机电一体化论文

2012 年 秋 季学期本科生课程考核

（读书报告、研究报告）

考核科目 :学生所在院（系）:

学生所在专业 :学 生 姓 名 :学 号 :考

核结果

机电机电机械 一体工程设计

化系学院制造阅统设 及自卷人计 动化

机电一体化系统设计课程论文

智能控制技术在机电一体化系统中的应用

摘要：机电一体化技术是将机械技术、电工电子技术、微电子技术、信息技术、传感器技术、接口技术、信号变换技术等多种技术进行有机地结合，并综合应用到实际中去的综合技术是现代化的自动生产设备几乎可以说都是机电一体化的设备。智能技术主要用来解决那些用传统方法难以解决的复杂系统的控制问题智能控制技术的产生与应用标志着机电一体化控制技术的发展提升了一个新的台阶，其中神经网络是一种能够解决文化知识传达与表现、联想创新记忆、推理学习与研究甚至是复杂社会现象的复杂难题的统一标准模型，模糊控制在许多领域产生了广泛的应用如机器人控制、家电控制、交通控制以及生产过程控制等等。

关键字：机电一体化 智能控制 应用 电梯系统 火灾监控 正文

1智能控制技术的种类 1.1 智能技术的特点。

智能控制技术(ICT:Intelligent Control Technology)是控制理论发展的一个新高度,开创了控制理论的新时代。智能控制技术解决的对象主要是那些用无法用传统方法解决的复杂系统的控制问题。“智能控制”指的是在无外界因素干扰的情况下能够自主地驱动智能机器来实现控制目标的自动控制技术。“智能化”作为当代科技的趋势所在，因此智能控制在机电一体化中的作用不可估量，智能控制应用于机电一体化中有以下几点作用： 1.1.1 优化效能

多数数控系统运用的是模块化设计的思路和方式，有着较为广阔的功能涉及面，裁剪性也非常好。如果是群控系统，对于相同的群控系统完全可以借助各种操作流程，进而保证

系统的调整能够符合相关标准和要求。 1.1.2 提高精度

精度对于数控机床而言是衡量机电一体化制造技术的重要指标，直接影响着产品加工成品率的高低。与旧的设备相比，智能数控系统融合了高速CPU 芯片、多 CPU 控制系统、RISC芯片与交流数字伺服系统，促使机床的精度得以大大的提高。 1.1.3 程序控制

操作程序是系统运行的主要指令，根据加工产品的尺寸、精度来编制操作程序才能使产品加工后达到智能效果。 1.1.4 改进加工

智能控制方式的运用可以缩短加工时间、优化操作流程。实现了复合加工的效果，数控机床通过智能控制满足了多轴、多控制加工的需要，可以有效地减少人工操作次数，加工程序得到了优化和改进。 1.2 智能控制技术的种类。

常用的智能技术主要包括模糊逻辑控制，神经网络控制，学习控制，专家系统，分层递阶控制等等。具体介绍如下： 1.2.1分级控制系统 该系统又可以称之为：“分级递阶智能控制”，其运行最重要的是依赖于

- 1 -

机电一体化系统设计课程论文

自组织控制和自适应控制等等前提条件。该控制系统在控制过程中涉及到：组织级、协调级和执行级3个方面，同时控制时，对于每个级都有着自己独立的作用。

1.2.1.1执行级：根据上级发出的命令，执行确定的某些动作，并完成组织分配的各项任务。

1.2.1.2协调级：此级由控制管理分层和控制监督分层组成。主要负责协调各项任务，以保证各项任务得以高质量完成。

1.2.1.3组织级：它是通过用户和人机接口进行交互，执行最高决策的控制功能，对协调级和执行级的任务进行组织，监视并指导协调级和执行级这两个级别的行为。

1.2.2学习控制系统

学习控制系统是通过对内部结构进行判别、认知和调整后，利用对信号循环输入以及数据处理来保证良好的运行效果。它是一种自动控制系统，能在运行过程中逐步获得受控过程以及环境的非预知信息，积累控制经验，不断更新各种数据和资源，并且能在一定的评价标准体系下进行分类、估值、决策和不断改善。

1.2.3专家控制系统

如图1 所示，该智能系统在运行中是把人的经验、知识和技能进行融合并以一种特定的形式表现在计算机系统之中。其控制上是以对应的程序指令为运行操作的依据的。在该系统中，通常情况下将很多理论知识囊括在其中，丰足的理论知识让智能系统处理实际问题时有着更多的支撑面，直接体现为处理的结果具有着诸

图1 专家控制系统框图

1.2.4神经网络系统

神经网络是指由大量的人工神经元互联而组成的网络，这些人工神经元与生物神经系统的神经细胞相类似，神经网络也可以由大量象生物神经元的处理单元并联互联而成。智能网络结构形式主要运用了人工神经元模式、神经细胞模式。其中，神经网络的主要功能是模仿真人和智能控制。 2 智能控制技术在机电一体化系统、产品中的应用

目前机电一体化中的智能控制技术的应用已经成为一种潮流与趋势,数控机床和智能机器人就是反应这种趋势的最好的例子。数控机床的智能化体现在各类传感器对切削加工过程中以及加工过程前后的各种参数进行监测和比较,并且通过计算机系统对检测出来的数据资料进行分析整合，做出正确的判断与综合处理,自动对异常现象进行调整与加工,以保证加工过程的顺利进行与完成,从而保证加工出合格、高品质的产品。智能机器人是通过视觉、听

- 2 -

机电一体化系统设计课程论文

觉、触觉等各类传感器检测工作状态,根据实际变化过程反馈的数据、信息然后做出正确的判断和决定。此外，智能控制系统在工程机械中的应用也相当广泛，其控制方法也是十分巧妙的，现以一下实例具体说明 2.1智能控制技术在电梯群控系统中的应用 2.1.1 专家系统在电梯群控系统中的应用

始于20 世纪60 年代的专家系统是人工智能应用领域比较成功的分支之一。它的概念和方法被引入到控制领域，在很多方面取得了可喜的进展和成功的应用。电梯群控专家系统是由知识库、数据库、推理机、解释部分及知识获取部分组成。通过知识获取部分来获取电梯专家的知识及经验,经过“知识表达”表达专家的思维与知识，形成一定的控制规则存入到知识库中。数据库中存放的是专家系统当前工作已知的一些情况、用户提供的事实以及由推理得到的中间结果，例如：电梯呼梯信号分布情况、各部电梯位置信号、乘客人数、预测乘客的等待时间及预测电梯的运行时间等。由于专家系统应用了人工智能的技术,把一个或多个专家的知识和经验积累起来进行推理和判断,解决了许多用传统控制方法难以解决的问题，达到了较为优化的控制目标。专家系统就是研究这类知识的表达、使用和获取的方法。它是一种知识信息的加工处理系统,其工作过程是一个求解和探索的过程。 2.1.2 神经网络在电梯群控系统中的应用

神经网络的研究已有较长的历史，自从心理学家Mc Culloch和数学家Pitts在1943年首次提出了一个简单的神经网络模型以后的几十年，神经网络历经沉浮，但多层网络BP算法Hopfield网络模型等仍然在各个领域得到了广泛的发展，特别是与这一学科交叉的前沿技术领域引起了学者们的关注。神经网络应用在电梯群控系统中的原因是：电梯群控系统具有随机性、非线性，难以建立精确的数学模型,而神经网络学习的主要优点在于它可以通过调整网络连接权来得到近似最优的输入—输出映射，因此适应于难以建模的、非线性动态系统。虽然电梯群控系统具有随机性，但对于任何一幢大楼，都可以近似为有一定的工作周期(一天或一个星期，在不同周期的同一时间段会存在相似的系统状态和系统输入，群控系统可以以一定的采样周期信息作为样本，只要周期足够小，就可以有充足的过程数据用于学习。神经网络在电梯群控系统中最成功的应用就是可以识别交通流量的变化。交通流量是表明电梯状态的一个概念。它可由乘客数、乘客出现的周期及起始点和终点的排队情况来描述。这种交通流量可以划分为许多性质不同的线数图，日立公司开发出的带有神经网络的电梯群控装置EJ21000FN，能适应各种建筑物的交通条件变化。与模糊群控相比，神经网络群控减少了10 %的平均候梯时间，减少了20 %的长候梯率，防止了群聚和长候梯。 2.1.3 模糊控制技术在电梯群控系统中的应用

1965 年,美国伯克利加州大学的L . A. Zadeh教授首次提出模糊集合的概念，引入了“隶属函数”来描述差异的中介过渡，开始为研究模糊性规律提供了数学工具。在以后的研究过程中，人们把模糊集合论的思想应用于控制工程领域，形成了这种智能控制方法。（如图2）模糊控制是建立在人类思维模糊性的基础上，是目前控制领域中所采用的三种控制方法中最有意义的方法。

- 3 -

机电一体化系统设计课程论文

图2 模糊控制系统结构框图

这种系统的特点是由专家决定隶属函数及控制规则,并用其来确定以后的电梯群控器的行为。以这种方式运用专家知识,控制器可以更好地处理系统中的多样性、随机性和非线性。其存在的问题是隶属函数中的加权系数的调整和确定需要大量的仿真试验,而控制规则一旦输入,修改起来需要花很多时间和精力。这也是目前的控制界专家和学者需要解决的问题。 2.2智能控制技术在火灾监控系统中的应用 2.2.1神经网络在火灾监控系统中的应用

神经网络是一个高度非线性动力学系统, 具有并行分布处理能力、高度鲁棒性和容错能力、分布存储及学习能力。还能够充分逼近复杂的非线性关系。其模型是以神经元的数学模型为基础来描述的。虽然每个神经元的结构和功能都不复杂, 但是神经网络的动态行为则是十分复杂的, 因此, 用神经网络可以表达实际物理世界的各种现象。神经网络模型由网络拓扑.节点特点和学习规则来表示。神经网络在系统辨识.模式识别, 智能控制等领域有着广泛而吸引人的前景。特别在智能控制中, 神经网络的自学习功能是解决自动控制中控制器适应能力这个难题的关键钥匙之一。利用神经网络的学习能力, 使它在对不确定性系统的控制过程中, 自动学习系统的特性, 从而自动适应系统随时间的特性变异, 以求达到对系统的最优控制。 2.2.2糊神经网络控制

利用模糊神经网络控制的二总线无极性分布智能烟温复合探测器(电路结构如图2 所示) 以微功耗、功能强大的CMOS单片机为核心，将半导体感温与感烟传感器复合在一起, 构成光电感烟感温复合探测器，利用烟雾粒子对光的散射作用和半导体感温元件的输出反应火险温度变化来进行火险探测。通过探测器所带的单片微处理器中的模糊神经网络火灾系统独立完成烟温复合模糊逻辑推理算法，对烟温信号进行各种复杂的数学分析、数字滤波、补偿光电器件温度漂移和通过背景光监视探测器灰尘积累情况，从而达到对各种实验火均衡探测的目的，极大地提高了火灾探测器的性能，并完全可以取代现有的离子感烟探测器，减少对环境的污染。探测器和控制器之间采用二总线、无极性的现场总线通讯技术，具有可靠性高，传输距离远等特点。 模糊神经网络火灾系统的火灾自动探测算法的系统框图如图2 所示l2] 。该探测算法将模糊系统和神经网络结合, 按照人的逻辑思维, 根据模糊推理的运算方式, 建立了模糊神经网络。模糊系统与神经网络融合的方法有多种, 此处的火灾探测系统中采用串联模糊神经网络实现火灾自动探测。模糊系统, 以充分提取火灾特征, 接着由神经网络处理后,利用模糊逻辑推理来判决神经网络的输出结果, 从而得到有无明火和有无阴燃火的判断。将该技术应用于火灾自动报警控制系统, 可以大大地提高整个系统的智能性有效地

- 4 -

机电一体化系统设计课程论文

提高火灾控测的灵敏度和降低系统的误报率。

图3 二总线无极性分布智能烟温复合探测器 从图3可以看出，神经网络前后均有模糊系统与之串联。为了便于神经网络的处理，对探测器的模拟量进行了预处理,即将其幅值进行归一化。同时将这两个归一化值作为一个模糊系统的输人，将每一个归一化值都用线性和柯西分布隶属函数进行变换，得到它们的四个隶属度函数值，作为神经网络的输人。神经网络结构为前馈B P网络, 输出量为两个, 即明火概率和阴燃火概率。将它们分别送入模糊逻辑判决器，得到相应的隶属度，最后设置一定的报警延时和判决门限去模糊，从而得到明火和阴燃火的判决结果。

总结

相对于传统控制，智能控制具有系统更具有柔性和灵活性，优势很突出且实用性很强。以微处理器为核心的智能控制系统，在微电子技术、精密机械技术以及信息技术等领域展现出了更为广阔的发展前景和更具优势的发展空间。仅以电梯为例，由于电梯群控系统本身存在着大量的不确定性、随机性和非线性,传统的控制算法控制目标单一，已不能满足乘客的需要。因此将智能控制中的专家系统、模糊控制、神经网络有机结合起来应用到电梯控制中，使电梯控制向智能化方向发展。可见只能控制在机电一体化应用领域具有很好的应用前景。

参考文献 [1] 杨琴：《机电一体化的研究现状与发展趋势》，《农机化研究》，2009，19。 [2] 汪伟珍：《人工智能技术在数控系统中的应用研究》，《现代控制技术》，2009，17。 [3]宋国强：《智能控制技术在电梯群控系统中的应用》，《上海电机学院学报》，2005，4 [4]王学梅：《机电一体化系统中的智能控制技术》，《科技与企业》，2012 [5]王金选 戴在平：《智能控制技术在火灾监控系统中的应用》，《福建建筑》，2004

[6]张振华：《创新—— 电气自动化深化改革的灵魂》，《科技与生活》,2010

- 5 -