基于遗传基因算法的智能PID的设计与FPGA的使用.docVIP

基于遗传基因算法的智能PID的设计和FPGA的使用 摘要：现在，在工业控制过程中很多系统都是时变，实时和非线性的。那些系统只通过PID参数的调整，已出现越来越多的问题了。首先，通过遗传基因算法（AGA）来获得较好的PID控制参数并且通过FPGA 1P1C6F256C8 去进行PID控制。第二，闭环系统的测试时通过DSP来建立的。最后，在第四节的第二部分获得的TCL脚本文件是VHDL代码通过仿真软件的编译器后获得的。结果证明了AGA增进了PID参数获取的精度和控制系统的实用性，同时证明了基于FPGA的只能PID控制的灵活和实用。 1 介绍 PID控制时自动控制中最古老的，最通用的和最强大的控制方法。随着工业的发展，控制的对象变得越来越复杂，其中最重要的是其时变，非线性和实时性。传统的PID控制对其控制能力越来越低。由于传统PID的一些缺点，一些人在PID参数的获得方面进行了很大的改进。今年来像模糊PID控制，神经网络PID控制器，专家PID控制等智能PID控制已经成为越来越流行的控制方法。智能PID控制器简化了程序的设计，并且有自我适应，自我组织和自我学习的能力，同时它也有传统PID的有点，如简单的结构和较好的鲁棒性。同时VLSI的智能化和科技都有了很大的进步。它使将一个控制系统集成在一个芯片中成为可能。由于FPGA有并行计算和过程的能力，它能快速的完成大量复杂的计算。此外，基于FPGA的控制器的设计有强的经济性，因为它很灵活而且普遍。这篇文章详细介绍了一个基于AGA的智能PID控制的具体的实践方案。硬件是基于FPGA 1P1C6F256C8。在进行硬件设计时，是用VHDL语言来描述整个算法的。 2 智能PID控制器的设计原则 PID控制器的参数运转是通过寻找KP,KI,KD参数的最佳或是接近最佳的组合，来使得系统获得较好的控制质量。如图1所示，是智能PID控制的图表。这里的AGA通常通过尽可能的所有的KP,KI,KD参数的变化以寻找到最佳的控制度。 3 算法的设计 3.1基于增量式PID控制器的算法 为了节省FPGA的硬件资源，PID控制器通常使用增量式PID算法。如方程式1，如果我们知道u(k-1),e(k),e(k-1)的话，从方程式1中我们可以计算出u(k) 3.2自适应基因算法（AGA） AGA采用，由适合度的值和循环次数决定的PC和PM的值，以避免不同步的聚焦，AGA的主要方面如下所示： AGA采用实时编码。它能增加结果的精度和超调的速度。 为了使FPGA的运行更加容易，AGA随机选取两个不同的个体，然后保留一个和它适合度一致的且最优的。 在AGA里，适合的参数被获得。通过PC 在AGA里，合适的转化率获得。 计算适合度的函数 为了获得适合的动态参数。我们可以通过ITAE来对象的函数，ITAE可以表达如下： 分离ITAE可以表示成： 4 智能PID控制器的硬件设计 通过分析PID控制的条件和基因算法的特性，首先，我们将系统的函数模型转换成连续的电路和联合的逻辑电路。第二步，我们进行系统时钟设计。时钟就像一个系统的指挥官，命令所有的模块有序的工作。在硬件的设计过程中，我们同样考虑包括运行的速度和资源的占用率，最后我们使他达到一个很好的平 衡。 4.1硬件的结构 如图2所示，智能PID控制器的硬件结构。它主要包括初始化模块，选择模块，转接和转化模块，存储模块，多路器模块，随机数产生模块，双通道RAM模块，适合度计算模块，控制模块和增量式PID控制器。RAM1是用存储个体对象的，而RAM2是用来存储个体对象的适合度值。 图3是增量式PID的硬件结构。它主要包括暂存器，累加器多路器和控制器。由于要提高速度和被加数的数据类型，增量式PID控制器要并行式的设计，并且多路器为了节省资源也要进行SBF。E(K)存储在REG1中。E(K-1)存储在REG2中，E(K-2)存储在REG3中。中间的结果存储在REG4到REG9中。 4.2机械装置的正式设计 如果我们想让所有的模块都有序的工作，对时钟的控制时最关键的。State machine 对时钟控制来说是个很好的工具。在一个单一的进程中模拟电路和逻辑电路可以联合进行。它可以尽可能的避免出现故障。这里我们用一个简单的过程图来模拟一下用state machine来进行控制模块设计的过程。 4.2．1主要控制模块的设计 图4是图2里的主要控制模块的机器工作过程。它包含6个主要的方面（IDLE,ST1,ST2,ST3,ST4,STOP）。IDLE是一个复位步骤。STOP是结束命令。其他的是机器工作的四个过程。每个的工作过程如下。 IDLE：当异步复位信号从1变为0时，机器会立即跳转到“IDLE”状态。在这个状态，所有的模块会开始发出一个初始化信号。我们把这个过程叫做系统的初始化