洗衣机设计.docx

洗衣机设计.docx

《洗衣机设计.docx》由会员分享，可在线阅读，更多相关《洗衣机设计.docx（22页珍藏版）》请在冰豆网上搜索。

洗衣机设计

课程设计任务书

设计条件及要求：

该问题的描述、条件及要求如下：

1、输入量为水温、负载、衣物类型三个，输出量为洗涤方式和洗涤时间两个；

2、水温的模糊集分为三个：

水温高、水温一般、水温低；负载分大、中、小三等；衣物类型分为棉、化纤两类；洗涤方式分为强、中、弱三种；洗涤时间分为长、中、短三种；

3、隶属度函数自己选取。

设计时间：

自2011年12月26日至2011年12月30日

设计指导教师（签字）：

教研室主任（签字）：

年月日

一．前言………………………………………………....2

二．课程设计题目及要求……………………………....3

三．简介…………………………………………………4

1.模糊神经网络………………………………….............4

2.神经网络控制器……………………………………….5

3.洗衣机数据………………………………………….....5

4.MATLAB………………………………………………6

四．基于MATLAB的水箱供水模糊控制方法系统设计…………………………………………………………7

1.设计思路……………………………………………….7

2.仿真设计……………………………………………….10

五．设计小结……………………………………………29

六．参考资料……………………………………………30

一.前言：

目前模糊控制已经风靡全世界，特别是在家电方面更是异军突起，模糊逻辑技术已经是21世纪的核心技术之一，在广大的家电市场，模糊类的家电占有的比列也越来越大。

现代洗衣机技术的发展史其实某个程度上也反映了社会科技的变革规律，从机械到单片机的再到模糊智能控制，这些发展都象征着人类对科学的不懈追求，和美好生活的渴望。

我国在1992年后对家电的模糊控制的应用有了很大的发展，在模糊洗衣机的领域也有了长足的进步，但是随着人们的的生活水平的提高，我们越来越需要更方便人性化的电器来帮助我们。

所以如何利用模糊控制在家电上就成了我们必须要更进一步去理解和讨论的问题了，在这模糊控制方面我相信未来将有更好的前景。

将模糊理论应用于洗衣机上是实现家电产品更新换代的重要手段，本文介绍了一种具有自学习功能的模糊智能洗衣机的设计方案，它是以单片机MC6805R3为核心，通过传感器对布量、水温、浑浊度的检测，将得到的数据发送给单片机MC6805R3以实现洗衣机的智能控制，提高洗衣机质量。

稳重还介绍了软硬件组成并较详细的介绍了采用动态监视的方法实现洗衣机自学习的功能。

二.课程设计题目及要求：

该问题的描述、条件及要求如下：

1、输入量为水温、负载、衣物类型三个，输出量为洗涤方式和洗涤时间两个；

2、水温的模糊集分为三个：

水温高、水温一般、水温低；负载分大、中、小三等；衣物类型分为棉、化纤两类；洗涤方式分为强、中、弱三种；洗涤时间分为长、中、短三种；

3、隶属度函数自己选取；

4、模糊推理规则自己制定，但不得少于9条；其他参数自拟

5、要求把每一步设计的图片及调试结果的图片都打印出来；

6、调试结果以表格的形式体现，即改变不同的输入，得到对应的输出，填入自制的表格中。

最少应得出15组调试的结果。

三．简介

1.模糊神经网络

可进行模糊信息处理的神经网络成为模糊神经网络。

它通常是一类由大量模糊的或非模糊的神经元互相联接构成的网络系统。

模糊神经网络除具有一般神经网络的性质和特点外，还具有一些特殊的性质。

比如，由于采用了模糊数学的计算方法,使得一些处理单元的计算变得较为简单，从而使信息处理的速度加快；也由于采用模糊化的的运行机制，这使得系统的容错能力得到加强。

但是最主要的是模糊神经网络扩大了系统处理信息的范围，使得系统处理信息的方法变得更加灵活。

模糊神经网络有多种类型，与一般神经网络相类似，通常将最基本的神经网络划分为前向型模糊神经网络和反馈型模糊神经网络两大类。

前向型模糊神经网络是一类可实现模糊映射关系的模糊神经网络。

这类网络通常由模糊化网层、模糊关系反映网层和去模糊化网层构成。

模糊化网层是对模糊信息进行预处理的网层，主要由模糊化神经元组成。

其主要功能是对观测值和输入值（包括模糊的和非模糊的信息、数据）进行规范化处理，使之适应后面的网络化处理。

模糊关系映射网层是前向型模糊神经网络的核心，可模拟执行模糊关系的映射，以实现模糊模式识别、模糊推理和模糊联想等。

去模糊化网层可对映射网层的输出结果进行非模糊化处理。

这在识别与控制领域有时是十分必要的，因为系统有时要求给出确定性的结果以供执行器去执行。

反馈型模糊神经网络主要是一类可实现模糊联想存储与映射的网络，有时也称其为模糊联想存储器。

与一般反馈型神经网络不同的是，反馈型神经网络中的信息处理单元——神经元，不是普通的阈值神经元，而是模糊神经元。

因而其所实现的联想与映射是一种模糊联想与映射。

这种，模糊联想与映射比一般的模糊两项与映射具有更大的吸引域和容错能力。

2.神经网络控制器

神经元网络可以用一般的多层前向BP网络实现，但由于涉及模糊成分的方式不同，可得到多种类型的模糊神经网络。

一个具有m个输入单输出的模糊推系统可描述为：

R：

ifXisaiThenY=Yi

运用样本数据对网络进行训练，不断调整网络权值及其他可调参数（如隶属度函数中的可变参数），便可以得到自动调节控制规则隶属度函数的形状和网络权系数，从而可以达到不断学习模糊规则的目的。

根据给定的性能指标函数应用神经网络进行模糊推理，可以自适应地自动修正隶属度函数的参数和加权系数。

因此，将神经网络与模糊逻辑结合来设计模糊神经网络控制系统具有自学习自适应的优点，是一种很有发展前景的新技术。

3.洗衣机数据：

物理量检测：

洗衣机在洗衣过程中起决定作用的物理量有布质、布量、浑浊度、水温等四种。

这些物理量都需要采用一定的方法检测出来，并且转换成单片机MC8805R3能接受的形式送入单片机中，才能进行处理和执行模糊推理。

这些物理量可以通过测量电路得到，通过端口连接，可以把检测得到的信号传到单片机。

浑浊度的检测：

衣物的脏污程度、肮脏性质和洗净程度等都需要检测，以便进行工作过程的整定的控制。

浑浊度的检测是采用红外光电传感器来完成的。

利用红外线在水中的连光率和时间的关系，通过模糊推理，以得到检测的结果而这个结果就可以用于控制推理。

浑浊度检测器的结构和安装情况，红外发射管和红外接受过分别安装在排水管的两侧，在红外发射管中通以一定的恒定电流，使红外接受管中接收到的红外强度反映了水的浑浊程度。

根据红外接受管所收到的红外强度，就可以得出水的浑浊度。

通过实际可知在洗涤中红外线透光率的变化情况以及有关因素的关系。

随着洗涤的开始，衣物中的污物溶解于水，使得透光率下降，同时随着洗涤剂的投入，衣物中的污物进一步溶解和脱落于水，故透光率进一步下降，并到达一个最低值，然后随着漂洗的进行，衣物变得干净，水质也变清，从而使得红外透光率渐渐升高，最后达到初始值。

一般而言，当透光率再次达至初始值时，说明衣物洗涤干净，这是可以停止漂洗。

在研究神经网络的过程中，利用计算机进行仿真是研究人员应用最多的方法吗，MATLAB提供了神经网络工具箱。

对于各种网络模型，神经网络工具箱提供了多种学习算法以及相关的工具函数，帮助他们呢可以直观、方便地进行神经网络的应用设计、分析、计算等。

设计网络工具箱几乎包括了现有神经网络的最新成果，设计的神经网络模型包括感知器、线性网络、BP网络、径向基函数网络、竞争型神经网络、自组织网络和学习响亮量化网络及反馈网络。

此外，神经网络工具箱中还给出了大量的示例程序，为用户轻松地使用工具箱提供了生动的实用的范例。

4.MATLAB：

在研究神经网络的过程中，利用计算机进行仿真是研究人员应用最多的方法吗，MATLAB提供了神经网络工具箱。

对于各种网络模型，神经网络工具箱提供了多种学习算法以及相关的工具函数，帮助他们呢可以直观、方便地进行神经网络的应用设计、分析、计算等。

设计网络工具箱几乎包括了现有神经网络的最新成果，设计的神经网络模型包括感知器、线性网络、BP网络、径向基函数网络、竞争型神经网络、自组织网络和学习响亮量化网络及反馈网络。

此外，神经网络工具箱中还给出了大量的示例程序，为用户轻松地使用工具箱提供了生动的实用的范例。

四．基于MATLAB的水箱供水模糊控制方法系统设计

1.设计思路：

洗衣机的神经网络模糊控制器的设计

模糊控制首先是对控制对象按照人们的经验总结模糊规则，采用的数量是模糊量，由单片机对这些信息按照模糊规则作出决策来完成自动控制。

在洗涤衣物的过程中，衣物的多少、面料的软硬等都是模糊量，所以首先要做量的实验，总结出人为洗涤方式，从而形成模糊控制规则。

根据传感器接受的信息，洗衣机判断出出衣物多少，面料软硬程度和脏污程度、脏污性质、推理作出模糊决策。

从而完成注水量。

洗涤时间、水流强弱、洗涤方式、脱水时间、排水等所有功能。

分析洗衣机的运行过程可以看出，其主要被控参量是洗涤时间和水流强度，影响这一输出参量的主要因素是被洗衣物的脏污程度和脏污性质，这两个变量可以用水的浑浊度和浑浊度变化率来表示，在洗涤过程中，油性脏污的浑浊度变化率小，泥性脏污的浑浊度变化率大。

实际分析证明：

输入和输出之间很难用一定的数学模型来描述，系统的具体条件具有较大的不确定性，其控制过程在很大程度上依赖于操作者的经验，用常规的方法难以达到理想的效果。

应用模糊控制技术就能容易解决这个问题。

根据上述的模糊控制基本原理，可分出确定洗涤时间的模糊推理框图。

其输入量为洗涤水的浑浊度及其变化率，输出为洗涤时间。

考虑到适当的控制性能需要和简化程序，定义输出量浑浊度的模糊词集为{清、较浊、浊、很浊}；定义浑浊度的变换率模糊词集为{零、小、中、大}；定义输出变量洗涤时间的模糊词集为{短、较短、标准、长}。

描述输入输出变量的词集都具有模糊特性，可以用模糊集合表示。

因此模糊概念的确定问题就直接转化为求取模糊集合的隶属度函数问题。

描述输入输出变量的词集都是模糊集，可以用模糊集合来表示，用模糊推理来运算，因此，问题的关键在于求取模糊集合隶属度函数。

洗衣机模糊控制的输入和输出变量的隶属度函数，由此可以相继确定它的模糊子集.

洗衣机模糊控制的控制部分框图，模糊控制的过程为：

首先洗衣机获取的浑浊度信息由传感器送到信息处理单元，分为浑浊度和浑浊度变化率送入模糊控制器。

对于输入的模糊量，需要将其变换成模糊变量，通过单片机，利用查表法按照模糊推理法则作出决策，结果被认为是模糊变量，经过去模糊化单元处理，再由执行机构去修改洗涤时间，这样就完成了一次模糊控制算法过程。

一般的模糊控制洗衣机将“专家经验”通过模糊控制规则表体现出来，运行中通过查表作出控制决策，这比需要操作者设定程序的电脑控制洗衣机前进了一大步。

但是，这种洗衣机由于规则表需要占用大量的内存时间，查表反应速度慢，只能够按照已经编人的规则进行控制，因此这种通过查表作出控制决策的模糊控制方法不够理想。

而把神经网络和模糊控制相结合，则能够解决这个问题。

洗衣机的神经网络模糊控制是利用离线训练好的网络，通过在线计算即可得到最佳输出。

这种控制模式的反应速度快，而且神经网络又具有自学习功能和联想能力，对于未在训练中出现的样本，也可以通过联系记忆的功能，做出控制决策，表现非常灵活。

洗衣机的神经网络模糊控制器中含有多个神经网络模糊环节，下面仅以浑浊度和浑浊度变化率输入参量来确定洗涤时间的控制器。

控制器控制的控制框图得出浑浊度神经网络结构,神经模糊控制器在输入输出变量的选择，以及模糊论域和模糊子集的确定方面，与一般模糊控制器没有什么区别，只是在推理手段上引入了神经网络。

根据模糊规则，可得到网络的训练样本P和T。

通过设置神经元传递函数和训练函数，训练误差为0.001，训练函数采用traingdx函数，训练后得到