C-Bus智能控制系统

钜力华智能控制系统系统原理

智能控制系统是一个完全对等的分布式总线型网络，具有双总线结构，系统层次关系明确，且由主机模块、辅机模块、输入设备和输出设备组成。主机模块在 IP层连接，辅机模

块和输入设备通过 BUS总线连接通讯，输出模块通过 BUS总线连接通讯。 “JU-BUS” 通讯分层模式如下：物理层，数据链路层，网络层，传输层，应用层。物理层运用了

用软件模拟的载波监听机制能有效地避免数据冲突，当 JU-BUS总线发送报文时，系统就禁止其他

总线设备占用总线，如果两个总线设备同时发送信号，则以设备的 MAC地址来判断发送的优先级。

在线所有设备都监听总线状态，从而有效地避免了冲突的发生。数据链路层能检测破坏的帧，并隔

一段时间后重新发送。系统的分层明确，网路层的路由算法定义了任意两个设备间允许的通信路径。

传输层采用 UDP/IP的数据发送方式，保证了数据的快速性。

系统适应于小到家庭，中到酒店 /别墅，大到公共项目等多种设施，因为 BUS总线

上连接的设备都是一个智能节点，既具有学习能力，又可根据用户的需求配置相应的功能。从而

BUS总线上的设备能自动识别设备类型，而实现不同的类型负载不同控制方式，达到保护负载的

功能。

钜力华智能控制系统系统特点

·科学性：完全遵循计算机行业国际准,基于 TCP/IP构建管理平台,无中心分布式结构，可使系统发挥其最佳

效率；同时降低了布线量和安装费用。

·实用性：有线/无线通信相结合,开放性结构与组编址通讯使设备间其有互操作性，形成一致的自动化控制

网络。

·灵活性：485总线对电力线传输和无线频率传输的支持使系统扩充修改简易化,只需要增加软硬件功能模块,

就能够应用扩展功能(如:安防消防/门禁管理/环境监测等).

·绿色性：通过对灯光及电器设备的管理,可有效的节省能源,通过对空调及新风系统的管理,使您的生活环境

更加健康和环保,系统采用弱电控制及红外/无线等通信技术,完全对人体无害.

钜力华智能控制系统系统应用

灯光电器控制

1、灯光控制————控制灯光的打开与关闭 ,调节灯光的亮度等；

2、窗帘控制————控制窗帘的打开与关闭；

3、空调控制————控制空调的开启与关闭，空调温度控制；

4、电器控制————控制电视机、热水器、电动窗、饮水机、排风扇、地暖等家用电器设备；

5、定时控制————灯光、窗帘、空调和其它家用电器的定时开启与关闭，每周 7天每天 3个定时时段；

6、组合场景控制——将灯光、窗帘、空调和其它家用电器的若干个设备任意组合，形成场景模式，一键开启。

视频监控

1、实时监控——通过智能分机实时显示 4路或者 8路摄像机视频监控画面；

2、电视监控——通过家中电视机实时显示监控画面；

3、远程监控——通过互联网在计算机上实现远程实时监控；

4、移动监控——通过手机实现运动中远程实时监控；

5、图像存储——将监控视频数据存储在硬盘上；

6、视频回放——查看视频监控历史资料。

智能报警

1、有线防区报警——处理有线报警传感器的报警信息；

2、无线防区报警——处理无线报警传感器的报警信息；

3、复合逻辑报警——几个报警器共同负责一个防区，满足一定条件时报警，减少误报；

4、短信报警————报警时发送短信通知主人；

5、电话报警————报警时拨打电话通知主人；

6、智能报警————报警时，灯光打开、摄像机抓拍、警号响起、显示屏弹出报警画面、发送短信、彩信和

拨打电话

7、数字可视对讲系统————基于宽带网络，增加管理中心机和门口机，构成小区全数字可视对讲系统。

目 录

《电气自动化新技术丛书》序言

前 言

第1章 概论

1.1智能控制系统国内外发展概况

1.1.1控制理论应用面临着新的挑战

1.1.2智能控制系统的引入

1.1.3智能控制系统的定义

1.1.4智能控制系统的特点

1.1.5智能控制系统国内外进展概况

1.2智能控制系统的研究课题

1.2.1智能控制系统的理论研究

1.2.2智能控制系统的应用研究

第2章 智能控制系统的构成原理

2.1简单的智能控制系统

2.1.1般自动控制系统的构成

2.1.2简单的智能控制系统的构成

2.2多级递阶智能控制系统

2.3智能控制系统和神经网络（NN）

2.3.1神经网络的基本概念

2.3.2神经网络输入输出之间的关系模型

2.3.3神经网络在自动控制中的应用

2.3.4神经网络控制和智能控制的关系

第3章 智能控制系统的设计理论

3.1知识表达

3.1.1知识的含义

3.1.2知识的分类

3.1.3产生式知识表示

3.1.4框架知识表示

3.1.5谓词逻辑知识表示

3.1.6状态空间知识表示

3.1.7语义网络知识表示

3.1.8不精确知识表示

3.1.9知识的发展

3.2知识获取

3.2.1知识获取过程

3.2.2人工方式知识获取

3.2.3半自动知识获取

3.2.4自动知识获取

3.2.5动态特征辨识和模式识别

3.3智能控制器一般结构的设计理论

3.3.1知识库

3.3.2数据库（上下文）

3.3.3黑板问题

3.3.4自学习环节

3.3.5推理和决策机构

3.4智能决策和控制理论的结合问题

3.4.1问题的引入

3.4.2智能自适应控制系统

3.4.3带知识库的高炉炼铁过程终点铁水含硅量和温度

自适应预报

3.5智能控制系统的鲁棒性

3.5.1问题的提出

3.5.2自动控制系统的稳定鲁棒性问题

3.5.3智能控制系统的鲁棒性问题

第4章 随动系统的智能控制

4.1旋转变压器式的精粗测随动系统

4.1.1概述

4.1.2自整角机在变压器工作状态下的随动系统

4.1.3旋转变压器式随动系统

4.1.4旋转变压器式精粗测随动系统

4.2用微机控制的旋转变压器式精粗测随动系统

4.2.1随动系统计算机控制的特点

4.2.2微机化随动系统的硬件结构

4.2.3被控对象数学模型的建立

4.2.4常用控制算法

4.2.5系统软件设计

4.3随动系统智能控制

4.3.1随动系统智能控制框图

4.3.2智能控制器的设计

4.4实时控制结果的分析

4.4.1数字全波整流波形

4.4.2系统各种指标测试比较

第5章 非晶制带钢水液位智能控制

5.1非晶制带生产工艺及对自动控制提出的要求

5.1.1非晶态合金薄带生产工艺

5.1.2对自动控制提出的要求

5.1.3控制方案

5.2非晶制带生产被控对象的特性分析和数学模型

5.2.1电液伺服驱动装置

5.2.2差动变压器

5.3非晶制带钢水液位计算机控制

5.3.1硬件结构

5.3.2常用控制算法和软件设计

5.4非晶制带钢水液位智能控制

5.4.1智能控制器的设计

5.4.2系统软件的设计

5.5系统实时控制的结果

第6章 罩式退火炉自适应预测智能控制

6.1概述

6.2罩式退火炉计算机温控系统的设计与构成

6.3罩式退火炉数学模型的建立

6.3.1系统建模的基本步骤

6.3.2罩式退火炉的模型类型与结构

6.3.3实验信号的设计与产生

6.3.4实验过程、数据滤波及预处理

6.3.5参数估计

6.3.6模型的校验和确认

6.4离散系统模型与连续系统模型间的转换

6.4.1离散系统模型转换为连续系统模型

6.4.2连续系统模型转换为离散系统模型

6.5罩式退火炉的前馈补偿零极点配置自适应PID预测智能控制

6.5.1零极点配置PID预测控制

6.5.2前馈补偿零极点配置自适应PID预测控制

6.5.3智能控制器的设计

6.5.4实时控制结果

第7章 电加热炉炉温智能控制

7.1电加热炉结构及对自动控制系统提出的要求

7.1.1电加热炉结构

7.1.2对自动控制提出的要求

7.2电加热炉对象模型及控制策略的研究

7.2.1电加热炉对象模型

7.2.2电加热炉控制策略的研究

7.3电加热炉炉温计算机控制

7.3.1硬件结构框图

7.3.2常用控制算法

7.3.3系统软件设计

7.4电加热炉炉温智能控制

7.4.1智能控制器的设计

7.4.2智能控制器的学习环节和修正环节

7.5电加热炉炉温实时控制结果

7.5.1随机最优控制结果

7.5.2非线性PID控制结果

7.5.3智能控制结果

第8章 电弧炉炼钢过程智能控制

8.1电弧炉炼钢工艺过程及对自动控制提出的要求

8.1.1电弧炉结构

8.1.2工艺特点

8.1.3对自动控制提出的特殊要求

8.2电弧炉炼钢过程电极升降智能复合控制系统

8.2.1快速最优（BangBang）控制

8.2.2模糊控制

8.2.3PID控制

8.2.4智能复合控制问题

8.2.5电极升降控制系统平衡问题

8.2.6电极升降控制系统实验结果

8.3电弧炉炼钢过程的数学模型及终点自适应预报系统

8.3.1氧化期数学模型的建立与终点预报方程

8.3.2氧化期钢液温度、含碳量和含磷量终点预报系统程序

流程图

8.3.3氧化期预报系统运行结果

8.3.4还原期操作

8.4电弧炉炼钢过程智能自适应预测操作指导系统的设计

8.4.1问题的引入

8.4.2IPOGS总结构流程图及设计

8.4.3系统运行结果

8.5电弧炉炼钢过程闭环控制研究

8.5.1组织级

8.5.2协调级

8.5.3知识库构成

8.5.4电弧炉炼钢过程自动控制程序总流程图

8.5.5结束语

第9章 高温力学试验机的神经网络自适应智能控制

9.1概述

9.2高温力学试验机电加热炉的结构及计算机控制系统构成

9.3电加热炉神经网络模型的建立

9.3.1反向传播学习算法原理

9.3.2电加热炉的神经网络模型

9.4使用单神经元的电加热炉自适应智能控制

9.4.1神经网络学习规则

9.4.2单神经元自适应PID智能控制器

9.4.3单神经元自适应PSD智能控制器

9.4.4电加热炉单神经元自适应智能控制

9.5使用多神经元的电加热炉前馈补偿内模控制

9.5.1内模控制器的设计

9.5.2神经网络的前馈补偿内模控制

9.5.3电加热炉的神经网络前馈补偿内模控制

附录A 随动系统智能控制程序清单

附录B 电弧炉炼钢过程终点含碳量、含磷量及温度的预报

结果与实测结果比较表

参考文献

2100433B