随着科学技术的发展,现代工业生产过程的一个共同特征是控制系统的复杂性和不确定性日趋明显。由于参数具有时变性和随机性,且系统和环境具有许多不确定的和未知的因素。因此已不可能采用那些基于定量数学模型的传统控制方法对其实现有效的控制。

模糊控制是一种不依赖于被控过程数学模型的仿人思维的控制技术。它可以利用领域专家的操作经验或知识建立被控系统的模糊规则,有较好的知识表达能力,但在工程实际应用中却缺乏自学习或自调整的能力。神经网络是一类黑箱式的非线性映射,它具有良好的自学习能力。将两者结合起来,取长补短,可以提高整个系统的学习能力和表达能力。

阀门定位器是典型的非线性系统,难以建立精确的数学模型。采用模糊控制和神经网络控制能有效地实现阀门定位器的精确定位。因此,本文运用模糊神经网络控制的学习算法,并对模糊神经网络的自学习规律进行了研究。

本文主要完成以下的工作:

l、通过剖析国内外智能阀门定位器控制技术现状,总体设计围绕如何实现低功耗控制电路、单片机应用技术展开,并提出了相应的解决措施。

2、把模糊控制理论中的C犯推理查表算法应用于该控制系统中,此方法不仅避免建立被控过程数学模型,而且使得该控制系统实时性好,定位精度也得到提高。

3、充分利用神经网络控制理论中的记忆和学习功能,采用动态反向传播算法和遗传算法相结合,实现改进型模糊神经控制器。

4、本项目对HART通信协议、协议接口等技术进行探索研究,并提出了相应的解决措施。

现场运行表明,系统的稳态精度、动态响应特性等技术指标均较好地达到了预定要求,运行稳定可靠,操作与维护简便。