基于ARM+FPGA的真空凍干控制系統(tǒng)設計

　　0 引言

　　冷凍干燥技術自1980年代在我國興起以來已取得長足發(fā)展，并已廣泛應用于食品、低溫和真空等科學領域，基于一些食品和藥品加工行業(yè)的工藝需要，真空冷凍干燥技術需要迅速應用與推廣?？刂葡到y(tǒng)對物料的加工過程和質量影響比較大，還決定了真空冷凍干燥裝置運行的自動化程度。近年來國內外一些有實力的廠家對凍干機控制系統(tǒng)的研究有了較大的進展，采用了PLC、觸摸屏等裝置，能夠繪制凍干過程的工藝曲線，較大地改善了凍干機的性能。

　　隨著科技的發(fā)展，由于觸摸屏和PLC控制系統(tǒng)不易實現功能擴展、升級困難、操作界面不夠豐富等原因，已經不能完全滿足企業(yè)的需要，市場需要開發(fā)出更加先進的凍干設備控制系統(tǒng)。2007年1月上海遠東制藥機械總廠開發(fā)完成了目前國內最先進的嵌入式凍干控制系統(tǒng)。

　　控制系統(tǒng)根據凍干技術對凍干機控制系統(tǒng)的新要求而設計，采用高性能的Xscale內核嵌入式微處理器，結合FPGA完成集散控制(DCS)，該系統(tǒng)有穩(wěn)定可靠的工作性能、強大的擴展功能、友善的界面，從而具有更強的競爭力。

　　1 系統(tǒng)硬件結構設計

　　該控制系統(tǒng)主要由嵌入式微控制器和現場可編程門陣列(FPGA)器件、溫度調節(jié)模塊、真空度調節(jié)模塊、GSM模塊、本地和網絡PC、LCD控制、各種傳感器、打印機及檢測、控制模塊組成，如圖1所示。

　　控制系統(tǒng)的核心由ARM及FPGA器件組成，實現整個系統(tǒng)的通信、現場顯示、現場控制等功能，同時實現溫度、真空度的神經網絡控制。

　　檢測量模塊主要由傳感器、信號調整及采集等組成，實現溫度、真空度、濕度以及各主要部件(熱繼電器、交流接觸器位置等)的狀態(tài)的測量?？刂颇K主要由光隔離、驅動及執(zhí)行機構組成，實現氣閥、水閥、電動機、變頻器、加熱器等的驅動與控制。LCD觸摸屏、IDE硬盤、打印機協(xié)調工作以實現凍干工藝曲線的實時采集、顯示、輸出與數據存儲，還有凍干機溫度與真空度參數的設置與控制等功能。

　　GSM模塊實現工業(yè)現場的無線監(jiān)測，本地PC可用于遠程控制，網絡PC可擴展為正在興起的網絡控制。嵌入式微處理器的選擇。由于該真空干燥系統(tǒng)要進行大量的數據運算，需要較強的控制能力，需要有較多的USART接口，同時要有ADC轉換功能、LCD觸摸屏、USB口等，在微處理器選擇上，普通的8位、16位單片機已難以勝任，因此32位的嵌入式微處理器是比較好的選擇。本系統(tǒng)選擇INTEL PAX270，是一款基于32位Xscale核心的高性能、工業(yè)級的32位RISC微控制器，它具有極低的功耗，LCD控制器(最大支持64K色STN和1256K色TFT)提供1通道LCD專用DMA，8通道10比特ADC和觸摸屏接口，3通道UART(IrDA1．0，16字節(jié)TxFIFO，和16字節(jié)RX FIFO)／2通道SPI，2端口USB主機／1端口USB設備(1．1版)，PWM通道(4路輸出)，以及多達119個中斷源，這款微控制器特別適合自動化應用，并適用于工業(yè)控制、醫(yī)療系統(tǒng)、訪問控制和故障維護等應用領域。

　　FPGA器件的選擇。由于該系統(tǒng)包括了神經網絡的實現，需要大量RAM空間來保存中間參數和查表計算，同時還需要大量的通用I／O接口，用于輸入輸出模塊以及快速響應精確的PWM調制功能，因此用FPGA是比較好的選擇。這里選擇Altera公司推出的低成本Cyclone系列，型號為EP2C20。EP2C20內部有18752i邏輯單元，52個M4K RAM塊，共計239K位RAM，26個嵌入式18*18乘法器，4個鎖相環(huán)，資源非常豐富，可滿足系統(tǒng)設計要求。

　　2 溫度與真空度控制模型

　　2．1 恒溫或按某預定溫度曲線的控制模型

　　溫度控制模型如圖2所示。溫度控制采用神經網絡模糊控制模型，設定值和測定值經過模糊劃分后，同時送入神經模糊控制網絡，生成模糊控制子集，通過轉化器產生。PWM脈寬調制用的頻率值與占空比，然后生成PWM驅動信號，驅動電力電子器件，電源輸出給紅外石英管，對真空箱進行加熱。通過溫度傳感器及調整電路，形成溫度值和溫度變化率，根據溫度值和溫度變化率控制器對輸出頻率和占空比進行調整。

　　2．2 恒真空度或按某預定真空曲線的控制模型

　　真空度的控制模型與上述溫度控制模型結構相似，不同的是神經模糊控制網絡的輸出不是直接用于電機的控制驅動，而是把輸出的頻率量轉換成變頻器的遠程控制信號，通過RS485接口控制變頻器的啟動、停止和頻率設置，如圖3所示。

　　2．3 神經網絡選擇與仿真

　　根據上述控制模型，比較成熟的BP網絡選擇的控制神經網絡如圖4所示。神經模糊控制器在輸入／輸出參量的選擇，以及模糊論域和模糊子集的確定方面，與一般的模糊控制器沒有什么區(qū)別，只是在推理手段上引入了神經網絡。

　　以真空度控制為例來驗證控制模型的精確程度。令x1~x7為輸入真空度的模糊子集，x8~x14為輸入真空度變化的模糊子集，y1~y8為輸出空置量的模糊子集，從表1可以看出，共有16條控制規(guī)則。例如，當真空度為"合適"，變化率為"零"時，抽空時間應該為"短"，這個樣本可以表示為：

　　其中，x中的各元素為對應的隸屬函數，及模糊自己的賦值。同理可得其他15個樣本，并將它們依次送入神經網絡訓練，當訓練結束后，神經網絡已經記憶了模糊控制規(guī)則，使用時具有聯想記憶功能。如圖表2所示，為每一個輸入參量的模糊量。

　　根據模糊規(guī)則，可得到神經網絡的訓練樣本，本次訓練假設目標誤差為0．001，訓練步數為1000次，仿真結果如圖5所示，可以看出，在訓練到202次后目標誤差達到要求。

　　3 總結

　　本系統(tǒng)采用了ARM與FPGA的雙核處理器，與現在常用的PLC控制相比，大幅提高了系統(tǒng)功能及運算速度，采用FPGA的可重構計算技術，可實現動態(tài)系統(tǒng)的更新與升級，及遠程系統(tǒng)的更新與維護。