基于ＤＳＰ＋ＣＰＬＤ的伺服控制卡的設計

摘 要：設計一種基于DSP＋CPLD的伺服控制卡,在控制算法上,采用單神經元PID及CMAC相結合的伺服運動控制算法。其中單神經元PID能在被控對象的參數改變或者外部環境變化時,在線實時自動地調整參數；CMAC網絡用來完成復雜非線性被控對象的逆模型控制,具有運算量小,收斂速度快,且無局部極小點等優點。仿真結果證明該算法綜合了CMAC和單神經元的優點,具有更好的魯棒性和抗干擾能力。

關鍵詞：運動控制卡；單神經元；CMAC；單神經元PID

中圖分類號：TN911.23 文獻標識碼：B

文章編號：1004-373X(2009)01-142-03

Design of the Servo Control Board Based on DSP＋CPLD

LIAO Yongzhong

(Hunan First Normal College,Changsha,410002,China)

Abstract：The servo control board based on DSP＋CPLD is designed.For the control algorithm,combining single neuron PID with CMAC to control system is used.The single neuron PID is applied to accomplish the online self-adjustment of PID control parameters when environment has changed.CMAC is used to control the inverse model of complex nonlinearity object.It achieves less operation complexity and faster convergence rate,and has no local minimal value.Finally,simulative results show that the control algorithm integrating advantages of both single neuron PID and CMAC has strong robustness and anti-disturbance ability.

Keywords：motion control board;single neuron;CMAC;single neuron PID

0 引 言

隨著先進制造技術的迅速發展,對運動控制的精度要求也越來越高,而運動伺服控制系統的性能很大程度上取決于伺服控制算法,通過運動控制與智能控制的融合,從改進傳統的PID控制,到現代的最優控制、自適應控制、智能控制技術,應用先進的智能控制策略達到高質量的運動控制效果,已經成為當前研究的一個熱點［1］。

由于運動伺服控制系統中存在負載模型參數的變化,機械摩擦、電機飽和等非線性因素,造成受控對象的非線性和模型不確定性,使得需要依靠精確的數學模型,系統模型參數的常規PID控制很難獲得超高精度、快響應的運動軌跡的要求。因此伺服控制系統越來越多采用PID與其他新型控制算法相結合的控制方式,如人工智能與專家系統、模糊控制、人工神經網絡、遺傳算法等［2］,這里設計了一種基于神經網絡控制算法的運動伺服控制卡,采用DSP＋CPLD的硬件平臺,采用單神經元PID與CMAC并行控制的伺服控制算法,通過對伺服電機的控制實現對位置的閉環控制。仿真和實踐結果證明,這種運動控制算法有魯棒性和抗干擾能力。

1 硬件設計

該運動控制卡是以PC機作為主機的運動控制卡,選用DSP作為核心微處理器,卡上集成編碼器信號采集和處理電路,D/A輸出電路,擴展存儲器電路和DSP-PC通信電路。PC機把粗處理的數據通過DSP-PC通信接口傳遞給運動控制系統,DSP通過對光電編碼器反饋信號處理電路的結果分析,計算出與給定位置的誤差值,再通過軟件位置調節器獲得位置控制量,計算出運動速度控制量,產生的輸出信號經D/A轉換將模擬電壓量送給伺服放大器,通過對伺服電機的控制實現對位置的閉環控制。系統的結構框圖如圖1所示。

選用美國TI公司的16位定點DSP TMS320LF2407A作為運動控制器的核心處理器,地址譯碼、時序邏輯、編碼器信號處理電路用CPLD來完成,用PCI接口芯片實現雙口RAM與PC機的通信,雙口RAM用來存儲和緩沖DSP與PC機間的通信數據,SRAM用來存儲運動控制器運行時的程序和數據。

圖1 運動控制卡系統原理圖

2 控制算法的設計

2.1 控制模型

在運動控制伺服系統中,需要控制的系統參數主要有位置、速度、加速度、輸出扭矩/力矩等。傳統的位置伺服控制策略是以PID控制為代表,但需依靠精確的數學模型,系統模型參數的變化及非線性因素等都會對常規PID的精確調節產生影響,因而PID對非精確、非線性對象的控制往往難以取得很好的控制效果。

CMAC神經網絡具有處理非線性和自學習的特點,而且該控制網絡的學習速度快。目前在工業中關于CMAC控制器的結構大都采用常規PD和CMAC并行的控制結構,它在階躍輸入或跟蹤方波信號時,具有輸出誤差小,魯棒性強等特點,然而在跟蹤連續變化信號時,卻容易產生過學習現象,進而導致系統的不穩定。為此,設計一種單神經元PID與CMAC復合控制的控制算法,用單神經元PID替代常規PID控制,由神經元來在線調整PID控制參數,利用神經網絡的自學習和自適應能力,來改善系統的跟隨性能。該算法的構成簡單,易于實現,能夠適應環境的變化,有較強的魯棒性。仿真結果證明該算法具有較小的跟隨誤差,良好的魯棒性和抗干擾能力,其結構圖如圖2所示。

圖2 單神經元PID與CMAC復合控制結構圖

2.2 并行控制算法的設計

由圖2綜合單神經元PID與CMAC控制算法,得到單神經元PID與CMAC并行控制完整的控制算法如下：

up(k)=up(k-1)+K∑3i=1w′ixi

w′i(k)=wi(k)/∑3i=1wi(k)

un(k)=∑Ci=1wniai

w1(k+1)=w1(k)+ξ1Ke(k)·

sign祔祏(k-1)〗

w2(k+1)=w2(k)+ξ2Ke(k)·

sign祔祏(k-1)〗

w3(k+1)=w3(k)+ξ3Ke(k)·

sign祔祏(k-1)〗

sign(x)=1,x≥0

-1,x＜0

u(k)=up(k)+un(k)

wn(k)=wn(k-1)+Δwn(k)+α(wn(k)-

wn(k-1))

Δwn(k)=ηup(k)cai(1)

其中:η,ξ為網絡學習速率；α為慣性系數。

2.3 算法的實現、仿真和結果分析

已知一位置伺服系統的數學模型系統的開環傳遞函數z變換后的表達式為：

GK(z)=az -1+bz -21-cz -1+z -2d=

0.06z -1+0.057 85z -21-1.879 9z -1+0.879 9z -2(2)

采用的單神經元PID及CMAC相結合的復合控制算法,完成對位置伺服控制器典型輸入斜坡輸入響應的仿真實驗。

圖3和圖4分別是位置伺服系統的單位斜坡輸入響應曲線圖,通過對圖形的分析,可以看出,單神經元PID與CMAC相結合控制算法比常規PID控制算法有更小的跟隨誤差,直接決定該控制系統的控制精度。 圖4是在輸出端加入10%的階躍擾動后,兩種控制算法的輸出曲線圖,

由圖可知單神經元PID與CMAC相結合控制算法比常規PID控制算法有更好的抗干擾能力。

3 結 語

針對位置伺服控制系統的特點,設計了一種基于神經網絡控制算法的伺服運動控制卡,將單神經元PID與CMAC并行控制的伺服控制算法應用在位置伺服系統的位置環控制。仿真結果證明了該控制算法較常規PID控制有更好的動態特性、控制精度、抗干擾能力,而且具有自適應功能。

圖3 單位斜坡輸入時系統的輸出曲線

圖4 增益K加擾動后單位斜坡輸入時系統輸出曲線

參考文獻

［1］杜坤梅,李輝斌,趙輝.運動控制芯片改進的單神經元位置伺服系統［J］.電機與控制學報,2001(1):44-50.

［2］徐湘元.自適應控制理論與應用［M］.北京:電子工業出版社,2007.

［3］蔣銳權,吳祖育,蔡建國.數控機床神經元自適應位置控制算法［J］.上海交通大學學報,2001,35(7):1 088-1 091.

［4］Corneliu L S D.Neuro-predictive Control-based Self-tuning of PID.Journal of Northwest Unversity(Natural Science Edition),2004,34(4).

［5］王益群,王海芳,高英杰.基于神經網絡PID的軋機AGC力控制［J］.中國機械工程,2005(18):1 650-1 653.

［6］夏長亮,李志強,王明超,等.基于RBF神經網絡在線辨識的永磁無刷直流電機單神經元PID模型參考自適應控制［J］.電工技術學報,2005,20(11):65-69.

［7］李輝.一種自適應CMAC神經網絡控制器的設計與仿真［J］.系統仿真學報,2005,17(9):2 233-2 236.

［8］陳祥濤,張前進.基于單片機與CPLD的步進電機PWM驅動技術.現代電子技術,2008,31(5):113-115.

作者簡介

廖永忠 男,1975年出生,湖南津市人,碩士研究生,講師,工程師。研究方向為信號處理、電子、通信。