CN102156408A - 一种动态自适应演化最大功率点跟踪控制系统及方法 - Google Patents

Abstract

本发明涉及自主进化计算和自主感知、自主信息获取与处理技术领域，尤其涉及一种动态自适应演化最大功率点跟踪控制系统及方法。本发明包括PLB总线、OPB总线和处理器，处理器连接到PLB总线，PLB总线与OPB总线通过总线桥连接；硬件IP核与OPB总线连接，所述硬件IP核包括自主进化控制IP核、多态传感器控制IP核、图像显示IP核。本发明不仅加准确度快，而且实现了在线演化，有效地提高了光伏电池的光电转化率。

Description

一种动态自适应演化最大功率点跟踪控制系统及方法

技术领域

本发明涉及自主进化计算和自主感知、自主信息获取与处理技术领域，尤其涉及一种动态自适应演化最大功率点跟踪控制系统及方法。

背景技术

光伏发电具有无污染、无噪音、取之不尽等优点，是一种利用太阳能发电的有效方法。在实际应用中，目前，光伏发电存在的主要问题是光伏电池的输出功率随日照强度和环境温度改变而改变。因此，为了实现功率输出的最大化，光伏发电系统必须采用最大功率点跟踪（Maximum Power Point Tracking,简称MPPT）控制装置。

目前，MPPT控制方法有如增量法（参见文献1）、爬山法（参见文献2）、模糊逻辑法(参见文献3)。传统的光伏发电系统模糊逻辑控制器的控制规则都是根据经验设计出来的，控制规则缺乏灵活性。对于受外界环境因素影响显著的系统而言，固定不变的模糊控制规则并不适合动态地改变系统特性，难以获得最好的控制效果。2009年，李春华等人将神经网络和MPPT的控制结合起来，提出来FNNC控制方法（参见文献4），并取得较好的模拟控制效果，但是存在着神经网络学习速度慢，参数难以调整到最佳等难点。

文献1：Jae Ho Lee, Hyunsu Bae and Bo hyung Cho. Advanced Incremental Conductance MPPT Algorithm with a Variable Step Size [J].12th International Power Electronics and Motion Control Conference (EPEPEMC2006), Aug. 2006:603-607

文献2：Nicola Femia, Giovanni Peotone Giovanni Spagnuola etc. Optimization of perturb and observe maximum power point tracking method.[J]. IEEE Transaction on Power Electronics，July.2005，20(4):963-973

文献3：I.H. Altasa, A.M. Sharaf. A novel maximum power fuzzy logic controller for photovoltaic solar energy systems.[J] Renewable Energy 33.2008: 388–399

文献4：LI Chun-hua, ZHU Xin-jian, CAO Guang-yi etc. A maximum power point tracker for photovoltaic energy systems based on fuzzy neural networks.[j] Journal of Zhejiang University SCIENCE A. 2009, 10(2):263-270。

发明内容

针对上述存在的控制规则灵活性差，自主学习能较差的技术问题，本发明的目的是提供一种动态自适应演化最大功率点跟踪控制系统及方法，利用自主进化计算和自主信息获取与处理的关键技术，运用多态传感器的自进化技术来获取外界温度和光照，使用FPGA实现MPPT系统的实时智能控制。

为达到上述目的，本发明采用如下的技术方案：

一种动态自适应演化最大功率点跟踪控制系统：

PLB总线、OPB总线和处理器，处理器连接到PLB总线，PLB总线与OPB总线通过总线桥连接；

硬件IP核与OPB总线连接，所述硬件IP核包括自主进化控制IP核、多态传感器控制IP核、图像显示IP核；所述自主进化控制IP核用于对最大功率点跟踪控制系统的输出功率的控制进行实时的调整和控制；多态传感器控制IP核，用于各个温度传感器和各个光照传感器进行控制，并对采用的数据进行处理和分析；图像显示IP核，用于画出功率追踪曲线。

所述系统包括遗传算法模块、自主进化控制器模块、光伏发电最大功率跟踪模块和中央控制模块；

所述遗传算法模块重用遗传算法软硬件协同IP和子系统中的交叉及变异模块；

所述自主进化控制器模块随机地从种群中选择一个个体进行系统控制，根据遗传算法原理进行系统控制规则的替换，如果该个体较好则替换；否则，进行控制规则的替换；

光伏发电系统最大功率跟踪模块建立环境温度和日照强度动态改变的光伏发电模型，按照模糊逻辑控制器的当前控制规则，动态调整输出功率P与占空比D的关系，进行光伏电池最大功率跟踪。

所述系统还包括图形显示模块与传感器模块，所述图形显示模块，用于显示运行过程中的功率跟踪曲线和一些参数信息，该模块主要是由VGA的IP实现；所述传感器模块用于温度和光照的采集。

所述自主进化控制器模块包括中央控制模块、演化机制模块、演化控制模块、多态传感模块、系统性能控制模块、操作模块；

所述中央控制模块是主处理器，负责整个系统的协调运行；所述演化控制模块用于实时收集多态传感模块获得的监控数据和信息，调用演化机制模块的进化策略实现系统的自主进化，同时生成新的演化策略和控制操作，存入演化机制模块；

所述多态传感模块实时监控系统的运行状态，及其内外环境，进行信息融合；所述演化机制模块管理各种演化策略和对系统的控制操作；所述操作模块实时发出操作指令，实现系统的智能自主控制与管理；

所述系统性能控制模块则负责对系统的总体任务进行控制，根据多态传感模块的监控信息优化系统的性能。

用于动态自适应演化最大功率点跟踪控制系统的自主进化控制方法：

步骤1：获取多态传感器的IP控制以后的数据，如果接受数据失败，系统停止。如果系统获取的数据正常，则进入步骤2；

步骤2：根据温度和光照数据进行自主控制的输入前预处理，处理完进入步骤3；

步骤3：这一步是自主控制IP核的控制的核心部分，主要有输入量化，计时器，记录功率，输出反量化；

步骤4：功率输出。

所述步骤3包括：

步骤3.1：自主控制输入量化，计算功率的变化值和功率的变化率，转步骤3.2；

步骤3.2：根据自主控制规则进行控制，计算当前问题下的最大输出功率，并判定当前运行自主规则控制下的输出的是否是最符合的，即功率是否接近理论值。如果是接近理论值，转3.3，否则转3.4；

步骤3.3：根据规则进行反量化，转步骤4；

步骤3.4：启动遗传算法寻找一个好的自主控制规则，并替换，转步骤3.2。

所述步骤3.4包括：

步骤3.4.1：以存在自主控制IP中的个体为初始个体生成初始种群，种群大小为32，变异概率为0.2，杂交概率为0.8，代数1000，转步骤3.4.2；

步骤3.4.2：计算每个个体的适应值，即于理论值的逼近程度，并寻找最好个体，转步骤3.4.3；

步骤3.4.3：选择两个个体进行杂交操作，并计算适应值，并保留四个个体中最好的两个，转步骤3.4.4；

步骤3.4.4：选择一个个体进行变异操作，并计算适应值，并保留两个个体中最好的两个，转步骤3.4.5；

步骤3.4.5：寻找最好个体，并判定是否演化结束，是则停止，否则转3.4.3。

用于动态自适应演化最大功率点跟踪控制系统的多态传感器控制方法：

步骤1：启动多态传感器控制IP核控制模块，发送采样命令，转步骤2；

步骤2：启动多态传感器的控制模块，进行每个传感器的采样，具体包括：

步骤2.1：对每个该平台内的多态传感器发送采集命令并开始计时，转步骤2.2；

步骤2.2：判定采样是否超时，如果超时，则转2.3，否则转2.4；

步骤2.3：标记该采样传感器错误，并将总的温度传感器数目（或者光照传感器数目）减“1”；

步骤2.4：获取传感器数据并结束该传感器的采样；

步骤3：对采样的数据求平均值，并结束。

本发明具有以下优点和积极效果：

1）本发明将自主进化计算和自主感知，自主信息获取与处理技术和具体的一项应用结合起来，用FPGA平台实现对MPPT系统的智能控制；

2）本发明所提供的动态自适应演化MPPT系统不仅加准确度快，而且实现了在线演化，有效地提高了光伏电池的光电转化率。

附图说明

图1是本发明提供的动态自适应演化最大功率点跟踪控制系统总体结构图。

图2是本发明提供的动态自适应演化最大功率点跟踪控制系统整体设计图。

图3是本发明中自主进化模型结构图。

图4是本发明中自主进化控制IP核控制结构图。

图5是本发明中多态传感器控制IP核控制结构图。

具体实施方式

本发明提供的动态自适应演化最大功率点跟踪控制系统及方法，利用自主进化计算和自主信息获取与处理的关键技术。

遗传算法是自主进化计算的典型算法，遗传算法(Genetic Algorithm, GA)是一种全局优化算法，它借用了生物遗传学的观点，通过自然选择、遗传、变异等作用机制，以增强各个个体的适应性。

温度和光照传感器是多态传感器的自进化技术的实例。本发明将控制规则作为遗传算法的个体，运用遗传算法编制控制程序，通过多态传感器的自进化技术来自主获取外界的信息并进行处理，并传入控制器进行一段时间的自主进化学习，系统可以找到适合所处环境的最优控制规则，以此规则来控制光伏发电系统，有效地跟踪最大输出功率点。为了提高系统的演化速度，将控制程序部署在FPGA中，同时，对控制系统采用软硬件协同处理的方法，使系统达到最优控制状态。

本发明提供的动态自适应演化最大功率点跟踪控制系统，包括PLB总线、OPB总线和作为处理器的PowerPC，PowerPC连接到PLB总线，PLB总线与OPB总线通过总线桥连接，与OPB总线连接的硬件IP核，包括自主进化控制IP核，用于对MPPT的输出功率的控制进行实时的调整和控制；多态传感器控制IP核，用于各个温度传感器和各个光照传感器进行控制，并对采用的数据进行处理和分析；图像显示IP核，用于画出功率追踪曲线。

自主进化控制IP核，主要是根据多态传感器采集来的数据的信息进行自主的控制，并根据当时传进来的数据实时的调整控制的规则。它实时收集多态传感模块获得的监控数据和信息，调用演化机制模块的进化策略实现系统的自主进化，同时生成新的演化策略和控制操作，存入（修改）演化机制模块。

多态传感器IP核能实时收集多态传感模块获得的监控数据和信息，调用演化机制模块的进化策略实现MPPT系统的自主进化。多态传感器控制IP核，主要是对部署在环境内的传感器进行控制，控制信息的传入，采集是否错误，传感器是否损坏，采集异常（如超时，数据异常等）等进行采集数据的预处理。

该动态自适应演化MPPT系统能够自主感知和获取外界的温度和光照信息，并根据当时的功率变化及变化率实时的调整自主控制规则，比以往的MPPT系统具有更高的实时性，有效的提高了光伏电池的输出效率。

将演化硬件技术应用于无线传感器网络中，并运用多态传感器构建整个外界环境的无线网络，使得无线传感器网络系统自适应修复与容错、自主重构、自主控制和管理等自组织与自适应的能力。

本发明提供的动态自适应演化最大功率点跟踪控制系统由六大部分组成：中央控制模块，演化机制模块，演化控制模块，多态传感模块，系统性能控制模块，操作模块，它们相互联系，协调地工作。

中央控制模块类似于本装置的处理器，负责整个装置的协调运行，从而保证该装置的正常运行和异常处理。演化机制模块管理各种演化策略和对本装置的控制操作，有利于自适应演化MPPT装置演化机制和演化操作的管理。演化控制模块是本装置的核心，它实时收集多态传感模块获得的监控数据和温度信息、光照信息，调用演化机制模块的进化策略实现系统的自主进化，同时生成新的演化策略和控制操作，存入或者修改演化机制模块。多态传感器模块实时监控本装置的运行状态，机器内外环境，进行信息整理和融合。性能控制模块负责对本装置的总体任务进行控制，根据多态传感模块的信息优化本装置的性能。操作模块实时发出操作指令，例如信息采样命令，采集多态传感器获得的数据信息；自主控制规则替换命令，用更好的自主控制规则替换自主控制模块中的规则，从而实现自适应演化MPPT装置的智能自主控制与管理。

本系统运用了多态传感器技术，使用传感器对外界的温度和光照实时监控，进行信息整理和融合，然后将获得的信息实时的输入该装置，进行自主的控制，然后根据自主控制IP核的控制情况，输出最佳功率。并运用多态传感器构建整个外界环境的无线网络，使得无线传感器网络系统自适应修复与容错、自主重构、自主控制和管理等自组织与自适应的能力。

下面以具体实施例结合附图对本发明作进一步说明：

本实例是在XC2VP30 FPGA开发板上实现，使用PowerPC作为处理器，使用片上内存BRAM（实施例采用128KB容量）和片外内存DDR SDRAM（实施例采用512MB容量）作为存储器，采用CF卡作为非易失性存储器，所有多态传感器节点构成无线网络，即无线传感器网络。具体实施时，可以将其中一个多态传感器作基站用，其他作为采集数据用。基站多态传感器通过串口与FPGA相连。本装置采用了宁波中科的无线传感器网络GAINZ节点。GAINZ是一款工作在2.4G无线传感器网络开发平台，针对嵌入式传感器网络的研究而设计，最高通信速率可达250kbps。ZigBee无线传感器网络是具有低成本、低功耗、低速率的短距离的无线通信网，在实际应用中，通常应满足以下条件：设备成本低、体积小；使用一次性电池；通信覆盖范围大、传输的数据量很小。利用GAINZ节点实现了ZigBee协议栈的设计，并结合嵌入式操作系统构建了无线传感器网络，用于传感器网络数据的收集，收集的数据将利用FPGA进行数据融合。

图1示出的是系统的总体结构图，由于采用了PowerPC作为处理器，系统有两条总线，PLB(Processor Local Bus，处理器局部总线)和OPB(On-Chip Peripheral Bus，片上外设总线)。OPB总线连接一些低速和低性能设备，如自主进化控制IP核（EP）、多态传感器控制IP核、图像显示IP核（VGA）。OPB总线不直接连接到处理器内核，通过总线桥（plb2opb_bridge）与PLB总线上的设备如内核和存储器联系。而PLB总线用来连接一些高速的设备，如BRAM和DDR SDRAM。具体实施时，为了便于读取CF卡内容，使用了该FPGA开发板提供的用于读取CF卡文件的IP核SysACE（System Advanced Configuration Environment）。

自主进化控制IP核（EP）如图4具体实现描述。

多态传感器控制IP核 如图5具体实现描述。

图像显示IP核（VGA）是Xilinx提供的IP核。

图2示出的是系统的整体设计图, 系统主要包括遗传算法模块、自主进化控制器模块、光伏发电最大功率跟踪模块和中央控制模块4个核心模块和图形显示模块与传感器模块2个辅助实现模块。在运行过程中，系统使用遗传算法对模糊控制器的规则表进行自主优化，以收到最佳控制效果。遗传算法模块的核心部分重用了遗传算法软硬件协同IP和子系统中的交叉及变异模块。自主进化控制器模块：随机地从种群中选择一个个体进行系统控制，根据遗传算法原理进行系统控制规则的替换，如果该个体较好则替换；否则，进行控制规则的替换。光伏发电系统最大功率跟踪模块：建立环境温度和日照强度动态改变的光伏发电模型，按照模糊逻辑控制器的当前控制规则，动态调整输出功率P与占空比D的关系，进行光伏电池最大功率跟踪。图形显示模块：显示运行过程中的功率跟踪曲线和一些参数信息，本模块主要是由VGA的IP实现的。传感器模块：负责温度和光照的采集。中央控制模块：传递一些控制信号和及一些公共数据信息，负责整个系统的协调运行。如采样控制信号，自主进化开始控制信号等；公共数据信息主要包括控制规则（个体）的数据信息，模糊化量的数据信息，功率等。图1中所述的自主进化控制IP核（EP）是图2中遗传算法模块和自主进化控制模块有机结合，是由它们共同组成的，是它们两个的硬件实现，而多态传感器控制IP核是由传感器模块的硬件实现。

遗传算法模块的具体实现步骤如下:

步骤1：以存在:自主控制IP中的个体为初始个体生成初始种群，种群大小为32，变异概率为0.2，杂交概率为0.8，代数1000，转步骤2；

步骤2：计算每个个体的适应值，即于理论值的逼近程度，并寻找最好个体，转步骤3;

步骤3：选择两个个体进行杂交操作，并计算适应值，并保留四个个体中最好的两个，转步骤4；

步骤4：选择一个个体进行变异操作，并计算适应值，并保留两个个体中最好的两个，转步骤5；

步骤5：寻找最好个体，并判定是否演化结束，是则停止，否则转3。

自主进化控制器模块的具体实现见图4的详细描述。

光伏发电最大功率跟踪模块的具体实现如下：

步骤1：得到中央控制模块传过来的计算功率开始信号，如果得到，则转步骤2，否则等待；

步骤2：获取温度和光照信息，进行功率的计算，并将功率传送给中央控制模块和图像显示模块，然后转步骤1等待。

图3示出的是自主进化模型结构图, 自主进化模型及其软硬件系统由六大部分组成：中央控制模块，演化机制模块，演化控制模块，多态传感模块，系统性能控制模块，操作模块，它们相互联系，协调地工作。其中，中央控制模块是主处理器，负责整个系统的协调运行；演化控制模块是系统的核心，它实时收集多态传感模块获得的监控数据和信息，调用演化机制模块的进化策略实现系统的自主进化，同时生成新的演化策略和控制操作，存入（修改）演化机制模块；多态传感模块实时监控系统的运行状态，及其内外环境，进行信息融合；演化机制模块管理各种演化策略和对系统的控制操作；操作模块实时发出操作指令，实现系统的智能自主控制与管理；性能控制模块则负责对系统的总体任务进行控制，根据多态传感模块的监控信息优化系统的性能。

图4示出的的自主进化控制IP核控制结构图，由图可以看出，整个自主进化控制IP核主要包括以下控制流程，具体步骤如下：

步骤1：获取多态传感器的IP控制以后的数据，如果接受数据失败，系统停止。如果系统获取的数据正常，则进入步骤2；

步骤2：根据温度和光照数据进行自主控制的输入前预处理，处理完进入步骤3；

步骤3：这一步是自主控制IP核的控制的核心部分，主要有输入量化，计时器，记录功率，输出反量化。详细步骤如下：

步骤3.1：自主控制输入量化，计算功率的变化值和功率的变化率，转步骤3.2；

步骤3.2：根据自主控制规则进行控制，计算当前问题下的最大输出功率，并判定当前运行自主规则控制下的输出的是否是最符合的，即功率是否接近理论值。如果是接近理论值，转3.3，否则转3.4；

步骤3.3：根据规则进行反量化，转步骤4；

步骤3.4：启动遗传算法寻找一个好的自主控制规则，并替换，转步骤3.2；

步骤3.4.1：以存在:自主控制IP中的个体为初始个体生成初始种群，种群大小为32，变异概率为0.2，杂交概率为0.8，代数1000，转步骤3.4.2；

步骤3.4.2：计算每个个体的适应值，即于理论值的逼近程度，并寻找最好个体，转步骤3.4.3；

步骤3.4.3：选择两个个体进行杂交操作，并计算适应值，并保留四个个体中最好的两个，转步骤3.4.4；

步骤3.4.4：选择一个个体进行变异操作，并计算适应值，并保留两个个体中最好的两个，转步骤3.4.5；

步骤3.4.5：寻找最好个体，并判定是否演化结束，是则停止，否则转3.4.3，

步骤4：功率输出。

图5示出的多态传感器控制IP核控制结构图，包括有开始信号、结束信号、采样命令发送模块、采样数据接收模块，各自多态传感器的控制模块。多态传感器控制IP核控制和各自多态传感器的控制模块完成传感器控制并获取控制对象的采样数据，实现方式主要包括以下步骤：

步骤1：启动多态传感器控制IP核控制模块，发送采样命令，转步骤2；

步骤2：启动多态传感器的控制模块，进行每个传感器的采样，具体实现如下（以温度采集为例说明）；

步骤2.1：对每个该平台内的多态传感器发送采集命令并开始计时，转步骤2.2；

步骤2.2：判定采样是否超时，如果超时，则转2.3，否则转2.4；

步骤2.3：标记该采样传感器错误，并将总的温度传感器数目减“1”；

步骤2.4：获取传感器数据并结束该传感器的采样。

步骤3：对采样的数据求平均值，并结束。

以上实施例仅供说明本发明之用，而非对本发明的限制，有关技术领域的技术人员，在不脱离本发明的精神和范围的情况下，还可以作出各种变换或变型，因此所有等同的技术方案，都落入本发明的保护范围。

Claims (8)

1.一种动态自适应演化最大功率点跟踪控制系统，其特征在于，包括：

PLB总线、OPB总线和处理器，处理器连接到PLB总线，PLB总线与OPB总线通过总线桥连接；

硬件IP核与OPB总线连接，所述硬件IP核包括自主进化控制IP核、多态传感器控制IP核、图像显示IP核；

所述自主进化控制IP核用于对最大功率点跟踪控制系统的输出功率的控制进行实时的调整和控制；多态传感器控制IP核，用于各个温度传感器和各个光照传感器进行控制，并对采用的数据进行处理和分析；图像显示IP核，用于画出功率追踪曲线。

2.根据权利要求1所述的动态自适应演化最大功率点跟踪控制系统，其特征在于：

所述系统包括遗传算法模块、自主进化控制器模块、光伏发电最大功率跟踪模块和中央控制模块；

所述遗传算法模块重用遗传算法软硬件协同IP和子系统中的交叉及变异模块；

所述自主进化控制器模块随机地从种群中选择一个个体进行系统控制，根据遗传算法原理进行系统控制规则的替换，如果该个体较好则替换；否则，进行控制规则的替换；

光伏发电系统最大功率跟踪模块建立环境温度和日照强度动态改变的光伏发电模型，按照模糊逻辑控制器的当前控制规则，动态调整输出功率P与占空比D的关系，进行光伏电池最大功率跟踪。

3.根据权利要求2所述的动态自适应演化最大功率点跟踪控制系统，其特征在于：

所述系统还包括图形显示模块与传感器模块，所述图形显示模块，用于显示运行过程中的功率跟踪曲线和一些参数信息，该模块主要是由VGA的IP实现；所述传感器模块用于温度和光照的采集。

4.根据权利要求2所述的动态自适应演化最大功率点跟踪控制系统，其特征在于：

所述自主进化控制器模块包括中央控制模块、演化机制模块、演化控制模块、多态传感模块、系统性能控制模块、操作模块；

所述中央控制模块是主处理器，负责整个系统的协调运行；所述演化控制模块用于实时收集多态传感模块获得的监控数据和信息，调用演化机制模块的进化策略实现系统的自主进化，同时生成新的演化策略和控制操作，存入演化机制模块；

所述多态传感模块实时监控系统的运行状态，及其内外环境，进行信息融合；所述演化机制模块管理各种演化策略和对系统的控制操作；所述操作模块实时发出操作指令，实现系统的智能自主控制与管理；

所述系统性能控制模块则负责对系统的总体任务进行控制，根据多态传感模块的监控信息优化系统的性能。

5.用于权利要求1所述的动态自适应演化最大功率点跟踪控制系统的自主进化控制方法，其特征在于，包括以下步骤：

步骤1：获取多态传感器的IP控制以后的数据，如果接受数据失败，系统停止；如果系统获取的数据正常，则进入步骤2；

步骤2：根据温度和光照数据进行自主控制的输入前预处理，处理完进入步骤3；

步骤3：这一步是自主控制IP核的控制的核心部分，主要有输入量化，计时器，记录功率，输出反量化；

步骤4：功率输出。

6.根据权利要求5所述的自主进化控制方法，其特征在于，所述步骤3包括：

步骤3.1：自主控制输入量化，计算功率的变化值和功率的变化率，转步骤3.2；

步骤3.2：根据自主控制规则进行控制，计算当前问题下的最大输出功率，并判定当前运行自主规则控制下的输出的是否是最符合的，即功率是否接近理论值，如果是接近理论值，转3.3，否则转3.4；

步骤3.3：根据规则进行反量化，转步骤4；

步骤3.4：启动遗传算法寻找一个好的自主控制规则，并替换，转步骤3.2。

7.根据权利要求6所述的自主进化控制方法，其特征在于，所述步骤3.4包括：

步骤3.4.1：以存在自主控制IP中的个体为初始个体生成初始种群，种群大小为32，变异概率为0.2，杂交概率为0.8，代数1000，转步骤3.4.2；

步骤3.4.2：计算每个个体的适应值，即于理论值的逼近程度，并寻找最好个体，转步骤3.4.3；

步骤3.4.3：选择两个个体进行杂交操作，并计算适应值，并保留四个个体中最好的两个，转步骤3.4.4；

步骤3.4.4：选择一个个体进行变异操作，并计算适应值，并保留两个个体中最好的两个，转步骤3.4.5；

步骤3.4.5：寻找最好个体，并判定是否演化结束，是则停止，否则转3.4.3。

8.用于权利要求1所述的动态自适应演化最大功率点跟踪控制系统的多态传感器控制方法，其特征在于，包括以下步骤：

步骤1：启动多态传感器控制IP核控制模块，发送采样命令，转步骤2；

步骤2：启动多态传感器的控制模块，进行每个传感器的采样，具体包括：

步骤2.1：对每个该平台内的多态传感器发送采集命令并开始计时，转步骤2.2；

步骤2.2：判定采样是否超时，如果超时，则转2.3，否则转2.4；

步骤2.3：标记该采样传感器错误，并将总的温度传感器数目减“1”，或者光照传感器数目减“1”；

步骤2.4：获取传感器数据并结束该传感器的采样；

步骤3：对采样的数据求平均值，并结束。

Images