摘 要： 基于預測神經網絡和DSP高速數字處理相結合的構建原理，采用BP神經網絡算法進行系統參數的調整，同時利用DSP數字信號高速處理運算，對錫爐溫度實現了在線實時控制。實驗表明，控制系統的動態響應快，跟蹤能力強，穩態精度高，有較強抗擾動能力。
關鍵詞： 神經網絡；數字信號處理；預測；溫度控制
現代電子元件裝配要求錫爐焊接溫度更加穩定，對錫爐高溫控制的難度也就增強。隨著預測神經網絡的應用研究不斷深入，由于其運算數據量大、收斂比較慢的特點，使其應用受到了硬件上的限制，實際應用并不多。但DSP高速數字信號處理速度越來越快，在線實時控制能力越來越強，在結合神經網絡的應用方面效果顯著。本文采用神經網絡的預測能力對溫度參數進行學習和調整，同時結合數字信號處理（DSP）模塊進行控制和運算，實現高速運算處理控制，最終實現了錫爐溫度控制系統在線實時補償加熱控制。
1 神經網絡控制結構
神經網絡對事件預測是一種很好的數據處理技術，在學習過程中發現規則，通過預測和DSP運算處理控制相結合來學習及調節控制函數的參數?；谏窠浘W絡和DSP的控制系統結構如圖1所示?？刂葡到y由預測神經網絡和DSP數字信號處理運算控制兩部分構成，這兩部分有共同的輸入信號，即網絡溫度誤差e。預測神經網絡對采樣溫度樣本和預先設置樣本進行預測和評估，預測值經過外部環境控制的影響因子進行適當校正后，進行預測神經網絡的權重和控制函數的參數調節。DSP運算處理控制中心根據控制溫度誤差和神經網絡預測值，通過高速數據運算處理，接收和發布各種控制命令并加以執行，包括實時溫度顯示、溫度控制輸出、溫度超越限值報警等輸入和輸出參數。執行機構是控制模塊的對象，溫度控制系統的最終對象為加熱器。因此，錫爐溫度控制系統以溫度的變化作為整個控制核心，它由溫度傳感器來轉化，經過神經網絡的預測和數字信號處理（DSP）進行有效的控制。
該控制系統的預測采用BP神經網絡[1]，其特點是只有前后相鄰兩層之間的神經元相互連接，輸出神經元輸出預測值，預測神經網絡結構如圖2所示。網絡結構分為3層，即為輸入層、隱層和輸出層。輸入層負責接收數據，不進行運算。其中x0激活函數的初始值，位于[-1，1]之間的隨機數，而x1是網絡控制系統的溫度誤差e，x2和x3分別為加熱器的電壓電流檢測值。
實際應用中wij為各層連接權值，針對激活函數f(net)的控制參數net進行網絡系統收斂范圍的控制，從而有利于保證整個系統的穩定性。
因此，通過算法的實驗，利用自適應因子(1-β)對權修改量按需進行彈性的變化，實現了網絡收斂速度的學習。
2 DSP系統實現
錫爐加熱溫度控制系統對加熱控制關鍵件可實行PID控制，從而準確實現錫爐溫度變化的溫度加熱補償控制，增加熱效率的有效應用，并有利于提高電能的利用率，實現節能，同時提高了電路板焊接的合格率。系統構成包括DSP處理[4]、溫度傳感檢測、電壓電流檢測、溫度顯示、溫度鍵盤參數設置、溫度報警、控制輸出等功能。系統操作簡單、顯示直觀、控制方便?？刂葡到y的核心設計是DSP數字信號運算處理控制器。由DSP芯片TMS320FL2407做為控制中心，輔助外圍電路來實現系統控制。
2.1 系統硬件電路
控制系統主要采用DS1002型系統板及其多路I/O板，系統主要由數字信號處理芯片TMS320FL2407中心及相應接口外圍電路組成, 包括加熱器件可控驅動電路、溫度采集A /D 電路、溫度設定鍵盤輸入、溫度顯示電路和報警電路等。實時控制系統硬件電路原理如圖3所示。
(1)DSP數字處理電路。對接收溫度傳感檢測而轉化成數字信號進行運算處理，同時完成上位機預測狀態的處理，輸出執行控制信號；
(2)加熱器件可控驅動電路?？刂萍訜崞鞯膱绦袡C構可以采用傳統的繼電器類和可控硅類型，但其控制簡單、性能差。本加熱溫度控制系統采用PID方式，模擬量自動調節電壓相角，可以進行溫度的連續控制，解決溫度控制的精度和穩定度要求，實現控制溫度精度達到±2 ℃。根據溫度傳感器提供感應回饋的采樣數據，DSP輸出的PWM控制信號，控制加熱器的執行元件，達到在線實時控制錫爐溫度的目的；
(3)溫度、電壓和電流采集A/D電路。系統在初始化工作時，不斷地通過傳感器采集當前的錫爐實時溫度。系統板通過I/O板將溫度傳感器采集的模擬數據和溫度誤差完成A/D轉換后，由高速通路送入DSP控制中心，同時結合電壓電流數據，將采集數據與比較寄存器內的設定值進行比較運算，經DSP高速運算處理后進行D/A轉換，進入控制執行機構；
(4)溫度設定鍵盤輸入。系統的溫度控制參數的輸入由8個輸入輕觸按鍵通過串口與DSP系統板之間的通信實現；
(5)顯示電路和報警電路。顯示電路組成單元由液晶模塊板、指示發光二極管和相應的驅動電路構成。液晶模塊板顯示系統的運行參數，主要由大字體顯示錫爐實時溫度，同時以小字體顯示當前加熱器的電壓和電流。正常工作時，電源指示二極管發紅光，工作指示二極管發綠光；當工作指示二極管發黃光時，預示系統電路出現故障，錫爐溫度有可能出現異常，需要斷開控制系統維修或重新啟動系統及復位。同時給出報警提示聲音，DSP控制輸出端送出斷開可硅電路的控制電壓，停止加熱器繼續工作。報警電路有喇叭及其驅動放大電路組成，報警聲音由軟件編程來實現。
2.2 系統軟件
在系統芯片中選用TMS320LF2407，通過上位機把C語言開發的算法經編譯連接后，轉換為DSP能接收的目標文件格式（COFF），加載到DSP進行執行控制。圖4為控制系統軟件流程圖。采集溫度傳感器的模擬參數經過A/D轉化為數字信號，用C語言編寫的控制算法通過CL30開發工具進行編譯，傳到DSP系統板加以運算控制，獲得控制驅動信號。在DSP控制中心，對基于神經網絡預測算法的過程中，上位PC機通過RAM進行狀態信息的捕捉，實時監測控制系統的參數性能，為溫度控制系統的控制算法提供有力分析依據，完成系統的調試。
控制系統經過系統初始化后開中斷，并進行各種功能檢測。溫度參數采樣進行A/D轉換成數字信號，送入DSP運算中心進行數字處理，輸出控制信號經D/A轉換用以驅動執行機構。定時器T0作為采樣設定周期，每個采樣周期完成一次采樣和運算分析處理，直到預測神經網絡學習完成，退出中斷而停止。
3 系統應用結果
在電路中安裝溫度、電壓和電流檢測裝置，經過電路實驗，在DSP中植入預測神經網絡算法的結果，從而實現溫度PID控制，其溫度控制曲線如圖5所示。
將預測神經網絡和DSP高速運算處理相結合的方法應用到錫爐的溫度PID控制系統中，大大提高了控制系統溫度的穩定性和精度，為電子元件在裝配過程中提供了可靠的焊接溫度，降低了因裝接高溫而損壞元件和電路板的可能性。
參考文獻
[1] 蔣宗禮.人工神經網絡導論[M].北京：高等教育出版社，2001：39-52.
[2] 王永驥，涂健.神經元網絡控制[M].北京：機械工業出版社，1999：1-68.
[3] 劉鐵男.多層前向神經網絡的新型二階學習算法[J].控制理論與應用，2000，17(5)：721-724.
[4] 朱志甫.DSP在鍋爐給水變頻控制系統中的應用[J].河南科技大學學報(自然科學版)，2007，28(4)：21-32.