基于嵌入式avr单片机的核子秤配料自动控制系统

《基于嵌入式avr单片机的核子秤配料自动控制系统》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、表1记录数据(2005年6月14日)通道CH01CH02一通道CHOICH02单位mVV}单位mVV时间srrunmaxrrUnmax{时间Sminmaxn刀nmax14:44:360.00010.210.21.4191.459}14:44:440.00027.731.02.1392.24414:44:360.50010.229.61.4592.304}14:44:440.50024.827.71.9982.13914:44:370.00029.657.72.3043.419{14:44:450.00022.324.81.9231.9981

2、4:44:370.50057.773.63.4193.996[14-44-450.50020.222.31.8161.92714:44:380.00073.680.23.9964.259{14:44:460.00018.420.21.7601.81614:44:380.50080.281.14.2484.262F14-44-460.50016.918.41.6831.77214:44:390.00078.180.94.1524.248}“:“:‘，0.00015.516.91.6431.68314:44:390.50073.378.13.9

3、304.152{14:44:470.50014.515.51.5881.66014:44:400.000.67.573.33.7223.930{14:44:480.00013.514.51.5601.58814:44:400.500-61.367.53.4493.72214:44:480.50012.813.51.5201.58114:44:410.00055.261.33.2323.44914:44:490.00012.112.81.5011.52514:44:410.50049.455.22.9743.232一14:44:490.500

4、11.512.11.4731.52514:44:420.00044.149.42.7882.974}14:44:500.00011.111.51.4601.48514:44:420.50039.244.12.5672.788{14:44:500.50010.711.11.4401.48514:44:430.00034.939.22.4222.567114:44:510.00010.410.71.4301.45814:44:430.50031.034.92.2442.422}基于嵌入式AVR单片机的核子秤配料自动控制系统陈益飞(盐城工学院，盐

5、城224003)摘要重点讨论了基于一种新型单片机一AVR高速嵌人式单片机交流变频调速在核子秤配料自动控制系统中的应用，并给出了软硬件设计方法，同时利用一种模糊神经网络自学习控制方法。较好地解决了控制精度和实时控制的要求，理论分析和仿真实验证明该方法可行。关健词AVR单片机;神经网络;配料控制;变频调速则的控制器，这些模糊规则是人们对受控过程认识0引言的归纳和控制经验的总结，存在的核心问题是测试近年来，模糊逻辑控制取得了巨大成功，已广泛参考模糊集隶属函数的选择与模糊量化，以及控制应用于工业自动化、智能仪器、机器人控制及家用电规则的固定或者不适

6、合被控过程的变化，严重影响器等领域。但是，传统模糊控制是一种基于模糊规控制效果。人工神经网络具有学习、记忆、联想、容计量技术2007.No1·35·错、并行处理等能力，已在模式识别、图像处理、信号控制量误差(E)处理、人工智能及自动化等方面得到广泛应用。随(U)正大正中正小零负小负中负大着电力电子技术、微电子技术和计算机技术的发展，正快不变不变慢减减减J决减快减研究重点转移到以MCU,DSP为主的数字方案〔’〕。本文介绍一种由AVR高速嵌人式单片机模糊神经正快不变不变慢减减减快减快减网络自学习变频调速的方法。将模糊控制与神经网误正慢增增不变

7、慢减减快减快减差络相结合，利用两者优点，设计出一种神经网络模糊变零J决增快增增不变减J决减快减化推理控制器，通过网络的离线训练和在线自学习的(E})负慢快增快增增慢增不变减减功能结合，使控制器具有自调整、自学习的功能，以负中快增快增增增慢增不变不变达到智能控制的目标。负快快增快增增增慢增不变不变1模糊神经网络自学习控制器结构及特性图2模糊联想存贮器模糊神经网络自学习控制器结构如图1所示，1.2模糊神经网络结构及训练学习算法图中，FNC(FuzzyNeuralControl)表示模糊神经网在建立了模糊控制规则之后就可以把这些规则络控制器;K,

8、,K,价分别表示比例因子和放大因转化为神经网络的一组输人输出的样本，采用Back子;Wo表示给定省扮表示误差;E,E,和U分别表一Propagation学习算法离线训练网络。示F