[发明专利]BP神经网络在S7-300系列PLC中的实现方法

说明书

技术领域

本发明属于自动化技术领域，涉及BP神经网络在S7-300系列PLC中的实现方法。

背景技术

可编程序控制器(PLC)，工业控制微机(主要是IPC)、集散控制系统(DCS)/现场总线控制系统(FCS)和智能控制仪表，是工业自动化领域常用的四大类控制装置。其中，PLC凭借其高可靠性和易用性，在工业自动化工程中的应用最为广泛。大中型PLC主要用于复杂生产线控制、顺序控制、批量控制和流程工业控制。在众多的大中型PLC系统中，西门子的S7-300或S7-400系列PLC凭借其良好的体系结构、网络功能、集成技术和技术支持，已成为我国广泛应用的大中型PLC系统之一。

BP网络是1986年由Rumelhart和McCelland为首的科学家小组提出，该网络是一种按误差逆传播算法训练的多层前馈网络，是目前应用最广泛的神经网络模型之一。BP神经网络采用最速下降法学习规则，能学习和存贮大量的输入/输出模式映射关系，通过反向传播来不断调整网络的权值和阈值，使网络的误差平方和最小。BP神经网络模型拓扑结构包括输入层(Input Layer)、隐含层(Hide Layer)和输出层(Output Layer)。BP神经网络广泛应用于工业过程建模、软测量、优化控制、变量预测等场合。

当前广泛使用的PLC系统按照IEC61131-3国际标准提供编程语言和指令系统，各PLC系统厂家尚未提供BP神经网络模块或指令库。鉴于此，BP神经网络的研究或应用多采用基于PC的Matlab平台或C语言平台。现有技术必须首先从PLC系统等控制设备中获取过程数据，接着通过PC机的Matlab平台，完成BP神经网络的训练，建立模型，根据模型进行预报，最后根据预报结果修改控制参数或控制量，将结果再回传到PLC，由PLC系统优化控制等任务。因此，现有技术存在明显不足：其一，需要周而复始地从PLC系统获取数据和传输结果信息到PLC系统，需要借助于通信网络和PC平台，网络故障，尤其是固有存在的网络时延都将影响神经网络控制的实际效果。其二，过于复杂，神经网络计算时间的不确定性和工业过程控制追求的实时性、确定性存在冲突，过度延长PLC系统的扫描周期还会降低PLC系统的可靠性。其三，工业环境的高要求也对PC平台的运行环境提出了挑战，增加的PC平台还会导致系统的成本的增加。因此，如何直接在PLC系统中实现BP神经网络是自动化工程界一直追求的目标。

发明内容

本发明的目的在于提供BP神经网络在S7-300系列PLC中的实现方法，解决了目前BP神经网络在PLC中过于复杂，成本高的问题。

本发明采用的技术方案如下：

第一步，在S7-300系列PLC中定义12个数据块：

数据块DB1～DB12分别存放BP神经网络迭代算式中的输入变量、隐含节点输入、隐含节点输出、输出层输入、输出变量、权值w_ij、权值w_jk、阈值a_j、阈值b_k、误差e_k、学习效率η和期望输出；

第二步，初始化数据块：

BP神经网络样本中的输入变量传送到DB1，样本中的输出变量传送到DB12，数据块DB6和DB7中的各变量初值设为零，数据块DB8和DB9中的各变量初值设为0.05，DB11中的学习效率初值设为0.5；

第三步，计算隐含层输入：

分别从数据块DB1和DB6中取出x_i和w_ij，按下式计算隐含层的输入H_Ij：

HIj=Σi=1nwijxi,j=1,2,...,l;]]>

第四步，计算隐含层输出：