基于Linux和s3C2440的GPC控制器设计

liyf

                    　　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。
　　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。






　　．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。
　　．3 Linux的移植
　　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。
　　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。
　　．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*****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。
　　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。
　　．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






　　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。
　　．2 MatIab仿真及生成目标代码
　　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。






　　结 语
　　本文成功构建了网络化控制器节点的软硬件平台，并通过Matlab／RTW半实物仿真的方法，实现了GPC算法的快速移植，对网络延迟进行了补偿。该测控平台应用范围相当广泛，适用于基于Ethernet的嵌入式Web控制器，满足远程实时控制需求，具有一定的应用前景。