组态软件与matlab在管控软件中之研究和应用

《组态软件与matlab在管控软件中之研究和应用》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、组态软件与MATLAB在管控软件中之研究和应用第1章绪论1.1论文的选题背景及意义工业现场对每个状态的实时监控是非常重要的一项工作，这是工业现场智能控制系统的主要任务。通过现场状态的变化来判断并进行控制命令的下达，对产品的生产，产品的质量以及节能增效都有很大的影响。总体调度优化控制也是大型智能控制系统中至关重要的一个环节，因此智能控制在工业生产的作用是显而易见的，智能控制的研究和开发的重要程度也是举足轻重的。近几年，组态软件在工业自动化领域不断地发展，已经成为了一种比较可靠稳定的软件开发工具，其作用体现在数据采集、工程控制等

2、方面，是监控层实现自动化控制的软件平台和开发环境。为用户提供了直接和间接的开发界面和使用方法，其组态形式灵活多变。在硬件上，工程化特点不仅能被软件商引入，还能使软件设计同样呈现工程化特点。传统的方式是需要进行大量的编制指令和代码，组态软件作为一种新型的软件开发工具，具有很强的优越性，开发人员只需要找到组态软件里的组态软件包工具，并进行相应的组态工作，就能够完成应用软件的开发工作。组态软件虽然有很多优点，但是在生产规模不断扩大的今天，对控制过程的复杂性要求也越来越高，它的不足也呈现在开发人员的面前，随着工业控制的不断发展，组态

3、软件也遇到了巨大的挑战，在实际的工业控制中，组态软件无法完成比较复杂的算法，只能进行简单的单回路PID控制调节，以及开关量的时序控制，根本无法满足现场控制系统的要求，难于二次开发。怎样将比较成熟的算法应用到实际的工程项目中，是大多数开发人员的难点。所以将成熟的高级算法应用到实际的工程项目中并能在工业监控中得到实现是十分重要的，并且具有很大的意义。如果要将高级算法应用到实际的工业控制中去，就需要涉及到矩阵运算，数学运算以及相关的图像操作等等。开发工作人员要进行这项工作的开发是非常困难的，更不用说要涉及到复杂的数学运算，所以只能

4、将注意力放在基本的数据读取和计算上。组态软件中的计算子程序库和函数库比较欠缺，在开发时容易出错，对于难以实现的高级算法例如矩阵运算，数学计算等都能够在实际工程项目中得到实现，它的首创者Moler博士把它命名为矩阵实验室。由于MATLAB开放式的特点，各学科领域的权威人士编写的应用程序不断地融入到MATLAB中，使MATLAB更加的强大实用[3]。近些年，MATLAB在信号处理和图形图像处理中起着重要的作用，其中包括矩阵运算、系统仿真、信号处理、数值分析和图形处理等。而且拥有稳定可靠的函数库和覆盖面积广、规模庞大的几十个工具箱

5、。其中包括基本的初等函数，多种高级函数和复杂算法，如贝赛尔(Bessel)函数、矩阵逆运算、快速傅立叶变换等；还包括控制系统(ControlSystem)、信号处理（SignalProcess）、通讯(munieations)、小波分析(ATLAB在算法开发、系统仿真、数值计算发挥着重要作用的情况下还具有功能强大、可靠性高、简洁、便捷等优点，因此开发人员对MATLAB的要求越来越高，期望也越来越大，希望在实际应用中程序的运行更快捷，系统的稳定性更高等。然而，MATLAB语言由于运行环境的要求很高，并且占用了庞大的资源，导致程

6、序运算时的速度受到限制，进而在实现人机画面时，表现出能力不足。由于在工业控制的应用中涉及到以上这些特点，因此MATLAB被广大的软件开发人员提出来。如果能将复杂的算法应用到工业控制系统中去，例如神经网络控制算法、模糊控制算法等矩阵运算。组态软件虽然在控制画面上存在着比较完善的画面制作技术，但是无法进行矩阵运算，MATLAB又无法拥有组态软件的这些优点，只能进行复杂运算。如果只应用其中的一种软件，根本无法达到比较理想的目的。将二者相互补充，应用二者的优点，去掉缺点，不仅能实现理想的人机画面，还可以应用复杂的算法到监控系统中，这

7、样既节约了软件开发人员的开发时间，而且开发的程序也更加稳定可靠，还可以按照工业控制的要求方便的更改算法。将两者结合起来在理论上是有利工业系统控制的。1.2组态软件国内外研究现状近些年，监控组态软件在国内得到飞速的发展，不仅产品、市场、技术有了很快的发展，而且它的应用领域和开发工程师也在不断地扩大和增多。使组态软件在工业控制系统中的应用逐渐民用化，广泛化。在工业应用软件中，组态软件充当着重要的组成部分，但是其发展还是受到了很多方面的制约，总而言之，它的发展于实际应用的巨大推动作用。因为新技术的不断出现和快速的发展，对监控组态软

8、件产生了很大的冲击力，大多数人认为随着新技术的不断涌现，监控组态软件最终会退出工业控制市场。最终将会被另外一种内部包含了ATLAB神经网络工具箱....................34-353.4.2BP神经网络模型的设计....................35-393.5基于SI