论文部分内容阅读
我国是合成金刚石的制造大国,但因加热技术的限制,导致我国的金刚石质量长期处于中低端,面临着产量增大,价格越低的尴尬处境。针对我国现有金刚石压机,金刚石合成过程中出现的电源波形异常、温度测控困难、易超调、抗干扰性差等问题,提出一种基于改进的BP神经网络PID优化的金刚石加热系统,主要内容包括: 硬件上,针对工厂电源因受污染造成的正弦波畸变,导致金刚石加热测控系统精度较低的问题,设计了一种以单片机STC12C5A60S2为核心的交—直—交数字化SPWM逆变电源系统;并设计了一种金刚石间接加热装置,配合钨—铼合金热电偶,经冷端补偿,可实现直接测量腔体温度;还介绍了该加热系统核心硬件的选型;搭建了以STM32为核心的实验平台,分模块实现了加热系统的功能。 算法上,针对金刚石加热过程中,信号易超调,波动的特点,深入研究了一种基于自适应调整学习速率与添加动量项相结合改进的BP神经网络增量式PID控制算法。详细介绍了隐层数、隐层节点数等参数的选取规则,并分析了标准BP神经网络算法及传统数字化PID的不足。通过MATLAB仿真证明,该改进的算法具有反应速率更快、超调量更小的优点,能有效解决金刚石压机加热系统的非线性、滞后性、易受干扰的问题,这对于我国合成高品级超硬质晶体的前景来说具有重要意义。