所以，智能控制的工作流程大致是：确定广义对象，之后是传感器收集信息。接着传感器将信息传递给感知信息处理，感知信息处理成有效信息后传给认知。认知分析推理完毕再传递到规划控制。规划控制产生具体的控制作用，控制作用由执行器相对控制对象作出具体的行动。

智能控制是一个如今依然在迅速发展的领域，它具有各种形式的控制系统，对应的智能控制器也在不断地被开发和应用。目前常见的几种智能控制器类型有：分层递阶智能控制、专家智能控制、仿人智能控制、自学习智能控制、基于神经网络的智能控制、模糊控制以及组合智能控制等等。其中，神经网络控制、专家智能控制以及模糊控制是目前研究领域中最热门的三个方向。

人工神经网络实际上就是将一种简单的计算处理单元当成神经元，也就是节点，各节点相互连接组成某种网络拓扑结构构成的活性网络。如此一来，人工神经网络就可以用来描述几乎全部的非线性系统，而且这种网络还具备学习能力、记忆能力、智能处理能力以及计算能力，可以说，某种程度和规模上模仿了人脑神经系统的信息处理以及存储能力。对于工业控制领域，人工神经网络的意义就在于它能够极限逼近任何一种复杂的非线性系统，具备着学习和自适应系统特性的能力。而且人工神经网络能储存大量信息，从而具备了优秀的容错性，能够同时进行快速而大量运算的能力也强化了它的功能。

自适应PID神经网络基础就是单神经元模型，根据对人类神经元网络的模拟，建立了三种针对不同应用的数学函数，这些函数被称为活化函数，分别是：简单线性函数、线性阈值函数、Sigmoid函数。

自适应PID神经网络的学习功能绝对是自适应PID神经网络控制算法的主要特征之一。自适应PID神经网络有一种修正神经元之间连接强度或加权系数的算法，这种算法叫学习规则。学习规则能使获得的知识结构适应周围环境的变化。自适应PID神经网络控制能够在学习的过程中执行学习规则并且通过学习功能修正加权系数。学习算法可以分为有监督学习和无监督学习两类。

1.3 课题研究主要工作

基于PLC的水位控制系统对于生产生活都有着非同寻常的意义。水位控制系统在化工、能源等领域都是常见的自动控制系统。同时，液位控制在人们的日常生活中也有着广泛应用，举例来说：每个小区都有的水塔供水系统就是其中的一种。液位控制系统由液位变送器、电动执行机构和PID控制器组成。液位控制系统可以根据使用者的需求来采用不同处理方法控制水箱液位。

根据毕业课题的设计要求，已经完成如下工作：

1）系统设计。系统设计需要考虑硬件设备的选型，软件算法的确定和如何改进算法。

2）数学模型的建立。要根据实际的情况建立符合液位控制系统的数学模型。

3）通过PCS7完成硬件设备的组态。硬件组态要根据选择的硬件型号和参数进行配置。

4）硬件组态完成后还需要配置网络组态以及编写能通过PROFIBUSDP总线与PM125模块和SMPT-1000进行数据通讯的程序模块。

5）根据设计方案中的系统设计和建立的数学模型实现算法。

6）实现设计方案中的自适应PID神经网络算法。调整参数获得实时曲线图。

2 系统硬件软件介绍

本章包含系统设计方案中涉及的硬件和软件的介绍，包括硬件PLC的特点、组成、近况和发展趋势等。同时还有对西门子PCS7过程控制系统的结构特点、硬件组态配置和编程所使用的语言以及WINCC组态画面等部分的详细介绍。

2.1 可编程逻辑控制器（PLC）介绍