分享到: 微博; QQ; 微信; LinkedIn

近年来，基于Internet的网络化控制系统已成为国内外测控领域研究的热点，在石油勘探开发、钢铁化工等领域有着广阔的应用前景。而控制器的设计和研发是整个网络控制系统的关键和核心。在一些地域高度分散以及环境恶劣的控制现场，使用嵌入式系统作为控制器节点，可更有利于多点分布式综合布控及并行处理，实现更好的测控效果。然而由于网络传输本身的特点，网络时延会不可避免地影响网络控制系统的控制性能和稳定性，因此本文提出基于S3C2440A及嵌入式Linux的GPC(Generalized PredictiveControl)控制器的设计方案，具有一定的通用性。

1 控制器硬件平台设计
控制器节点是嵌入式网络化测控系统的中心。在测控系统中，主控制器承担着控制算法的实现和数据采集两大任务，这要求控制器节点的硬件平台有更强的计算能力，以及更好的网络性能。本文中控制器的硬件平台采用三星公司的S3C2440，外围设备主要有RAM、Flash等。控制器的硬件平台结构如图1所示。

    (1)S3C2440处理器简介
    本系统采用三星公司的16／32位RISC微处理器S3C2440AL作为控制器核心。S3C2440AL的一大特点是其核心处理器(CPU)采用16／32位ARM920T的RISC微处理器。ARM920T实现了MMU、AMBA BUS和Har-vard高速缓冲体系结构。系统资源和外围接口丰富，包括电源管理器、外部存储器控制器、4通道DMA、3通道UART、8路10位ADC和GPIO等。
    (2)外围电路简介
    控制器外围电路主要由存储器电路模块、通信模块以及JTAG调试电路等构成。其中存储器电路模块采用2片HY57V561620FTP芯片作为外扩SDRAM；采用1片SST39VF1601(2 MB)芯片作为NOR Flash，用于存放bootloader程序；采用1片K9F1208芯片(64 MB)作为NAND Flash，用于存放操作系统以及文件系统。在通信模块中采用DM9000网卡芯片和网络变压器HR911103A，以实现以太网接口的设计；同时设计了USBhost接口电路，为下一步实现WLAN通信提供接口。A／D和D／A接口电路实现数据的采集和控制信号的发出。

2 控制器软件平台设计
2．1 软件平台整体结构
    控制器节点软件体系结构如图2所示。其中最底层为设备驱动程序层，主要进行处理器初始化和驱动各外设电路模块；第2层为嵌入式Linux操作系统，主要管理系统的软硬件资源、上层应用，以及操作底层驱动接口；第3层为Web服务器，以实现控制器的：Browser／Server访问控制；第4层为应用程序，主要包括实时数据库、GPC控制算法和时钟同步应用程序。
2．2 bootloader的配置和编译
    首先在宿主机的Linux下建立arm-linux-gcc-2．95．3交叉编译环境，将vivi．tgz解压缩到Linux的相应目录下，进入vivi目录，执行make menuconfig命令进入vivi配置界面，对vivi的参数进行配置。完成配置之后，进行编译，此时已经在当前目录下生成了vivi。可使用H-JTAG将vivi烧写到NAND Flash运行。
2．3 Linux的移植
    (1)编译Linux内核
    首先在宿主机的Linux下建立arm-linux-gcc-3．4．1交叉编译环境，然后将Liunx-2．6．13．tgz解压缩到Linux的某一目录下，执行make menuconfig命令进入内核配置界面，定制Linux内核，包括配置CPU选项、网卡声卡驱动、串口、对yaffs文件系统的支持等选项。完成定制之后，保存设置退出。然后对内核进行编译，即可生成内核映像文件zImage。
    (2)制作yaffs文件系统
    制作yaffs文件系统映像需要使用mkyaffsimage工具程序。首先将其解压缩到／usr／sbin目录下，然后将文件系统解压缩到Linux某一目录下，此时用户可以将自己编写的应用程序或其他文件添加到文件系统中。添加完毕后使用mkyaffsimage命令即可得到root．img镜像文件。最后可使用H-JTAG将生成的映像文件烧写到NAND Flash运行。
2．4 Boa服务器的移植和构建
    在网络化测控系统中，每个测控节点都需要使用Web浏览器进行监控和数据交互。Web服务器作为一个数据载体，可以将本地的信息和数据通过网络传递给远端发出请求的客户，这对远程网络化监控的实现有重要意义。因此Web Server的移植成为一项必不可少的工作。Boa的优点在于其源代码开放、性能好和可靠性高。本文中Web Server的构建也是基于Boa展开的。
    首先在官方网站上下载Boa的源码boa-0．94．13．tar．gz，解压缩到Linxu宿主机的某一目录下，然后进入src目录，执行．／congfig命令，生成Makefile．in文件。由于生成的Makefile文件是针对X86平台的，为了生成能够在ARM上运行的Boa，需要修改Makefile文件。找到CC=gcc，CPP=gcc-E这两行，并修改为CC=arm-linux-gcc，CPP=arm-linux-gcc-E；然后使用make命令进行编译，编译成功后会在src目录下生成1个可运行在ARM平台下的Boa可执行文件，然后将编译好的Boa程序放入，／sbin目录下。
    在目标板上运行Boa之前，还需要对boa．conf文件进行配置。boa．conf文件主要包含的boa基本参数：Port，boa服务器监听的端口；User，连接到服务器的客户端的身份；DocumentRoot，HTML文件的根目录。用户可以根据自己的需要进行设置，设置完毕后进入sbin目录，直接运行Boa就可以直接启动Web服务器。

3 GPC算法的设计与实现
广义预测控制算法是Clarke等人于1987年提出的。该算法在保留了DMC、MAC等算法中多步预测优化策略的基础上，同时借鉴了最小方差自校正控制中的模型预测、最小方差控制、在线辨识的思想。因此对模型精度要求低，对变时滞的对象具有较强的鲁棒性，近年来得到了广泛的应用和重视。本文采用GPC算法解决时延问题。

3．1 GPC算法
    在GPC中，采用最小方差控制中使用的受控自回归积分滑动平均模型(CARIMA)来描述被控对像，即

    式中z-1是后移算子，表示后退1个采样周期的相应量；A(z-1)，B(z-1)，C(z-1)为后移算子z-1的多项式。y(k)为系统输出，u(k)为控制输出。ξ(t)是均值为0、方差为0的白噪声序列，表示一类随机噪声的影响。△为差分算子，且△=1-z-1。一般，令C(z-1)=1。为了便于研究，在不影响系统算法研究的前提下，令系统为SISO系统。GPC算法的目标函数中引入了控制增量加权参数，以增强系统的鲁棒性。其目标函数为

    其中，E为数学期望；ω(k十i)为输人参考轨迹，N1、N2分别为优化时域的初始值和终值，NU为控制时域，λ(j)为大于零的控制增量加权系数。广义预测控制算法问题最终归结为：通过递推求解Diophanfine方程，求出最优控制增量△U，使目标函数达到最小值。
3．2 MatIab仿真及生成目标代码
    RTW是Matlab提供的代码自动生成工具，可使Simulink模型自动生成面向不同目标的代码。目前通过Matlab／RTW可生成在PC、ARM等设备上运行的代码，以及在Windows、Linux等系统上运行的可执行文件。利用RTW自动生成代码，可使工程师专注于系统设计和实现，减轻编程工作量，加快产品研发的速度。GPC算法的仿真和调试是在Matlab7．0环境下，利用MPC工具箱，编制了相应程序而实现。由于Matlab中，m语言无法直接移植到嵌入式控制器中，因此先要用simulink构建系统模型，然后再用Real-Time Workshop自动生成面向ARM平台的C代码。
    利用RTW自动生成代码的实验步骤如下：
    ①用Matlab的m语言编写GPC算法程序，仿真通过后，封装成Simulink仿真框图，并建立GPC控制系统模型Model．mdl。
    ②在Simulink窗口中，选择Simulink|Configuration Parameters选项，对solvet option、Data Import／Export等进行设置。
    ③选中Generate code only复选框，单击build，代码自动生成。
    ④整合底层驱动函数、用户定义的函数以及自动生成的GPC程序，编译生成目标文件。
    从图3可以看出，在伴有随机扰动的二价系统中，基于GPC算法的控制器的超调量和调节时间都比较小，且上升时间快，表现出良好的动态性能和鲁棒性。这和GPC算法多步预测、滚动优化的特点是分不开的。