一种基于Wi-Fi的无线温度远程监控系统的制作方法
【专利摘要】本发明涉及一种基于改进型BP神经网络PID控制器的无线监控系统，该系统工作流程为：工控机通过Wi-Fi模块组成的无线网络访问MMF模块，实时监测电阻炉温度装置的工作状态；MMF模块根据改进型BP神经网络PID控制算法调整控制输出，使温度变化在较小超调的前提下快速达到稳定状态。本发明由硬件系统和植入到MMF模块的软件两部分构成。其中所述的硬件系统由管理单元、无线传输单元和控制单元组成。本发明采用Wi-Fi网络作为传输介质，布点简单，布网工期短，网络被破坏后易恢复。
【专利说明】-种基于Wi-Fi的无线温度远程监控系统
【技术领域】
[0001] 本发明涉及一种基于Wi-Fi的无线温度远程监控系统，属于温度过程自动控制技 术领域。
【背景技术】
[0002] 近年来，我国以信息化带动的工业化正在蓬勃发展，温度已成为工业对象控制中 一种重要的参数，特别是在冶金、化工、机械等工业中，广泛使用各种加热炉、热处理炉、反 应炉等。由于炉子的种类及原理不同，因此所采用的加热方法及燃料也不同，如煤气、天然 气、油电等。对于不同生产情况和工艺要求下的温度控制，所采用的加热方式，选用的燃料， 控制方案也有所不同。随着工业技术的不断发展，传统的控制方式已经不能满足高精度、高 速度的控制要求。目前的温度过程监控系统中大多数都采用有线网络。有线网络系统具有 移动性差、不灵活、可拓展性差、组网和维护不便利等缺点。随着无线通信技术的发展，无线 网络的稳定性和实时性都有了很大的改善，足以保证控制系统安全稳定的运行。
[0003] 温度过程是一个非线性、大滞后过程。采用传统PID算法控制温度过程，稳态响应 特性较好，但难以得到满意的动态响应特性。基于BP神经网络的PID算法能够在线整定参 数，提高系统的动态性能，但是BP神经网络存在收敛速度慢的缺陷，可能在收敛过程中落 入局部最小点，无法完成参数的最优整定。
【发明内容】
[0004] 本发明的目的是提供一种采用基于改进型BP神经网络PID算法的温度过程控制 器的无线温度远程监控系统。
[0005] 为了达到上述目的，本发明的技术方案是提供了一种基于Wi-Fi的无线温度远程 监控系统，其特征在于，包括工控机、无线传输单元及多个控制单元；无线传输单元包括管 理站点、接收节点、控制站点、中继接收节点及中继站点；每个控制单元连接一个控制站点， 中继接收节点及中继站点共同组成一组用于延长网络传输距离的中继器，所有控制站点与 中继器之间建立无线通信，中继站点与管理站点之间通过接收节点实现无线通信，管理站 点与工控机相连；
[0006] 每个控制单元包括监控服务器、模数转换器、数模转换器、有源低通滤波器和电阻 炉温度装置；监控服务器一方面用于接收模数转换器的数据，另一方面依据基于改进型BP 神经网络PID控制算法通过数模转换器控制电阻炉温度装置，监控服务器还与控制站点相 连；模数转换器则通过有源低通滤波器连接电阻炉温度装置；电阻炉温度装置包括用于加 热的上电阻丝及下电阻丝，由上热电偶及下热电偶分别检测上电阻丝区温度及下电阻丝区 温度，上电阻丝及下电阻丝与数模转换器相连，上热电偶及下热电偶则与有源低通滤波器 相连；
[0007] $Ul、u2分别为上电阻丝及下电阻丝的输入电压， yi、y2分别为上热电偶及下热电 偶检测到的温度值，则经简化的某个时刻k的电阻炉温度装置的系统模型为：
[0008]
[0009] 监控服务器（MMF)所采用的改进型BP神经网络PID控制算法包括BP神经网络单 元、传统PID控制单元及被控对象单元，每个电阻炉温度装置为一个被控对象单元，在某个 时刻k向改进型BP神经网络PID控制算法输入温度控制量r (k)后，得到BP神经网络单元 及传统PID控制单元的输入e (k) = r (k)-y (k)，由BP神经网络单元调节传统PID控制器 的比例系数KP、积分时间常数&及微分时间常数K D，通过神经网络的自身学习、加权系数调 整，从而使其稳定状态对应于某种最优控制率下的PID控制器参数，获得理想的自适应性 和快速性；BP神经网络单元的算法按照最速下降法修正网络的加权系数，取性能标函数为
【权利要求】
1. 一种基于Wi-Fi的无线温度远程监控系统，其特征在于，包括工控机、无线传输单元 及多个控制单元；无线传输单元包括管理站点（MST)、接收节点（AP)、控制站点（CST)、中 继接收节点（RAP)及中继站点（RST);每个控制单元连接一个控制站点（CST)，中继接收节 点（RAP)及中继站点（RST)共同组成一组用于延长网络传输距离的中继器，所有控制站点 (CST)与中继器之间建立无线通信，中继站点（RST)与管理站点（MST)之间通过接收节点 (AP)实现无线通信，管理站点（MST)与工控机相连； 每个控制单元包括监控服务器（MMF)、模数转换器（ADI)、数模转换器（DAI)、有源低通 滤波器（LPF)和电阻炉温度装置；监控服务器（MMF) -方面用于接收模数转换器（ADI)的 数据，另一方面依据基于改进型BP神经网络PID控制算法通过数模转换器（DAI)控制电阻 炉温度装置，监控服务器（MMF)还与控制站点（CST)相连；模数转换器（ADI)则通过有源低 通滤波器（LPF)连接电阻炉温度装置；电阻炉温度装置包括用于加热的上电阻丝（1)及下 电阻丝（2)，由上热电偶（3)及下热电偶（4)分别检测上电阻丝区温度及下电阻丝区温度， 上电阻丝⑴及下电阻丝⑵与数模转换器（DAI)相连，上热电偶（3)及下热电偶⑷则 与有源低通滤波器（LPF)相连； 令^^七分别为上电阻丝（1)及下电阻丝（2)的输入电压，71、72分别为上热电偶（3)及 下热电偶⑷检测到的温度值，则经简化的某个时刻k的电阻炉温度装置的系统模型为：
监控服务器（MMF)所采用的改进型BP神经网络PID控制算法包括BP神经网络单元、 传统PID控制单元及被控对象单元，每个电阻炉温度装置为一个被控对象单元，在某个时 刻k向改进型BP神经网络PID控制算法输入温度控制量r (k)后，得到BP神经网络单元 及传统PID控制单元的输入e (k) = r (k)-y (k)，由BP神经网络单元调节传统PID控制器 的比例系数KP、积分时间常数&及微分时间常数K D，通过神经网络的自身学习、加权系数调 整，从而使其稳定状态对应于某种最优控制率下的PID控制器参数，获得理想的自适应性 和快速性；BP神经网络单元的算法按照最速下降法修正网络的加权系数，取性能标函数为
，按J对加权系数的负梯度方向搜索调整，采用增加动量项的方法对 算法进行改进，有：
?式中α为动量因子，η为学习速率，学习速率η越 大，学习速度会越快，但过大时会引起振荡效应，而动量因子α取得过大可能导致发散，过 小则收敛速度太慢，在控制过程中根据能量函数的变化情况，不断调节Π和α的值以优化 收敛速度，则传统PID控制单元的输出U (k)为： U (k) = U (k-1) +Kp [e (k)-e (k-1) ] +Kxe (k) +KD [e (k)-2e (k-1) +e (k-2) ] 〇
【文档编号】H04W84/12GK104155956SQ201410407120
【公开日】2014年11月19日 申请日期:2014年8月19日 优先权日:2014年8月19日
【发明者】田波, 周武能, 孔超波, 王菊平, 蔡操, 丁曹凯, 柳鑫 申请人:东华大学