原子荧光分析仪的气体流量控制系统研究

发布时间：2023-04-12 05:20

　　原子荧光分析仪利用硼氢化钠还原体系产生待测元素的气态氢化物,根据待测元素原子荧光的强度即可分析元素的含量。在测量过程中,待测元素的气态氢化物需要借助气体流量控制系统在仪器的功能部件中传输,若控制的气体流量大小不稳定,将会导致仪器测量结果失真。基于此,本文从原子荧光分析仪的气体流量控制系统的需求出发,研究设计一种快速响应且极具鲁棒性的气体流量控制系统,旨在解决传统PID控制算法存在的问题并提高原子荧光分析仪的检测性能指标。在气体流量控制系统中,由于PID控制算法简单高效且经过了大量的实践验证,其已经成为气体流量控制领域最具代表性的算法之一。本文在对比分析位置式和增量式PID控制算法的优劣之后,选择了增量式的PID控制算法,并使用不完全微分法对增量式PID控制器可能出现的比例和微分饱和现象进行了抑制。但是传统PID控制器的参数整定繁杂且适应性较差,无法发挥PID控制算法的最大潜力。基于此,本文引入了人工神经网络PID控制器,并把传统PID控制器、基于BP神经网络的PID控制器和基于RBF神经网络的PID控制器分别作用于简单和复杂非线性系统中,根据三者的MATLAB仿真结果,最终选择了具有更...

【文章页数】：92 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 引言
    1.1 研究背景与意义
    1.2 国内外研究现状
        1.2.1 原子荧光分析仪的研究现状
        1.2.2 气体流量控制系统的研究现状
    1.3 研究内容与论文结构
    1.4 本章小结
第2章 气体流量控制的总体方案设计
    2.1 预期性能指标
    2.2 原子荧光分析仪的主体模块
    2.3 气体流量控制方案
        2.3.1 传统PID控制
        2.3.2 基于BP神经网络的PID控制
        2.3.3 基于RBF神经网络的PID控制
    2.4 气体流量控制系统的软硬件方案
    2.5 本章小结
第3章 气体流量控制系统算法研究
    3.1 传统PID控制算法
        3.1.1 位置式PID控制算法
        3.1.2 增量式PID控制算法
        3.1.3 比例和微分饱和的抑制方法
    3.2 神经网络模型设计
        3.2.1 神经网络模型
        3.2.2 BP神经网络
        3.2.3 RBF神经网络
    3.3 PID控制模型设计
        3.3.1 传统PID控制模型
        3.3.2 基于BP神经网络的PID控制模型
        3.3.3 基于RBF神经网络的PID控制模型
    3.4 PID控制模型仿真结果对比分析
    3.5 本章小结
第4章 气体流量控制系统硬件设计
    4.1 核心控制器件选型
    4.2 比例电磁阀模块
        4.2.1 比例电磁阀性能分析
        4.2.2 比例电磁阀驱动电路
    4.3 AD与 DA转换
        4.3.1 AD转换电路
        4.3.2 DA转换电路
    4.4 传感器采集模块
        4.4.1 流量传感器性能分析
        4.4.2 传感器输出电压采集
    4.5 供电模块
    4.6 本章小结
第5章 气体流量控制系统软件设计
    5.1 系统软件设计框架
    5.2 操作系统的选择
    5.3 AD与 DA转换
        5.3.1 AD转换程序设计
        5.3.2 DA转换程序设计
    5.4 主从机数据通信程序设计
    5.5 RBF神经网络PID控制及参数存储
    5.6 本章小结
第6章 测试结果及分析
    6.1 气体流量控制系统测试
    6.2 原子荧光分析仪的指标测试
    6.3 本章小结
结论
致谢
参考文献
攻读学位期间取得学术成果
附录



本文编号：3790515