的定时器技术器芯片，它有3 个1 6 位连在1 0 m h z 时钟源的技术器。c o u n t e r 0 作为时问技术器或脉冲发生器，可用于对输入通道的时间进 行计数。另外两个c o u n t e r l 、c o u n t e r 2 级联在一起，用作脉冲触发的3 2 位定时器。从 p a c e r - 0 u t 输出一个上升沿触发一次a d 转换，同时也可以用它作为别的同步信号。 外部触发源连接 p c i 一1 7 1 1 也支持外部触发源触发a d 转换，当+ 5 v 连接到t r g _ g a t e 时，就允许外部 触发，当e x t t r g 有一个上升沿时触发一次a d 转换，当t r g - g a t e 连接到d g n d 时，不允 许外部触发。 5a 】噙m - 3 0 1 4 调理模块 a d a m - 3 0 1 4 是最经济的、可进行现场配置的隔离信号调节装置，可在周围的有害作 用、发动机噪声和其他电磁干扰的情况下勇于保