论文部分内容阅读
为了实现对电子元器件贮存环境温湿度变化的监测和控制,同时实现数据的远程传输、显示以及存储功能,将基于改进遗传算法(Improved Genetic Algorithm,IGA)的径向基函数(Radial Basis Function,RBF)神经网络预测控制方法和WIFI无线通信技术相结合,提出并实现了一种基于IGA-RBF的电子元器件贮存环境无线监控系统。基于IGA-RBF的电子元器件贮存环境无线监控系统由传感器模块、IGA-RBF神经网络预测监控模块和执行模块组成。传感器模块用来采集贮存环境的温湿度。IGA-RBF神经网络预测监控模块主要包括微控制器及外围电路、WIFI接口电路、IGA-RBF神经网络预测模型,以及RBF神经网络控制器等。结合系统软硬件的设计,通过WIFI接收贮存环境的温湿度以及执行机构的调控量,将其作为IGA-RBF神经网络预测模型的输入,根据IGA-RBF算法学习该模型输入与输出样本之间存在的某种关系,从而建立电子元器件贮存环境模型。最后,通过设计基于RBF的贮存环境控制器,对温湿度设定值与预测模型输出值之间的偏差进行在线校正,输出各执行机构的调控量,并由WIFI发送给下位机,通过微控制器驱动执行模块的各个执行机构进行相应的动作,从而实现对电子元器件贮存环境的控制。下位机程序可以实现贮存环境数据的处理、显示、超出阈值报警以及WIFI串口通信功能。上位机监控软件在Windows系统下进行设计,主要是对IGA-RBF神经网络预测模型、RBF神经网络控制器和贮存环境数据等的管理。将电子元器件贮存环境的温湿度输出范围分别设定在18~22℃和42~45%RH,通过对IGA-RBF神经网络预测模型的性能进行测试,结果显示其输出的预测温度和湿度的均方根误差分别小于0.16℃和0.31%RH,拟合值与实际值的拟合精度分别大于0.98和0.95。由此可见,IGA-RBF神经网络预测模型的拟合误差较小,且具有较强的相关性和良好的泛化能力。因此,可以使用该IGA-RBF神经网络预测模型作为电子元器件贮存环境的被控对象,并结合RBF贮存环境控制器的设计,构成基于IGA-RBF的电子元器件贮存环境预测控制结构。同时,对WIFI串口通讯和IGA-RBF神经网络预测控制系统进行测试。结果表明,该监控系统可以实现数据处理和无线传输等功能,且输出的温湿度值能够快速跟随设定值的变化而变化。