μC/OS-II系统与ARM在中央空调机组控制器中的应用

3.4 数据处理算法  

在机组控制任务Task_control()中需要对采集过来的各路模拟量及数字量信号进行处理，以得到合适的输出控制信号，选取何种处理方法直接关系到控制器的控制品质。针对中央空调对象大惯性、大滞后、非线性等特性，常规PID控制无论在参数整定还是在控制精度或控制过程都存在不足。本系统采用基于T-S模型的模糊神经网络参数自整定PID控制方法，利用神经网络经训练后可以逼近任意非线性关系特性，并综合了PID控制与模糊控制各自的优势。图4为控制系统结构图，模糊神经网络模块根据误差及其变换率实时地修改PID控制器的3个参数，使其处于最优状态。图5为基于T-S模型神经网络结构图。  




  
以温控为例，网络的输入信号x1、x2分别是温差及温差变化率et、Δet，模糊论域分别定为[-20，20]、[-10，10]，模糊子集均为：NB(负大)、NM(负中)、NS(负小)、ZE(零)、PS(正小)、PM(正中)、PB(正大)，模糊规则49条，隶属度函数为高斯函数。前件网络输入层直接将et、Δet送入到模糊化层计算其属于各语言变量值模糊集合的隶属度函数，规则层采用求积法计算出每条规则的适用度。后件网络由3个结构相同的并列子网络组成，输出PID控制器的3个控制参数kp、ki、kd。系统采集常规PID控制器工作时et、Δet输入数据及控制参数为训练样本，利用误差反传算法训练网络参数：连接权pkji、隶属度函数中心值cij及宽度δij。试验记录表明训练后的控制器的动态特性与静态特性均优于传统PID及单纯模糊控制方法。  

本中央空调现场控制器采用32位高性能ARM处理器，满足了控制系统对实时监控能力和组网通信能力的要求，简化了系统设计。嵌人式操作系统μC/OS-II的移植保证了系统的实时性，多任务运行特性使所开发的控制软件运行稳定、可靠。