模糊神经网络算法与plc学习过程

有关模糊神经网络算法与plc的学习，模糊神经网络学习阶段的实现，学习阶段上位机程序实现，以及下位机程序实现思路等，一起来了解下。

模糊神经网络算法与plc学习过程

模糊神经网络学习阶段的实现

在学习阶段实现过程中，利用上位机向下位机传输样本数据，具体运算过程是由下位机实现。

一、学习阶段上位机程序实现

根据模糊神经网络理论知识可知，样本值是根据实际控制对象的需要而定的。采用含有两个输入值和一个输出期望值的较为简单的样本值。

学习过程中上位机程序设计流程如图2所示，具体过程：

1、初始化初始化样本值和为后续传输样本值做准备，通过plc指令把样本值写入plc的储存地址，再次赋值给发送区的数据区，并把存储第一个样本值地址分别赋给vd712，vd716，vd720地址指针，这样可为再次发送样本值做准备。因为要发送的样本值是不断变化的，但是发送区不能变化，故使用地址指针达到两者同步。

2、接受请求接收下位机向上位机传送的数据，该数据是告之上位机是否向下位机传送样本值。来自：电工技术之家

3、判断VB703数据请求标志位VB703，对所接收的数据，判断其值是否等于16#FF。而16#FF是通信协议中规定上位机给下位机传送数据的标志。如果等于16#FF，则向下位机传输数据；否则就再次返回上一步。

4、发送数据通过上位机通信程序向下位机发送样本值，发送完后就结束第一次传送样本值，启动新接收，等待下位机请求数据传送信号。

二、下位机程序实现

图3为下位机程序流程，可以看到学习阶段下位机程序的基本构想。

针对下位机程序流程的说明：

1、初始化首先随机选取[0，1]内θji、σji、ωi及η的初始值，通过PLC指令把这些值赋给存储单元；其次对学习过程中用到的常数赋值，同样赋给存储单元；最后，要把请求数据传送的标志位VB703置位。

2、初始值计算由于初始化中请求数据传送，首先通过下位机的通信程序取得数据，并且接收样本数据后．复位VB703，告知上位机不再传送数据。

接着利用初始化已赋值的第一组权值，计算第一组样本值为输入时输出值、输出值与期望输出值的差值以及后续计算所要用到的数据。

3、权值、E(性能指标)值计算在第上一步的基础上计算权值和E值。具体算法可参考模糊神经网络算法．且易于在PLC平台上实现。

4、E值判断把计算的E值与0．002相比较。如果E≤0．002，说明计算的函数变量、权值已达到预期目标，学习过程结束。

结束的同时触发外接设备的开关量，利用外接设备读取这些计算结果。电工天下：www.dgjs123.com

相反，则需继续学习过程。并将不满足性能指标第3步计算出的函数变量、权值赋给下一步重新计算y值所需的地址内，把请求数据标志位VB703置位．并向上位机发送，从而为新y值的计算做好准备。

5、学习过程中Y值计算由于已把请求数据标志位置位。

因此，首先通过通信程序先取样本，取完样本值后复位VB703，告知上位机不再传样本值，接着计算新的Y值，以便计算新的函数变量、权值以及E值。学习过程下位机主程序实现如图4。