CN101025625A - 一种基于dsp的嵌入式智能控制器 - Google Patents

一种基于dsp的嵌入式智能控制器 Download PDF

Info

Publication number
CN101025625A
CN101025625A CNA200610008276XA CN200610008276A CN101025625A CN 101025625 A CN101025625 A CN 101025625A CN A200610008276X A CNA200610008276X A CN A200610008276XA CN 200610008276 A CN200610008276 A CN 200610008276A CN 101025625 A CN101025625 A CN 101025625A
Authority
CN
China
Prior art keywords
control
controller
dsp
processing unit
converter
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CNA200610008276XA
Other languages
English (en)
Inventor
焦宗夏
靳红涛
王少萍
康荣杰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beihang University
Beijing University of Aeronautics and Astronautics
Original Assignee
Beihang University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beihang University filed Critical Beihang University
Priority to CNA200610008276XA priority Critical patent/CN101025625A/zh
Publication of CN101025625A publication Critical patent/CN101025625A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • YGENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02PCLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/02Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]

Landscapes

  • Control By Computers (AREA)

Abstract

本发明属于伺服控制技术领域,实现了一种基于DSP的嵌入式智能控制器,涉及以高性能DSP芯片为核心的控制电路模块以及若干智能控制算法。本控制器在硬件上主要包括:DSP处理单元19,复杂可编程逻辑器件(CPLD)18,FLASH程序存储器17,AD转换器14,DA转换器15,FIFO存储器16,CAN总线通信模块25。通过多种优化设计,着力提高系统运作效率和处理能力,同时具有良好的扩展性。在控制软件方面,本控制器内嵌了复合神经网络等多种先进控制算法,能够在线调整、优化控制参数,提高实时控制性能。根据需要,本控制器还可以方便地扩充其它控制算法,并在工程现场随时调用,以胜任不同的控制任务。用户甚至能够向本控制器导入控制对象模型,利用其强大的信息处理能力,完成控制系统的半实物仿真实验。与常规控制器相比,本发明具有软硬件封装完备,集成度高,控制手段多样,鲁棒性强,通用性好,体积功耗小,便于扩展升级等优点。

Description

一种基于DSP的嵌入式智能控制器
技术领域
本发明属于机电伺服控制技术,涉及一种基于DSP的嵌入式智能控制器。
背景技术
电液负载模拟器是典型的位置扰动型电液力(矩)伺服系统。其主要应用之一是给导弹和飞机等飞行器的舵机系统加载,模拟舵面在飞行过程中所受到的气动力载荷,这类系统所需加载力矩不是很大,但对加载系统的频宽和精度要求很高,是力(矩)伺服系统研制中的一个难点。
导弹和飞机的性能指标与其飞行控制系统密切相关。在导弹及其飞行控制系统的研制过程中,以前常常通过打靶等破坏性实验来获取有关资料,不仅造价非常昂贵,有用的数据也不易获得;而飞机的飞行控制系统的特性如果通过飞行试验来获得的话,无论从经济性还是危险性来看都是不可行的。网络和信息技术的飞速发展,为飞控系统的研制提供了新的途径。为了缩短研制周期和研制费用,可以对飞行控制系统中的部件采用数字仿真或实物模拟的方式在地面上搭建仿真系统、模拟飞行试验。在整个仿真系统中,飞行控制系统采用实物,而飞行器在飞行过程中所受到的外界作用(如:气动力、加速度、舵面倾角等等)则由各个仿真平台来施加于飞控系统,这就是所谓的半实物仿真。飞控系统的半实物仿真中,负载模拟器的主要任务就是接收来自中央仿真计算机的指令、快速准确地复现飞行器在飞行过程中受到的舵面气动力矩载荷,并能实时地施加在受控运动的舵机上。图1是一种现有负载模拟器控制方案图,方框内部分为负载模拟器的控制器部分。目前多通过工控机08配合AD采集卡06和DA输出卡07实现,设备体积庞大,对一些复杂控制算法力不从心,而且通用性差,很难移植到其它控制对象上去。
发明内容
本发明的目的是:提供一种能胜任数据高速采集、运算和处理任务,控制手段多样,功能强大,调试灵活方便的智能控制器。
本发明的技术方案是:一种基于DSP的嵌入式智能控制器,在硬件上主要包括:DSP处理单元19,CPLD芯片18,FLASH存储器17,AD转换器14,DA转换器15,FIFO存储器16,CAN总线通信模块25,其特征在于:
(1)浮点型DSP处理单元19,是控制器的核心,通过DMA方式从FIFO存储器16读取由多路并行AD转换器14采集到的数据,与CPLD芯片18配合,完成读取逻辑控制;
(2)CAN总线通信模块25,还包括,双口RAM 20、51单片机21和CAN总线控制器22,其中51单片机21一方面完成与CAN总线控制器22的数据交换,另一方面通过双口RAM 20与DSP处理单元19实现数据共享,减小CAN总线控制器22对DSP处理单元19的资源占用。
本控制器内嵌了变间隔PID控制、模糊复合PID控制和复合神经网络等多种先进控制算法,控制算法和控制参数可以根据需要在线调用和调整,并实现四通道控制算法并行处理,使实时控制精度和软件运行效率得到提高,也可将驱动电路13、滤波电路12和被控对象11的数学模型保存到控制器中,结合控制算法,完成控制系统半实物仿真实验。
本发明的优点是:与常规控制器相比,本控制器软硬件封装完备,集成度高,处理能力突出,胜任复杂的智能控制算法,而且适应性好,体积功耗小,便于扩展升级,调试简便。
附图说明
图1是现有的一种负载模拟器控制方案框图。
图2是基于DSP的智能控制器方案框图。
图3是一种基于对角回归的神经网络(DRNN)结构示意图。
具体实施方式
下面对本发明做进一步详细说明。参见图2。
本控制器在硬件上主要包括:DSP处理单元19,CPLD芯片18,FLASH存储器17,AD转换器14,DA转换器15,FIFO存储器16,CAN总线通信模块25。
其中DSP处理单元19由外部晶体起振,经DSP处理单元19内部的PLL电路倍频产生时钟信号。通过把DSP处理单元19工作模式设置为微计算机模式,从而使芯片复位时可以实现程序的引导装载功能。为了提高DSP处理单元19运行时的可靠性,配置了处理器监控电路25,既可以监控DSP处理单元19的芯片电压,同时具有看门狗作用,一旦检测到芯电压低于正常值,或者接收不到DSP处理单元19输出的喂狗信号,将向DSP处理单元19发出一个低电平复位信号。
CPLD芯片18通过原理图结合硬件描述语言的方式进行设计,主要用于实现DSP处理单元19对外围电路的逻辑控制、时序控制、译码片选等功能,具备在系统编程能力(ISP),而且其I/O口兼容多种外部电压,能方便地和不同供电电压的器件直接相连。
Flash存储器17主要作为片外程序存储器,芯片容量根据实际情况进行选择。用户向其特定地址写入特定的指令序列,通过这些指令序列可以完成:复位、校验、整片擦除、块擦除、扇区擦除、操作字写入等操作。当然,只要不脱离本发明的主旨,选用其它可再编程、非易失性存储体也不脱离本发明范畴。
AD转换器14用于采集外部信号,例如:被控对象的各种状态,并将采集到的模拟信号转换成数字信号,提供给DSP处理单元19,进行处理分析。
AD采集转换速度通常比DSP自身运算速度慢很多。所以有必要采用FIFO存储器。从AD转换器14传来的数据先送往FIFO存储器16,一旦FIFO存储器16满了,再向DSP处理单元19申请中断,DSP处理单元19通过DMA方式读取数据。这样可以省去DSP处理单元19花在查询与等待的时间,而且中断次数也比由外设直接向DSP处理单元19申请的次数大大减少,从而提高了数据传输速率。
DA转换器15用于将DSP处理单元19计算得到的数字控制量转换成模拟电压信号输出。输出的模拟电压信号经过调理、滤波和功率放大,驱动被控对象实现控制目的。
在通信接口方面,本控制器采用了适于工业控制的CAN总线接口。为了充分解放DSP处理单元19,尽量发挥其数据处理速度快的优势,本控制器没有采用通常做法:将CAN总线控制器22的数据线与DSP处理单元19的数据线直接相连,而是采用一块51单片机21来承担与CAN总线控制器22的数据交换任务。同时,在DSP处理单元19和51单片机21之间通过双口RAM 20实现数据共享。这种方式有效减轻了DSP处理单元19的工作负担,提高了整个系统数据传输的速率。当然,只要不脱离本发明的主旨,选用其它形式的总线接口也不脱离本发明范畴。
在控制程序方面,本控制器内嵌了变间隔PID控制、模糊复合PID控制和复合神经网络等多种先进控制算法,方便用户根据不同的控制任务有针对性地进行调用,也可将驱动电路13、滤波电路12和被控对象11的数学模型保存到控制器中,结合控制算法,完成控制系统的半实物仿真实验。
在此,简要描述控制算法中一种基于对角回归的神经网络(DRNN),其三层网络结构如图3所示。隐含层为回归神经元。其中,Ii为网络的第i个输入;O为网络的输出;Wj O为隐含层第j个神经元的输出权;Wij I为第i个输入与第j个隐含层神经元之间的连接权;Sj为第j个隐含层神经元的输入;Xj为第j个回归元的输出,Wj D为第j个回归神经元反馈(回归)权值。其输入输出映射关系由如下方程描述:
O ( t ) = Σ j W j O X j ( t ) (式1)
Xj(t)=f(Sj(t))                  (式2)
S j ( t ) = W j D X j ( t - 1 ) + Σ i W ij I I i ( t ) (式3)
其中,f(·)为Sigmod函数: f ( s ) = 2 1 + e - s - 1
给出网络的初始状态后,通过递推运算,就可以得到最终输出。将此DRNN神经网络运用于控制系统,使系统具有了自我学习,自我调整的特点。
神经网络等先进控制算法,复杂度高,计算量大,内嵌到本控制器,能充分发挥它们的作用。

Claims (3)

1、一种基于DSP的嵌入式智能控制器,在硬件上主要包括:DSP处理单元19,CPLD芯片18,FLASH存储器17,AD转换器14,DA转换器15,FIFO存储器16,CAN总线通信模块25,其特征在于:
(1)浮点型DSP处理单元19,是控制器的核心,通过DMA方式从FIFO存储器16读取由多路并行AD转换器14采集到的数据,与CPLD芯片18配合,完成读取逻辑控制;
(2)CAN总线通信模块25,还包括,双口RAM 20、51单片机21和CAN总线控制器22,其中51单片机21一方面完成与CAN总线控制器22的数据交换,另一方面通过双口RAM 20与DSP处理单元19实现数据共享,减小CAN总线控制器22对DSP处理单元19的资源占用。
2、一种基于DSP的嵌入式智能控制器的控制方法,其特征在于:
本控制器内嵌了变间隔PID控制、模糊复合PID控制和复合神经网络等多种先进控制算法,控制算法和控制参数可以根据需要在线调用和调整,并实现四通道控制算法并行处理,使实时控制精度和软件运行效率得到提高。
3、根据权利要求1,2所述的基于DSP的嵌入式智能控制器及其控制方法,其特征在于:
可将驱动电路13、滤波电路12和被控对象11的数学模型保存到控制器中,结合控制算法,完成控制系统半实物仿真实验。
CNA200610008276XA 2006-02-20 2006-02-20 一种基于dsp的嵌入式智能控制器 Pending CN101025625A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CNA200610008276XA CN101025625A (zh) 2006-02-20 2006-02-20 一种基于dsp的嵌入式智能控制器

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CNA200610008276XA CN101025625A (zh) 2006-02-20 2006-02-20 一种基于dsp的嵌入式智能控制器

Publications (1)

Publication Number Publication Date
CN101025625A true CN101025625A (zh) 2007-08-29

Family

ID=38743977

Family Applications (1)

Application Number Title Priority Date Filing Date
CNA200610008276XA Pending CN101025625A (zh) 2006-02-20 2006-02-20 一种基于dsp的嵌入式智能控制器

Country Status (1)

Country Link
CN (1) CN101025625A (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101141144B (zh) * 2007-10-18 2010-08-25 北京天碁科技有限公司 一种实时控制射频芯片及模拟基带芯片的装置
CN101976044A (zh) * 2010-10-22 2011-02-16 天津理工大学 一种基于神经网络的风电系统建模及dsp实现方法
CN102053628A (zh) * 2009-10-27 2011-05-11 北京航空航天大学 基于神经网络的伺服控制系统及方法
CN102298342A (zh) * 2011-03-28 2011-12-28 陶英斌 电子测量及控制模块
CN103279062A (zh) * 2013-06-08 2013-09-04 南京理工大学 交流位置伺服系统控制装置
CN103765760A (zh) * 2011-08-26 2014-04-30 三菱电机株式会社 一体型伺服系统、电动机系统以及电动机的控制方法
CN104214082B (zh) * 2014-08-20 2016-06-01 北京航空航天大学 一种基于dsp的机载智能泵源系统的控制器
CN105975257A (zh) * 2016-04-27 2016-09-28 北京小鸟看看科技有限公司 将MicroBlaze平台的嵌入式代码向Cortex-A9处理器移植的方法

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101141144B (zh) * 2007-10-18 2010-08-25 北京天碁科技有限公司 一种实时控制射频芯片及模拟基带芯片的装置
CN102053628A (zh) * 2009-10-27 2011-05-11 北京航空航天大学 基于神经网络的伺服控制系统及方法
CN102053628B (zh) * 2009-10-27 2014-10-22 北京航空航天大学 基于神经网络的伺服控制系统及方法
CN101976044A (zh) * 2010-10-22 2011-02-16 天津理工大学 一种基于神经网络的风电系统建模及dsp实现方法
CN102298342A (zh) * 2011-03-28 2011-12-28 陶英斌 电子测量及控制模块
CN103765760A (zh) * 2011-08-26 2014-04-30 三菱电机株式会社 一体型伺服系统、电动机系统以及电动机的控制方法
CN103765760B (zh) * 2011-08-26 2018-02-13 三菱电机株式会社 一体型伺服系统、电动机系统以及电动机的控制方法
CN103279062A (zh) * 2013-06-08 2013-09-04 南京理工大学 交流位置伺服系统控制装置
CN104214082B (zh) * 2014-08-20 2016-06-01 北京航空航天大学 一种基于dsp的机载智能泵源系统的控制器
CN105975257A (zh) * 2016-04-27 2016-09-28 北京小鸟看看科技有限公司 将MicroBlaze平台的嵌入式代码向Cortex-A9处理器移植的方法

Similar Documents

Publication Publication Date Title
CN101025625A (zh) 一种基于dsp的嵌入式智能控制器
CN107942720A (zh) 一种便携式地面在线飞行仿真系统
CN101739031B (zh) 小卫星姿态控制地面仿真装置及方法
CN105302950A (zh) 一种软、硬件协同的可编程逻辑器件交联仿真测试方法
Menghal et al. Real time simulation: Recent progress & challenges
CN109190756A (zh) 基于Winograd卷积的运算装置及包含该装置的神经网络处理器
CN103744419B (zh) 组合型靶弹仿飞测试系统
CN104216324B (zh) 合成孔径雷达任务管理控制器的相关方法
CN110631792B (zh) 基于卷积神经网络的抗震混合试验模型更新方法
CN102393656A (zh) 一种基于fpga的模块化机器人嵌入式多核主控制器
CN103106305B (zh) 一种基于实测模态的空间网格结构模型分步修正方法
CN1687902A (zh) 嵌入式实时仿真平台
CN109669832A (zh) 一种面向gpu芯片图形管线单元性能验证方法及平台
CN112153139B (zh) 基于传感器网络和存内计算神经网络的控制系统及方法
CN108536912A (zh) 一种输电塔结构力学分析及其App制作的方法
CN109670581B (zh) 一种计算装置及板卡
CN104252550A (zh) 一种基于fpga的高性能实时仿真方法
CN109657408A (zh) 一种再生核粒子算法实现结构线性静力学仿真方法
CN102663495A (zh) 一种用于非线性器件建模的神经网络数据生成方法
CN110847111B (zh) 基于半实物仿真的获取水电站闸门调度参数的方法
CN101021721A (zh) 基于三总线结构的智能监控单元专用集成电路
CN209514330U (zh) 超高速电磁推进控制半实物仿真系统
CN102929842A (zh) 基于fpaa的可重构矢量-矩阵乘法器设计方法
CN107293186A (zh) 一种训练模拟器的惯性导航实时仿真系统
CN106844900A (zh) 电磁暂态仿真系统的搭设方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C02 Deemed withdrawal of patent application after publication (patent law 2001)
WD01 Invention patent application deemed withdrawn after publication

Open date: 20070829