基于ARM 的溫度智能控制系統設計

高磊，劉祥言

（中國電子科技集團公司第二十七研究所，河南 鄭州 450047）

高低溫實驗箱是環境實驗中的最常見設備之一，其功能是為被測設備提供設定的溫度環境，需要實現對箱內溫度的高精度穩定控制。隨著環境測試要求的提高，對其溫度控制系統的控制精度及自適應性提出更高的目標。溫箱的熱量傳導具有時延性、非線性、時變性等特征[1-3]，僅采用傳統的PID 線性控制器很難實現控制性能的進一步提升。另外，隨著計算機技術、控制技術的發展，溫箱控制系統向著數字化、智能化方向發展，智能控制算法得到更深入的應用。該文采用RAM 微處理器作為核心控制處理器，利用Pt100 熱電阻作用于溫度敏感器件，通過放大、濾波等信號處理方法，實現溫度的高精度檢測，并通過脈寬調制（Pulse Width Modulation,PWM）波實現對功率電阻發熱量的高精度控制，并將遺傳算法應用于經典PID 線性控制算法中，構建高精度智能溫度控制方案，實現對溫箱溫度的精確控制。

1 系統硬件設計

溫度控制系統主要由微處理器、溫度傳感器、功率驅動電路、溫箱本體等部分組成，系統硬件結構如圖1 所示[4]。其中，微處理器選用ARM 處理器，作為運算與控制核心，負責溫度的采集、控制算法的運算及功率電路的控制，保證溫度的精確跟蹤指令軌跡。

圖1 溫度控制系統硬件結構

溫度控制的主要原理：利用Pt100 傳感器獲取溫度信號，對溫度信號進行信號調制、濾波、偏置處理，經過A/D 轉換將其轉換為數字信號輸入至微處理器，將設定的期望溫度值與實際采集的數值進行差值運算，得到溫度誤差，將誤差值輸入溫度控制算法，通過運算控制器輸出相應占空比的脈寬調制波，通過PWM 波控制功率驅動電路的通斷，從而控制溫箱的發熱量，最終將輸出溫度收斂至期望值。系統硬件電路的關鍵部件包括溫度傳感器電路、功率驅動電路、微處理器三部分，下文將具體介紹這三部分的設計。

1.1 溫度傳感器電路

Pt100 熱電阻具有良好的線性度，在高精度溫度測量中得到廣泛應用。該文選用Pt100 熱電阻作為溫度敏感器件，結合測量電路、放大器、濾波器及數模轉換等電路，構成高精度溫度傳感器采集電路，其電路結構如圖2 所示。Pt100 熱電阻的溫度變化系數很小，溫度每變化1 ℃，阻值變化0.39 Ω。為了保證熱電阻的良好線性度，采集電路選擇四線制接法，將激勵電電流和電壓檢測端分開，實現對Pt100 熱電阻壓降值的精確測量。

圖2 溫度傳感器采集電路

Pt100 熱電阻兩端的測量信號流入放大器，信號經過放大與低通濾波后，經過A/D 模數轉換，轉化為便于微處理器運算的數字量。其中，電阻R3、R4為電壓采集引線電阻，電阻取值較高，從而保證放大器輸入端具有非常高的阻抗，放大器輸入端電流接近于零，從而保證了激勵電電流和電壓檢測端之間的隔離，提高溫度檢測精度。Pt100 熱電阻兩端的測量信號非常微弱，需要經過放大器將信號放大，選用的儀表放大電路具有很高的共模抑制比，可有效抑制無用的共模分量。另外，為了抑制信號中混入的干擾信號，引入二階低通濾波器對信號的高頻噪聲進行抑制。同時，經過A/D 模數轉換獲得的數字信號，可采用去極值和平均濾波等數字濾波方法進一步進行濾波處理，降低噪聲對真實信號的干擾。

1.2 功率驅動電路

溫箱主要采用加熱棒作為熱源，加熱棒的主要構成部分是鋁殼功率電阻，其具有良好的散熱性能，通過控制功率電阻中通過的電流，從而控制功率電阻的發熱量[5-6]。系統主要通過控制脈寬調制(PWM)波的占空比，以控制功率電阻中的電流通斷，從而實現對平均加熱功率的控制。功率驅動電路如圖3 所示，其核心部件為一個P溝道MOS管，利用其開關特性實現驅動電路的通斷控制，電阻R2的作用是保證功率管的源極與柵極之間的電壓值保持在極限值以下。

圖3 功率驅動電路

1.3 微處理器

綜合考慮溫控系統數據運算、外圍擴展、人機交互、數據存儲等需求，系統選用基于ARM 結構的S3C2440A 處理芯片，該芯片具有獨立內存管理單元，采用厚度0.188 mm 的工藝、AMBA 總線結構，其工作主頻高達400 MHz，運算速度及數據存儲能力可滿足控制算法需求。另外，該芯片支持Thumb 的16位指令集，具備32 位系統性能，可裝載Linux 操作系統，為人機交互界面和智能存儲提供了良好運行環境[7-8]。基于S3C2440A 處理芯片的嵌入式系統具有容量大、成本低、信息存儲可靠等優勢，可提高數據的運算、存儲速度，有利于高低溫測試數據的高效管理。另外，可對處理器的FLASH 空間進行外擴，采用Samsung 公司推出的K9F1208 FLASH 存儲芯片，該芯片的存儲容量高達8×64 MB，具備16 位數據寬度，內部空間擁有32 塊分區，實現存儲空間的大幅度擴充，為實驗數據提供了充足的存儲空間。

2 溫度控制算法設計

經典PID 控制算法具有結構簡單、魯棒性強的特點，在溫度控制工程中得到廣泛應用，對線性時不變控制對象表現出良好的控制性能[9-11]。經典PID 控制算法結構如圖4 所示。

圖4 經典PID控制算法結構

其以輸出誤差作為控制器的輸入量，輸入輸出的關系表達式為：

式中，u(t)表示控制器輸出量，e(k)表示設定值與實際輸出之間的誤差，kp、ki、kd分別表示比例、積分和微分參數。

實際的溫箱溫度變化具有非線性和時變性，僅采用傳統PID 控制器具有一定的局限性，很難對控制穩定精度和抗擾能力進一步提升。傳統PID 控制器的參數整定多采用經驗試湊法，存在一定的隨機性，需要已知被控對象的精確模型及其參數，工程上很難獲得被控對象的精確模型，整定的控制參數無法實現最優控制。另外，已確定的控制參數，隨著控制系統隨時間的變化與攝動，控制性能發生變化，偏離原設定的控制效果，系統自適應性不足。傳統PID 控制器參數整定需要進行大量實驗調試，需要消耗大量精力和時間，不利于節約成本。為了提高控制器的控制性能和自適應性，出現了多種智能控制算法，包括魯棒控制、自抗擾控制、自適應控制、神經網絡、遺傳算法等[12-16]。將智能算法與PID 算法結合，可衍生出多種先進PID 控制算法，以提高系統的動態響應性能和穩定精度。

其中，遺傳算法是仿生“優勝劣汰”原則的搜索最優解算法，針對復雜非線性問題具有較強的求解能力。將遺傳算法與PID 算法相結合，構成基于遺傳算法的PID 改進控制算法，其控制系統結構如圖5所示。

圖5 基于遺傳算法的PID改進控制系統

遺傳算法主要原理：首先生成一組初始種群，其中每個個體為控制參數kp、ki、kd的不同組合，然后建立適應函數，并通過適應函數對種群個體進行評價，按照“優勝劣汰”原則篩選出適應度高的個體，并對個體進行遺傳操作，主要包括交叉和變異，從而使得高適應度個體基因得到遺傳，產生適應度更強的新一代種群，經過多代遺傳和進化，最終獲得性能最優的一組控制參數。具體可包括以下步驟。

步驟1：參數編碼。對PID 控制器的三個參數設定進化范圍，根據溫箱控制知識經驗，三個控制參數的設定范圍：kp∈[0,10]，ki∈[0,1]，kd∈[0,10]。根據經典PID 控制器設計方法，為控制參數設定一組合適的初始值。

步驟2：建立適應度函數。溫度控制系統主要關注系統的動態響應指標和靜態穩態指標，反映控制系統動態指標的參數主要為系統階躍響應的超調量和上升時間，反映穩態指標的主要參數是穩態誤差。結合控制系統的動態響應指標和靜態穩態指標，遺傳算法的適應度函數設定為：

式中，J表示適應度函數，其數值越小表示該個體的適應度越強，σ表示系統階躍響應的超調量，tr表示系統階躍響應的上升時間，α表示衡量參數重要度的權重值，e(t)表示期望輸出與實際輸出之間的差值。

步驟3：選擇、交叉、變異操作。選擇操作是指按照適應度從高到低對個體進行排序，然后淘汰一定比例適應度低的個體，設定淘汰率為0.5。將剩余個體進行交叉和變異操作，從而產生新的個體以填充個體數目，保持種群總數的不變。選取隨機交叉策略，在參數設定區間內產生隨機數，如果隨機數超出了設定的閾值，則對個體進行交叉操作。選取均勻變異策略，取一定的變異概率，當個體觸發變異事件則對個體進行隨機變異操作。

交叉算法公式為：

式中，m和n分別表示參與交叉的舊個體，z表示交叉產生的新個體，P表示交叉概率因子。

變異算法公式為：

式中，k表示變異前參數，k′表示變異后的新參數，q表示變異概率因子。

步驟4：判斷進化代數是否達到了設定的最大迭代數量，或者參數是否收斂至要求精度。若已達到最大迭代數量或完成收斂，則結束迭代，獲取一組全局最優控制參數kp、ki、kd，否則重新進行步驟3 操作，直到完成遺傳算法的迭代。

3 仿真結果

為驗證該溫度智能控制系統的控制效果，利用Simulink 仿真軟件對控制對象進行仿真測試。設定溫箱為一階慣性環節，其傳遞函數為：

系統控制運算周期設定為1 ms，進行階躍指令響應測試。階躍指令設定為典型溫度，即yd=10 ℃，利用遺傳算法對PID 參數進行整定，樣本數量選為30，控制參數的設定范圍：kp∈[0,10]，ki∈[0,1]，kd∈[0,10]，經過50 代的進化，最終獲得一組最優控制參數：kp=5.36，ki=0.12，kd=1.43。基于遺傳算法的智能控制算法與經典PID 控制算法的控制仿真結果如圖6所示，由圖中可以看出，與經典PID 控制算法相比較，改進算法的階躍響應無超調，且響應過渡時間僅為經典PID 控制算法的36.5%，改進算法具有更快的響應速度和更低的超調量。

圖6 兩種控制算法仿真結果

圖7 為適應度函數值變化曲線，通過進化迭代過程，適應度函數值迅速下降，20 s 左右實現了收斂，適應度函數值最終收斂至30.62。適應度函數值越小，表明控制參數具有更優的控制效果。適應度函數值變化曲線表明該改進算法能夠實現控制參數的快速收斂，驗證了最優值解搜索的快速性。

圖7 適應度函數值變化曲線

4 結論

為了實現溫箱的溫度數字化智能控制，選取ARM 微處理器作為運算處理器，實現控制系統的數字化智能運算，并選用Pt100 熱電阻作為溫度敏感元件，配合多種信號處理方法，實現溫度的高精度檢測。另外，將遺傳算法與經典PID 算法相結合，提出一種改進型PID 控制算法，實現控制器參數的自適應最優求解，利用遺傳算法搜索最優解，通過多次的迭代求解，最終實現控制參數的最優配置和自適應調整。仿真實驗表明，利用基于遺傳算法的改進型控制算法，溫度控制系統具有更優的控制精度和響應速度。