一款實用的嵌入式CPLD的伺服控制卡設計方案

隨著先進制造技術的迅速發(fā)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(tǒng)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(tǒng)的PID控制，到現(xiàn)代的最優(yōu)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。

由于運動伺服控制系統(tǒng)中存在負載模型參數(shù)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(shù)學模型，系統(tǒng)模型參數(shù)的常規(guī)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(tǒng)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(tǒng)、模糊控制、人工神經網絡、遺傳算法等，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(xiàn)對位置的閉環(huán)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(shù)據(jù)通過DSP一PC通信接口傳遞給運動控制系統(tǒng)，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(jié)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(xiàn)對位置的閉環(huán)控制。系統(tǒng)的結構框圖如圖1所示。

選用美國TI公司的16位定點DSPTMS320LF2407A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(xiàn)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(shù)據(jù)，SRAM用來存儲運動控制器運行時的程序和數(shù)據(jù)。

2 控制算法的設計

2.1 控制模型

在運動控制伺服系統(tǒng)中，需要控制的系統(tǒng)參數(shù)主要有位置、速度、加速度、輸出扭矩/力矩等。傳統(tǒng)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(shù)學模型，系統(tǒng)模型參數(shù)的變化及非線性因素等都會對常規(guī)PID的精確調節(jié)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(yè)中關于CMAC控制器的結構大都采用常規(guī)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(xù)變化信號時，卻容易產生過學習現(xiàn)象，進而導致系統(tǒng)的不穩(wěn)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(guī)PID控制，由神經元來在線調整PID控制參數(shù)，利用神經網絡的自學習和自適應能力，來改善系統(tǒng)的跟隨性能。該算法的構成簡單，易于實現(xiàn)，能夠適應環(huán)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。

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：

其中：η，ξ為網絡學習速率;α為慣性系數(shù)。

2.3 算法的實現(xiàn)、仿真和結果分析

已知一位置伺服系統(tǒng)的數(shù)學模型系統(tǒng)的開環(huán)傳遞函數(shù)z變換后的表達式為：