CN105114189A - 基于fpga实现的电子节气门模型预测控制系统 - Google Patents
基于fpga实现的电子节气门模型预测控制系统 Download PDFInfo
- Publication number
- CN105114189A CN105114189A CN201510310726.XA CN201510310726A CN105114189A CN 105114189 A CN105114189 A CN 105114189A CN 201510310726 A CN201510310726 A CN 201510310726A CN 105114189 A CN105114189 A CN 105114189A
- Authority
- CN
- China
- Prior art keywords
- control
- fpga
- control system
- throttle valve
- throttle
- 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
Links
- 238000005457 optimization Methods 0.000 claims abstract description 42
- 238000000034 method Methods 0.000 claims abstract description 36
- 238000013461 design Methods 0.000 claims abstract description 32
- 238000011161 development Methods 0.000 claims abstract description 12
- 238000004422 calculation algorithm Methods 0.000 claims description 48
- 238000012795 verification Methods 0.000 claims description 21
- 238000004364 calculation method Methods 0.000 claims description 19
- 230000006870 function Effects 0.000 claims description 17
- 238000004088 simulation Methods 0.000 claims description 15
- 239000011159 matrix material Substances 0.000 claims description 12
- 230000008569 process Effects 0.000 claims description 12
- 230000009471 action Effects 0.000 claims description 9
- 230000008859 change Effects 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 9
- 238000013178 mathematical model Methods 0.000 claims description 8
- 230000015572 biosynthetic process Effects 0.000 claims description 6
- 238000003786 synthesis reaction Methods 0.000 claims description 6
- 230000005540 biological transmission Effects 0.000 claims description 4
- 230000009467 reduction Effects 0.000 claims description 4
- 230000003068 static effect Effects 0.000 claims description 4
- 238000005516 engineering process Methods 0.000 abstract description 7
- 230000000694 effects Effects 0.000 abstract description 4
- 238000012423 maintenance Methods 0.000 abstract description 3
- 230000002035 prolonged effect Effects 0.000 abstract description 2
- 238000001914 filtration Methods 0.000 description 8
- 238000009795 derivation Methods 0.000 description 6
- 238000002474 experimental method Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000005070 sampling Methods 0.000 description 5
- 230000010354 integration Effects 0.000 description 4
- 230000004044 response Effects 0.000 description 3
- 239000013078 crystal Substances 0.000 description 2
- 238000013499 data model Methods 0.000 description 2
- 238000007667 floating Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000012356 Product development Methods 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000011217 control strategy Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 230000002194 synthesizing effect Effects 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 238000003079 width control Methods 0.000 description 1
Landscapes
- Electrical Control Of Air Or Fuel Supplied To Internal-Combustion Engine (AREA)
Abstract
一种基于FPGA实现的电子节气门模型预测控制系统,属于汽车电子技术领域。本发明的目的是提供一种不仅可以很好地满足节气门的控制需求,而且还能够在线灵活裁减、扩充、升级,克服了目前现有电子节气门电控系统不足的基于FPGA实现的电子节气门模型预测控制系统。本发明的步骤是:模型预测控制器的设计、控制系统的FPGA实现。本发明设计了节气门的先进模型预测控制器,约束优化问题的成功描述解决了节气门快速准确跟踪的多目标约束控制问题,达到了很好的控制效果。基于FPGA实现的模型预测控制系统,能够方便的在线进行升级、扩充、维护,延长了产品生命周期,降低了开发、维护成本,且相对于单片机等实现的控制系统,FPGA实现的控制系统抗干扰能力更强,且更容易产品化,完成专用的控制芯片的设计。
Description
技术领域
本发明属于汽车电子技术领域。
背景技术
随着油耗、排放法规的不断升级以及人们对汽车驾驶舒适性及动力性要求的不断提高,国内外很多学者和汽车生产厂商联合起来不断加快对汽车控制新技术及相关电控产品的研究和开发,新技术的应用引入了诸多新型的电控执行器,使得电控系统的设计与验证更加困难;同时随着新技术的不断更新应用,电控单元的升级、换代也带来了大量的成本消耗。与此同时,专家预测汽车上装用的电子装置成本将逐年提高,汽车将由单纯的机械产品向高级的机电一体化产品方向发展,电控系统也在向高度集成化和高速化发展,因此,工程实现时,汽车要求电控系统具有高实时性、低成本计算和存储、高集成度、微型化等特点。电子节气门是汽车发动机的重要控制部件,主要用于控制进入发动机进气歧管的空气流量,节气门开度的精确控制可以提高燃油经济性,减少排放,同时,迅速的系统响应,可获得满意的操控性能。因此,节气门的控制对汽车的行驶安全性、动力性、平稳性及经济性具有重要影响。然而,现有的电子节气门控制系统大部分都是基于传统单片机实现的,当节气门电控系统增加新功能以及应用新技术时,基于单片机实现的电控系统无法在线更新、升级,大大增加了开发成本,不能满足新技术电控系统的需求,因此,需要开发易于升级、维护、扩充的电控系统,以降低产品开发成本,缩短开发周期,延长生命周期。
电子节气门的控制目标可描述为:节气门的开度能够既快又准确地跟踪上给定的期望目标位置,同时为了保证执行机构的平顺性,执行动作和变化率不能过大等,因此,节气门是一个带约束的优化控制问题。先进模型预测控制(ModelPredictiveControl,MPC)具有前馈-反馈结构,可以处理多变量、多输入、多输出的高维系统,能在优化的意义上显式和主动处理时域硬约束等特点,得到了众多领域的广泛关注和讨论,因此,先进模型预测控制成为处理汽车电子节气门控制问题的一种有效控制策略。但是,先进MPC控制方法在线计算负担较大、耗时长,而汽车电子节气门是一个快速动态系统,要求控制器具有高实时性、低成本计算和存储等特点,因此,基于一般处理器(如单片机)实现的MPC控制器已不能满足节气门的快速跟踪要求,需要寻求新的高效的电控系统硬件实现方案。
发明内容
本发明的目的是提供一种不仅可以很好地满足节气门的控制需求,而且还能够在线灵活裁减、扩充、升级,克服了目前现有电子节气门电控系统不足的基于FPGA实现的电子节气门模型预测控制系统。
本发明的步骤是:
a、模型预测控制器的设计:
(1)预测模型:根据电子节气门机械结构建立节气门数学模型的状态方程如下所示:
(1)
式中、表示的是节气门开度,为节气门转速,为电机扭矩常数,为电源电压,为减速齿轮组传动比,为折算到电机侧的转动惯量,为电机电阻,为弹簧弹性系数,为节气门静态开度,为弹簧预紧力矩系数,为滑动摩擦系数,为电机扭矩常数,为电机反电动势常数,为库伦摩擦系数;
将电子节气门的数学模型转换为线性的增量模型如下所示:
(2);
定义模型的控制时域为m,预测时域为p,同时满足,可以推导出系统未来p步的输出预测方程:
(3)
其中,,,是相应维数的系统预测常值矩阵;
(2)优化问题描述:电子节气门位置跟踪控制的问题描述为如下的约束优化问题:
(4)
满足约束条件
(5)
上式(4)中等式右边第一项是对保证节气门开度y快速地跟踪上期望给定值r的数学描述;(4)式中等式右边第二项是确保控制动作的平顺性希望控制动作的变化率不要过大的数学描述,属于软约束,T y 和T u 为加权矩阵;式(5)是节气门的物理约束的数学描述,属于硬约束;
(3)优化问题求解:MPC的优化问题式(4)、式(5)转换成如下形式的QP问题进行求解:
(6)
满足
(7)
(4)内点法的求解步骤为:
①选取初始点,其中,取小于1且接近1的正数和;
②计算下式:
(8)
得到;
③解方程
(9)
得到;
④计算式子得到,由此得到搜索方向,根据式得到搜索的步长参数;
⑤令
(10)
更新的值;
⑥计算终值条件;
(5)结合内点算法和预测控制,得到约束预测控制的算法流程:
①设置预测时域p及控制时域m,初始化MPC与IPM相关参数;
②给定期望轨迹,在时刻,得到算法输入值、,,,,计算、、;
③通过IPM求解优化问题,得到优化控制序列及控制增量,并将控制增量作用到系统;
④在k+1时刻,令k=k+1,返回第②步;
b、控制系统的FPGA实现:采用基于FPGA的硬件实现方案来进行MPC控制系统的设计,其中FPGA选用的是Altera的StratixⅢ系列的EP3SL150F1152C2N;节气门控制系统的FPGA开发流程是:首先在MATLAB中进行MPC算法的离线仿真验证,并对算法耗时计算过程进行分析,然后,将控制系统进行模块划分,时钟模块采用时钟锁相环实现,求解模块借助综合工具生成硬件描述语言,数据处理模块和接口模块手动编写硬件描述语言代码,各个模块设计完成之后,分别进行ModelSim功能仿真验证,如果控制器的功能不正确,则对硬件代码进行修改,直至功能正确,验证通过后,通过写一个顶层文件将所有模块集成,然后进行编译综合、布局布线,最后在FPGA中进行控制系统的板级验证。
本发明电子节气门控制系统的基本目标是节气门的开度能够又快又准确地跟踪上给定的期望目标位置,同时要求节气门挡板不碰撞限位块。本发明设计了节气门的先进模型预测控制器,约束优化问题的成功描述解决了节气门快速准确跟踪的多目标约束控制问题,达到了很好的控制效果。基于FPGA实现的模型预测控制系统,能够方便的在线进行升级、扩充、维护,延长了产品生命周期,降低了开发、维护成本,且相对于单片机等实现的控制系统,FPGA实现的控制系统抗干扰能力更强,且更容易产品化,完成专用的控制芯片的设计。
附图说明
图1为基于FPGA实现的电子节气门控制系统结构框图;
图2为内点算法流程简图;
图3为节气门控制系统的FPGA实现流程;
图4为控制器的Matlab离线仿真结果图;
图5为硬件代码的功能验证图;
图6为控制系统外围硬件电路的电路原理图;
图7为连续阶跃跟踪实验的控制结果曲线;
图8为实物油门踏板跟踪实验的控制结构曲线。
具体实施方式
本发明具体步骤是:
1.控制算法的设计
(1)控制优化问题描述
电子节气门控制系统的基本目标是节气门的开度能够又快又准确地跟踪上给定的期望目标位置,同时要求节气门挡板不碰撞限位块。
根据节气门的控制要求,保证节气门开度y快速地跟踪上期望给定值r,并为了避免执行机构的饱和,确保控制动作的平顺性,希望控制动作的变化率不要过大,同时还要满足系统硬约束条件,因此,电子节气门位置跟踪控制的问题可以描述为如下的约束优化问题:
(1)
满足约束条件
(2)
其中,m和p分别是模型预测控制的控制时域和预测时域,R(k+1)=[r(k+1) T ,…,r(k+p) T ] T 为给定的预测输出参考序列,Y p (k+1|k)是根据系统模型预测的节气门未来开度序列,(1)式中等式右边第一项是对保证节气门开度y快速地跟踪上给定值r的数学描述;ΔU(k)是优化问题的独立变量,即优化控制序列,(1)式中等式右边第二项是确保控制动作的平顺性希望控制动作的变化率不要过大的数学描述,属于软约束;T y 和T u 是加权矩阵,是为了协调节气门位置跟踪的快速性和控制动作的平顺性,T y 越大节气门位置跟踪越快,而T u 越大执行机构越不容易达到饱和,因此,在设计控制器时,需要通过调节这两个参数来满足节气门位置跟踪的控制要求。式(2)是节气门的物理约束的数学描述,属于硬约束,节气门输入电压占空比在[-1,1]范围内,是实际物理意义上的约束,电压占空比变化率在[-1,1]范围内,是保证控制动作的平顺性的描述,节气门开度在[0,90o]之间,是对节气门挡板不碰撞限位块的描述。
(2)优化问题求解
由于约束条件的存在,优化问题(1)-(2)一般求解不出解析解,需要采用数值优化方法求解约束优化问题,MPC的优化问题(1)-(2)可以转换成如下形式的QP问题进行求解
(3)
满足(4)
其中H、是和系统状态空间方程系数有关的常值矩阵,G、b和状态变量等相关。QP是一个典型的数学优化问题,离线仿真时可以使用MATLAB求解函数进行求解,但是在FPGA硬件上实现时,不支持MATLAB的求解函数库,需要编写求解算法的源代码,因此本发明采用内点法(Interiorpointmethods,IPM)来实现优化求解。模型预测控制算法的计算量主要体现在每个采样周期的QP优化问题的求解过程。通过求解QP问题,得到优化控制序列后,就将的第一个元素作用于被控系统,下一个采样时刻,根据新的测量值,刷新约束优化问题,重新求解QP问题,以此往复。
2.控制器接口设计
在控制器的硬件实现时,接口设计也是一个难点,如果接口传输速率过慢或者不稳定,会拖慢整个控制器的运行速度,降低系统运行的稳定性。
②输入、输出接口、滤波器、估计器四个设计(这儿的接口设计是很简单的设计,所以在这里是个简单的介绍,而在具体实施方式里面详细写了这一部分)
(1)输入接口设计
电子节气门实物可以测量的是位置开度信号,控制器需要通过测得的位置信号进行计算求解,因此本发明选用高速AD数据转换器进行位置信号的采集,以提高数据采集速度,其接口的设计主要就是对AD芯片信号进行控制与读取。
(2)输出接口设计
电子节气门是个低通环节,截止频率很低,所以本发明采用PWM驱动电子节气门,在控制器计算得到输出控制信号电压占空比后,需要设计PWM驱动模块用于驱动电子节气门装置。
(3)滤波器及估计器的设计
在电子节气门实物控制中,测量得到的节气门位置开度信号会不可避免地存在杂波,本发明采用FPGA设计一个低通滤波器,这样才能得到相对准确的节气门开度信号。针对节气门控制中的节气门角速度状态量不可测量的问题,本发明利用当前节气门位置信号进行角速度的估计。数学模型中状态是通过的求导得到的,但是实际中微分环节不存在,故本发明采用一阶惯性环节来对近似求导,从而获得节气门的角速度。
3.节气门控制系统的FPGA实现
约束MPC控制器的求解过程比较耗时,在一般硬件控制器中如此大量的运算会消耗过多的时间和硬件资源,难以满足节气门的快速跟踪控制要求。本发明采用
③基于FPGA实现的模型预测控制系统包括时钟模块、接口模块、求解模块
基于FPGA的全硬件方案进行MPC控制器的实现,充分利用FPGA的硬件特性,以较高时钟频率并行计算控制算法,从而增加系统的数据吞吐量,提升控制系统性能。基于FPGA实现的模型预测控制系统主要包括时钟模块、接口模块、求解模块。
(1)时钟模块
时钟模块是为整个系统提供精准的时钟,本设计利用FPGA开发板上晶振提供的频率为50MHz的时钟,采用时钟锁相环(phase-lockedloop,PLL)技术实现不同时钟频率的输入,以方便电路的调试。
(2)接口模块
接口模块包括输入和输出接口,用于采集节气门位置开度信号和输出节气门控制信号。输入接口包括AD芯片的配置程序和滤波状态估计程序,其中滤波环节采用一阶惯性滤波算法,而状态估计采用一阶惯性环节近似求导方法得到节气门角速度,将读取过来的位置信号、估计的节气门角速度和节气门参考输入信号全部存在FPGA寄存器中,作为求解模块的三个输入量。电子节气门的驱动信号是PWM方波信号,故需要将控制算法输出的控制信号进行转换,本发明采用比较的方法得到PWM方波,最终通过FPGA的通用IO口将PWM信号输出。
(3)求解模块
求解模块采用内点法求解QP优化问题,获得节气门优化控制量。为缩短开发周期,本文采用半自动模块化的FPGA设计方法进行控制器的设计,即简单的功能模块(例如接口模块)可以通过手工编写硬件语言的方法实现,复杂的算法模块(例如内点求解模块)借助高级综合工具自动生成硬件描述语言。求解模块的FPGA硬件实现时,需要编写内点算法的C/C++代码,然后利用综合工具将算法的C/C++代码转成硬件语言描述代码,同时通过对内点算法的分析和优化,充分利用流水线及并行计算,使反复迭代的约束模型预测控制算法在毫秒时间内求出优化解,得到优化控制序列。
④集成综合(上述描述的是FPGA中一个一个设计的功能模块,而集成综合就是将这些功能模块捏合一起按照一定的逻辑顺序运行以实现特定的功能,这个工作是一款FPGA开发工具实现的)
最后将各个模块在顶层进行集成综合,以完成节气门控制系统的FPGA实现。半自动模块化的FPGA设计方法减轻了设计人员的负担,加快了算法硬件实现的流程。由于对某一模块的修改和替换不用改动其它模块,因此,为控制器的实现和应用提供了灵活性,使得控制器的调试和维护变得更加简便。
下面将结合附图对本发明做进一步详细说明。
本发明基于FPGA实现的节气门模型预测控制系统的结构框图如图1所示,主要包括模型预测控制器、数据处理模块(滤波和估计)、AD数据采集接口以及PWM驱动接口。FPGA作为电子节气门控制单元的硬件实现平台,外接AD数据采集板和PWM驱动板;FPGA控制单元首先通过AD芯片采集节气门位置开度信号和油门踏板参考信号,然后经过数据的滤波和处理得到节气门开度的变化量、节气门角速度的变化量、节气门开度参考输入和节气门开度,模型预测控制器通过优化求解输出优化控制序列电压占空比作用于电子节气门。下面具体说明各个部分的实施步骤:
a、模型预测控制器的设计:
(1)预测模型:因为模型预测控制是基于模型的控制算法,所以需要建立电子节气门的数学模型,以进行模型预测控制器的设计。电子节气门主要由驱动电机,减速齿轮组,复位弹簧,节气门体及节气门开度传感器组成。根据电子节气门机械结构建立节气门数学模型的状态方程如下所示:
(1)
式中、表示的是节气门开度,为节气门转速,为电机扭矩常数,为电源电压,为减速齿轮组传动比,为折算到电机侧的转动惯量,为电机电阻,为弹簧弹性系数,为节气门静态开度,为弹簧预紧力矩系数,为滑动摩擦系数,为电机扭矩常数,为电机反电动势常数,为库伦摩擦系数;本申请所有符号定义相同。由状态方程可以看出电子节气门的非线性主要体现在符号函数sgn上,由于节气门在转动时的角度一般大于节气门动态开度,且忽略节气门在正反转切换瞬间,即正负切换的时刻,
将电子节气门的数学模型转换为线性的增量模型如下所示:
(2);使用增量模型同时是为了引入积分以减少或消除静态误差。
定义模型的控制时域为m,预测时域为p,同时满足,可以推导出系统未来p步的输出预测方程:
(3)
其中,,,是相应维数的系统预测常值矩阵;可以通过系统的状态空间离线求解出来。
(2)优化问题描述:根据节气门的控制要求,保证节气门开度y快速地跟踪上期望给定值r,并为了避免执行机构的饱和,确保控制动作的平顺性,希望控制动作的变化率不要过大,同时还要满足系统硬约束条件,因此,电子节气门位置跟踪控制的问题描述为如下的约束优化问题:
(4)
满足约束条件
(5)
上式(4)中等式右边第一项是对保证节气门开度y快速地跟踪上期望给定值r的数学描述;(4)式中等式右边第二项是确保控制动作的平顺性希望控制动作的变化率不要过大的数学描述,属于软约束,T y 和T u 为加权矩阵;是为了协调节气门位置跟踪的快速性和控制动作的平顺性,T y 越大,节气门位置跟踪越快,而T u 越大,执行机构越不容易达到饱和,因此,在设计控制器时,需要通过调节这两个参数来满足节气门位置跟踪的控制要求。式(5)是节气门的物理约束的数学描述,属于硬约束;节气门输入电压占空比在[-1,1]范围内,是实际物理意义上的约束,电压占空比变化率在[-1,1]范围内,是保证控制动作的平顺性的描述,节气门开度在[0,90o]之间,是对节气门挡板不碰撞限位块的描述。
(3)优化问题求解:由于约束条件的存在,优化问题(4)-(5)一般求解不出解析解,需要采用数值优化方法求解约束优化问题,MPC的优化问题式(4)、式(5)转换成如下形式的QP问题进行求解:
(6)
满足
(7)
(4)MPC需要在每个采样时间内在线求解QP问题,QP算法是一个典型的数学优化问题,可以采用多种方法进行求解,如积极集法、粒子群法,梯度法和内点法等,内点法迭代少,其多项式运算计算步骤之间耦合性小,且其矩阵运算和向量运算都是固定维数,算法中也有一定的并行性,有利于利用FPGA丰富的硬件资源并行完成这些计算,因此本发明采用内点法来实现优化求解,内点法的求解过程如附图2所示。其算法步骤为:
①选取初始点,其中,取小于1且接近1的正数和;
②计算下式:
(8)
得到;
③解方程
(9)
得到;
④计算式子得到,由此得到搜索方向,根据式得到搜索的步长参数;
⑤令
(10)
更新的值;
⑥计算终值条件;如果它们的值足够小并满足精度要求时,得到最优解,否则转至步(3)继续按上述步骤迭代。
(5)结合内点算法和预测控制,得到约束预测控制的算法流程:
①设置预测时域p及控制时域m,初始化MPC与IPM相关参数;
②给定期望轨迹,在时刻,得到算法输入值、,,,,计算、、;
③通过IPM求解优化问题,得到优化控制序列及控制增量,并将控制增量作用到系统;
④在k+1时刻,令k=k+1,返回第②步;
b、控制系统的FPGA实现:采用基于FPGA的硬件实现方案来进行MPC控制系统的设计,其中FPGA选用的是Altera的StratixⅢ系列的EP3SL150F1152C2N;节气门控制系统的FPGA开发流程是:如附图3所示,首先在MATLAB中进行MPC算法的离线仿真验证,并对算法耗时计算过程进行分析,然后,将控制系统进行模块划分(包括时钟模块、接口模块、数据处理模块、模型预测控制求解模块),时钟模块采用时钟锁相环实现,求解模块借助综合工具生成硬件描述语言,数据处理模块和接口模块手动编写硬件描述语言代码,各个模块设计完成之后,分别进行ModelSim功能仿真验证,如果控制器的功能不正确,则对硬件代码进行修改,直至功能正确,验证通过后,通过写一个顶层文件将所有模块集成,然后进行编译综合、布局布线,最后在FPGA中进行控制系统的板级验证。
具体实施步骤如下:
(1)离线仿真验证
首先根据算法流程,在MATLAB中进行MPC-IPM的算法描述,并进行离线仿真验证。考虑到控制效果和算法的复杂性,本发明选择预测时域,控制时域,采样时间,加权矩阵为对应维数的单位矩阵,为对应维数的单位矩阵的45倍,而在IPM算法中,初始值,,收敛条件为0.000001,控制器的MATLAB离线仿真如附图4所示,其中参考输入为连续阶跃信号。由图结果可知,本发明中模型预测控制器具有较好的控制性能。
(2)控制系统模块划分
1)时钟模块
时钟模块是为整个系统提供精准的时钟,一般FPGA开发板上晶振提供的时钟为50MHz,通过时钟模块可以方便地变换时钟频率,以方便电路的调试。本发明采用时钟锁相环PLL来实现时钟的倍频。
2)接口模块
接口模块包括输入和输出接口,用于采集节气门位置信号和输出节气门控制信号。输入接口包括AD芯片的配置程序和滤波状态估计程序,其中滤波环节采用一阶惯性滤波算法,而状态估计采用一阶惯性环节近似求导方法得出节气门转速,将读取过来的位置信号、估计的节气门角速度和节气门参考输入信号全部存在FPGA寄存器中,作为求解模块的三个输入量。电子节气门的驱动信号是PWM方波信号,故需要将控制算法输出的控制信号进行转换,本发明采用比较的方法得到PWM方波,最终通过FPGA的通用I/O口将PWM信号输出。
2)数据处理模块
由于MPC-IPM控制算法输入量需要状态量、,而通过A/D传输过来只是可测的节气门开度,节气门角速度是不可测的,由于,而在实际应用中,微分环节容易使中间数据出现尖峰,且求导运算在FPGA中也不容易实现,故本文采用一阶惯性环节来对近似求导,故在此可以将微分运算转为积分运算,便于硬件语言的实现。
3)求解模块
①定点数据设计
MPC控制器在MATLAB中验证通过后,基于算法的M语言描述编写相应的C/C++程序代码。由于浮点数据类型占用的硬件资源比较多,并且计算速度较慢,而定点数据类型使得每个数据都是位精准的,占用资源少,计算速度快,且易于传输和存储,因此,故本发明用定点数据模型代替浮点数据类型。本发明采用ac_fixed<W,I,true>和ac_fixed<W,I,false>两种定点数据模板进行控制算法的定点数据模型设计,其中W代表数据的位宽,I代表整数位的位宽,true表示有符号数据,false表示无符号数据。通过算法分析,根据不同变量的变化范围,合理地设计其数据类型,通过精确的位宽控制可以在不影响精度的前提下减少资源的消耗,提高计算性能。根据离线仿真结果可以很方便的获得各个变量的取值范围,对于一些不容易获得范围的中间变量,可以把数据的位宽和整数位的位宽设置大点防止中间变量计算溢出出错。本发明的控制算法中主要变量的具体定点数据类型设计为:根据△x1的范围-0.015~0.015设计的定点数据类型为ac_fixed<30,2,true>;根据△x2的范围-1.5~1.5设计的定点为ac_fixed<30,3,true>;根据y的范围0~1.2设计的定点为ac_fixed<30,2,false>;根据u的范围-1~1设计的定点为ac_fixed<30,3,true>等。
②硬件代码生成
设计完定点模型控制器后将算法的C/C++程序代码转换成FPGA硬件语言描述语言(HardwareDescriptionLanguage,HDL)代码。求解QP问题存在反复迭代寻求最优解,所以一般模型预测控制器的计算性能相对较差。本发明为了解决这个矛盾,一方面采用FPGA对控制器进行硬件提速,另一方面对控制算法进行电路结构优化。针对内点求解算法,如果按照收敛条件10-6来设计硬件控制器,会导致代码过于冗余,造成综合失败,故在此处设计中,固定迭代次数。在硬件语言中,除法比乘法浪费资源和时间,且如果乘数是2的幂次,还可以用左移运算代替乘法以提速。除此之外,针对算法中存在大量的循环运算,本发明将这些循环运算进行展开,方便并行执行代码和流水线优化。在FPGA内部,各变量的存储结构有多种,例如RAM存储,寄存器存储。由于RAM存储的变量不能同时读取,这样会降低系统的运行速度,故本发明将所有变量全部采用寄存器存储。经过上述的优化后,本发明的控制器数据输入到计算完成数据输出所需要时间为0.58855ms,满足了电子节气门系统毫秒级的系统响应时间需求。
③功能验证
为保证生成的硬件代码功能的正确性,需要进行功能仿真验证,其功能仿真结果如附图5所示,由图可以看出在相同的输入激励下,控制器的FPGA硬件代码和原C/C++代码输出结果相一致,偏差的数量级在,由此验证了本发明FPGA实现的控制器功能的正确性。
(3)模块集成
功能仿真验证通过后,我们通过编写一个顶层文件将时钟、接口、数据处理、求解模块集成,然后进行编译综合、布局布线,最后生成FPGA配置文件并进行控制系统的板级验证。
3.外围电路板设计
完成模型预测控制系统的FPGA实现后,需要进行的是接口电路的设计,如附图6所示,为了满足本系统毫秒级的响应速度,在本发明中输入接口上的AD转换芯片采用TI公司生产的12位、最大采样率为6MSPS的TMS1206,结合其并行输出和易配置的特性,可以快速地从该AD芯片上读取节气门的位置信号。输出接口上选用的PWM驱动是有刷直流电机驱动,驱动器型号是BRT60A,其中的驱动是(带有MOS管IRLR7843)IRS2184芯片,该驱动具有较好的抗干扰能力,输入3.3V和5V兼容,最大承受的电流是60A,且能输出正负脉冲的PWM,这样满足节气门正反转的需求。
4.电子节气门实物控制
节气门控制系统的硬件平台包括多输出可调电源、接口电路板、FPGA开发板、电子节气门,其中电源输出5V电压和12V电压分别驱动FPGA和电子节气门,为了实时查看节气门的位置信号,此实验借用dSPACE及其配套的桌面软件ControlDesk对节气门位置信号就行观测,然后按照附图6接线后完成节气门控制系统的硬件平台搭建,最终将控制算法及接口程序综合所产生的配置文件下载到FPGA中以完成控制器的硬件实现。
接着就进行电子节气门实物的跟踪控制实验,第一组实验是电子节气门跟踪开度阶跃信号,其中节气门起始开度大概为11°,本实验让节气门分别在3.5s和8s跟踪给定位置35°和69°;第二组跟踪的是实际的油门踏板信号,用来完全模拟汽车中的油门加减速过程,实验结果分别如附图7和附图8所示,可以看到设计的控制器能够快速地跟踪上给定信号,且几乎没有超调,体现良好的控制性能。由实验结果可以看出,本发明的基于FPGA实现的模型预测控制系统具有很好的控制效果,能够满足电子节气门的控制要求。
Claims (1)
1.一种基于FPGA实现的电子节气门模型预测控制系统,其特征在于:
a、模型预测控制器的设计:
(1)预测模型:根据电子节气门机械结构建立节气门数学模型的状态方程如下所示:
(1)
式中、表示的是节气门开度,为节气门转速,为电机扭矩常数,为电源电压,为减速齿轮组传动比,为折算到电机侧的转动惯量,为电机电阻,为弹簧弹性系数,为节气门静态开度,为弹簧预紧力矩系数,为滑动摩擦系数,为电机扭矩常数,为电机反电动势常数,为库伦摩擦系数;
将电子节气门的数学模型转换为线性的增量模型如下所示:
(2);
定义模型的控制时域为m,预测时域为p,同时满足,可以推导出系统未来p步的输出预测方程:
(3)
其中,,,是相应维数的系统预测常值矩阵;
(2)优化问题描述:电子节气门位置跟踪控制的问题描述为如下的约束优化问题:
(4)
满足约束条件
(5)
上式(4)中等式右边第一项是对保证节气门开度y快速地跟踪上期望给定值r的数学描述;(4)式中等式右边第二项是确保控制动作的平顺性希望控制动作的变化率不要过大的数学描述,属于软约束,T y 和T u 为加权矩阵;式(5)是节气门的物理约束的数学描述,属于硬约束;
(3)优化问题求解:MPC的优化问题式(4)、式(5)转换成如下形式的QP问题进行求解:
(6)
满足
(7)
(4)内点法的求解步骤为:
①选取初始点,其中,取小于1且接近1的正数和;
②计算下式:
(8)
得到;
③解方程
(9)
得到;
④计算式子得到,由此得到搜索方向,根据式得到搜索的步长参数;
⑤令
(10)
更新的值;
⑥计算终值条件;
(5)结合内点算法和预测控制,得到约束预测控制的算法流程:
①设置预测时域p及控制时域m,初始化MPC与IPM相关参数;
②给定期望轨迹,在时刻,得到算法输入值、,,,,计算、、;
③通过IPM求解优化问题,得到优化控制序列及控制增量,并将控制增量作用到系统;
④在k+1时刻,令k=k+1,返回第②步;
b、控制系统的FPGA实现:采用基于FPGA的硬件实现方案来进行MPC控制系统的设计,其中FPGA选用的是Altera的StratixⅢ系列的EP3SL150F1152C2N;节气门控制系统的FPGA开发流程是:首先在MATLAB中进行MPC算法的离线仿真验证,并对算法耗时计算过程进行分析,然后,将控制系统进行模块划分,时钟模块采用时钟锁相环实现,求解模块借助综合工具生成硬件描述语言,数据处理模块和接口模块手动编写硬件描述语言代码,各个模块设计完成之后,分别进行ModelSim功能仿真验证,如果控制器的功能不正确,则对硬件代码进行修改,直至功能正确,验证通过后,通过写一个顶层文件将所有模块集成,然后进行编译综合、布局布线,最后在FPGA中进行控制系统的板级验证。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510310726.XA CN105114189A (zh) | 2015-06-09 | 2015-06-09 | 基于fpga实现的电子节气门模型预测控制系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510310726.XA CN105114189A (zh) | 2015-06-09 | 2015-06-09 | 基于fpga实现的电子节气门模型预测控制系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105114189A true CN105114189A (zh) | 2015-12-02 |
Family
ID=54662271
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510310726.XA Pending CN105114189A (zh) | 2015-06-09 | 2015-06-09 | 基于fpga实现的电子节气门模型预测控制系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105114189A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108196450A (zh) * | 2017-12-29 | 2018-06-22 | 吉林大学 | 基于支持向量机的发动机怠速控制系统设计方法 |
CN109039168A (zh) * | 2018-07-13 | 2018-12-18 | 浙江工业大学之江学院 | 无刷直流电机的多尺度近似显式模型预测控制方法 |
CN109578156A (zh) * | 2018-12-11 | 2019-04-05 | 吉林大学 | 基于参数辨识和非线性三步法的电子节气门控制方法 |
CN110134042A (zh) * | 2019-05-10 | 2019-08-16 | 吉林大学 | 车辆路径跟踪预测控制器及fpga异构加速实现方法 |
WO2019237320A1 (zh) * | 2018-06-15 | 2019-12-19 | 大连理工大学 | 一种基于模型预测的航空发动机在线优化及多变量控制设计方法 |
CN113359484A (zh) * | 2021-07-26 | 2021-09-07 | 南京航空航天大学 | 基于半交替优化的航空发动机模型预测控制方法及装置 |
CN115190375A (zh) * | 2022-07-08 | 2022-10-14 | 深圳市帝晶光电科技有限公司 | 一种基于fpga技术的多功能冶具运行系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104143116A (zh) * | 2014-07-23 | 2014-11-12 | 西安空间无线电技术研究所 | 一种基于粒子群算法的系统软防护组合优化方法 |
CN104166618A (zh) * | 2013-05-16 | 2014-11-26 | 郭若杉 | 一种算法硬件实现方法和系统 |
CN104205052A (zh) * | 2012-03-30 | 2014-12-10 | 国际商业机器公司 | 用于基于fpga的硬件加速器的周期精确的和周期可再现的内存 |
-
2015
- 2015-06-09 CN CN201510310726.XA patent/CN105114189A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104205052A (zh) * | 2012-03-30 | 2014-12-10 | 国际商业机器公司 | 用于基于fpga的硬件加速器的周期精确的和周期可再现的内存 |
CN104166618A (zh) * | 2013-05-16 | 2014-11-26 | 郭若杉 | 一种算法硬件实现方法和系统 |
CN104143116A (zh) * | 2014-07-23 | 2014-11-12 | 西安空间无线电技术研究所 | 一种基于粒子群算法的系统软防护组合优化方法 |
Non-Patent Citations (2)
Title |
---|
宋同好: "基于Backstepping的电子节气门控制", 《中国优秀硕士学位论文全文数据库工程科技Ⅱ辑》 * |
许芳: "快速模型预测控制的FPGA实现及其应用研究", 《中国博士学位论文全文数据库信息科技辑》 * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108196450A (zh) * | 2017-12-29 | 2018-06-22 | 吉林大学 | 基于支持向量机的发动机怠速控制系统设计方法 |
WO2019237320A1 (zh) * | 2018-06-15 | 2019-12-19 | 大连理工大学 | 一种基于模型预测的航空发动机在线优化及多变量控制设计方法 |
US11454177B2 (en) | 2018-06-15 | 2022-09-27 | Dalian University Of Technology | Method of aero-engine on-line optimization and multivariable control based on model prediction |
CN109039168A (zh) * | 2018-07-13 | 2018-12-18 | 浙江工业大学之江学院 | 无刷直流电机的多尺度近似显式模型预测控制方法 |
CN109578156A (zh) * | 2018-12-11 | 2019-04-05 | 吉林大学 | 基于参数辨识和非线性三步法的电子节气门控制方法 |
CN109578156B (zh) * | 2018-12-11 | 2021-03-30 | 吉林大学 | 基于参数辨识和非线性三步法的电子节气门控制方法 |
CN110134042A (zh) * | 2019-05-10 | 2019-08-16 | 吉林大学 | 车辆路径跟踪预测控制器及fpga异构加速实现方法 |
CN110134042B (zh) * | 2019-05-10 | 2021-11-05 | 吉林大学 | 车辆路径跟踪预测控制器及fpga异构加速实现方法 |
CN113359484A (zh) * | 2021-07-26 | 2021-09-07 | 南京航空航天大学 | 基于半交替优化的航空发动机模型预测控制方法及装置 |
CN113359484B (zh) * | 2021-07-26 | 2022-06-10 | 南京航空航天大学 | 基于半交替优化的航空发动机模型预测控制方法及装置 |
CN115190375A (zh) * | 2022-07-08 | 2022-10-14 | 深圳市帝晶光电科技有限公司 | 一种基于fpga技术的多功能冶具运行系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105114189A (zh) | 基于fpga实现的电子节气门模型预测控制系统 | |
CN103395065B (zh) | 基于双参数奇异摄动的液压刚柔机械臂控制方法 | |
Pan et al. | Variable-structure control of electronic throttle valve | |
Borrelli et al. | A hybrid approach to traction control | |
Taghavipour et al. | Real-time predictive control strategy for a plug-in hybrid electric powertrain | |
Nicodemus et al. | Physics-informed neural networks-based model predictive control for multi-link manipulators | |
Li et al. | Terminal sliding mode control of automated car-following system without reliance on longitudinal acceleration information | |
Zhakatayev et al. | Successive linearization based model predictive control of variable stiffness actuated robots | |
CN102385342B (zh) | 虚拟轴机床并联机构运动控制的自适应动态滑模控制方法 | |
WO2021029802A1 (en) | Improved machine learning for technical systems | |
Chou et al. | Optimized FPGA design, verification and implementation of a neuro-fuzzy controller for PMSM drives | |
CN102436184B (zh) | 一种基于嵌入式处理器双目标机的控制实时仿真系统 | |
Rosmann et al. | Time-optimal nonlinear model predictive control with minimal control interventions | |
Kang et al. | Receding horizon online optimization for torque control of gasoline engines | |
Zheng et al. | Designing robust control for permanent magnet synchronous motor: fuzzy based and multivariable optimization approach | |
Lyu et al. | Development of parallel-connected pump–valve-coordinated control unit with improved performance and efficiency | |
Zhang et al. | Investigation on the load-inertia ratio of machine tools working in high speed and high acceleration processes | |
Hu et al. | Desired compensation adaptive robust repetitive control of a multi-DoFs industrial robot | |
CN117595724B (zh) | 一种基于模型预测的矿车发电机励磁控制方法和系统 | |
Federici et al. | Tiny reservoir computing for extreme learning of motor control | |
CN110119085A (zh) | 一种Manutec R3型工业机器人动态优化系统 | |
Li et al. | A nonrepetitive fault estimation design via iterative learning scheme for nonlinear systems with iteration-dependent references | |
Fehnker et al. | Modeling and verifying a Lego car using hybrid I/O automata | |
Cobb et al. | On diverse system-level design using manifold learning and partial simulated annealing | |
Liu et al. | Synthesis of reactive control protocols for differentially flat systems |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20151202 |