1、神經元自整調速電機成員：左俊杰、薛培康、屠陳濤 班級：13自動化卓越班 學號： 1300801301 一、實現功能1.可實現電機的正轉反轉以及電機制動。2.利用神經元自整定調速算法，速度范圍6003000 r/min 3.NOKIA5510顯示屏，顯示速度 二、設計方案1.系統設計 根據任務要求，我們設計出了以下系統框圖。我們是以stm32為核心控制器，它可以輸出占空比不同的PWM脈沖，還可以對光電測速模塊傳回來的信號進行處理。除此之外它還有人機交互功能，我們通過鍵盤改變設定速度，在電機速度趨于穩定后，我們可以在顯示屏上看到設定速度與當前運行速度，方便快捷。圖1 系統方案框圖2、硬件設計2.1

2、控制器模塊 根據設計任務，控制器主要用于產生占空比受算法控制的PWM脈沖，并對電機當前速度進行采集處理，根據算法得出當前所需輸出的占空比脈沖。 本作品采用stm32作為核心控制器。2.2 電源電路 電源是整個系統的能量來源，它直接關系到系統能否運行。在本系統中直流電機需要12V電源，而單片機、顯示模塊等其它電路需要5V的電源，因此電路中選用7805和7812兩種穩壓芯片，其最大輸出電流為1.5A，能夠滿足系統的要求，其電路如圖2-1所示。圖2-1 電源電路2.3 功率放大驅動電路(外加光耦隔離) 單片機不能直接控制電機的轉動，我們需要一個功率放大驅動電路來起到橋梁的作用，經過比較我們選擇了H橋

3、，此外我們這個驅動電路還加了一個光耦隔離。H橋性價比高，且對于直流電機調速非常簡單，而且該電路具有較強的驅動能力和保護功能，還能控制電機的轉動方向。電路如圖2-2所示。左端兩個輸入口接單片機輸入PWM脈沖控制H橋三極管的導通截止，PWM脈沖由單片機對應端口輸出，其中有一個端口輸出PWM脈沖來控制電機的轉動方向。此外光耦隔離電路還能對外界干擾脈沖起到很好的屏蔽作用，輸入端與輸出端也完全實現了電氣隔離，抗干擾能力強。 圖2-2 功率放大驅動電路2.4 信號采集及處理單元本設計中采用對射式光電傳感器測量電機轉速。當不透光的物體擋住發射與接收之間的間隙時，開關管關斷，反之打開。可以制作一個遮光葉片如圖

4、2-3(b)所示，安裝在電機轉軸上，當葉片轉動時，光電開關產生脈沖信號。當葉片數較多時，旋轉一周可以獲得多個脈沖信號。 假設系統采用10個葉片，在一秒鐘的內產生了100脈沖，則電機的轉速就為10r/s。 (a) 電路圖 (b) 轉盤 圖2-3 電路圖及轉盤2.4.1 轉速測量原理本設計采用頻率測量法。其測量原理為：在固定的測量時間內，計取轉速傳感器發生的脈沖個數（即頻率），從而算出實際轉速。設固定的測量時間T（min），計數器計取的脈沖個數m1，假定脈沖發生器每轉輸出p個脈沖，對應被測轉速為n（r/min），就可算出實際轉速值n=60m1/pT。2.4.2 監測裝置安裝此檢測裝置按照發動機上傳

5、感器的實際安裝位置進行安裝。如圖2-4所示，將信號盤固定在電動機轉軸上，光電轉速傳感器正對著信號盤。測量頭由光電轉速傳感器組成，而且測量頭兩端的距離與信號盤的距離相等。測量用器件封裝后，固定裝在貼近信號盤的位置，當信號盤轉動時，光電元件即可輸出正負交替的周期性脈沖信號。信號盤旋轉一周產生的脈沖數，等于其上的齒數。因此，脈沖信號的頻率大小就反映了信號盤轉速的高低。該裝置的優點是輸出信號的幅值與轉速無關，而且可測轉速范圍大，一般為1r/s104 r/s以上，精確度高。2-4 轉速監測裝置2.4.3 信號處理電路被測物理量經過傳感器變換后，變為電阻、電流、電壓、電感等某種電參數的變化值。為了進行信號

6、的分析、處理、顯示和記錄，須對信號作放大、運算、分析等處理，這就引入了中間變化電路。根據系統需要設計了如圖2-5所示的中間變換電路。其中，R1、R4 起限流作用，R2 起分流作用，R3 為輸出電阻。當轉盤上的梯形孔旋轉至與光電開關的透光位置重合時，輸出低電平；當通光孔被遮住時，輸出高電平。傳感器輸出脈沖如圖2-6所示。圖2-5 電機速度采集方案圖2-6 傳感器輸出脈沖波形2.5 硬件電路的總體框架及仿真3、軟件設計(單神經元自正定PID調速)3.1 神經元原理介紹 基于模型的控制系統設計方法存在著局限性。它過分依賴于受控對象精確的數學模型，如果受控對象的精確數學模型不易得到時，傳統控制器設計就

7、變得很困難。因此，近年來學者們一直在探索可以不依賴于對象精確數學模型的控制器設計方法，智能控制理論的研究便是這方面的嘗試，控制實踐表明非模型控制可以有效提高控制系統的適應性和魯棒性。人工神經網絡的出現和發展促進了非模型控制的發展。 在神經元非模型控制方面，浙大王寧教授提出了一種面向控制的神經元模型及聯想式學習策略，如下所示。自適應神經元的輸出可表示為： 式中，K0 為元的比例系數，xi(t)（i = 1, 2, , n）為元的輸入：i（t）是相應于 xi(t)的權系數，由某種學習策略決定。一般認為神經元通過修改其自身的突觸權值進行自組織。根據 D. O. Hebb 提出的著名假設，可以得到以下

8、的學習規則：式中，d0為學習速率，pi（t）為學習策略。圖3-1為保證遞進式學習的收斂性，進行規范化后的控制學習算法為： 其中，K，d為待定參數。神經元的輸入狀態為wi（t）(i=1,2,3,n).當n=3時候3.2 控制過程的討論 基于上面的神經元理論，下面設計基本的神經元PID調整流程圖。圖3-2 神經元PID調整流程圖 經過設計，通過神經元算法對KP，KI，KD三個參數進行自整定，從而達到一個相對對KP值得最優秀值。3.3 對結合到PID代碼的參數討論Ck(k+1)= Ck(k)+kp*(e0-e1)+ki*e0+kd*(e0-2*e1+e2);Kp(k+1)= Kp(k)+ *ck(k

9、)*e0*(e0+e0-e1); 這里對輸出的更新暫且不提，對Kp的更新進行分析。 首先是學習參數參數，為系統學習速度，ck（k）為反饋的輸出，e0為這一時刻的誤差，e1為上一時刻的誤差。(E0-e1)相當于誤差積累量的偏導，加快反應的速度。3.4 對學習參量的決定 考慮到KP的參數為e-1的位數，所以變化量最好為e-2的量級。并且要提前根據需要設定PID三個參數的大小，避免震蕩過大導致跑飛。 可以去Kp=1，ki=0.5kp，kd=0.6kp，這樣來設置。之后PID會自動穩定到合適的值。用串口讀取就好。 4、總結這次做電機用到的知識書本上也沒有多少，我們通過上網查資料制定了一個確切可行的方案，然后我們先仿真了一下，能用之后我們才開始焊接，焊接過程中往往