飞机刹车模糊神经网络DSP嵌入式控制系统
来源： 作者： 发布时间：2016-04-26 06:35:52 浏览量：核心处理器为DSP，外扩8253来计外部脉冲。 DSP芯片外部接口电压为3.3V，内部核心电压为1.8V，采用TI公司的专用电源芯片为DSP提供两种低压的电源。神经网络的权值训练程序作为DSP的中断子程序调用(开关触发)。
3.1.1.1 存储器
神经网络部分需要保存权值与阈值参数，实现在线擦写，因此采用高速FLASH。本系统采用5V工作的INTEL28F010A，其与DSP间电平转换通过74LVC16245来进行。
3.1.1.2 复位电路
在实际应用系统中，可靠性是个不容忽视的问题。自动复位电路除具有上电复位功能外，还具有监视系统运行并在系统发生故障时进行复位的能力，因此采用MAX706实现自动复位电路。
3.1.2 模糊控制部分
核心处理器为ATMEL公司的89C52芯片，处理完的数字控制信号由AD7528芯片转换为模拟电流信号输出。
3.1.3 双机通信
系统设计重点之一在于主机和从机间的数据通信。神经网络与模糊控制之间要求快速高效地通信，采用DSP的HPI主机接口方式。HPI为一个8位并行接口。通过DSP和微处理器都可以访问到DSP片内为HPI所设的专用存储器，可在DSP和微处理器之间进行信息交换。DSP处理完信号后，向89C52发出中断信号，触发单片机读取D插件电感SP的处理结果以进行模糊控制的处理，形成一条信号处理流水线系统，从而大大提高了信号的处理效率，保证了系统的实时性要求。
3.2 系统软件实现方案
3.2.1 神经网络部分
网络训练程序作为DSP的中断子程序调用。神经网络部分处理完数据，将结果传到HPI接口RAM缓存区，通过HINT管脚向89C52发出中断信号。主程序流程图见图5。
如前所述，神经网络部分采用常用的BP算法，其具体的学习步骤如下:
(1)初始化，将各连接权值及阈值赋随机值;
(2)随机选取模式，计算各层的输入和输出;
(3)计算各层的一般化误差;
(4)更新各层的阈值及层之间的连接权值;
(5)下一个模式对输入网络进行训练，返回步骤(3)，至全部模式训练完;
(6)判断是否需要循环学习。
当整个网络训练完后，学习结果记忆在权值和阈值中。
针对BP算法中存在的问题及刹车系统自身的特点，我们进行了改进。
3.2.1.1 活化函数的选取
在μ-σ曲线中，μ的取值存在着接近0的点，如果选取单极连续的S型函数
则接近0或1时收敛速度极慢，所以系统选取双极连续的S型函数
该函数在接近0处斜率最大，收敛最快，解决了网络的训练在0点处的收敛速度问题。
3.2.1.2 初始值的选择
由于曲线是非线性的，初始值对于学习是否达到局部最小和是否收敛影响很大。初始权值在输入累加时，每个节点的状态值接近0，保证开始时不落到活化函数的平坦区上。权值和阈值一般随机取值，该系统中两者初始值均取在(-1，+1)之间，对输入样本初始值进行归一化处理，使较大的输入仍落在活化函数梯度大的区域。
3.2.1.3 退火系数Q的选择
系统中加入了动量项，针对学习过程中易引起振荡的现象，加入退火系数来改变活化函数曲线形状，以改变接近0电感生产厂家处的斜率，即活化函数为
从而可通过功率电感器调节Q值消除振荡和发散现象。
3.2.1.4 BOOT设计
TMS320C54X DSP芯片一般都在片内设置有BOOT程序，其作用是开机时将程序从外部装入内部程序存储器。DSP芯片有多种BOOT方式，本系统采用8位并口BOOT方式。
3.2.2 模糊控制部分
89C52收到DSP发的中断信号时，向DSP的HPI口发出读信号，读取DSP的处理结果。由89C52进行查表及反模糊化控制，最终将所得数字结果通过D/A转换器转换为所需的模拟电流控制信号。
模糊控制需进行三部分的工作:输入精确量的模糊化、模糊控制规则的推理合成运算和模糊量的精确化(反模糊化)。在实际应用中空调电感器，考虑到单片机的特点，力求使其存储、变换和处理过程简单、快捷、节省内存，本文采用直接查表法。
提升电源系统可靠性的有效选择近来， LLC拓扑以其高效，高功率密度受到广大电源设计工程师的青睐，但是这种软开关拓扑对MOSFET的要求却超过了以往任何一种硬开关拓扑。特别是在电源启机，动态负载，过载，短路等情况下。Infineo
BTN7970在直流电机驱动系统中的应用摘要：Infineon公司的大功率H半桥集成芯片BTN7970内部集成了驱动电路，故可以直接和MCU接口，同时具有电流检测，以及过温、过压、欠压、过流和短路保护等诊断功能。本文介绍了BTN7970在直
小白求助什么是拓扑？BUCK BUCK-BOOST是什么意思？ 中文怎么叫？看下