基于神经网络和DSP的锡炉温度控制系统的研究与应用
加入技术交流群
2.2 系统软件
在系统芯片中选用TMS320LF2407，通过上位机把C语言开发的算法经编译连接后，转换为DSP能接收的目标文件格式（COFF），加载到DSP进行执行控制。图4为控制系统软件流程图。采集温度传感器的模拟参数经过A/D转化为数字信号，用C语言编写的控制算法通过CL30开发工具进行编译，传到DSP系统板加以运算控制，获得控制驱动信号。在DSP控制中心，对基于神经网络预测算法的过程中，上位PC机通过RAM进行状态信息的捕捉，实时监测控制系统的参数性能，为温度控制系统的控制算法提供有力分析依据，完成系统的调试。本文引用地址：https://www.eepw.com.cn/article/162866.htm
控制系统经过系统初始化后开中断，并进行各种功能检测。温度参数采样进行A/D转换成数字信号，送入DSP运算中心进行数字处理，输出控制信号经D/A转换用以驱动执行机构。定时器T0作为采样设定周期，每个采样周期完成一次采样和运算分析处理，直到预测神经网络学习完成，退出中断而停止。
3 系统应用结果
在电路中安装温度、电压和电流检测装置，经过电路实验，在DSP中植入预测神经网络算法的结果，从而实现温度PID控制，其温度控制曲线如图5所示。
将预测神经网络和DSP高速运算处理相结合的方法应用到锡炉的温度PID控制系统中，大大提高了控制系统温度的稳定性和精度，为电子元件在装配过程中提供了可靠的焊接温度，降低了因装接高温而损坏元件和电路板的可能性。
参考文献
[1] 蒋宗礼.人工神经网络导论[M].北京：高等教育出版社，2001：39-52.
[2] 王永骥，涂健.神经元网络控制[M].北京：机械工业出版社，1999：1-68.
[3] 刘铁男.多层前向神经网络的新型二阶学习算法[J].控制理论与应用，2000，17(5)：721-724.
[4] 朱志甫.DSP在锅炉给水变频控制系统中的应用[J].河南科技大学学报(自然科学版)，2007，28(4)：21-32.
评论