本文主要介紹了一種基于智能控制技術的新型溫控系統的硬件設計。設計了傳感器鉑電阻為本溫度控制系統提供溫度信號，經A/D 轉換成數字信號送入微控制器中，通過微控制器及其接口電路，實現對溫度信號的顯示、判斷、決策及控制。最后系統輸出的適當控制量可調脈沖控制可控硅電路。通過可控硅調功對被控對象電阻爐的加熱，實現系統對被控對象電阻爐的溫度控制，以達到系統所要求的精度。關鍵字: 傳感器；可控硅；溫度控制；A/D1 引言在鋼鐵、機械、石油化工、電力、工業爐窯等工業生產中，溫度是極為普遍又極為重要的熱工參數之一。溫度控制一般指對某一特定空間的溫度進行控制調節，使其達到并滿足工藝過程的要求。在本文中，主要研究對特定空間(電阻爐)的溫度進行高精度控制。采用九點控制器算法進行溫度控制，達到了很好的控制效果。2 控制系統的硬件實現控制系統硬件電路的組成由同步過零檢測電路、溫度信號檢測及可控硅觸發電路、時鐘芯片等組成，結構框圖如圖1 所示，以單片機機為核心，數據采集由鉑電阻經補償放大后送至A/D 轉換，調功部分由過零觸發電路及可控硅完成。
上傳時間： 2014-12-28
上傳用戶：q986086481
曾一度被認為是小眾現象的智能手機，正在日益推動全球移動生態系統。根據Gartner的研究，2009年手機出貨量超過12億部，其中智能手機達1.724億部，比2008年增加了23.8% 。此外，Forward Concepts預測到2014年，智能手機出貨量每年將增長24%。 移動網絡運營商、移動電話OEM廠商、手機芯片供應商，以及面向移動用戶的應用與服務提供商均認為智能手機對于他們的財富增長至關重要。現代的智能手機操作系統提供了豐富且開放的應用平臺，已經成就了全新的應用與服務類別，對開發商和運營商具有強大的吸引力。
上傳時間： 2014-12-30
上傳用戶：dancnc
BP智能巖土工程，為初學者提供學習。高手可以進行更改程序不能處理大數據量的錯誤。
上傳時間： 2015-04-21
上傳用戶：13681659100
模擬人的思維特點,提出一種新型智能控制器:仿人邏輯預測控制器. 該控制器融合了基于泛布爾代數的邏輯控制器和基于模型的預測控制器的特點, 是一種多值邏輯混合動態系統. Matlab仿真表明, 該控制器在模型匹配時性能良好, 在模型失配時依然能滿意運行, 表現出魯棒性強, 超調量小的特點. 與其它類型人工智能控制器相比, 該控制器結構簡單, 物理背景明確, 數學概念清晰, 便于在工業控制領域推廣應用.
上傳時間： 2014-09-07
上傳用戶：sdq_123
神經網絡在智能機器人導航系統中的應用研究1神經網絡在環境感知中的應 用 對環境 的感 知 ，環境模型 妁表示 是非常重要 的。未 知 環境中的障礙物的幾何形狀是不確定的，常用的表示方浩是 槽格法。如果用冊格法表示范圍較大的工作環境，在滿足 精度要求 的情況下，必定要占用大量的內存，并且采用柵 格法進行路徑規劃，其計算量是相當大的。Kohon~n自組織 神經瞬絡為機器人對未知環境的蒜知提供了一條途徑。 Kohone~沖經網絡是一十自組織神經網絡，其學習的結 果能體現出輸入樣本的分布情況，從而對輸入樣本實現數 據壓縮 。基于 網絡 的這些特 性，可采 用K0h0n曲 神經元 的 權向量來表示 自由空間，其方法是在 自由空間中隨機地選 取坐標點xltl【可由傳感器獲得】作為網絡輸入，神經嘲絡通 過對大量的輸八樣本的學習，其神經元就會體現出一定的 分布形 式 學習過程如下：開 始時網絡的權值隨機地賦值 ， 其后接下式進行學 習： ， 、 Jm(，)+叫f)f，)一珥ff)) ∈N，(f) (，) VfeN．(f1 其 中M(f1：神經元 1在t時刻對 應的權值 ；a(∽ 謂整系 數 ； (『l網絡的輸八矢量；Ⅳ()：學習的 I域。每個神經元能最 大限度 地表示一 定 的自由空間 。神經 元權 向量的最 小生成 樹可以表示出自由空問的基本框架。網絡學習的鄰域 (，) 可 以動 態地 定義 成矩形 、多邊 形 。神經 元數量 的選取取 決 于環境 的復雜度 ，如果神 經元 的數量 太少 ．它們就 不能 覆 蓋整十空間，結果會導致節點穿過障礙物區域 如果節點 妁數量太大 ．節點就會表示更多的區域，也就得不到距障 礙物的最大距離。在這種情況下，節點是對整個 自由空間 的學 習，而不是 學習最 小框架空 間 。節 點的數 量可 以動態 地定義，在每個學習階段的結柬．機器人會檢查所有的路 徑．如檢鍘刊路徑上有障礙物 ，就意味著沒有足夠的節點 來 覆蓋整 十 自由窯 間，需要增加 網絡節點來 重新學 習 所 138一 以為了收斂于最小框架表示 ，應該采用較少的網絡 節點升 始學習，逐步增加其數量。這種方法比較適臺對擁擠的'E{= 境的學習，自由空間教小，就可用線段表示；若自由空問 較大，就需要由二維結構表示 。 采用Kohonen~沖經阿絡表示環境是一個新的方法。由 于網絡的并行結構，可在較短的時間內進行大量的計算。并 且不需要了解障礙物的過細信息．如形狀、位置等 通過 學習可用樹結構表示自由空問的基本框架，起、終點問路 徑 可利用樹的遍 歷技術報容易地被找到 在機器人對環境的感知的過程中，可采用人】：神經嘲 絡技術對 多傳 感器的信息進 行融臺 。由于單個傳感器僅能 提 供部分不 完全 的環境信息 ，因此只有秉 甩 多種傳感器 才 能提高機器凡的感知能力。 2 神經 網絡在局部路徑規射中的應 用 局部路徑 規刪足稱動吝避碰 規劃 ，足以全局規荊為指 導 利用在線得到的局部環境信息，在盡可能短的時問內
上傳時間： 2022-02-12
上傳用戶：qingfengchizhu
基于人工神經網絡實現智能機器人的避障軌跡控制摘 要：利用人工神經網絡中的二級 BP網。模擬智能機器人的兩控制參數(左 、右輪速)間的函數關系。實現避 障軌跡為圓弧或橢圓弧的軌跡控制 。并且通過調整橢圓長、短軸大小。能實現多個及多層障礙物的避障控制．該方法 的突出特點是方法簡單、算法容易實現 。使機器人完成多個及多層避障動作時。不滯后于動態環境里其它機器人(障 礙物)位置的變化．在仿真實驗中。取得了理想的效果． 關鍵詞；BP神經網絡I多個及多層避障控制I橢圓軌跡1 弓I言(Introduction) 在機器人中，避障軌跡的生成是一個重要的問 題．對于不確定的動態環境下的實時避障軌跡生成， 是較為困難的．有關這方面的研究，目前已有許多方 法．一些神經網絡模型被設計出來，產生實時的軌跡 生成．文獻113[23提供的神經網絡模型產生的軌跡 生成僅能處理在靜態環境下及假設空間中沒有障礙 物的情況．[3]提供的神經網絡模型，能為智能機器 人產生導航的避障軌跡，然而模型在計算上相當復 雜．文獻[43提供了Hopfield神經網絡模型，能在動 態環境下產生時實的避障軌跡生成，并在文獻[5] 中，嚴格證明了因該方法生成的軌跡沒有遭受局部 極小點逃離問題．并且文獻[63用兩個神經網絡層疊 加起來，每層構造相似于[43中的網絡結構．它是利 用第二層網絡來發現下一個機器人位置的無監督模 型，然而它卻加倍了計算量，盡管文獻[4，6]提供的 方法能在動態環境下，產生時實避障軌跡，但都具有 較慢的運動速度，在快速變化的環境下不能恰當地 完成動作執行，因為機器人要比較好地完成避障動 作，必須不能滯后于障礙物動作變化
上傳時間： 2022-02-12
上傳用戶：得之我幸78
基于傳感器和模糊規則的機器人在動態障礙環境中的智能運動控制基于傳感器和模糊規則的機器人在動態障礙環境中的智能運動控制 oIlI～0(、r> 王 敏 金·波斯科 黃心漢 ，O、l、L (華i 面面辜寫j幕．武漢，43074) ＼I。L上、o 捌要：提出了一種基于傳感器和模糊規則的智能機器人運動規劃方法 ．該方法運用了基于調和函數分析的人 工勢能 場原 理 ．采用模糊規則 可減少推導勢能函數所 必須的計算 ，同時給機器人伺服 系統發 出指令 ，使它能夠 自動 地尋找通向目標的路徑．提出的方法具有簡單、快速的特點，而且能對 n自由度機械手的整個手臂實現最碰．建立 在非線性機器人動力學之上的整 個閉環系統和模糊控制器 的穩定性 由李雅普諾 夫原理 保證 ．仿真結 果證明 了該方 法 的有效性 ，通 過比較分析顯示 出文 中所提 出的最障算法的優越性 ． 美t詞：基于傳感器的機器人運動控制；模糊規則；人工勢能場；動態避障；機器人操作手 1 叫啞oducd0n R。boIsarewjdelyusedfor詛sb inchasma~ia]b柚· 血 ， spot ： ng， spray Ijl岫 1g， mech卸icaland elec咖 icas搴enlb1y，ma al塒 IIovaland wa時 cut· ring 咖 ． ofsuch tasks_堋 llldea pri|柚ary ptd 眥 of 她 ar0botto e oncpositiontoanother withoutbur叩inginto anyobstacles． s 曲km，de． notedasthefDbotm ∞ pJan，liDgp∞ 舶1，hasbeen the倒 娜bj0ct鋤l哪gIeseat℃ll∞ ． Every method o0血∞rI1ing 如b0tmotionplanninghas itsownadv∞ngesandapplicationdoma~ asweftasits di戤ldvaIIta麟 and constr~dnts． Therefore it would be ratherdifficulteithertoc0Ⅱ】paremethodsorton~ vate thechoio~ofan dl0‘iupon othP~s． 0州 d眥 ：1999—07—29；Revised~ ：2000一∞ 一絲 In conU~astto many n~ hods，rob
上傳時間： 2022-02-15
上傳用戶：
智能空調節能控制器智能空調節能控制器 安科瑞 王長幸 ADDC 是一個面向樓宇和大型中央空調系統集中監控的直接數字控制器。可以對樓宇中 的冷凍站、熱交換設備、空調系統、通風系統、給排水系統、等等設備進行監測和控制。可 以十分方便的組網，實現分散控制，集中管理。ADDC 有 6DI、8AI、8DO、4AO 共 26 個物理 點，帶擴展功能，支持標準 Modbus 協議，帶聯網功能。與同類產品相比具有以下特點： ? 既可以通過外部編程來開發應用，也可以依靠本機按鍵設置組態。 ? 支持在線調試和編程，極大的方便了自動工程師二次開發。 ? 利用 ADDC 的按鍵組態功能，就可以實現順序控制，空調設備的恒溫恒濕控制，連 鎖控制及報警等常規樓宇應用。極大了方便用戶，縮短工廠周期，降低了成本。 15.1 型號說明 ADDC M : 主控制器 E : 擴展模塊 安科瑞智能空調節能控制器 15.2 技術參數 主要技術參數 主控制器模塊（ADDC-M） 擴展模塊（ADDC-E） 工作電壓 AC/DC24V±10% 頻率 50/60Hz 功耗 5VA 通用輸入溫度 傳感器 PT1000/NTC 通道數：4 Pt1000 輸入范圍：0..150℃，精度：5‰ NTC(標稱值可為 1kΩ、10kΩ)輸入范圍：0-100℃,精度±3℃，采用三線制接法，最大連線 距離（￠≥0.6mm）300m 模擬量輸入 通道數：4 測量范圍：DC 0-10V，0-20mA 精度 5‰,電壓輸入時內阻 R：≥100K，最大連線距離（￠≥ 0.6mm）300m 開關量輸入 通道數：6 信號類型：無源觸點，最大連線距離（￠≥0.6
上傳時間： 2022-03-06
上傳用戶：
傳統農業生產不僅受到氣候與季節限制，而且嚴重受天氣變化的影響，特別是像北方這樣的春冬季節光照時間短、雪雨天氣較多的地區，農作物的生長受到很大地限制。溫室大棚的出現很好地解決了農業生產中的季節與天氣問題，不僅顯著的提高了農業的生產效率，而且將農業生產從自然生態束縛中解脫了出來。但是目前的溫室大棚對部分環境因素的控制過分依賴于人工干預，而隨著智能設備的發展，這樣的溫室大棚滿足不了農業生產技術的智能化、信息化要求。 本文通過分析溫室大棚中植物補光燈的應用問題，針對現有補光燈的補光量不準確、光質不純、節能效果差等缺陷，提出了一種采用補光光源綠色環保、多變幻、壽命長等諸多優點的LED燈具，并結合實際補光需求設計了一款以LED為光源的溫室大棚中智能補光控制系統。通過對植物生長所需的光源和光譜進行分析，選擇易于被智能化控制的LED燈具，然后對單顆光源特性進行測試與研究，進而設計出不僅滿足實際的需求，而且在整體均勻性方面達到最優的補光系統。依據LED的光電特性，利用STM32主控制器產生的PWM（脈沖寬度調制）來控制補光進而實現定質定量的補光。 這一款智能補光控制系統的設計實現了光質可調、光強的檢測、智能化調光與控制等目標。設置不同的對照組實驗來進行對比，實際測試表明，該系統也達到了預期的差額補光的設計目標，不僅補光效率高，而且操作方便，明顯給溫室大棚的發展帶來了新的契機，同時該系統具有很強的實用性，在溫室種植中必將具有廣闊的前景。
上傳時間： 2022-06-01
上傳用戶：jiabin
智能傳感器是一種新興的、正在蓬勃發展的電子設備。它已廣泛應用于生活、醫療及工業生產等領域，在溫控系統、駕駛操控系統、重癥監護系統、過程控制等應用中都有它們的身影。因此，智能傳感器系統開發的市場前景廣闊，這就要求大量嵌入式系統設計人員掌握智能傳感器系統的設計開發方法。本書正是在此背景下出現的重要技術參考資料，它深入淺出地介紹了智能傳感器的設計方法， 其中既包含通用的數字信號處理技術， 也涉及傳感器信號檢測與處理方面的技巧。借助千目前最流行的微處理器之一一一Microchip公司的dsPIC系列數字信號控制器，讀者可以在本書的指導下快速搭建智能傳感器系統的軟硬件開發平臺，井開展應用實驗。本書兼具知識性和實用性。在內容組織方面，作者緊緊圍繞智能傳感器系統設計的特點展開論述， 力求使讀者能快速而準確地把握智能 傳感器系統的組成和特點。在語言描述上，作者沒有使用深奧的理論，而是從物理意義出發，深入淺出地為讀者展示出各種概念的直觀含義，這些都體現出作者扎實的知識積累和豐富的實踐經驗。此外，書中的三個完整設計實例，能幫 助讀者解決智能 傳感器系統 設計與實現中的很多實際問題， 特別是附帶資源。 中的源代碼和程序框架都已成功地應用千實際系統，因此具有很高的參考價值。
標簽： 智能傳感器
上傳時間： 2022-07-08
上傳用戶：
