利用神经网络模型监控plc程序及预测plc控制逻辑错误[外文翻译].doc

摘要

本文综述监控和预测PLC程序错误的神经网络模型。在PLC设备控制的生产线上，PLC程序是生产线的基本组成部分之一，由它来控制整个生产活动。生产线自动化水平的高低取决于使用的控制机构。现代化的制造业里，由于合理的、智能的PLC程序的运用，PLC设备已经能够控制整条生产线的运作。换言之，PLC程序能够管理整个工艺过程。我们现在提出一种方法，就是利用神经网络模型来监控PLC程序和预测PLC程序的错误。利用神经网络模型使得PLC系统变得可预测。只要在PLC装置执行或者PLC程序运行的过程中，一直严格地监测传感器的信号，接着利用神经网络算法来分析这些信号，就能够发现此时可能存在的错误（如偏压等）。此外，这还可能减少谬误和对程序的修改。因此，它能够很方便地使用于故障检测，维修，以及生产者的决策支持，而且它还可以减少机器的停机时间和避免可能的风险。
关键字: PLC, 人工神经网络(ANN), 故障检测, 预测错误, 监控

1. 引言

现代化的制造业中，PLC被广泛运用到自动化生产之中。在典型的工业过程中，在生产寿命结束之前，我们都希望生产系统进一步的改善。对于生产系统而言，设备的维护费用相对高于自动化的费用[1]。PLC是一款有特殊用途的计算机，它是为了管理控制多个输入输出，它能够工作于恶劣的温度环境、电磁环境、噪声环境下，而且抗振动、耐冲击。可编程逻辑控制器（PLC）日益普及是因为它在控制方面很灵活，只要改变PLC程序就可以改变对生产的控制。所以制造业的自动化程度取决于PLC程序。换言之，只要提供一套指令给PLC，PLC就能控制生产线的整个过程结构。因此，PLC程序成为了现代化的制造业的重要组成部分。然而，由于PLC关于高级语言的编程系统并不灵活，PLC故障检测与诊断的能力是有限的。PLC程序能够连续监测对于减少机器的停机时间、防止潜在的风险保证机器正常运