基于ARM9Linux系统的模糊自整定PID温度控制器的设计

李 岩， 唐重和， 刘克平

（长春工业大学电气与电子工程学院，吉林长春 130012）

0 引 言

温度控制系统对生化分析仪的检测分析过程具有很大的影响，生化检验结果的可靠性与反应盘的温度精度密切相关。常规PID控制关键在于调整比例、积分、微分3个参数，使之既要相互配合，又要相互制约，从而达到最优效果。模糊控制不依赖于精确的数学模型，是基于启发性的知识和语言决策规则设计的，增强了控制系统的自适应能力[1]。但在生化分析仪反应盘温度控制系统中，当偏差和偏差变化率偏小时，传统的模糊控制方法就难于控制。如果将PID控制和模糊控制两种方法结合起来，利用模糊控制器来给PID控制器在线自整定（或者自校正、自调整）PID参数构成模糊自整定PID控制器，就可以取得理想的效果[2]。文中设计采用ARM9处理器，将模糊自整定PID算法[3]通过嵌入式 Linux系统实现，从硬件和软件两个方面大大提高了控制系统的精确性和稳定性。

1 系统硬件设计

系统以S3C2410处理器为核心，主要由温度采集单元、功率输出驱动单元、键盘显示单元以及存储单元组成。

S3C2410是一款低价位、低功耗、高性能的32位 RISC嵌入式处理器。其采用ARM920T内核，具有五级整数流水线，工作频率高达266 MHz，独立的16 KB指令和16 KB数据的缓存（Cache），用于虚拟内存管理的MMU单元，LCD控制器（STN&TFT），非线性（NAND）FLASH的引导单元系统管理器（包括片选逻辑控制和SDRAM控制器），3个通道的异步串口（UART），输入输出端口，实时时钟单元（RTC），带有触摸屏接口的8个通道的10 bit ADC，IIC总线接口，IIS总线接口，USB的主机（host）单元，USB的设备（Device）接口，2个通道的SPI接口和锁相环（PLL）时钟发生单元。

温度采集模块采用一线制数字温度传感器DS18B20，其测量可精确到0.062 5℃。程序将与之连接的单线端口设置为GPIO口，通过对引脚清零和置位寄存器进行设置并进行软件延时，即可产生复位及写0、写1、读0和读1的时序，并编写温度检测应用程序。经过模糊自整定PID算法模块计算后的PWM输出量直接控制功率驱动单元，完成对反应盘温度的控制。功率输出驱动单元主要采用L6203驱动器控制帕热帖进行加热和制冷。

显示模块选用的是SHARP公司的TFTLCD器件。S3C2410内部自带 LCD驱动控制器，通过内部寄存器设置相应的显示模式。另外，在嵌入式Linux系统下开发了相应的驱动程序，使其能够正常显示温度的设定值与返回值。温度值的设定通过系统采用SPI接口的键盘显示控制芯片 ZLG7289与 S3C2410的 SPI接口连接，ZLG7289的行线R[2:0]和列线C[7:0]构成矩阵键盘，同时在芯片内部可自动完成扫描、译码、去抖动处理等任务。另外，系统中Nand Flash存储器用来存储的算法模块运行时需要使用大量数据。系统硬件结构如图1所示。

图1 系统硬件结构图

2 模糊自整定PID控制器的设计

2.1 输入、输出变量的论域及隶属度函数

系统采用二输入、三输出的模糊控制器。控制系统的输入偏差为e，偏差变化率为ec。模糊控制器的输出为Δ Kp，ΔKi，Δ Kd[4]。模糊控制器与e，ec对应的输入语言变量分别为E，Ec，E和Ec的论域取{-3，-2，-1，0，1，2，3}，其模糊子集均为{NB，NM，NS，ZO，PS，PM，PB}，分别表示{负大，负中，负小，零，正小，正中，正大}[5]。将模糊控制器的3个输出变量Δ Kp，ΔKi，ΔKd的变化范围分别定义为:

它们的模糊子集为ΔKp，ΔKi，Δ Kd={NB，NM，NS，ZO，PS，PM，PB}。

各语言值的隶属度函数均采用三角形。E，Ec，Kd的隶属度函数如图2所示。

图2 E，Ec，Kd的隶属度函数

Kp，Ki的隶属度函数如图3所示。

图3 Kp，Ki的隶属度函数

2.2 模糊控制规则表

模糊控制设计的核心是总结相关技术知识和实际调试经验，建立模糊规则表[6]，得到针对ΔKp，Δ Ki，Δ Kd这3个参数分别整定的模糊规则表，见表1～表3。

表1 ΔKp规则模糊表

表2 ΔKi规则模糊表

表3 ΔKd规则模糊表

ΔKp，Δ Ki，Δ Kd——模糊控制器输出值。

2.3 模糊控制查询表

模糊控制查询表是模糊控制算法的最终结果，根据上面的分析计算，文中所采用的模糊控制查询表[8]见表4。

表4 模糊控制查询表（ΔKp，ΔKi，ΔKd）

2.4 软件设计

软件平台采用的是基于2.4内核的嵌入式Linux系统。采用交叉编译器工具包CROSS2. 95.3.tgz。模糊 PID算法模块的实现是通过MATLAB离线计算得到模糊控制表并存入ARM9中，然后通过查模糊控制表得到对应的控制量。最后再转换为相应的PWM输出量控制功率驱动模块。

控制流程如图4所示。

2.5 MATLAB仿真

选取被控对象为一阶纯滞后模型:

在MATLAB命令窗口运行Fuzzy命令进入模糊逻辑编辑器，选择控制类型为Mamdani型，根据上面的分析分别输入E，Ec，Δ Kp，Δ Ki，ΔKd的隶属度函数和量化区间，并完成控制规则输入。在SIMULINK中建立模糊自整定PID控制系统模型，如图5所示。

图4 控制流程图

图5 模糊自整定PID控制系统模型的SIM ULINK构建

常规PID和模糊PID仿真结果如图6所示。

图6 常规PID和模糊PID仿真

从仿真结果可以看出，模糊自整定PID控制具有较小的超调量和较小的调节时间，以及较好的动态响应特性和稳态特性，且同步精度高。

3 结 语

着重研究了基于ARM9的模糊自整定PID控制算法在生化分析仪温度控制系统中的应用。仿真及实验结果表明，模糊自整定PID控制是一种设计简单、实现方便、控制规则优化以及性能优良的智能控制器，具有动态性能好、稳态精度高的特点，并且有较好的抗干扰性能和较好的鲁棒性。实际应用中，使生化分析仪反应盘控温精度达到±0.1℃，显示精度为±0.01℃，控制效果优化明显。

[1] T C Callai，J E S Santos，R R Sumar，et al.Applying the potentiality of using Fuzzy logic in PID control design[J].Advances in Soft Computing，2005，1:193-204.

[2] 诸静.模糊控制理论与系统原理[M].北京:机械工业出版社，2005.

[3] Taifu Li，Yingying Su，Bingxiang Zhong.Remodeling for Fuzzy PID controller based on neural networks[J].Fuzzy Information and Engineering（ICFIE），ASC 40，2008:20（13）:3431-3435，3444.

[4] 李国勇.神经模糊控制理论及应用[M].北京:电子工业出版社，2009.

[5] 叶润玉.锅炉主汽温自适应模糊PID控制[J].机电技术，2008（3）:44-46.

[6] Kevin M Passi.Stephen Yurkovich.Fuzzy control [M].Beijing:T singhua University Press，2001.

[7] 黄乐天，谢意.实用高精度智能恒温加热器系统设[J].微计算机信息，2005，21（10）:70-71.

[8] 宋立芳，张永立.基于预测的模糊自整定PID温度控制系统[J].科学技术与工程，2006，14（6）:2142-2143.