人工神经网络在电子设备自动控制方面的研究与应用

论文摘要

智能型日用电器是电器发展的方向之一。应用人工神经网络或模糊人工神经网络来实现电器的智能控制,具有功能强大、适应性强等特点。家用电器的控制相对而言较为简单,但是目前工业上所使用的人工神经网络采用大规模现场可编程门阵列(FPGA)实现,造价高并不适用于一般电器的应用。常见的软件法人工神经网络大多采取在数学软件MatLab的平台上进行,难以移植到小型电器中。本论文研究的内容在于,研究一种基于简单的模拟电路以实现电器设备的人工神经网络控制。它有如下特点:满足电器设备的自动控制的基本要求;结构简单,造价低廉,经济实用性强;学习训练简单,便于操作,适合于规模化生产;具有通用特性,即通过不同的学习训练可以满足不同的应用要求。本课题研究过程中利用PSpice电路仿真软件进行电路的建模、仿真及优化设计。论文中分别对非线性函数产生器电路、加法器电路和模拟乘法器电路利用PSpice仿真软件进行了建模、仿真和优化,最终达到了理想的效果。PSpice电路仿真软件方便快捷,利用仿真结果指导实验,达到了事半功倍的效果。人工神经网络的训练是本论文的关键工作之一。人工神经网络的训练可以分为硬件与软件混合方法以及单纯的软件训练方法。单纯的软件训练方法又可以分为电路仿真软件优化法和自编程训练方法。本文用自编程方法对人工神经网络的硬件电路进行训练。训练程序具有通用性,便于相关人员根据不同的应用需求设置不同的参数,从而得到所需的训练结果。这是本论文的一大特色。本论文中的人工神经网络采用模拟电路来实现,各部分的电路可由加法器电路和乘法器电路构成。LM324是四运放集成电路,功耗小、价格低廉,可用于构成加法器电路和乘法器电路。NJM4200是集成模拟乘法器,体积小、价格低廉,而且具有非线性、失调和失真三种补偿特性,是构成人工神经网络整体电路的关键器件。本文最终利用加法器电路和乘法器电路构成满足要求的人工神经网络整体电路。本论文的成果在于给出了一种结构简单,成本低,学习训练的程序具有通用性,便于生产厂家大规模生产的人工神经网络整体电路的设计方案。

论文目录

• 摘要
• ABSTRACT
• 第一章 引言
• 1.1 人工神经网络的应用范围
• 1.2 人工神经网络概况
• 1.3 论文主要内容及结构安排
• 第二章 人工神经网络理论
• 2.1 人工神经网络概述
• 2.1.1 什么是人工神经网络
• 2.1.2 人工神经网络的发展简史
• 2.1.3 人工神经网络国内外研究状况
• 2.1.4 人工神经网络的基本特点与功能
• 2.2 神经元模型
• 2.2.1 神经元通用功能模型
• 2.2.2 神经元的数学模型
• 2.2.3 神经元的变换函数
• 2.3 人工神经网络模型
• 2.3.1 网络拓扑结构类型
• 2.3.2 网络信息流向类型
• 2.4 人工神经网络的学习
• 2.4.1 Hebb 学习规则
• 2.4.2 离散感知器学习规则
• 2.4.3 连续感知器学习规则
• 2.4.4 最小均方学习规则
• 2.5 神经网络系统设计与软硬件实现
• 2.5.1 神经网络系统总体设计
• 2.5.2 神经网络的软件实现
• 2.5.3 神经网络的硬件实现
• 第三章 利用 PSpice 软件对 ANN 各部分电路进行仿真
• 3.1 PSpice 软件简介
• 3.2 对非线性函数产生器的仿真
• 3.2.1 非线性函数产生器理论分析
• 3.2.2 非线性函数产生器的仿真过程
• 3.3 对加法器电路的仿真
• 3.3.1 加法器电路的理论分析
• 3.3.2 加法器的仿真过程
• 3.4 对模拟乘法器电路的仿真
• 3.4.1 模拟乘法器电路的理论分析
• 3.4.2 模拟乘法器电路的仿真过程
• 第四章 自编程对ANN 进行训练
• 4.1 自编程方法概述
• 4.2 对指数函数进行训练和仿真
• 4.3 对模拟物理过程的非线性曲线进行训练和仿真
• 4.4 对烧水实验所得的曲线进行训练和仿真
• 第五章 基于LM324 和NJM4200 的ANN 子电路及整体电路实现
• 5.1 LM324 和NJM4200 简介
• 5.2 加法器电路的实现
• 5.3 乘法器电路的实现
• 5.4 ANN 整体电路的实现
• 5.5 ANN 整体电路的误差分析
• 5.6 系统整体框图与参量的归一化讨论
• 第六章 结论与展望
• 致谢
• 参考文献
• 攻硕期间取得的研究成果