CN101995845A - 基于fpga的自调匀整控制系统及控制方法 - Google Patents
基于fpga的自调匀整控制系统及控制方法 Download PDFInfo
- Publication number
- CN101995845A CN101995845A CN 201010531855 CN201010531855A CN101995845A CN 101995845 A CN101995845 A CN 101995845A CN 201010531855 CN201010531855 CN 201010531855 CN 201010531855 A CN201010531855 A CN 201010531855A CN 101995845 A CN101995845 A CN 101995845A
- Authority
- CN
- China
- Prior art keywords
- value
- fuzzy
- error
- controller
- sliver
- 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.)
- Granted
Links
Images
Abstract
本发明公开的一种基于FPGA的自调匀整控制系统及控制方法,在控制器内设定线密度值,将棉条放入喂入检测点,检测机构a对棉条线密度进行检测,得到喂入棉条的实际线密度值,将棉条的实际线密度值传递给控制器;将检测后的棉条输送至牵伸机构,控制器将得到的实际线密度值与设定线密度值进行比较,控制牵伸机构按照初始牵伸比对棉条进行牵伸,检测机构b将棉条匀整后的线密度值反馈给控制器,控制牵伸机构按照调整后的牵伸比对下一个棉条进行牵伸。本发明通过FPGA技术来实现模糊PID算法控制,把系统的硬件和软件充分的结合,使得硬件的成本降到最低,同时保证了系统算法模块的简化,减少了处理器对算法的运算,提高了系统的运行速度。
Description
技术领域
本发明属于信号与信息处理及纺织技术领域,具体涉及一种基于FPGA的自调匀整控制系统,本发明还涉及利用该系统进行控制的方法。
背景技术
自调匀整系统是一种用来控制棉条粗细不匀的自动调节装置。自调匀整系统自动控制输出棉条的定量,是采用自动调节牵伸倍数的办法。它在棉条太粗时加大牵伸,太细时则减小牵伸,最后使输出棉条始终维持一定范围的粗细和定量,它在现代纺织工业中有着极其重要的地位。该系统是一个强扰动(输入棉条线密度不断变化)、大延迟(匀整点到检测点的延时)的定值(输出棉条的线密度为一定值)控制系统。
在传统的自调匀整控制中,大多是采用PID控制,这种控制过程较为复杂。传统的PID控制在工业生产中虽然得到广泛应用,但是对于大滞后、非线性的复杂系统,常规PID控制很难保证其控制效果处于最佳状态。而模糊控制不需要控制对象的精确数学模型,它是一种基于规则的控制,依据操作人员的控制经验和专家的知识,通过查表就可以得到控制量,实现简单,控制效果好。采用模糊推理的方法实现PID参数kp、ki、kd的在线自整定,不仅保持了常规PID控制系统原理简单、使用方便、鲁棒性较强等优点,而且具有更大的灵活性、整定性、控制精度更好,是目前较为先进的一种控制系统。
随着FPGA(现场可编程门阵列)技术的迅猛发展,FPGA以其独有的优势在电子设计领域得到愈来愈广泛的应用,FPGA最明显的优势在于集成度高、体积小、功耗低、可靠性高、电路设计灵活。
发明内容
本发明的目的是提供一种基于FPGA的自调匀整控制系统,解决了现有控制系统难以建立精确数学模型,操作复杂,控制效果不佳的问题。
本发明的另一目的是提供一种采用上述系统进行控制的方法。
本发明所采用的技术方案是,一种基于FPGA的自调匀整控制系统,包括依次连接的喂入检测点、牵伸机构及输出检测点,喂入检测点上还依次连接有检测机构a和控制器,控制器的输出端通过执行机构和牵伸机构相连接,所述的输出检测点还通过检测机构b和控制器相连接。
本发明所采用的另一技术方案是,一种基于FPGA的自调匀整控制方法,采用一种基于FPGA的自调匀整控制系统,其结构为:包括依次连接的喂入检测点、牵伸机构及输出检测点,喂入检测点上还依次连接有检测机构a和控制器,控制器的输出端通过执行机构和牵伸机构相连接,输出检测点还通过检测机构b和控制器相连接,
具体按照以下步骤实施:
步骤1:在控制器内设定线密度值,将棉条放入喂入检测点,检测机构a对棉条线密度进行检测,得到喂入棉条的实际线密度值,将棉条的实际线密度值传递给控制器;
步骤2:将上步检测后的棉条输送至牵伸机构,控制器将步骤1得到的实际线密度值与设定线密度值进行比较,根据模糊控制规则得到牵伸比的初始调整值,将得到的牵伸比的初始调整值传递给执行机构,执行机构根据牵伸比的初始调整值得到初始牵伸比,然后控制牵伸机构按照初始牵伸比对棉条进行牵伸,使得棉条的线密度值和设定线密度值相同,得到匀整后的棉条;
步骤3:将步骤2得到的匀整后的棉条输送至输出检测点,检测机构b对匀整后的棉条进行检测,得到棉条匀整后的线密度值,检测机构b将棉条匀整后的线密度值反馈给控制器,控制器将棉条匀整后的线密度值与设定线密度值进行比较,根据模糊控制规则得到牵伸比的调整值Δu,将得到的牵伸比的调整值Δu传递给执行机构,执行机构根据牵伸比的调整值Δu得到调整后的牵伸比,然后控制牵伸机构按照调整后的牵伸比对下一个棉条进行牵伸,重复该步骤,完成基于FPGA的自调匀整控制。
本发明的特点还在于,
其中的步骤2中的控制器根据模糊控制规则得到牵伸比的初始调整值,具体按照以下步骤实施:
A:确定模糊PID控制器的输入变量即误差的精确值e和输出变量即误差变化率精确值ec,输入变量即为输入棉条的实际值与设定值的偏差以及偏差变化量,偏差变化量是通过对偏差的求导得到,输出变量为二维模糊PID控制器三个参数kp,ki,kd,其中,kp为比例系数,ki为积分系数,kd为微分系数;
B:将步骤A中得到的误差精确值e和误差变化率精确值ec量化到模糊论域变成误差模糊值E及误差变化率模糊值EC,即将偏差和偏差变化量量化到[-3,3]论域段,定义输入、输出模糊变量的模糊子集;由模糊控制器的控制规则表,确定模糊子集隶属函数曲线的形状,利用matlab中的模糊控制工具箱对PID模糊控制器进行仿真;
C:在simulink中建立自调匀整系统模糊PID的系统仿真模型,将步骤B中做好的模糊控制器嵌入仿真模型中,模糊PID控制对象初始参数,kp0=5.5,ki0=1.45,kd0=0.45,解答器采用ode3,仿真时间50;
D:将步骤C中的仿真模型在QuartusII里实现:将输入变量设定值和反馈值相减得到误差和误差变化量,然后将误差及误差变化量进行模糊量化,在模糊查找表中查找得到模糊PID参数值,将所得参数值与误差经乘加后得到牵伸比的初始调整值。
其中的步骤3中的控制器根据模糊控制规则得到牵伸比的调整值Δu,具体按照以下步骤实施:
A:确定模糊PID控制器的输入变量即误差的精确值e和输出变量即误差变化率精确值ec,输入变量即为输入棉条的实际值与设定值的偏差以及偏差变化量,偏差变化量是通过对偏差的求导得到,输出变量为二维模糊PID控制器三个参数kp,ki,kd,其中,kp为比例系数,ki为积分系数,kd为微分系数;
B:将步骤A中得到的误差的精确值e和误差变化率精确值ec量化到模糊论域变成误差模糊值E及误差变化率模糊值EC,即将偏差和偏差变化量量化到[-3,3]论域段,定义输入、输出模糊变量的模糊子集;由模糊控制器的控制规则表,确定模糊子集隶属函数曲线的形状,利用matlab中的模糊控制工具箱对PID模糊控制器进行仿真;
C:在simulink中建立自调匀整系统模糊PID的系统仿真模型,将步骤B中做好的模糊控制器嵌入仿真模型中,模糊PID控制对象初始参数,kp0=5.5,ki0=1.45,kd0=0.45,解答器采用ode3,仿真时间50;
D:将步骤C中的仿真模型在QuartusII里实现:将输入变量设定值和反馈值相减得到误差和误差变化量,然后将误差及误差变化量进行模糊量化,在模糊查找表中查找得到模糊PID参数值,将所得参数值与误差经乘加后得到牵伸比的调整值Δu。
其中的步骤D中的将步骤C中的仿真模型在QuartusII里实现,具体按照以下步骤实施:
a:将设定值与反馈值相减得到误差的精确值e,将前后两次误差相减得到误差变化率精确值ec;
b:将上步得到的误差精确值e和误差变化率精确值ec进行模糊量化,得到误差模糊值E、误差变化率模糊值EC,首先将模糊论域范围内输入的精确量进行量化,使其符合论域范围,将模糊论域按基本元素的不同分为若干段,每一段对应于一个论域中的基本元素,当输入精确值落入某个论域范围段时,经过模糊量化后,对应此精确量的输出量即为此论域的基本元素值;
c:将步骤b中得到的误差和误差变化量的量化结果作为模糊查找表的输入,模糊控制器采用增量式PID算法,在MATLAB中建立模糊逻辑函数的模型,把所有E,EC的组合输入模糊推理模型里,求出在这些输入下kp,ki和kd的值,设变量A=kp+ki+kd,B=-(kp+2kd),C=kd,即对kp,ki和kd的值进行线性组合,制作出一份以E,EC为输入,以A,B,C为输出的控制表,其中高三位是偏差E的量化地址,低三位是偏差变化率EC的量化地址;
d:调用函数库里的LPM_MULT宏模块,将步骤c中产生的A,B,C值和步骤a中产生的e(k)、e(k-1)、e(k-2),实现A与e(k)、B与e(k-1)、C与e(k-2)的相乘,其中,e(k)为本次误差,e(k-1)为下一周期误差,e(k-2)为e(k-1)后一周期的误差;然后调用parallel_add将三个值相加得到控制量。
本发明基于FPGA的自调匀整控制系统及控制方法的有益效果是,通过FPGA技术来实现模糊PID算法控制,把系统的硬件和软件充分的结合,扬长避短,最大限度的发挥了各自的优点,使得硬件的成本降到最低,同时保证了系统算法模块的简化,减少了处理器对算法的运算,提高了系统的运行速度。在复杂的控制系统中,可以大大的减轻处理器的负担,为算法的优化提供了可行的方式。大大降低了由于计算机故障对控制系统的影响,提高了控制模块的可靠性。
附图说明
图1是本发明基于FPGA的自调匀整控制系统的结构示意图;
图2是本发明方法中采用的自适应模糊PID控制器结构示意图;
图3是本发明方法中采用的自调匀整控制系统在QuartusII中的模糊自整定PID控制器电路架构。
图中,1.喂入检测点,2.牵伸机构,3.输出检测点,4.检测机构a,5.检测机构b,6.执行机构,7.控制器。
具体实施方式
下面结合附图和具体实施方式对本发明进行详细说明。
本发明基于FPGA的自调匀整控制系统,其结构如图1所示,包括依次连接的喂入检测点1、牵伸机构2及输出检测点3,喂入检测点1上还依次连接有检测机构a4和控制器7,控制器7的输出端通过执行机构6和牵伸机构2相连接,输出检测点3还通过检测机构b5和控制器7相连接。
采用上述系统进行控制的方法,具体按照以下步骤实施:
步骤1:在控制器7内设定线密度值,将棉条放入喂入检测点1,检测机构a4对棉条线密度进行检测,得到喂入棉条的实际线密度值,将棉条的实际线密度值传递给控制器7;
步骤2:将上步检测后的棉条输送至牵伸机构2,控制器7将步骤1得到的实际线密度值与设定线密度值进行比较,根据模糊控制规则得到牵伸比的初始调整值,将得到的牵伸比的初始调整值传递给执行机构6,执行机构6根据牵伸比的初始调整值得到初始牵伸比,然后控制牵伸机构2按照初始牵伸比对棉条进行牵伸,使得棉条的线密度值和设定线密度值相同,得到匀整后的棉条;
控制器7根据模糊控制规则得到牵伸比的初始调整值,具体按照以下步骤实施:
A:确定模糊PID控制器的输入变量即误差的精确值e和输出变量即误差变化率精确值ec,输入变量即为输入棉条的实际值与设定值的偏差以及偏差变化量,偏差变化量是通过对偏差的求导得到,输出变量为二维模糊PID控制器三个参数kp,ki,kd,其中,kp为比例系数,ki为积分系数,kd为微分系数;
B:将步骤A中得到的误差精确值e和误差变化率精确值ec量化到模糊论域变成误差模糊值E及误差变化率模糊值EC,即将偏差和偏差变化量量化到[-3,3]论域段,定义输入、输出模糊变量的模糊子集;由模糊控制器的控制规则表,确定模糊子集隶属函数曲线的形状,利用matlab中的模糊控制工具箱对PID模糊控制器进行仿真;
C:在simulink中建立自调匀整系统模糊PID的系统仿真模型,将步骤B中做好的模糊控制器嵌入仿真模型中,模糊PID控制对象初始参数,kp0=5.5,ki0=1.45,kd0=0.45,解答器采用ode3(Bogacki-Shanpine),仿真时间50,由仿真结果显示,常规PID和模糊PID的响应速度、稳定性相当,但是常规PID的超调量为28%,而模糊PID的超调量只有7%,与常规PID控制相比,模糊PID控制的超调量更小。
D:将步骤C中的仿真模型在QuartusII里实现,系统流程如图3所示:将输入变量设定值和反馈值相减得到误差和误差变化量,然后将误差及误差变化量进行模糊量化,量化结果经模糊查找表查找得到模糊PID参数值,将所得参数值与误差经乘加后得到牵伸比的调整值Δu。模糊查找表为模糊控制规则的集合。具体步骤如下:
a:模糊PID控制器的输入是误差及其误差的变化率,在数字系统中,将设定值与反馈值相减得到误差的精确值e,将前后两次误差相减得到误差变化率精确值ec;
b:在上步中产生的误差和误差变化量是精确值,而模糊控制器的输入必须是经过量化后的模糊值。因此,精确值需经模糊量化后才能作为模糊控制器的输入。量化过程中,首先将上步得到的误差精确值e和误差变化率精确值ec进行量化,得到E、EC,使其符合论域范围,将模糊论域按基本元素的不同分为若干段,每一段对应于一个论域中的基本元素。当输入精确值落入某个论域范围段时,经过模糊量化后,对应此精确量的输出量即为此论域的基本元素值。本文中误差和误差变化量的的论域均为[-3,3],量化因子为10,采用四舍五入的方法,将基本论域分为8段,利用QuartusII里LPM_COMPARE函数实现精确值与量化值的比较,量化后再通过一片74148对量化值进行编码,使每一个量化值都对应一个编码。假设误差的精确值是12,此精确值在[5,15)的论域段,那么偏差的量化值就是1。此模块调用了函数库里的LPM_COMPARE实现比较,然后通过一片74148完成量化编码。
c:将步骤b中得到的误差和误差变化量的量化结果作为模糊查找表的输入。模糊控制器采用增量式PID算法,在对FPGA芯片进行编程时,用离线计算得到的控制表来代替模糊化运算、模糊推理和清晰化计算等一系列复杂的工作。模糊查找表是模糊控制器的核心,本发明中采用离线计算得到的控制表来代替模糊化运算、模糊推理和清晰化计算等一系列复杂的工作,而且在实际控制时在线运算量很少。这种离线计算、在线查表的方法大大提高了FPGA的工作效率而且降低了编程难度。MATLAB的模糊逻辑工具箱提供了建立和测试模糊逻辑系统的一整套功能函数,包括定义语义变量及隶属度函数、建立模糊推理规则、整个模糊推理系统的管理以及交互式地观察模糊推理过程和推理结果。考虑到E和EC都是经过量化的值,即模糊输入的论域是离散的,这就意味着输入量E和EC的数目是有限的,可以在MATLAB中建立该模糊逻辑函数的模型,把所有E,EC的组合输入模糊推理模型里,求出在这些输入下kp,ki和kd的值。为进一步降低计算复杂度,可设变量A=kp+ki+kd,B=-(kp+2kd),C=kd,即对kp,ki和kd的值进行线性组合,可以制作出一份以E,EC为输入,以A,B,C为输出的控制表,其中高三位是偏差E的量化地址,低三位是偏差变化率EC的量化地址。
d:调用函数库里的LPM_MULT宏模块,将步骤c中产生的A,B,C值和步骤a中产生的e(k)、e(k-1)、e(k-2),实现A与e(k)、B与e(k-1)、C与e(k-2)的相乘,其中,e(k)为本次误差,e(k-1)为下一周期误差,e(k-2)为e(k-1)后一周期的误差;然后调用parallel_add将三个值相加得到牵伸比的初始调整值。
步骤3:将步骤2得到的匀整后的棉条输送至输出检测点3,检测机构b5对匀整后的棉条进行检测,得到棉条匀整后的线密度值,检测机构b5将棉条匀整后的线密度值反馈给控制器7,控制器7将棉条匀整后的线密度值与设定线密度值进行比较,根据模糊控制规则得到牵伸比的调整值Δu,将得到的牵伸比的调整值Δu传递给执行机构6,执行机构6根据牵伸比的调整值Δu得到调整后的牵伸比,然后控制牵伸机构2按照调整后的牵伸比对下一个棉条进行牵伸,重复该步骤,完成基于FPGA的自调匀整控制。
控制器7根据模糊控制规则得到牵伸比的调整值Δu,具体按照以下步骤实施:
A:确定模糊PID控制器的输入变量即误差的精确值e和输出变量即误差变化率精确值ec,输入变量即为输入棉条的实际值与设定值的偏差以及偏差变化量,偏差变化量是通过对偏差的求导得到,输出变量为二维模糊PID控制器三个参数kp,ki,kd,其中,kp为比例系数,ki为积分系数,kd为微分系数;
B:将步骤A中得到的误差的精确值e和误差变化率精确值ec量化到模糊论域变成误差模糊值E及误差变化率模糊值EC,即将偏差和偏差变化量量化到[-3,3]论域段,定义输入、输出模糊变量的模糊子集;由模糊控制器的控制规则表,确定模糊子集隶属函数曲线的形状,利用matlab中的模糊控制工具箱对PID模糊控制器进行仿真;
C:在simulink中建立自调匀整系统模糊PID的系统仿真模型,将步骤B中做好的模糊控制器嵌入仿真模型中,模糊PID控制对象初始参数,kp0=5.5,ki0=1.45,kd0=0.45,解答器采用ode3(Bogacki-Shanpine),仿真时间50,由仿真结果显示,常规PID和模糊PID的响应速度、稳定性相当,但是常规PID的超调量为28%,而模糊PID的超调量只有7%,与常规PID控制相比,模糊PID控制的超调量更小。
D:将步骤C中的仿真模型在QuartusII里实现,系统流程如图3所示:将输入变量设定值和反馈值相减得到误差和误差变化量,然后将误差及误差变化量进行模糊量化,量化结果经模糊查找表查找得到模糊PID参数值,将所得参数值与误差经乘加后得到牵伸比的调整值Δu。模糊查找表为模糊控制规则的集合。具体步骤如下:
a:模糊PID控制器的输入是误差及其误差的变化率,在数字系统中,将设定值与反馈值相减得到误差的精确值e,将前后两次误差相减得到误差变化率精确值ec;
b:在上步中产生的误差和误差变化量是精确值,而模糊控制器的输入必须是经过量化后的模糊值。因此,精确值需经模糊量化后才能作为模糊控制器的输入。量化过程中,首先将上步得到的误差精确值e和误差变化率精确值ec进行量化,得到E、EC,使其符合论域范围,将模糊论域按基本元素的不同分为若干段,每一段对应于一个论域中的基本元素。当输入精确值落入某个论域范围段时,经过模糊量化后,对应此精确量的输出量即为此论域的基本元素值。本文中误差和误差变化量的的论域均为[-3,3],量化因子为10,采用四舍五入的方法,将基本论域分为8段,利用QuartusII里LPM_COMPARE函数实现精确值与量化值的比较,量化后再通过一片74148对量化值进行编码,使每一个量化值都对应一个编码。假设误差的精确值是12,此精确值在[5,15)的论域段,那么偏差的量化值就是1。此模块调用了函数库里的LPM_COMPARE实现比较,然后通过一片74148完成量化编码。
c:将步骤b中得到的误差和误差变化量的量化结果作为模糊查找表的输入。模糊控制器采用增量式PID算法,在对FPGA芯片进行编程时,用离线计算得到的控制表来代替模糊化运算、模糊推理和清晰化计算等一系列复杂的工作。模糊查找表是模糊控制器的核心,本发明中采用离线计算得到的控制表来代替模糊化运算、模糊推理和清晰化计算等一系列复杂的工作,而且在实际控制时在线运算量很少。这种离线计算、在线查表的方法大大提高了FPGA的工作效率而且降低了编程难度。MATLAB的模糊逻辑工具箱提供了建立和测试模糊逻辑系统的一整套功能函数,包括定义语义变量及隶属度函数、建立模糊推理规则、整个模糊推理系统的管理以及交互式地观察模糊推理过程和推理结果。考虑到E和EC都是经过量化的值,即模糊输入的论域是离散的,这就意味着输入量E和EC的数目是有限的,可以在MATLAB中建立该模糊逻辑函数的模型,把所有E,EC的组合输入模糊推理模型里,求出在这些输入下kp,ki和kd的值。为进一步降低计算复杂度,可设变量A=kp+ki+kd,B=-(kp+2kd),C=kd,即对kp,ki和kd的值进行线性组合,可以制作出一份以E,EC为输入,以A,B,C为输出的控制表,其中高三位是偏差E的量化地址,低三位是偏差变化率EC的量化地址。
d:调用函数库里的LPM_MULT宏模块,将步骤c中产生的A,B,C值和步骤a中产生的e(k)、e(k-1)、e(k-2),实现A与e(k)、B与e(k-1)、C与e(k-2)的相乘,其中,e(k)为本次误差,e(k-1)为下一周期误差,e(k-2)为e(k-1)后一周期的误差;然后调用paralle1_add将三个值相加得到控制量Δu,Δu即为牵伸比的调整值。
自适应模糊PID控制器,如图2所示,是在PID算法的基础上,通过计算当前系统误差e和误差变化率ec,利用模糊控制规则进行模糊推理,找出PID三个参数与e和ec之间的模糊关系,在运行中通过不断检测e和ec,根据模糊控制原理来对三个参数进行在线修改,以满足不同e和ec时对控制参数的不同要求,而使被控对象有良好的动、静态性能。
Claims (5)
1.一种基于FPGA的自调匀整控制系统,其特征在于,包括依次连接的喂入检测点(1)、牵伸机构(2)及输出检测点(3),所述的喂入检测点(1)上还依次连接有检测机构a(4)和控制器(7),所述的控制器(7)的输出端通过执行机构(6)和牵伸机构(2)相连接,所述的输出检测点(3)还通过检测机构b(5)和控制器(7)相连接。
2.一种基于FPGA的自调匀整控制方法,其特征在于,采用一种基于FPGA的自调匀整控制系统,其结构为:包括依次连接的喂入检测点(1)、牵伸机构(2)及输出检测点(3),所述的喂入检测点(1)上还依次连接有检测机构a(4)和控制器(7),所述的控制器(7)的输出端通过执行机构(6)和牵伸机构(2)相连接,所述的输出检测点(3)还通过检测机构b(5)和控制器(7)相连接,
具体按照以下步骤实施:
步骤1:在控制器(7)内设定线密度值,将棉条放入喂入检测点(1),检测机构a(4)对棉条线密度进行检测,得到喂入棉条的实际线密度值,将棉条的实际线密度值传递给控制器(7);
步骤2:将上步检测后的棉条输送至牵伸机构(2),控制器(7)将步骤1得到的实际线密度值与设定线密度值进行比较,根据模糊控制规则得到牵伸比的初始调整值,将得到的牵伸比的初始调整值传递给执行机构(6),执行机构(6)根据牵伸比的初始调整值得到初始牵伸比,然后控制牵伸机构(2)按照初始牵伸比对棉条进行牵伸,使得棉条的线密度值和设定线密度值相同,得到匀整后的棉条;
步骤3:将步骤2得到的匀整后的棉条输送至输出检测点(3),检测机构b(5)对匀整后的棉条进行检测,得到棉条匀整后的线密度值,检测机构b(5)将棉条匀整后的线密度值反馈给控制器(7),控制器(7)将棉条匀整后的线密度值与设定线密度值进行比较,根据模糊控制规则得到牵伸比的调整值Δu,将得到的牵伸比的调整值Δu传递给执行机构(6),执行机构(6)根据牵伸比的调整值Δu得到调整后的牵伸比,然后控制牵伸机构(2)按照调整后的牵伸比对下一个棉条进行牵伸,重复该步骤,完成基于FPGA的自调匀整控制。
3.根据权利要求2所述的基于FPGA的自调匀整控制方法,其特征在于,所述步骤2中的控制器(7)根据模糊控制规则得到牵伸比的初始调整值,具体按照以下步骤实施:
A:确定模糊PID控制器的输入变量即误差的精确值e和输出变量即误差变化率精确值ec,输入变量即为输入棉条的实际值与设定值的偏差以及偏差变化量,偏差变化量是通过对偏差的求导得到,输出变量为二维模糊PID控制器三个参数kp,ki,kd,其中,kp为比例系数,ki为积分系数,kd为微分系数;
B:将步骤A中得到的误差精确值e和误差变化率精确值ec量化到模糊论域变成误差模糊值E及误差变化率模糊值EC,即将偏差和偏差变化量量化到[-3,3]论域段,定义输入、输出模糊变量的模糊子集;由模糊控制器的控制规则表,确定模糊子集隶属函数曲线的形状,利用matlab中的模糊控制工具箱对PID模糊控制器进行仿真;
C:在simulink中建立自调匀整系统模糊PID的系统仿真模型,将步骤B中做好的模糊控制器嵌入仿真模型中,模糊PID控制对象初始参数,kp0=5.5,ki0=1.45,kd0=0.45,解答器采用ode3,仿真时间50;
D:将步骤C中的仿真模型在QuartusII里实现:将输入变量设定值和反馈值相减得到误差和误差变化量,然后将误差及误差变化量进行模糊量化,在模糊查找表中查找得到模糊PID参数值,将所得参数值与误差经乘加后得到牵伸比的初始调整值。
4.根据权利要求2所述的基于FPGA的自调匀整控制方法,其特征在于,所述步骤3中的控制器(7)根据模糊控制规则得到牵伸比的调整值Δu,具体按照以下步骤实施:
A:确定模糊PID控制器的输入变量即误差的精确值e和输出变量即误差变化率精确值ec,输入变量即为输入棉条的实际值与设定值的偏差以及偏差变化量,偏差变化量是通过对偏差的求导得到,输出变量为二维模糊PID控制器三个参数kp,ki,kd,其中,kp为比例系数,ki为积分系数,kd为微分系数;
B:将步骤A中得到的误差的精确值e和误差变化率精确值ec量化到模糊论域变成误差模糊值E及误差变化率模糊值EC,即将偏差和偏差变化量量化到[-3,3]论域段,定义输入、输出模糊变量的模糊子集;由模糊控制器的控制规则表,确定模糊子集隶属函数曲线的形状,利用matlab中的模糊控制工具箱对PID模糊控制器进行仿真;
C:在simulink中建立自调匀整系统模糊PID的系统仿真模型,将步骤B中做好的模糊控制器嵌入仿真模型中,模糊PID控制对象初始参数,kp0=5.5,ki0=1.45,kd0=0.45,解答器采用ode3,仿真时间50;
D:将步骤C中的仿真模型在QuartusII里实现:将输入变量设定值和反馈值相减得到误差和误差变化量,然后将误差及误差变化量进行模糊量化,在模糊查找表中查找得到模糊PID参数值,将所得参数值与误差经乘加后得到牵伸比的调整值Δu。
5.根据权利要求3或4所述的基于FPGA的自调匀整控制方法,其特征在于,所述步骤D中的将步骤C中的仿真模型在QuartusII里实现,具体按照以下步骤实施:
a:将设定值与反馈值相减得到误差的精确值e,将前后两次误差相减得到误差变化率精确值ec;
b:将上步得到的误差精确值e和误差变化率精确值ec进行模糊量化,得到误差模糊值E、误差变化率模糊值EC,首先将模糊论域范围内输入的精确量进行量化,使其符合论域范围,将模糊论域按基本元素的不同分为若干段,每一段对应于一个论域中的基本元素,当输入精确值落入某个论域范围段时,经过模糊量化后,对应此精确量的输出量即为此论域的基本元素值;
c:将步骤b中得到的误差和误差变化量的量化结果作为模糊查找表的输入,模糊控制器采用增量式PID算法,在MATLAB中建立模糊逻辑函数的模型,把所有E,EC的组合输入模糊推理模型里,求出在这些输入下kp,ki和kd的值,设变量A=kp+ki+kd,B=-(kp+2kd),C=kd,即对kp,ki和kd的值进行线性组合,制作出一份以E,EC为输入,以A,B,C为输出的控制表,其中高三位是偏差E的量化地址,低三位是偏差变化率EC的量化地址;
d:调用函数库里的LPM_MULT宏模块,将步骤c中产生的A,B,C值和步骤a中产生的e(k)、e(k-1)、e(k-2),实现A与e(k)、B与e(k-1)、C与e(k-2)的相乘,其中,e(k)为本次误差,e(k-1)为下一周期误差,e(k-2)为e(k-1)后一周期的误差;然后调用parallel_add将三个值相加得到控制量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201010531855 CN101995845B (zh) | 2010-11-03 | 2010-11-03 | 基于fpga的自调匀整控制系统及控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201010531855 CN101995845B (zh) | 2010-11-03 | 2010-11-03 | 基于fpga的自调匀整控制系统及控制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101995845A true CN101995845A (zh) | 2011-03-30 |
CN101995845B CN101995845B (zh) | 2013-03-06 |
Family
ID=43786109
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN 201010531855 Expired - Fee Related CN101995845B (zh) | 2010-11-03 | 2010-11-03 | 基于fpga的自调匀整控制系统及控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101995845B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102560773A (zh) * | 2012-03-03 | 2012-07-11 | 南昌航空大学 | 一种落纱机放管电机的控制方法 |
CN107190375A (zh) * | 2017-05-11 | 2017-09-22 | 东华大学 | 一种基于牵伸区内纤维分布均衡的自调匀整方法 |
CN110442102A (zh) * | 2019-08-12 | 2019-11-12 | 武汉裕大华纺织有限公司 | 一种适用于智能纺纱的并条新工艺 |
CN111636124A (zh) * | 2020-01-20 | 2020-09-08 | 武汉裕大华纺织有限公司 | 一种智能并条管理系统 |
CN112859582A (zh) * | 2021-01-07 | 2021-05-28 | 平阳星嘉智能科技有限公司 | 一种电机控制中的增量式pid控制器 |
-
2010
- 2010-11-03 CN CN 201010531855 patent/CN101995845B/zh not_active Expired - Fee Related
Non-Patent Citations (5)
Title |
---|
《中原工学院学报》 20050831 郜迎军、齐建芳 《基于模糊控制的并条机自调匀整控制系统的研究》 全文 1-5 第16卷, 第4期 2 * |
《中国优秀硕士学位论文全文数据库(信息科技辑)》 20100215 王军伟 《基于FPGA的模糊PID控制算法的研究及实现》 全文 1-5 , 2 * |
《中国优秀硕士学位论文全文数据库(工程科技I辑)》 20080215 熊磊 《梳棉机混合环自调匀整设计与研究》 全文 1-5 , 2 * |
《先进PID控制及其MATLAB仿真》 20030131 刘金琨 《先进PID控制及其MATLAB仿真》 电子工业出版社 第13~15、67~80页 1-5 , 1 * |
《纺织机械》 20070331 从顺章等 《梳棉机智能型自调匀整装置低层控制系统的研究》 第28~29页,图1、2 1-2 , 2 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102560773A (zh) * | 2012-03-03 | 2012-07-11 | 南昌航空大学 | 一种落纱机放管电机的控制方法 |
CN107190375A (zh) * | 2017-05-11 | 2017-09-22 | 东华大学 | 一种基于牵伸区内纤维分布均衡的自调匀整方法 |
CN107190375B (zh) * | 2017-05-11 | 2019-01-11 | 东华大学 | 一种基于牵伸区内纤维分布均衡的自调匀整方法 |
CN110442102A (zh) * | 2019-08-12 | 2019-11-12 | 武汉裕大华纺织有限公司 | 一种适用于智能纺纱的并条新工艺 |
CN111636124A (zh) * | 2020-01-20 | 2020-09-08 | 武汉裕大华纺织有限公司 | 一种智能并条管理系统 |
CN111636124B (zh) * | 2020-01-20 | 2021-09-24 | 武汉裕大华纺织有限公司 | 一种智能并条管理系统 |
CN112859582A (zh) * | 2021-01-07 | 2021-05-28 | 平阳星嘉智能科技有限公司 | 一种电机控制中的增量式pid控制器 |
Also Published As
Publication number | Publication date |
---|---|
CN101995845B (zh) | 2013-03-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Hu et al. | Voltage control for distribution networks via coordinated regulation of active and reactive power of DGs | |
CN101995845B (zh) | 基于fpga的自调匀整控制系统及控制方法 | |
CN101478157B (zh) | 自动发电控制系统及其负荷预测自动综合的优化方法 | |
CN108599172B (zh) | 一种基于人工神经网络的输配网全局潮流计算方法 | |
CN107069716A (zh) | 一种计及注入转移分布因子估计误差的鲁棒实时调度方法 | |
CN114722709B (zh) | 兼顾发电量和最小出力的梯级水库群优化调度方法及系统 | |
Zheng et al. | Short-term load forecasting of power system based on neural network intelligent algorithm | |
CN114548509A (zh) | 一种多能源系统多类型负荷联合预测方法及系统 | |
WO2024056050A1 (zh) | 海量柔性负荷快速聚合控制方法及装置 | |
CN105868918A (zh) | 一种谐波电流类监测样本的相似度指标计算方法 | |
CN111900767B (zh) | 一种用于控制电力系统多断面有功潮流的方法及系统 | |
CN105207220B (zh) | 一种基于渐进学习的分级电压调控方法 | |
CN112054554A (zh) | 基于非参数统计的自适应分布鲁棒机组组合方法及系统 | |
CN102011220B (zh) | 基于模糊控制器的自调匀整控制系统及控制方法 | |
CN113553714B (zh) | 限风情况下基于预测信息的风电场切风量计算方法及装置 | |
CN113111588B (zh) | 一种燃气轮机nox排放浓度预测方法及装置 | |
CN111478332B (zh) | 基于保守极限的暂态稳定紧急控制切机定值在线调整方法 | |
CN108332362A (zh) | 基于向量化分析的暖通循环水系统节能控制系统及方法 | |
CN111709585A (zh) | 一种空调负荷预测方法、装置及存储介质 | |
CN111291463A (zh) | 一种新能源消纳空间电量求解方法和系统 | |
Liang et al. | Fast large-scale optimal power flow analysis for smart grid through network reduction | |
CN113361748B (zh) | 适用于在线负荷分配的机组供电煤耗预测方法 | |
Wang et al. | Research on Prediction of Dynamic Load Complementarity Based on Big Data | |
CN115829140B (zh) | 一种基于机器学习的风力发电场发电量预测方法及系统 | |
Yu et al. | Research on Power Grid Investment Demand Forecast Based on Error Correction Model |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
C17 | Cessation of patent right | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20130306 Termination date: 20131103 |