基于PLC的模糊神经网络控制策略的应用
神经网络与模糊控制的结合应用
神经网络与模糊控制的结合应用I. 引言神经网络和模糊控制都是近年来广泛应用于自动控制领域的两种重要技术。
神经网络以其较好的学习能力和预测能力，受到了广泛的关注。
而模糊控制以其强大的非线性建模和很好的抗干扰能力而备受推崇。
为了克服单一控制技术的局限性，研究者开始尝试将神经网络和模糊控制进行结合应用。
II. 神经网络和模糊控制的概述1. 神经网络神经网络是一种学习型系统，其结构可以类比为人类大脑的神经元网络。
神经网络通过学习数据集中的模式，能够从中学习出输入输出之间的映射关系。
神经网络的优点在于其能够进行非线性建模、通用近似和容错性能强等特点。
2. 模糊控制模糊控制是一种基于模糊逻辑的控制方法。
其将模糊逻辑应用于实际系统的控制过程中，达到了比传统控制方法更好的抗干扰能力和系统的非线性动态性能。
III. 神经网络模糊控制器设计及应用1. 神经网络模糊控制结合的优点神经网络模糊控制相较于传统的控制方法，具有较强的非线性建模和很好的抗干扰能力，能够捕捉到很好的系统动态，从而实现控制的效果。
2. 神经网络模糊控制器的建立神经网络模糊控制系统可以分为两个部分，分别是模糊控制器和神经网络控制器。
其中模糊控制器负责实现对系统模糊建模，而神经网络控制器则用于学习模糊控制器的输入输出映射关系。
图1：神经网络模糊控制器的框图3. 神经网络模糊控制器在机器人路径规划中的应用机器人路径规划是一个非常复杂的问题，需要考虑到环境的不确定性以及机器人动力学特性。
神经网络模糊控制器通过学习路径规划时的输入输出映射关系，能够提高路径规划的准确性和鲁棒性。
4. 神经网络模糊控制器在工业过程控制中的应用在工业过程控制中，神经网络模糊控制器可以通过学习过程时的输入输出映射关系，实现对工业过程的自适应控制。
其优点在于能够实现强大的建模能力和很好的自适应性，从而提升了工业过程的控制性能。
IV. 总结神经网络和模糊控制都是近年来比较热门的技术，两者在控制领域的应用也在不断发展。
基于PLC的模糊控制设计
4.数据处理
现代PLC具有数学运算（含矩阵运算、函数运算、逻辑运算）、数据传送、数据转换、排序、查表、位操作等功能，可以完成数据的采集、分析及处理。这些数据可以与存储在存储器中的参考值比较，完成一定的控制操作，也可以利用通信功能传送到别的智能装置，或将它们打印制表。数据处理一般用于大型控制系统，如无人控制的柔性制造系统；也可用于过程控制系统,如造纸、冶金、食品工业中的一些大型控制系统。
（2）PLC在闭环过程中应用日益广泛.
（3）不断加强通讯功能。
（4)新器件和模块不断推出。高档的PLC除了主要采用CPU以提高处理速度外，还带有处理器的EPROM或RAM的智能I/O模块、高速计数模块、远程I/O模块等专用化模块。
（5）编程工具丰富多样，功能不断提高，编程语言趋向标准化。有各种简单或复杂的编程器及编程软件，采用梯形图、功能图、语句表等编程语言,亦有高档的PLC指令系统。
（三）系统的设计、建造工作量小，维护方便，易于改造.
PLC用存储逻辑代替接线逻辑，大大减少了控制设别外部恩德接线，是控制系统设计及建造的周期大为缩短，同时维护也变得更为容易。更重要的是使用同一设备经过改变程序改变生产过程成为可能。这很适合多品种、小批量生产。
基于PLC的模糊神经网络控制系统的研究
武夷学院学报2009年第2期0．前言活性白灰作为炼钢关键原料之一，石灰窑的自动化控制的水平和可靠性直接关系到活性白灰的质量及能耗。
对于活性白灰回转窑生产线，为满足工艺要求，回转窑的温度控制是保证退火质量的关键因素。
同时要求供热分布均匀，装料均匀，可提供较大的供热负荷变化。
活性白灰回转窑中的温度、集气管压力以及回转窑的转动等控制系统，采用用经典PID 控制效果不够理想，而人工神经网络系统和模糊逻辑系统在应用中存在许多问题。
随着模糊逻辑理论和神经网络理论研究的不断深入，将模糊逻辑理论和人工神经网络技术进行有机结合，从而构造一种可“自动”处理模糊信息的模糊神经网络，已经引起越来越多的科研工作者的研究兴趣和关注，成为当前一个重要的研究“热点”。
因此将模糊逻辑系统和神经网络系统结合起来，在实际应用中取得很好的效果。
根据实际的工况，本系统采用PLC 控制技术结合模糊神经网络的PID 控制系统。
1．PLC 控制系统设置1.1工艺流程简介活性白灰回转窑生产工艺流程如图1所示，主要煅烧生石灰石，竖式预热利用烟气预热，回转窑采用焦炉煤气与空气燃烧比煅烧，最后成品的过程。
图1回转窑工艺流程图基于PLC 的模糊神经网络控制系统的研究王效华1张咏梅2（1.武夷学院电子工程系，福建武夷山354300 2.济源职业技术学院机电系，河南济源454650）摘要：本文对活性白灰回转窑生产线进行了PLC 系统配置，分析了T-S 模型的模糊神经网络的结构，进一步分析了模糊神经网络的学习算法，给出模糊神经网络PID 的结构和设计方法，并对该系统进行了仿真，证明该系统具有良好抗干扰和跟随能力。
关键词：PLC ；模糊神经网络（FNN ）；模糊神经网络PID ；粗糙集；仿真中图分类号：TF355.1TP183文献标识码：A 文章编号：1674－2109(2009)02－0078－05收稿日期：2008-09-20基金项目：福建省自然科学基金计划资助项目2007J0207），福建省教育厅科技项目（JB06189）。
基于模糊控制的PLC在温度控制中的应用
基于模糊控制的PLC在温度控制中的应⽤基于模糊控制的PL C在温度控制中的应⽤张雪平1 王志斌21.宜宾学院2.四川⼤学摘要:结合⼯业电炉的温度控制,介绍了⼀种基于模糊控制的PL C温度控制系统。
该系统克服了传统的位式调节器和P I D调节器超调⼤的缺点,充分发挥PL C控制灵活、编程⽅便、适应性强的优点,提⾼了控制的精确度。
关键词:模糊控制 PL C 温度控制Appl ica tion of the Fuzzy Con trol Ba sed on PLCi n Te m pera ture Con trolZhang Xuep ing W ang Zh ib inAbstract:Jo ining temperature contro l of the industry electric stove,th is paper introduces a k ind system of fuzzy contro ller based on PL C in temperature contro l.T he system overcom es w eakness of super adjusting w ith traditi onal regulato r and P I D regulato r,it has advantages contro l flexible,p rogramm ing convenient,adap table, increases the accuracy of the contro l.Keywords:fuzzy contro l PL C temperature contro l1 引⾔温度控制是⼯业⽣产过程中很重要的⼀种控制。
温度控制系统⼀般具有⼤惯性、⼤延时的特点。
在⼯业控制中,温度系统的数学模型难以确切建⽴。
⼯业现场对温度控制,常⽤有位式调节器和P I D控制器等。
基于神经网络的模糊控制器设计与应用
基于神经网络的模糊控制器设计与应用近年来，人工智能技术的快速发展，尤其是深度学习技术的兴起，让我们在解决复杂问题时找到了新的方法和思路。
神经网络作为一种重要的深度学习模型，已经被广泛应用于各个领域。
其中，基于神经网络的模糊控制器在控制领域中也得到了广泛的应用。
模糊控制是一种非精确控制法，其主要思想是利用模糊集合运算来处理模糊信息，从而实现对控制对象的粗略控制。
而基于神经网络的模糊控制则是将神经网络和模糊控制相结合，利用神经网络的自适应性和模糊控制的模糊化处理能力，来提高应对复杂控制系统的能力。
在基于神经网络的模糊控制中，神经网络部分主要负责对输入信号的特征提取和预测输出的模糊化处理，而模糊控制部分则负责将模糊输出信号转换为确定性控制信号。
神经网络可以通过训练来学习输入与输出之间的复杂映射关系，从而实现对复杂控制系统的自适应控制。
而模糊控制则利用模糊逻辑的方法来处理输入信号，并将输出信号转化为控制信号。
这种结合的方式使得基于神经网络的模糊控制方法具有了更强的鲁棒性和适应性。
在实际应用中，基于神经网络的模糊控制技术已经被广泛应用于各种领域。
例如，在机器人控制领域，基于神经网络的模糊控制技术已经被用于控制移动机器人的运动，实现了对机器人的高效控制。
同时，它还被应用于工业自动化生产线、电力系统、汽车控制系统等领域。
除此之外，基于神经网络的模糊控制技术还可以应用在飞行控制系统中。
飞行控制系统是一种非常复杂的控制系统，需要对各种信号进行处理和控制，同时还需要考虑到旋翼动力学、空气动力学等因素。
基于神经网络的模糊控制技术可以利用其强大的自适应性，根据输入的实时数据调整控制参数，从而实现对复杂飞行控制系统的高效控制。
总体来说，基于神经网络的模糊控制技术已经成为了现代控制领域的热门技术之一。
其神经网络部分可以对输入信号进行自适应处理，而模糊控制部分则可以将模糊输出信号转换为确定性控制信号，从而实现对复杂控制系统的高效控制。
PLC在模糊控制中的应用
机械2005年 第32卷 增刊 ·147·PLC在模糊控制中的应用张崇智（中国一航 北京航空材料研究院，北京 100095）摘要：阐述了应用PLC进行模糊控制的控制原理、设计及模拟分析。
该设计采用分区控制的方法，具有过冲小、调节迅速、运行平稳等优点。
关键词：PLC；D/A转换；模糊控制在自动控制领域中，对于难以建立数学模型、非线性、大滞后和时变的控制对象采用传统的控制策略，如PID，往往难以实现自动控制，比如各种工业窑炉、水处理等；对于这样的系统，由操作人员凭直觉和经验来进行手动操作却往往运行得比较好。
采用模糊逻辑把人的控制经验归纳为用定性描述的一组条件语句，然后利用模糊集理论，将其定量化，使控制器得以接受人的经验、模仿人的操作策略，这就形成了所谓的模糊控制器。
这种控制器来自于操作员的经验或实际实验的结果，而不是来自于数学模型。
可以完全替代人的手动操作，可克服人的不确定因素，使系统具有更高的可靠性；更重要的是它能解决传统基于线性系统理论难以解决的控制问题：传统的控制系统设计，总是假定对象为严格线性的，这种简化只适用在稳定条件下，当强干扰使过程操作点远离原设定的工作点时，这种线性的假设将不成立。
同样，随时间的推移，过程参数发生变化后，也是如此。
在这种情况下，用模糊控制器扩展或替代PID控制器，将达到更好的控制性能，甚至比传统的我们熟悉的状态控制器或自适应算法还好。
正是因为模糊控制的这些优点，目前已成功地应用在工业过程控制、机器人、家用电器等诸多领域。
模糊控制不需要建立精确的数学模型，即可实现用户的要求，具有较好的鲁棒性。
为此，我们采用三菱公司的PLC进行了模拟试验并取得了很好的效果。
1 模糊控制的规则及原理1.1 输入与输出变量图1所示模糊控制器，设被控对象的给定值为y0，实测值为y(t)，则闭环偏差为ee=y(t)－y0偏差变化率为e′e′=e t－e t-1 式中：e t为当前时刻的偏差；e t-1为前一个采样时刻的偏差设定采样周期为10秒。
基于PLC的模糊控制PID控制器的设计与应用
基于PLC的模糊控制PID控制器的设计与应用发布时间：2022-02-16T08:08:00.046Z 来源：《中国电业》（发电）》2021年第16期作者：马少辉[导读] 目前我国经济水平和科技水平发展十分快速，在工业控制生产中，我们比较倾向于PID控制。
因为它的控制方法比较容易被工厂人员所接受和掌握，而且它的研究成本低，所以被广泛应用。
但是对于一些复杂的控制系统，由于受到众多非线性因素影响，数学模型就会不好建立，PID的控制就会受到限制。
比如遇到典型的复杂的控制系统例子，它有着多种可变因素的复杂系统，导致我们很难精确的分析系统的动静态特性。
由于它的控制器结构及参数已经固定，所以不能实时地根据误差的变化进行及时的调整。
马少辉珠海格力电器股份有限公司广东省珠海市 519070摘要：目前我国经济水平和科技水平发展十分快速，在工业控制生产中，我们比较倾向于PID控制。
因为它的控制方法比较容易被工厂人员所接受和掌握，而且它的研究成本低，所以被广泛应用。
但是对于一些复杂的控制系统，由于受到众多非线性因素影响，数学模型就会不好建立，PID的控制就会受到限制。
比如遇到典型的复杂的控制系统例子，它有着多种可变因素的复杂系统，导致我们很难精确的分析系统的动静态特性。
由于它的控制器结构及参数已经固定，所以不能实时地根据误差的变化进行及时的调整。
关键词:模糊PID控制;pH值控制;可编程控制器引言PID控制器作为温度控制系统不可或缺的一部分，在整个系统中起着至关重要的作用。
PID控制器具有的优点是原理简单、使用方便、控制精度高、算法成熟，并且使用时不用依赖非常高级专业的技能。
因此用PID控制器来实现温度控制系统的设计。
因此，针对上述问题，提出了一种输出方差最优的PID参数整定方法，将参数整定问题转化为一个非凸优化问题，采用粒子群算法(ParticleSwarmOptimization，PSO)求得全局最优解，实现了最小方差PID参数整定。
基于PLC的模糊控制应用研究
关键词 ： Ｌ 模糊控制 பைடு நூலகம் Ｐ Ｃ； 特点 ； 用 应
中图分 类号 ：Ｈ１ Ｔ ２
文献标识码 ： Ａ
文章编号：０ ７ ４ １（ ０ １ ０ — ０ ３ ０ ３ １０ — ４ ４ ２ １ ）６ ０ ７ — ０
Ａｐ ｌ ａ ｉ ｎ ａ ｄ ｒ ｓ ａ ｃ ｆｆ ｚ ｙ ｃ ｎ ｒ ｌｂ ｓ ｄ ｏ ｐ ｉ ｔｏ ｎ ｅ ｅ ｒ ｈ ｏ ｕ ｚ ｏ ｔｏ ａ ｅ ｎ ＰＬＣ ｃ
Ｃ ｉ ｕ —ａ ｕ ｎ ｔｏ Ｊ
（ａｚｏ ｓ ｒ ｎｉ ｎ ｅｔ ｏａｉ ａ ｃｎｌ ｙｃｌｇ ，ａｚｏ ａ ｓ ７０ ０ Ｃ ｉａ Ｌ ｎｈｕｒ ｏ ｃ ｅｖ ｏｍ ｎ ｖｃｔ ｎ ｌｅ ｏｏ ｌ ｅＬ ｎｈ ｕＧ ｎｕ ３ ００。ｈｎ ） ｅｕ ｅ ｒ ｏ ｔｈ ｇ ｏｅ
１ 模糊逻辑控 制与 Ｐ Ｃ概述 Ｌ
模糊逻辑控制（ ｕｚ ｏｉ Ｃｎ ｏ 简称模糊控 Ｆｚ Ｌｇ ｏｔ１ ｙ ｃ ｒ） 制（ ｕｚ Ｃｎ ｏ ， 以模糊集合论、 Ｆｚ ｏｔ １ 是 ｙ ｒ） 模糊语 言变量
以及模糊逻辑推理为基础的一种计算机控制方法 ， 是 智能控制领域的重要分支¨ 。如图 １ Ｊ 所示 ， 模糊控制 系统主要 由模糊控制器、 输入输 出接 口、 检测装置、 执 行结构和被控对象等几部分组成 。一个计算机数字
械或生产过程 。它具有可靠性高、 编程简单、 适应性 强、 使用维护方便等技术优势 ， 广泛应用 于工业 自动 控制领域， 已成为现代工业控制的三大支柱（ Ｌ 、 Ｐ Ｃ 机
器 人 和 Ｃ Ｄ Ｃ Ｍ） Ａ ／ Ａ 之一 。
通过研究模糊控制理论及其应用 ， Ｐ Ｃ软件 用 Ｌ 实现 ， 能够加深对模糊控制的认识 ， 发挥模糊控制 的 优势 ， 有助于拓展 Ｐ Ｃ的应用 范围， Ｌ 提高控制性能 ， 降低控制系统成本 ， 有着 良好的经济效益。
基于plc的模糊神经网络液位控制
陕西科技大学机电工程学院机械制造与装配自动化智能控制基于plc的模糊神经网络液位控制1、概述当今，很多工业现场控制会采用传统的PID控制器对反应池液位高度进行控制.虽然PID控制规律及参数调节的方法已经成熟，但是应用于实际工业现场中仍然存在较大的随意性，无法保证调出最佳的控制方案，当工作条件变化时,PID控制效果将会下降，需要重新整定参数.并且，对于传统的PID控制器，不适用于滞后的系统,而变频器控制的泵和液位传感器存在一定的滞后,如果仍然采用传统的PID调节或许会出现震荡，这样对变频器执行机构有很大的损坏。
通过计算机编程，将模糊控制和神经网络用于液位控制系统中，模糊控制从行为上模拟人工对液位控制的推理和决策过程,可以实现配浆过程的自动化和智能化，并且能够适应相类似的工业环境，使得控制系统的鲁棒性得以加强。
然而单纯使用模糊控制理论,无法避免自身的某些不足之处，比如，控制规则的制定受人为因素的影响较大，由于经验不足导致制定的规则不合理或不完善，使模糊控制器无法达到最佳的控制效果。
而由于神经网络具有自学习能力，通过不断的网络训练来获得良好的网络模型使其具有较好的泛化能力模糊神经网络控制算法的过程为：首先由模糊控制算法得到模糊控制规则表，利用神经网络对其进行网络训练学习，得到最佳的连接权值和阈值，这些权值和阈值将控制规则的内在规律包含在网络模型内。
这样不仅能发挥神经网络的学习能力还可以发挥模糊控制的逻辑推理能力,从而在控制应用时能根据训练好的网络模型利用高速并行分布计算得到计算结果简化了对规则的搜索和推理等过程，大大减少了调试时间。
对于PLC(可编程序控制器）由于其抗干扰能力强，可靠性高、通用性强、编程简单、功能强大、维护方便等特点，因此在许多行业的工业控制中得到广泛的应用。
现代PLC的应用范围不局限于开关量的顺序控制,由于其功能指令越来越强大，可以实现很多复杂的控制算法，结合其硬件模块如模拟量输入、输出模块，在复杂的过程控制、运动控制中应用越来越广泛。
PLC在风能发电中的应用与控制策略研究
PLC在风能发电中的应用与控制策略研究随着能源需求的不断增长和对环境保护的呼吁，可再生能源已经成为全球范围内的一个热门话题。
在可再生能源中，风能发电作为一种成熟和广泛应用的技术，受到了广泛的关注。
在风能发电中，PLC（可编程逻辑控制器）作为一种高性能的自动化控制设备，发挥了重要的作用。
本文将探讨PLC在风能发电中的应用及其控制策略研究。
一、PLC在风能发电方面的应用1. 风力发电机组控制系统PLC在风力发电机组控制系统中起着关键的作用。
通过PLC，可以对风力发电机组的整个运行过程进行监控和控制，确保系统的正常运行。
PLC可以对风力发电机组的起动、停机、自动调节等工作进行精确的控制，以提高发电效率和安全性。
2. 风向风速监测系统风向风速对于风能发电的效率起着决定性的影响。
通过PLC可以实时监测风向风速，根据监测结果对风力发电机组的转向和叶片角度进行调整，以使其始终处于最佳工作状态，从而提高发电效率。
3. 发电功率调节系统PLC还可以用于发电功率的调节。
根据外部环境和电网变化的需求，PLC可以自动调整风力发电机组的发电功率，以保持电网的稳定运行。
通过合理的控制策略，PLC可以实现发电功率的平稳调节，避免过载和损坏设备的发生。
二、PLC在风能发电中的控制策略研究1. PID控制策略PLC在风能发电中广泛应用的一种控制策略是PID控制。
PID控制通过对风力发电机组的测量值和目标值进行比较，根据误差的大小来调整控制量，从而实现对风力发电机组的精确控制。
PID控制可针对不同的控制对象进行参数调节，以满足不同的控制要求。
2. 模糊控制策略在复杂的风能发电系统中，受到各种外部环境和内部因素的影响，传统的控制方法可能无法满足要求。
因此，PLC在风能发电中的控制策略研究中引入了模糊控制。
模糊控制通过建立模糊推理规则和控制表，将模糊语言处理为数学上可行的控制行为，以实现对风力发电机组的自适应控制。
3. 基于神经网络的控制策略随着人工智能技术的发展，基于神经网络的控制策略也被应用于风能发电领域。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
在此 温控 系统中 ， 非金属材料热物性测定装置是 被控对
象， 装置试件 的温度 是被控变 量 ， 测 温仪 表是热 电偶 。系统
的控制 目的是使装置试件 的温度 保持恒 定在设定 值 允许 的 误差 范围之内 ， 采取手段是通过控制单相整流 固态调 压器 的 控制电压来改变装置试件 的加热 电压 。
构上和各参 数的物理意义上 比较 明确 ， 但其缺 乏 自学 习和 自
调整能力 。
人工神 经网络虽然在知识表 达能力上 比较欠缺 ， 但其 能 实现对生物 神经 网络 的功 能模拟 ， 具有 极强 的 自学 习、 自适
应、 并 行处理和容错 能力 Ｊ 。
收 稿 日期 ： ２ ０ １ ４—０ ４—１ ４
山
西
电
子
技
术
２ ０ １ ４年
数和输 出层权 系数 进行调整和优化 ， 从 而达 到满 意的控制效
果。
３ 应 用实例
模糊控制 和神经网络相结 合 的模糊 神经 网络控 制策 略 主要用 于对象模 型未知或不确定的控制 ， 将这种智能控 制策 略应 用于温度控制 ， 在控 制对象 模型不 明确 的条件 下 ， 实现
回
ｒ 一
图 １ 模糊神经网络控制系统
１ 可 编 程控 制器
现代电子 技 术 、 通 信技 术 及 计 算 机 技术 的 快 速 发 展 ， Ｐ Ｌ Ｃ在硬件 、 软件 、 功能 、 应 用等 各方 面都 有大 幅度 提高 ， 已
由传统的只能执行简单逻 辑控制发展到具有数万 Ｌ ／ Ｏ规 模 、
短， 获得较好 的控制效果 … 。 可编程逻辑控制器 Ｐ Ｌ Ｃ具 有功 能丰 富、 可靠性 高 、 抗 干
由此可 见 ， 模糊控制和神经 网络这两种智 能控制策 略具
有很好 的互补性 ， 可将模糊控制和神经 网络用合理 的方 式结
合应用 ， 使其互相取长 补短 ， 通过发挥 各 自优势来 构造 比单
由于现代工业过程控 制系统的复杂性 ， 特别是被控 对象 的非 线性 、 时变 、 时滞 等特性 ， 若 采用 常规 的控制 算法 ， 往 往 很难 获得满意的控制 效果 。所 以对 模糊 控 制 、 神 经 网络 、 遗 传算 法 、 专家控 制等智能 控制策 略 的应用 研究尤 为重 要 ， 特 别是 考虑将不同 的控制算法进 行适 当结合 ， 进而能够取 长补
模糊与神经 网络两种智能控 制 的结合 旨在通 过神经 网
络的 自学习和 自适应功能 ， 对模 糊控制规则的隶属度 函数参
基金项 目： 山西省 高等学校教学改革项 目（ ￣０ １ ３ １ ０ ８ ） 作者 简介 ： 张 健（ １ ９ ８ ５ －） ， 女， 山西人 ， 硕士 ， 研 究方向为过程控制 、 检测及故 障诊 断。
２ ０ １ ４ 年第３ 期
文章 编号 ： １ ６ ７ ４ － ４ ５ ７ ８ （ ２ ０ １ ４） ０ ３ － ０ ０ ４ ５ － ０ ３
山西 电子 技术
应 用 实 践
基于Ｐ Ｌ Ｃ的模 糊 神 经 网络 控 制 策略 的应 用 水
张 健
（ 太原工 业 学 院 自动化 系， 山西 太原 ０ ３ ０ ０ ０ ８ ）
推理去处理 各种模糊 性 的信 息 。模糊 控制 系统虽 然在结
图 ２ 模 糊 神 经 网络 结 构
其 中， 第 一层 是 用于 将输 入信 号 传送 到 下一 层 的输入
层； 第二层是 用于计算 各输入分量属于各语言变量值模糊集 合隶属度 函数 的隶属 函数层 ； 第三层是用于计算每条规则适 用度的规则层 ， 其每个节 点表示 一条模糊 规则 ； 第 四层是用 于实现归一化计算 的输 出层 。
１ ） 扩展性能好 。
２ ） 运算速度快 ， 编程功能强 。
３ ） 通信功能强 。
２ 模糊 神 经 网络控 制 算法 的 Ｐ Ｌ Ｃ 实现
２ ． １ 模 糊 神 经 网络 结 构
模糊控 制是一种仿人思维 的控 制技术 ， 其 着眼于将人 的 控制经验和 知识转换为用语言变量 描述 的控制规则 ， 用逻辑
摘 要： 研究 了模糊控 制与神 经 网络 两者相 结合 构成 的模 糊神 经 网络 控制 策略 ， 实现 了模 糊神 经 网络控 制算
法在 Ｐ Ｌ Ｃ中的软件编程 ， 它不依赖 于被控 对象精确的数 学模型 ， 将模糊神 经网络控制 器应用于温度控 制 系统 中， 获
得 了 良好 的 控 制 效 果 。 关键词 ： Ｐ Ｌ Ｃ；模 糊 神 经 网 络 ；温 度 控 制 中图分类号 ： Ｔ Ｐ ２ ７ ３ 文献 标 识 码 ： Ａ
对温度的 自动控制。
３ ． １ 系 统 的 控 制 要 求
２ ． ２ 控制算法的 Ｐ Ｌ Ｃ实现 在Ｓ Ｔ Ｅ Ｐ ７软件 中用 Ｓ Ｔ Ｌ指 令 编 程 实现 复 杂 的 数学 计
算 。系统 采用结构 化编程方法 ， 各个程 序块 根据其各 自控制
功能进行 编程 ， 主要功能程序模块 分配如下 ： １ ） 操作 系统与用 户程 序之问的接 口模块 Ｏ Ｂ １ ， 此模块在 执行 过程中调用功能模块 Ｏ Ｂ ３ ５ ， 可 监控控 制算 法 的最大 运 行周 期 ， 使程序 的实 时性得 以检验 。 ２ ） 循环 中断功能模块 Ｏ Ｂ ３ ５ ， 由Ｓ Ｆ Ｃ Ａ ０ （ 系统专用 的中断
根据模糊 理论和神经 网络思想 ， 设计 四层模糊 Hale Waihona Puke 经 网络 结构 ， 如图 ２所示 。
运算 和控制功能 以及 通信 、 联 网能力 的综 合控 制 系统 ， 成为 工业 自动控制 的核心设 备之一 ＿ ２ 。
Ｓ Ｉ Ｅ Ｍ Ｅ Ｎ Ｓ公 司的 ｓ ７ —３ ０ ０ Ｐ Ｌ Ｃ在主要功 能、 扩展性能等 方面都 比之前产 品有 很大提高 。其性能特 点主要包括 ：
一
控制策略更加 完善的智能控制系统 ， 如图 １ 所示 。
扰能 力强等技术优势 ， 并且 Ｐ Ｌ Ｃ的数据 处理 、 算术 运算 等基 本 功能也在不断增强 ， 通过研究将 先进 的智能控制算法 通过 结构 化编程嵌入 Ｐ Ｌ Ｃ， 实现对 一些不易建模或模 型参数 不确 定 的过程控制系统 的实时控制 。