模糊控制和神经网络在现场总线控制系统中的应用

中国科学院大学学报 ›› 2000, Vol. 17 ›› Issue (2): 81-88.

模糊控制和神经网络在现场总线控制系统中的应用

周尚明, 刘定生

中国科学院遥感卫星地面站北京 100086

收稿日期:2000-11-01 发布日期:2000-03-15
作者简介:周尚明,男,1967年7月生,副研究员Email:smzhou@btamail.net.cn

The Applications of Fuzzy Control and Neural Network to Fieldbus Control System

Zhou Shangming, Liu Dingsheng

Remote Sensing Satellite Ground Station, Chinese Academy of Sciences, Beijing 100086

Received:2000-11-01 Published:2000-03-15

摘要/Abstract

摘要：

从信息科学的角度详尽分析阐述了现代工业计算机控制系统从信息分立发展到信息共享的科学必然性及现场总线控制系统 (FCS)产生的重大意义,探索了将模糊控制和神经网络应用于现场总线控制系统中的方式和影响,并以智能模糊仪表为例给出了智能仪表新定义和功能特性

关键词: 现场总线技术, 模糊控制, 神经网络, 智能仪表

Abstract:

The scientific inevitability of modern industry computer control system progressing f rom the information separation to the information share and the significance of the birth of fieldbus control system(FCS) have been analysed in detail from point of view of information science, and the w ay and the affection of applying fuzzy control and neural network to FCS have been explored.Furthermore, new definition and functions of intelligent inst rument are proposed with the example of intelligent fuzzy instrument.

Key words: FCS, fuzzy control, neural network, intelligent instrument

中图分类号:

周尚明, 刘定生. 模糊控制和神经网络在现场总线控制系统中的应用[J]. 中国科学院大学学报, 2000, 17(2): 81-88.

Zhou Shangming, Liu Dingsheng. The Applications of Fuzzy Control and Neural Network to Fieldbus Control System[J]. , 2000, 17(2): 81-88.

参考文献

1 李强.现场总线及其发展趋势.电子与自动化仪表, 1996,(6)

2 吴新垣.信息融合及其智能化.软件开发与应用, 1996,(5)

3 M Rao et al.Sof t Sensors for Quality Prediction in Batch Chemical Pulping Processes.In :Proc Int Sym on Intell Contr.USA, 1993

4 L E Hollow ay.The Challenge of Intelligent Sensing for Monitoring and Control.In :Proc Int Sym on Int ell Contr.USA, 1993

5 M Siebert et al.Interworking of Fielddevices.In :IFAC Intell Component s and Inst ru for control and Appli.Hungary, 1994

6 Fieldbus Foundation.现场总线基金会及其基金会现场总线技术的现状和发展, 见`97 北京国际现场总线技术交流会.1997

7 裘玉瑞等.我国“ 现场总线” 发展的策略建议.见:`97 北京国际现场总线技术交流会.1997

8 刘铁椎.现场总线在企业综合自动化系统中的作用和地位.见:`97 北京国际现场总线技术交流会.1997

9 钟霖田.DCS 的现状与发展趋势.见:席裕庚主编.工业过程模型化及控制.上海:上海交通大学出版社, 1994

10 刘宝义.过程工业综合自动化的单元技术进展.微计算机信息, 1996, 12(6)

11 伊红卫.现场总线技术标准及发展.计算机世界, 1997

12 T Blevins et al.How Fieldbus Can influence Your Next Project.control Eng/ sept,1996

13 G Mort in.Sof t Sensors.C &I Jan, 1997

14 M Goodw in.Neural Processing Set to Boost Sensor Technology.SR, 1995, 15(4)

15 E T Pow ner et al.From Basic Sensors to Int elligent Sensors :Definitions and Examples.SR, 1995, 15(4)

16 周尚明等.现代工业生产过程的智能控制与智能自动化.计算机世界, 1997,(17)

17 S M Zhou.A new approach to fuzzy modeling based on recurrent neuralnetwork for fuzzy dynamic systems.Vol.K:39 ～ 44 ;Proceedings of the 14th World Congress of International Federation of Aut omatic control.PERGAMON.Elsevier S cience.1999

[1]	王慧玲, 谢卓辰, 梁旭文. 单粒子翻转对神经网络的影响分析与优化[J]. 中国科学院大学学报, 2021, 38(6): 832-840.
[2]	于文欣, 李凯, 周明拓, 李剑, 杨旸. 面向三维信道幅值预测的自适应神经网络[J]. 中国科学院大学学报, 2021, 38(5): 678-686.
[3]	钱欢, 谢卓辰, 梁旭文. 基于dropout算法的卷积神经网络单粒子翻转容错方法[J]. 中国科学院大学学报, 2021, 38(5): 712-719.
[4]	纪玉峰, 郑敏, 谭冲, 刘洪. 基于神经网络的车联网频谱感知组合算法[J]. 中国科学院大学学报, 2021, 38(4): 549-556.
[5]	肖亚楠, 周伟, 崔杰, 刘亭亭, 肖灵. 一种LSTM神经网络和卡尔曼滤波相结合的复合材料承载预测方法[J]. 中国科学院大学学报, 2021, 38(3): 374-381.
[6]	胡莉娜, 高盛华. 基于层次化标签的人体解析[J]. 中国科学院大学学报, 2020, 37(6): 820-827.
[7]	冯齐心, 杨辽, 王伟胜, 陈桃, 黄双燕. 基于时序光谱重构的卷积神经网络遥感农作物分类[J]. 中国科学院大学学报, 2020, 37(5): 619-628.
[8]	王虹, 徐佑宇, 谭冲, 刘洪, 郑敏. 基于改进粒子群的BP神经网络WSN数据融合算法[J]. 中国科学院大学学报, 2020, 37(5): 673-680.
[9]	唐思琦, 韩丛英, 郭田德. 基于机器学习的点集匹配算法[J]. 中国科学院大学学报, 2020, 37(4): 450-457.
[10]	胡亮, 肖俊, 王颖. 基于多维度特征和MLP的岩体点云植被滤波方法[J]. 中国科学院大学学报, 2020, 37(3): 345-351.
[11]	薛建伟, 唐亮, 卜智勇. 基于神经网络的认知无线电合作频谱感知[J]. 中国科学院大学学报, 2020, 37(3): 379-386.
[12]	宋晗, 杨炜暾, 耿修瑞, 赵永超. 基于卷积神经网络与主动学习的高光谱图像分类[J]. 中国科学院大学学报, 2020, 37(2): 169-176.
[13]	王惠君, 赵桂萍, 李良, 张威, 齐荣, 刘珺. 基于卷积神经网络(CNN)的泥质烃源岩TOC预测模型——以鄂尔多斯盆地杭锦旗地区为例[J]. 中国科学院大学学报, 2020, 37(1): 103-112.
[14]	宋旭鸣, 沈逸飞, 石远明. 基于深度学习的智能移动边缘网络缓存[J]. 中国科学院大学学报, 2020, 37(1): 128-135.
[15]	王健飞, 张卫强, 刘加. 基于多状态跳转模型的场景独立音频事件检测方法[J]. 中国科学院大学学报, 2019, 36(2): 218-225.