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。