基于神經網絡和DSP的錫爐溫度控制系統的研究與應用
加入技術交流群
2.2 系統軟件
在系統芯片中選用TMS320LF2407，通過上位機把C語言開發的算法經編譯連接后，轉換為DSP能接收的目標文件格式（COFF），加載到DSP進行執行控制。圖4為控制系統軟件流程圖。采集溫度傳感器的模擬參數經過A/D轉化為數字信號，用C語言編寫的控制算法通過CL30開發工具進行編譯，傳到DSP系統板加以運算控制，獲得控制驅動信號。在DSP控制中心，對基于神經網絡預測算法的過程中，上位PC機通過RAM進行狀態信息的捕捉，實時監測控制系統的參數性能，為溫度控制系統的控制算法提供有力分析依據，完成系統的調試。本文引用地址：http://www.104case.com/article/162866.htm
控制系統經過系統初始化后開中斷，并進行各種功能檢測。溫度參數采樣進行A/D轉換成數字信號，送入DSP運算中心進行數字處理，輸出控制信號經D/A轉換用以驅動執行機構。定時器T0作為采樣設定周期，每個采樣周期完成一次采樣和運算分析處理，直到預測神經網絡學習完成，退出中斷而停止。
3 系統應用結果
在電路中安裝溫度、電壓和電流檢測裝置，經過電路實驗，在DSP中植入預測神經網絡算法的結果，從而實現溫度PID控制，其溫度控制曲線如圖5所示。
將預測神經網絡和DSP高速運算處理相結合的方法應用到錫爐的溫度PID控制系統中，大大提高了控制系統溫度的穩定性和精度，為電子元件在裝配過程中提供了可靠的焊接溫度，降低了因裝接高溫而損壞元件和電路板的可能性。
參考文獻
[1] 蔣宗禮.人工神經網絡導論[M].北京：高等教育出版社，2001：39-52.
[2] 王永驥，涂健.神經元網絡控制[M].北京：機械工業出版社，1999：1-68.
[3] 劉鐵男.多層前向神經網絡的新型二階學習算法[J].控制理論與應用，2000，17(5)：721-724.
[4] 朱志甫.DSP在鍋爐給水變頻控制系統中的應用[J].河南科技大學學報(自然科學版)，2007，28(4)：21-32.
評論