CN108228537A - 一种智能室内设计用水平测量仪 - Google Patents

Abstract

本发明属于测量装置领域，公开了一种智能室内设计用水平测量仪，设置有壳体，测量仪主体通过螺栓固定安装在所述壳体的内部；伺服电机通过支架焊接安装在测量仪主体的后端；控制器分别与测量仪主体和伺服电机相连接，通过螺栓固定安装在所述壳体的底部；陀螺仪安装在所述壳体的后端，与所述控制器电连接；电源通过螺栓固定安装在所述壳体的内部，与所述控制器电连接。本发明通过陀螺仪获得当前状态整个装置与水平的夹角，并通过控制器控制电机转动一定的角度实现测量仪主体水平测量或竖直测量，实现了准确智能的测量室内尺寸。

Description

一种智能室内设计用水平测量仪

技术领域

本发明属于测量装置领域，尤其涉及一种智能室内设计用水平测量仪。

背景技术

在日常工程中，经常需要对测量装置的相对位置进行确定，也会对界限进行确定，统一标高挂设等项目时，需要人工拉线进行位置确定，使各个位置的高度相同，但是应用人工拉线费时费力，且经常出现偏差，导致工程返工情况的出现。激光测量仪的出现虽然简化了测量过程，但是由于无法准确的将测量仪设置成水平或竖直角度，测量并不准确。

近年来，随着集成电路技术的飞速发展，现场可编程门阵列(FPGA)，因其有集成度高、逻辑资源丰富、设计灵活以及可重构性等特点，在航天领域和国防领域应用非常广泛，每年我国需要从国外进口大量现场可编程门阵列(FPGA)芯片以及配套软件，而国内现场可编程门阵列(FPGA)产业有待发展，制约国内现场可编程门阵列(FPGA)产业发展的因素，主要是缺乏自主研发的高性能高质量的现场可编程门阵列(FPGA)设计软件。

现场可编程门阵列(FPGA)的设计流程，主要包括设计输入、行为综合、逻辑综合、工艺映射、单元划分和逻辑单元装箱、布局和布线。其中，布局和布线是极为重要的环节，它直接耗费了现场可编程门阵列(FPGA)设计流程中绝大部分CPU时间，并且影响到整个电路的性能。

现场可编程门阵列(FPGA)的布局，就是基于一定的优化条件和约束准则将经过逻辑单元装箱后的电路网表文件描述的可配置逻辑单元CLB、I/O单元、异构模块等单元映射到现场可编程门阵列(FPGA)芯片内部物理位置的过程。现场可编程门阵列(FPGA)的布局问题可以描述为将M个模块放置到N个位置上，设X为当前的布局状态，成本函数Cost(X)表示每一种布局状态X的总成本，总成本越小的布局，其质量越好。现场可编程门阵列(FPGA)的布局问题的解空间非常巨大，用常规的穷举法在有限的时间内难以找到最优解，是一个NP难问题。现场可编程门阵列(FPGA)布局的成本函数Cost(X)的三个主要的优化目标是：平衡现场可编程门阵列(FPGA)中布线密度，确保在任意位置布线都有充足的布线资源；最小化关键路径延时，以提高电路速度；布局尽量紧密，以减少所需的布线资源。这三个目标并不是相互独立的，而是互相制约的，通常不能使每个目标都达到最优化，因此在优化过程中要对三个目标取折中，以取得总体最优的结果。目前学术界和工业界对现场可编程门阵列(FPGA)布局问题通常使用的是基于传统模拟退火算法的布局方法。

现场可编程门阵列(FPGA)的布线，就是为了按照电路的连接情况成功地连接现场可编程门阵列(FPGA)芯片中对应的逻辑单元，使这些连线与电路中的连线相对应，并保证在芯片中的资源没有被重用。现场可编程门阵列(FPGA)的布线问题可以简单地表述为将现场可编程门阵列(FPGA)的布线资源及其连接关系转换为布线资源图来描述，假设其为有向图G＝(V，E)，其中V就是布线资源图中的节点，E表示连接节点之间的开关；设一个电路由许多条信号组成，其中N_i表示第i条电路信号，N_i是信号源端节点S_i和漏端节点T_i,j的集合，所以N_i是V的一个子集；因此布线问题就是要在有向图G中寻找连接所有N_i的轨迹，而且要保证所有轨迹不冲突。解决现场可编程门阵列(FPGA)的布线问题要平衡两个互相竞争的优化目标：消除拥挤与最小化关键路径延。目前学术界和工业界对现场可编程门阵列(FPGA)布线问题通常使用的是基于拥挤协商PathFinder算法的布线方法。

现有的解决现场可编程门阵列(FPGA)的布局问题的方法为，首先把可配置逻辑单元CLB、I/O单元、异构模块等逻辑单元随机地分配到FPGA各个位置上从而得到一个初始布局。随后，随机地选取一个逻辑单元，然后随机在R_limit限定的范围内给它分配一个新的位置，计算由移动该逻辑单元到新位置所造成的成本函数差值。如果成本函数值减少，则接受逻辑单元的移动。如果成本函数值增大，虽然移动使得布局变更差，但是仍然存在接受的可能，产生随机数r，如果小于由Metropolis准则的接受概率exp(-ΔC/T)则接受逻辑单元的移动，其中ΔC是移动造成的成本函数的变化，否则拒绝。布局时成本函数Cost()关系到布局的优化方向，在现有的布局方法中成本函数的计算包括线长成本和时序成本：线长成本是整个电路中每个信号布线线长估计值的和，最小化线长成本关系到最小化布线资源的消耗并平衡布线密度以保证布线成功；时序成本是布局时所有布线路径的延时之和，最小化时序成本关系到最小化关键路径延时。同时成本函数Cost()还要通过权重参数正确地平衡最小化线长和最小化关键路径延时之间关系。Metropolis准则中的温度参数T，用于控制接受导致布局变差移动的可能性。一开始，T是非常高的，几乎所有的移动都被接受；随着布局优化，它的值逐渐减少，这样接受使布局变差的移动的概率是非常低的。接受一个使布局变差的移动带来的爬坡能力，使得模拟退火避免收敛到成本函数上的局部最优解。温度下降的速度、在每个温度下试图移动的次数和产生可能移动的方法、终止退火的退出标准是由退火表所决定。这种方法由于在每个温度T下必须做足够多的移动才能达到热力学平衡，同时为了取得接近最优的布局结果，温度T下降非常缓慢，所以会花费非常多的CPU时间。

现有的解决现场可编程门阵列(FPGA)的布线问题的方法为，一种基于拥挤协商PathFinder算法的迭代式布线方法，该方法使用了一种尝试平衡竞争目标：消除拥挤与最小化关键路径延时的迭代方法，该迭代方法采用多次布线迭代来完成，允许信号初步占用布线资源，但随后必须与其他信号协商并决定哪个信号最需要该布线资源。在每次迭代中都要进行一次时序分析以维持对那些可能十分关键的信号持续施加影响。在协商中通过让越是关键的信号越具有更优先的次序，最终将关键路径延时最小化。在每次迭代过程中，每条信号被拆线并按照预定的顺序布线。在布线资源图中的每一布线资源节点i的成本，表示节点i被信号占用次数，用以反映每个信号布线后以及一次完整布线迭代之后的拥挤状况。成本的更新迫使信号布线从器件的拥挤区域迁移至较离散分布的区域，为当前正处于拥挤区域的其他需求更大的信号腾出空间。由于该方法在每次布线迭代中，既要考虑最小化成本，即关键路径延时，又要排除布线资源重用导致的拥挤，使迭代过程必须持续进行直到没有布线资源重用为止，因而这会耗费大量的CPU时间。

综上所述，现有技术存在的问题是：传统的室内测量方法非常复杂，操作困难，激光测量仪虽然简化的测量过程但是准确度不高；现有的现场可编程门阵列布局、布线过程中CPU消耗时间长、效率低的问题。

发明内容

针对现有技术存在的问题，本发明提供了一种智能室内设计用水平测量仪。

本发明是这样实现的，该智能室内设计用水平测量仪设置有壳体，

测量仪主体，通过螺栓固定安装在所述壳体的内部；

伺服电机，通过支架焊接安装在测量仪主体的后端；

控制器，分别与测量仪主体和伺服电机相连接，通过螺栓固定安装在所述壳体的底部；

陀螺仪，安装在所述壳体的后端，与所述控制器电连接；

电源，通过螺栓固定安装在所述壳体的内部，与所述控制器电连接。

进一步，所述电源利用改进的向量机回归算法对输入电量数据，产生回归向量机模型，向量机回归算法需要解决向量机回归模型中的惩罚系数f、不敏感损失参数ε及核函数中的宽度参数σ²这三个参数，根据风电场实际场景需要，将标准化的训练数据随机分成N个大小相等的子集，先用其中N-1个子集作为训练样本，电量得到一个回归支持向量机模型，另外1个子集作为验证样本，计算得到误差，这样循环进行次，直到所有的N-1个子集都作为测试样本被预测一遍，取N次预测所得的误差的均值e^％作为性能指标，其中和可由下式表示：

式中，Actual(i)代表实际风能值，Forecast(i)代表预测风能值，越小，说明模型预测精度更高，然后将三个参数进行区间搜索，得到最优的结果，即最佳参数惩罚系数f、不敏感损失参数ε及核函数中的宽度参数σ²。

进一步，所述伺服电机电流环控制参数自整定方法包括以下步骤：

电机转子堵转，消除q轴电流反向电动势的影响；

在电流阶跃信号作用下，分析q轴一个周期T电流环PID参数；

分析时将电流阶跃信号周期分为高电平区间[0,T/2]、低电平区间[T/2,T]；

电流阶跃信号函数用e(t)表示，高电平区间电流响应函数用e₁(t)表示，低电平区间电流响应函数用e₂(t)表示；

高电平区间为满足幅值变化的动态响应，采用PI调节；低电平区间保证低电平稳定性，采用PD调节；

ITAE整定准则表达式为t表示时间，|e(t)|表示实际输出与期望输出的偏差值绝对值，ITAE准则控制系统瞬态响应振荡性小，对系统参数具有良好的选择性；对于伺服系统，电流环通过ADC采样得到跟踪响应电流，即为离散控制系统；

对P值进行整定，初值P(0)对应ITAE指标为E(0)；P(i)对应ITAE指标为E(i)；i∈[1,∞)，i∈n；

按照自适应粒子群优化算法对P值进行动态赋值，变量P(i)值所对应的适应度函数用f_i表示，当f_i<2％时，此时得到最优伺服整定P(i)值，自适应粒子群优化算法公式如下：

x(t+1)＝wx(t)+c₁r₁(p_best-x(t))+c₂r₂(g_best-x(t))；

w＝(w_max-w_min)×exp(-β(t/T_max)²)+w_min；

式中w为惯性权重，初始值取0.8，c₁、c₂为常数2，r₁、r₂为分布于[0,1]范围内的随机数，p_best为粒子本身找到的最优解，全局极值g_best为整个粒子群当前最优解；式中β取值由经验决定，为β∈[15,20]；

根据群体适应度方差δ²判别局部极值是否是全局极值，群体适应度方差定义为下式：

式中n为粒子数，f_i为第i个粒子适应度，f_avg为粒子群目前平均适应度，f为归一化定标因子，f的取值为下式：

f＝max{1,max|f₁-f_avg|},i∈[1,n]；

如果出现粒子群过早收敛，则执行变异操作：

g_best＝g_best×(1+τ×0.5)

τ为服从标准正态分布的随机变量，对g_best执行随机变异操作用来提高离子群算法跳出局部最优解的能力；

在确定最优伺服系统P值后，分别整定高电平区间I值，D值取0和低电平区间D值，I值取0；

对得到的整定参数进行校验，若作用下的电流闭环阶跃响应满足快速、稳态误差小等特征，则认为参数整定结果满足电流环控制整定要求，整定过程结束，否则重新进行整定；

所述ITAE准则表达为：

进一步，所述控制器的电路一路是由空心互感器输出，通过导线连接共模扼流圈L1；共模扼流圈L1输出端一端连接二极管D5正极及MOSFET管Q1、MOSFET管Q2漏极；另一端接地；驱动芯片U1第3管脚为驱动信号输入端，第7管脚通过导线连接电阻R2再与MOSFET管Q1管脚1端连接、驱动芯片U1第5管脚通过导线连接电阻R10再与MOSFET管Q2管脚1端连接；

整流桥BR1输出端通过导线连接开关电源芯片U4第8管脚电源输入端，同时连接稳压二极管D6；稳压二极管D6与电阻R3、电阻R8通过导线串联，电阻R3连接驱动芯片U1芯片第8管脚电源端，为驱动芯片U1供电；稳压二极管D6、电阻R3、电阻R8与电容CE5并联，再与电阻R21、电阻R22组成的串联支路并联；

所述开关电源芯片U4输出端第1管脚通过导线连接到3.3V稳压芯片U12的输入端第2管脚；所述3.3V稳压芯片U12输出端为万能式断路器电子控制器主控制芯片供电；

所述电阻R3、稳压二极管D6和驱动芯片U1通过导线串联并与电容CE5并联；电阻R22通过导线与电阻R8并联；MOSFET管Q7通过导线与MOSFET管Q1串联；小板互感器通过导线连接MOSFET管Q7和MOSFET管Q1。

进一步，所述陀螺仪的稳定方法包括以下步骤：

步骤一、云台实时读取第一陀螺仪的数据获取云台的倾角&A；

步骤二、云台实时读取第二陀螺仪的数据获取车平面的倾角&B；

步骤三、云台MCU内部将实时获取到的&A与&B进行拟合，得出Δ&；

步骤四、判断当Δ&大于预设角度M是时，可判定车载云台相对车平面发生偏移，云台根据Δ&的角度实时矫正当前垂直角度回到用户预设角度；

云台根据Δ&的角度实时矫正当前垂直角度回到用户预设角度，其原理在于，用户预设角度后，陀螺仪相对于车平面的倾角是固定的，当发生偏差时，该倾角会发生改变，改变的大小即之前计算出来的Δ&，故只需控制云台向反方向运行Δ&度，即可矫正云台位置。

进一步，所述驱动芯片为现场可编程门阵列FPGA芯片；所述现场可编程门阵列FPGA芯片的制作方法包括：

第一步，将驱动芯片中每一个可配置逻辑单元CLB、I/O单元、异构模块随机地放置到现场可编程门阵列芯片内部物理位置，得到一个初始布局；

第二步，计算初始温度T₀；

第三步，布局迭代；

第四步，局部优化布局；

第五步，如果累计第三步中对步骤一至步骤三过程迭代总次数超过TAS，则输出当前最优布局并转第六步进行布线；否则令当前温度T为前一次执行第三步过程中新布局的接受率第一次低于44％时的温度，转第三步开始重复退火；

第六步，布线初始化；

第七步，为每个线程划分任务集，假设处理器个数为P，则创建P个线程，并且为每个线程Thd[i]创建任务集SigSet[i]，i∈{1,2,…,P}；将布线资源图RG划分为P个大小相等的不交叉区域，对于每个信号，如果落入区域i的目标节点sink个数越多，就将分给区域i对应的任务集SigSet[i]，i∈{1,2,…,P}，并保证每个任务集内的sink总数一样多；

第八步，对每个线程任务集SigSet[i]中所有信号按照sink个数从多到少排列；

第九步，启动P个线程，P个线程并行执行第十步；

第十步，并行布线迭代；

第十一步，同步P个线程，即等待每个线程都执行完第十步；由主线程检查整个电路的布线是否合法，如果布线合法，即没有重复被占用的布线资源节点，则转第十四步；否则，对所有重复被占用的布线资源节点的历史占用度加1，并且加大拥挤惩罚度，进行时序分析，转第十二步；

第十二步，主线程重新布线拥挤的信号；

第十三步，检查整个电路的布线是否合法，如果布线合法，则转第十四步；否则如果布线迭代次数不超过指定值Max，则进行时序分析并转第十步执行下一次布线迭代，否则转第十四步；

第十四步，将其余P-1个线程合并到主线程，输出布线结果并退出布线；

在第三步中，布局迭代包括：

1)，在当前布局上，通过随机地选择一对可配置逻辑单元CLB、I/O单元、异构模块交换位置，或者选择一个可配置逻辑单元CLB、I/O单元、异构模块等单元与一个空白位置进行交换，得到一个新的布局，得到一个新布局，并计算新布局的花费Cost：

其中Cost'表示当前布局花费，初始布局时Cost'＝1.0，tc、tc'、bc、bc'均为实数，tc和bc分别表示新布局的时序量和拥挤量，tc'和bc'分别表示当前布局的时序量和拥挤量，λ表示时序量的权重，1-λ表示拥挤量的权重，λ＝0.5；

2)，根据当前温度T，用新布局的花费Cost与当前布局的花费Cost'之差ΔC判断是否接受新布局：若ΔC＜0，则接受新布局为当前布局，否则，设u为区间[0,1]内的一个随机数，如果u<exp(-ΔC/T)，则接受新布局为当前布局；

3)，用VFSR退火函数更新当前温度T：

T＝T₀ exp(-ck)，

k为接受新布局的总次数，c为实数常量，c＝-log(TRS)×exp(-log(TAS))；TRS为退火尺度系数，TRS＝10^-9，TAS为最大退火迭代次数，TAS计算方法为：

TAS＝log_0.8(0.05×H/T₀)×M，

其中H为电路中的信号个数，M为马可夫链长度，M＝10·N^1.33；

4)，对1)至3)过程进行M次迭代。

进一步，布局迭代还包括：如果T＜0.05×Cost/H，则执行4)，否则转1)继续执行。

进一步，第四步中，局部优化布局的具体方法包括：

令当前温度T＝0，对第三步的1)至2)过程进行M次迭代，由于当前温度T为0的情况下，只接受结果比当前布局好的新布局，所以进行M次迭代之后会找到局部最优布局。

进一步，局部优化布局的方法还包括：

如果获得的局部最优布局的结果好于当前最优布局，则替换当前最优布局为该局部最优布局，当前最优布局为到目前为止找到的结果最好的布局。

进一步，在第十步中，并行布线迭代的方法包括：

(1)每个线程Thd[i]按序从任务集SigSet[i]中取一个信号j进行拆线，即如果信号j已布线，则清空信号j在布线资源图RG上的布线路径，并对信号j的布线路径经历的布线资源节点的占有度减1，P个线程互斥执行此步骤，i∈{1,2,…,P}；

(2)将信号j的源节点src加入到布线树RT[j],布线树RT[j]用来以树形结构保存信号j的源节点src到多个目标节点sink的布线路径；

对信号j的每一个目标节点sink用A*寻路算法在布线资源图RG上寻找一条从布线树RT[j]中节点到该目标节点sink的花费最低的路径进行布线，并保存布线路径：

(3)清空优先队列PQ，并将布线树RT[j]中每个布线资源节点x的路径成本PathCost(x)置为Crit(src,sink)×delay(x)，加入到优先队列PQ中，优先队列PQ用来按总成本TotalCost(x)从小到大排序来存储当前搜索到的布线资源节点，TotalCost(x)定义为：

TotalCost(x)＝PathCost(x)+α·ExpectedCost(x,sink)，

其中ExpectedCost(x,sink)代表从当前布线资源节点x到目标端点sink的期望成本估计值，α为启发式参数，α取值范围为1.0至1.4，路径成本PathCost(x)表示从源节点src到当前搜索到的节点x的路径上的每一个布线资源节点n的布线成本Cost(n)之和，Cost(n)表示布线资源节点n的布线成本：

Cost(n)＝Crit(src,sink)×delay(n)+[1-Crit(src,sink)]×b(n)×p(n)×h(n)，

其中Crit(src,sink)表示时序分析后信号j从源节点src到目标节点sink的边的关键度，delay(n)表示节点n的时序项，b(n)表示节点n的基本花费，p(n)表示节点n当前占有度，h(n)表示节点n的历史占有度；

(4)取信号j尚未布线的目标节点中关键度Crit(src,sink)最大的目标节点sink，如果目标节点sink是优先队列PQ中第一个节点，则表示源节点src到目标节点sink的最佳路径已找到，否则转从优先级队列PQ中取出队首布线资源节点y，对与y相连的布线资源节点z计算总成本TotalCost(z)，并将z按TotalCost(z)加入到优先级队列PQ中，重复执行直到找到目标节点sink的路径；

(5)对该路径经历的布线资源节点的占有度加1，P个线程互斥执行此步骤；

将该路径加入到布线树RT[j]，如果信号j还有目标节点sink，则转(3)，对信号j下一个目标节点sink寻路，否则，执行(6)；

(6)如果任务集SigSet[i]中所有信号都完成了步骤一至步骤五过程，则转第十一步，否则，继续布线下一个信号。

本发明的优点及积极效果为：该智能室内设计用水平测量仪通过陀螺仪获得当前状态整个装置与水平的夹角，并通过控制器控制电机转动一定的角度实现测量仪主体水平测量或竖直测量，实现了准确智能的测量室内尺寸。

本发明提供的驱动芯片制造方法，采用了重复退火过程以反复寻找更好的解，实现了对布局过程的加速；采用多线程方法对现有的基于拥挤协商PathFinder算法的布线方法进行并行化改进，并采用了重布线拥挤信号的方法缩短了布线的收敛过程，实现了对布线过程的加速。本发明提供制造的方法使得最终电路的时延和线长两个重要性能指标基本不变的情况下，布局布线速度有了显著加快。本发明方法简单，操作方便，较好的解决了现有的现场可编程门阵列布局、布线过程中CPU消耗时间长，效率低的问题。本发明驱动芯片制造方法可适用于整个电路的制造。

附图说明

图1是本发明实施例提供的智能室内设计用水平测量仪的结构示意图；

图2是本发明实施例提供的控制器的电路原理图；

图3是本发明实施例提供的伺服电机电流环控制参数自整定方法流程图；

图中：1、壳体；2、测量仪主体；3、伺服电机；4、控制器；5、陀螺仪；6、电源。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

下面结合附图对本发明的结构作详细的描述。

该智能室内设计用水平测量仪设置有壳体，

测量仪主体，通过螺栓固定安装在所述壳体的内部；

伺服电机，通过支架焊接安装在测量仪主体的后端；

控制器，分别与测量仪主体和伺服电机相连接，通过螺栓固定安装在所述壳体的底部；

陀螺仪，安装在所述壳体的后端，与所述控制器电连接；

电源，通过螺栓固定安装在所述壳体的内部，与所述控制器电连接。

作为本发明的优选实施例，所述电源利用改进的向量机回归算法对输入电量数据，产生回归向量机模型，向量机回归算法需要解决向量机回归模型中的惩罚系数f、不敏感损失参数ε及核函数中的宽度参数σ²这三个参数，根据风电场实际场景需要，将标准化的训练数据随机分成N个大小相等的子集，先用其中N-1个子集作为训练样本，电量得到一个回归支持向量机模型，另外1个子集作为验证样本，计算得到误差，这样循环进行次，直到所有的N-1个子集都作为测试样本被预测一遍，取N次预测所得的误差的均值e^％作为性能指标，其中和可由下式表示：

式中，Actual(i)代表实际风能值，Forecast(i)代表预测风能值，越小，说明模型预测精度更高，然后将三个参数进行区间搜索，得到最优的结果，即最佳参数惩罚系数f、不敏感损失参数ε及核函数中的宽度参数σ²。

作为本发明的优选实施例，所述伺服电机电流环控制参数自整定方法包括以下步骤：

电机转子堵转，消除q轴电流反向电动势的影响；

在电流阶跃信号作用下，分析q轴一个周期T电流环PID参数；

分析时将电流阶跃信号周期分为高电平区间[0,T/2]、低电平区间[T/2,T]；

电流阶跃信号函数用e(t)表示，高电平区间电流响应函数用e₁(t)表示，低电平区间电流响应函数用e₂(t)表示；

高电平区间为满足幅值变化的动态响应，采用PI调节；低电平区间保证低电平稳定性，采用PD调节；

ITAE整定准则表达式为t表示时间，|e(t)|表示实际输出与期望输出的偏差值绝对值，ITAE准则控制系统瞬态响应振荡性小，对系统参数具有良好的选择性；对于伺服系统，电流环通过ADC采样得到跟踪响应电流，即为离散控制系统；

对P值进行整定，初值P(0)对应ITAE指标为E(0)；P(i)对应ITAE指标为E(i)；i∈[1,∞)，i∈n；

按照自适应粒子群优化算法对P值进行动态赋值，变量P(i)值所对应的适应度函数用f_i表示，当f_i<2％时，此时得到最优伺服整定P(i)值，自适应粒子群优化算法公式如下：

x(t+1)＝wx(t)+c₁r₁(p_best-x(t))+c₂r₂(g_best-x(t))；

w＝(w_max-w_min)×exp(-β(t/T_max)²)+w_min；

式中w为惯性权重，初始值取0.8，c₁、c₂为常数2，r₁、r₂为分布于[0,1]范围内的随机数，p_best为粒子本身找到的最优解，全局极值g_best为整个粒子群当前最优解；式中β取值由经验决定，为β∈[15,20]；

根据群体适应度方差δ²判别局部极值是否是全局极值，群体适应度方差定义为下式：

式中n为粒子数，f_i为第i个粒子适应度，f_avg为粒子群目前平均适应度，f为归一化定标因子，f的取值为下式：

f＝max{1,max|f₁-f_avg|},i∈[1,n]；

如果出现粒子群过早收敛，则执行变异操作：

g_best＝g_best×(1+τ×0.5)

τ为服从标准正态分布的随机变量，对g_best执行随机变异操作用来提高离子群算法跳出局部最优解的能力；

在确定最优伺服系统P值后，分别整定高电平区间I值，D值取0和低电平区间D值，I值取0；

对得到的整定参数进行校验，若作用下的电流闭环阶跃响应满足快速、稳态误差小等特征，则认为参数整定结果满足电流环控制整定要求，整定过程结束，否则重新进行整定；

所述ITAE准则表达为：

S101：电机转子堵转，输入阶跃脉冲信号；

S102：t＝0时刻，对所有粒子初始化，在允许取值范围内随机设置粒子的初始化位置x，将第i个粒子的自身个体极值设置成当前位置，全局极值设置成粒子群中的最优粒子位置；

S103：随机给定电流环初始P＝x，通过ADC采样，得到离散反馈跟踪响应信号，更新粒子位置，计算粒子i的使用度；

S104：如果粒子i的适应度优于自身个体极值的适应度；如果当前进化代数中，粒子i的适应度优于全局极值的适应度；根据公式计算群体适应度方差；

S105：判断算法是否满足收敛条件，如果满足就执行根据公式计算群体适应度方差，否则就对全局最优解按照公式执行变异操作并转回对所有粒子初始化；

S106：求出全局最优解的目标函数值，并输出全局最优解，算法结束；通过伺服系统校验最优值等于全局极值，如果满足响应要求则整定成功，否则继续整定；相同整定结构，在确定伺服系统最优P值之后，整定系统I、D值；

S107：最终整合高电平区间控制参数PI，低电平区间控制参数PD，校验伺服系统整体电流闭环响应特性。

作为本发明的优选实施例，所述控制器的电路一路是由空心互感器输出，通过导线连接共模扼流圈L1；共模扼流圈L1输出端一端连接二极管D5正极及MOSFET管Q1、MOSFET管Q2漏极；另一端接地；驱动芯片U1第3管脚为驱动信号输入端，第7管脚通过导线连接电阻R2再与MOSFET管Q1管脚1端连接、驱动芯片U1第5管脚通过导线连接电阻R10再与MOSFET管Q2管脚1端连接；

整流桥BR1输出端通过导线连接开关电源芯片U4第8管脚电源输入端，同时连接稳压二极管D6；稳压二极管D6与电阻R3、电阻R8通过导线串联，电阻R3连接驱动芯片U1芯片第8管脚电源端，为驱动芯片U1供电；稳压二极管D6、电阻R3、电阻R8与电容CE5并联，再与电阻R21、电阻R22组成的串联支路并联；

所述开关电源芯片U4输出端第1管脚通过导线连接到3.3V稳压芯片U12的输入端第2管脚；所述3.3V稳压芯片U12输出端为万能式断路器电子控制器主控制芯片供电；

所述电阻R3、稳压二极管D6和驱动芯片U1通过导线串联并与电容CE5并联；电阻R22通过导线与电阻R8并联；MOSFET管Q7通过导线与MOSFET管Q1串联；小板互感器通过导线连接MOSFET管Q7和MOSFET管Q1。

作为本发明的优选实施例，所述陀螺仪的稳定方法包括以下步骤：

步骤一、云台实时读取第一陀螺仪的数据获取云台的倾角&A；

步骤二、云台实时读取第二陀螺仪的数据获取车平面的倾角&B；

步骤三、云台MCU内部将实时获取到的&A与&B进行拟合，得出Δ&；

步骤四、判断当Δ&大于预设角度M是时，可判定车载云台相对车平面发生偏移，云台根据Δ&的角度实时矫正当前垂直角度回到用户预设角度；

云台根据Δ&的角度实时矫正当前垂直角度回到用户预设角度，其原理在于，用户预设角度后，陀螺仪相对于车平面的倾角是固定的，当发生偏差时，该倾角会发生改变，改变的大小即之前计算出来的Δ&，故只需控制云台向反方向运行Δ&度，即可矫正云台位置。

进一步，所述驱动芯片为现场可编程门阵列FPGA芯片；所述现场可编程门阵列FPGA芯片的制作方法包括：

第一步，将驱动芯片中每一个可配置逻辑单元CLB、I/O单元、异构模块随机地放置到现场可编程门阵列芯片内部物理位置，得到一个初始布局；

第二步，计算初始温度T₀；

第三步，布局迭代；

第四步，局部优化布局；

第五步，如果累计第三步中对步骤一至步骤三过程迭代总次数超过TAS，则输出当前最优布局并转第六步进行布线；否则令当前温度T为前一次执行第三步过程中新布局的接受率第一次低于44％时的温度，转第三步开始重复退火；

第六步，布线初始化；

第七步，为每个线程划分任务集，假设处理器个数为P，则创建P个线程，并且为每个线程Thd[i]创建任务集SigSet[i]，i∈{1,2,…,P}；将布线资源图RG划分为P个大小相等的不交叉区域，对于每个信号，如果落入区域i的目标节点sink个数越多，就将分给区域i对应的任务集SigSet[i]，i∈{1,2,…,P}，并保证每个任务集内的sink总数一样多；

第八步，对每个线程任务集SigSet[i]中所有信号按照sink个数从多到少排列；

第九步，启动P个线程，P个线程并行执行第十步；

第十步，并行布线迭代；

第十一步，同步P个线程，即等待每个线程都执行完第十步；由主线程检查整个电路的布线是否合法，如果布线合法，即没有重复被占用的布线资源节点，则转第十四步；否则，对所有重复被占用的布线资源节点的历史占用度加1，并且加大拥挤惩罚度，进行时序分析，转第十二步；

第十二步，主线程重新布线拥挤的信号；

第十三步，检查整个电路的布线是否合法，如果布线合法，则转第十四步；否则如果布线迭代次数不超过指定值Max，则进行时序分析并转第十步执行下一次布线迭代，否则转第十四步；

第十四步，将其余P-1个线程合并到主线程，输出布线结果并退出布线；

在第三步中，布局迭代包括：

1)，在当前布局上，通过随机地选择一对可配置逻辑单元CLB、I/O单元、异构模块交换位置，或者选择一个可配置逻辑单元CLB、I/O单元、异构模块等单元与一个空白位置进行交换，得到一个新的布局，得到一个新布局，并计算新布局的花费Cost：

其中Cost'表示当前布局花费，初始布局时Cost'＝1.0，tc、tc'、bc、bc'均为实数，tc和bc分别表示新布局的时序量和拥挤量，tc'和bc'分别表示当前布局的时序量和拥挤量，λ表示时序量的权重，1-λ表示拥挤量的权重，λ＝0.5；

2)，根据当前温度T，用新布局的花费Cost与当前布局的花费Cost'之差ΔC判断是否接受新布局：若ΔC＜0，则接受新布局为当前布局，否则，设u为区间[0,1]内的一个随机数，如果u<exp(-ΔC/T)，则接受新布局为当前布局；

3)，用VFSR退火函数更新当前温度T：

T＝T₀ exp(-ck)，

k为接受新布局的总次数，c为实数常量，c＝-log(TRS)×exp(-log(TAS))；TRS为退火尺度系数，TRS＝10^-9，TAS为最大退火迭代次数，TAS计算方法为：

TAS＝log_0.8(0.05×H/T₀)×M，

其中H为电路中的信号个数，M为马可夫链长度，M＝10·N^1.33；

4)，对1)至3)过程进行M次迭代。

布局迭代还包括：如果T＜0.05×Cost/H，则执行4)，否则转1)继续执行。

第四步中，局部优化布局的具体方法包括：

令当前温度T＝0，对第三步的1)至2)过程进行M次迭代，由于当前温度T为0的情况下，只接受结果比当前布局好的新布局，所以进行M次迭代之后会找到局部最优布局。

局部优化布局的方法还包括：

如果获得的局部最优布局的结果好于当前最优布局，则替换当前最优布局为该局部最优布局，当前最优布局为到目前为止找到的结果最好的布局。

在第十步中，并行布线迭代的方法包括：

(1)每个线程Thd[i]按序从任务集SigSet[i]中取一个信号j进行拆线，即如果信号j已布线，则清空信号j在布线资源图RG上的布线路径，并对信号j的布线路径经历的布线资源节点的占有度减1，P个线程互斥执行此步骤，i∈{1,2,…,P}；

(2)将信号j的源节点src加入到布线树RT[j],布线树RT[j]用来以树形结构保存信号j的源节点src到多个目标节点sink的布线路径；

对信号j的每一个目标节点sink用A*寻路算法在布线资源图RG上寻找一条从布线树RT[j]中节点到该目标节点sink的花费最低的路径进行布线，并保存布线路径：

(3)清空优先队列PQ，并将布线树RT[j]中每个布线资源节点x的路径成本PathCost(x)置为Crit(src,sink)×delay(x)，加入到优先队列PQ中，优先队列PQ用来按总成本TotalCost(x)从小到大排序来存储当前搜索到的布线资源节点，TotalCost(x)定义为：

TotalCost(x)＝PathCost(x)+α·ExpectedCost(x,sink)，

其中ExpectedCost(x,sink)代表从当前布线资源节点x到目标端点sink的期望成本估计值，α为启发式参数，α取值范围为1.0至1.4，路径成本PathCost(x)表示从源节点src到当前搜索到的节点x的路径上的每一个布线资源节点n的布线成本Cost(n)之和，Cost(n)表示布线资源节点n的布线成本：

Cost(n)＝Crit(src,sink)×delay(n)+[1-Crit(src,sink)]×b(n)×p(n)×h(n)，

其中Crit(src,sink)表示时序分析后信号j从源节点src到目标节点sink的边的关键度，delay(n)表示节点n的时序项，b(n)表示节点n的基本花费，p(n)表示节点n当前占有度，h(n)表示节点n的历史占有度；

(4)取信号j尚未布线的目标节点中关键度Crit(src,sink)最大的目标节点sink，如果目标节点sink是优先队列PQ中第一个节点，则表示源节点src到目标节点sink的最佳路径已找到，否则转从优先级队列PQ中取出队首布线资源节点y，对与y相连的布线资源节点z计算总成本TotalCost(z)，并将z按TotalCost(z)加入到优先级队列PQ中，重复执行直到找到目标节点sink的路径；

(5)对该路径经历的布线资源节点的占有度加1，P个线程互斥执行此步骤；

将该路径加入到布线树RT[j]，如果信号j还有目标节点sink，则转(3)，对信号j下一个目标节点sink寻路，否则，执行(6)；

(6)如果任务集SigSet[i]中所有信号都完成了步骤一至步骤五过程，则转第十一步，否则，继续布线下一个信号。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (6)

1.一种智能室内设计用水平测量仪，其特征在于，所述智能室内设计用水平测量仪设置有壳体，

测量仪主体，通过螺栓固定安装在所述壳体的内部；

伺服电机，通过支架焊接安装在测量仪主体的后端；所述伺服电机的电流环控制参数自整定方法通过电机转子堵转消除q轴电流反向电动势的影响；在电流阶跃信号作用下，分析q轴一个周期T电流环PID参数；

分析时将电流阶跃信号周期分为高电平区间[0,T/2]、低电平区间[T/2,T]；

电流阶跃信号函数用e(t)表示，高电平区间电流响应函数用e₁(t)表示，低电平区间电流响应函数用e₂(t)表示；

高电平区间为满足幅值变化的动态响应，采用PI调节；低电平区间保证低电平稳定性，采用PD调节；

ITAE整定准则表达式为t表示时间，|e(t)|表示实际输出与期望输出的偏差值绝对值，ITAE准则控制系统瞬态响应振荡性小，对系统参数具有良好的选择性；对于伺服系统，电流环通过ADC采样得到跟踪响应电流，即为离散控制系统；

对P值进行整定，初值P(0)对应ITAE指标为E(0)；P(i)对应ITAE指标为E(i)；i∈[1,∞)，i∈n；

按照自适应粒子群优化算法对P值进行动态赋值，变量P(i)值所对应的适应度函数用f_i表示，当f_i<2％时，此时得到最优伺服整定P(i)值，自适应粒子群优化算法公式如下：

x(t+1)＝wx(t)+c₁r₁(p_best-x(t))+c₂r₂(g_best-x(t))；

w＝(w_max-w_min)×exp(-β(t/T_max)²)+w_min；

式中w为惯性权重，初始值取0.8，c₁、c₂为常数2，r₁、r₂为分布于[0,1]范围内的随机数，p_best为粒子本身找到的最优解，全局极值g_best为整个粒子群当前最优解；式中β取值由经验决定，为β∈[15,20]；

根据群体适应度方差δ²判别局部极值是否是全局极值，群体适应度方差定义为下式：

式中n为粒子数，f_i为第i个粒子适应度，f_avg为粒子群目前平均适应度，f为归一化定标因子，f的取值为下式：

f＝max{1,max|f₁-f_avg|},i∈[1,n]；

如果出现粒子群过早收敛，则执行变异操作：

g_best＝g_best×(1+τ×0.5)；

τ为服从标准正态分布的随机变量，对g_best执行随机变异操作用来提高离子群算法跳出局部最优解的能力；

在确定最优伺服系统P值后，分别整定高电平区间I值，D值取0和低电平区间D值，I值取0；

对得到的整定参数进行校验，若作用下的电流闭环阶跃响应满足快速、稳态误差小等特征，则认为参数整定结果满足电流环控制整定要求，整定过程结束，否则重新进行整定；

所述ITAE准则表达为：

控制器，分别与测量仪主体和伺服电机相连接，通过螺栓固定安装在所述壳体的底部；所述控制器的电路一路是由空心互感器输出，通过导线连接共模扼流圈L1；共模扼流圈L1输出端一端连接二极管D5正极及MOSFET管Q1、MOSFET管Q2漏极；另一端接地；驱动芯片U1第3管脚为驱动信号输入端，第7管脚通过导线连接电阻R2再与MOSFET管Q1管脚1端连接、驱动芯片U1第5管脚通过导线连接电阻R10再与MOSFET管Q2管脚1端连接；

整流桥BR1输出端通过导线连接开关电源芯片U4第8管脚电源输入端，同时连接稳压二极管D6；稳压二极管D6与电阻R3、电阻R8通过导线串联，电阻R3连接驱动芯片U1芯片第8管脚电源端，为驱动芯片U1供电；稳压二极管D6、电阻R3、电阻R8与电容CE5并联，再与电阻R21、电阻R22组成的串联支路并联；

所述开关电源芯片U4输出端第1管脚通过导线连接到3.3V稳压芯片U12的输入端第2管脚；所述3.3V稳压芯片U12输出端为万能式断路器电子控制器主控制芯片供电；

所述电阻R3、稳压二极管D6和驱动芯片U1通过导线串联并与电容CE5并联；电阻R22通过导线与电阻R8并联；MOSFET管Q7通过导线与MOSFET管Q1串联；小板互感器通过导线连接MOSFET管Q7和MOSFET管Q1；

所述驱动芯片为现场可编程门阵列FPGA芯片；所述现场可编程门阵列FPGA芯片的制作方法包括：

第一步，将驱动芯片中每一个可配置逻辑单元CLB、I/O单元、异构模块随机地放置到现场可编程门阵列芯片内部物理位置，得到一个初始布局；

第二步，计算初始温度T₀；

第三步，布局迭代；

第四步，局部优化布局；

第五步，如果累计第三步中对步骤一至步骤三过程迭代总次数超过TAS，则输出当前最优布局并转第六步进行布线；否则令当前温度T为前一次执行第三步过程中新布局的接受率第一次低于44％时的温度，转第三步开始重复退火；

第六步，布线初始化；

第七步，为每个线程划分任务集，假设处理器个数为P，则创建P个线程，并且为每个线程Thd[i]创建任务集SigSet[i]，i∈{1,2,…,P}；将布线资源图RG划分为P个大小相等的不交叉区域，对于每个信号，如果落入区域i的目标节点sink个数越多，就将分给区域i对应的任务集SigSet[i]，i∈{1,2,…,P}，并保证每个任务集内的sink总数一样多；

第八步，对每个线程任务集SigSet[i]中所有信号按照sink个数从多到少排列；

第九步，启动P个线程，P个线程并行执行第十步；

第十步，并行布线迭代；

第十一步，同步P个线程，即等待每个线程都执行完第十步；由主线程检查整个电路的布线是否合法，如果布线合法，即没有重复被占用的布线资源节点，则转第十四步；否则，对所有重复被占用的布线资源节点的历史占用度加1，并且加大拥挤惩罚度，进行时序分析，转第十二步；

第十二步，主线程重新布线拥挤的信号；

第十三步，检查整个电路的布线是否合法，如果布线合法，则转第十四步；否则如果布线迭代次数不超过指定值Max，则进行时序分析并转第十步执行下一次布线迭代，否则转第十四步；

第十四步，将其余P-1个线程合并到主线程，输出布线结果并退出布线；

电源，通过螺栓固定安装在所述壳体的内部，与所述控制器电连接；利用改进的向量机回归算法对输入电量数据产生回归向量机模型，向量机回归算法的向量机回归模型中的惩罚系数f、不敏感损失参数ε及核函数中的宽度参数σ²这三个参数，根据风电场实际场景需要，将标准化的训练数据随机分成N个大小相等的子集，先用其中N-1个子集作为训练样本，电量得到一个回归支持向量机模型，另外1个子集作为验证样本，计算得到误差，这样循环进行次，直到所有的N-1个子集都作为测试样本被预测一遍，取N次预测所得的误差的均值e^％作为性能指标，其中由下式表示：

式中，Actual(i)代表实际风能值，Forecast(i)代表预测风能值，越小，说明模型预测精度更高，然后将三个参数进行区间搜索，得到最优的结果，即最佳参数惩罚系数f、不敏感损失参数ε及核函数中的宽度参数σ²；

陀螺仪，安装在所述壳体的后端，与所述控制器电连接；所述陀螺仪的稳定方法中，云台实时读取第一陀螺仪的数据获取云台的倾角&A；云台实时读取第二陀螺仪的数据获取车平面的倾角&B；云台MCU内部将实时获取到的&A与&B进行拟合，得出△&；判断当△&大于预设角度M是时，可判定车载云台相对车平面发生偏移，云台根据△&的角度实时矫正当前垂直角度回到用户预设角度；

云台根据△&的角度实时矫正当前垂直角度回到用户预设角度，其原理在于，用户预设角度后，陀螺仪相对于车平面的倾角是固定的，当发生偏差时，该倾角会发生改变，改变的大小即之前计算出来的△&，故只需控制云台向反方向运行△&度，即可矫正云台位置。

2.如权利要求1所述智能室内设计用水平测量仪，其特征在于，在第三步中，布局迭代包括：

1)，在当前布局上，通过随机地选择一对可配置逻辑单元CLB、I/O单元、异构模块交换位置，或者选择一个可配置逻辑单元CLB、I/O单元、异构模块等单元与一个空白位置进行交换，得到一个新的布局，得到一个新布局，并计算新布局的花费Cost：

其中Cost'表示当前布局花费，初始布局时Cost'＝1.0，tc、tc'、bc、bc'均为实数，tc和bc分别表示新布局的时序量和拥挤量，tc'和bc'分别表示当前布局的时序量和拥挤量，λ表示时序量的权重，1-λ表示拥挤量的权重，λ＝0.5；

2)，根据当前温度T，用新布局的花费Cost与当前布局的花费Cost'之差ΔC判断是否接受新布局：若ΔC＜0，则接受新布局为当前布局，否则，设u为区间[0,1]内的一个随机数，如果u<exp(-ΔC/T)，则接受新布局为当前布局；

3)，用VFSR退火函数更新当前温度T：

T＝T₀exp(-ck)，

k为接受新布局的总次数，c为实数常量，c＝-log(TRS)×exp(-log(TAS))；

TRS为退火尺度系数，TRS＝10^-9，TAS为最大退火迭代次数，TAS计算方法为：

TAS＝log_0.8(0.05×H/T₀)×M，

其中H为电路中的信号个数，M为马可夫链长度，M＝10·N^1.33；

4)，对1)至3)过程进行M次迭代。

3.如权利要求2所述智能室内设计用水平测量仪，其特征在于，

布局迭代还包括：如果T＜0.05×Cost/H，则执行4)，否则转1)继续执行。

4.如权利要求1所述智能室内设计用水平测量仪，其特征在于，

第四步中，局部优化布局的具体方法包括：

令当前温度T＝0，对第三步的1)至2)过程进行M次迭代，由于当前温度T为0的情况下，只接受结果比当前布局好的新布局，所以进行M次迭代之后会找到局部最优布局。

5.如权利要求4所述智能室内设计用水平测量仪，其特征在于，

局部优化布局的方法还包括：

如果获得的局部最优布局的结果好于当前最优布局，则替换当前最优布局为该局部最优布局，当前最优布局为到目前为止找到的结果最好的布局。

6.如权利要求1所述智能室内设计用水平测量仪，其特征在于，在第十步中，并行布线迭代的方法包括：

(1)每个线程Thd[i]按序从任务集SigSet[i]中取一个信号j进行拆线，即如果信号j已布线，则清空信号j在布线资源图RG上的布线路径，并对信号j的布线路径经历的布线资源节点的占有度减1，P个线程互斥执行此步骤，i∈{1,2,…,P}；

(2)将信号j的源节点src加入到布线树RT[j],布线树RT[j]用来以树形结构保存信号j的源节点src到多个目标节点sink的布线路径；

对信号j的每一个目标节点sink用A*寻路算法在布线资源图RG上寻找一条从布线树RT[j]中节点到该目标节点sink的花费最低的路径进行布线，并保存布线路径：

(3)清空优先队列PQ，并将布线树RT[j]中每个布线资源节点x的路径成本PathCost(x)置为Crit(src,sink)×delay(x)，加入到优先队列PQ中，优先队列PQ用来按总成本TotalCost(x)从小到大排序来存储当前搜索到的布线资源节点，TotalCost(x)定义为：

TotalCost(x)＝PathCost(x)+α·ExpectedCost(x,sink)，

其中ExpectedCost(x,sink)代表从当前布线资源节点x到目标端点sink的期望成本估计值，α为启发式参数，α取值范围为1.0至1.4，路径成本PathCost(x)表示从源节点src到当前搜索到的节点x的路径上的每一个布线资源节点n的布线成本Cost(n)之和，Cost(n)表示布线资源节点n的布线成本：

Cost(n)＝Crit(src,sink)×delay(n)+[1-Crit(src,sink)]×b(n)×p(n)×h(n)，

其中Crit(src,sink)表示时序分析后信号j从源节点src到目标节点sink的边的关键度，delay(n)表示节点n的时序项，b(n)表示节点n的基本花费，p(n)表示节点n当前占有度，h(n)表示节点n的历史占有度；

(4)取信号j尚未布线的目标节点中关键度Crit(src,sink)最大的目标节点sink，如果目标节点sink是优先队列PQ中第一个节点，则表示源节点src到目标节点sink的最佳路径已找到，否则转从优先级队列PQ中取出队首布线资源节点y，对与y相连的布线资源节点z计算总成本TotalCost(z)，并将z按TotalCost(z)加入到优先级队列PQ中，重复执行直到找到目标节点sink的路径；

(5)对该路径经历的布线资源节点的占有度加1，P个线程互斥执行此步骤；

将该路径加入到布线树RT[j]，如果信号j还有目标节点sink，则转(3)，对信号j下一个目标节点sink寻路，否则，执行(6)；

(6)如果任务集SigSet[i]中所有信号都完成了步骤一至步骤五过程，则转第十一步，否则，继续布线下一个信号。