基于PAX270+EP2C20的真空冻干控制系统设计

1 系统硬件结构设计
该控制系统主要由嵌入式微控制器和现场可编程门阵列(FPGA)器件、温度调节模块、真空度调节模块、GSM模块、本地和网络PC、LCD控制、各种传感器、打印机及检测、控制模块组成，如图1所示。

控制系统的核心由ARM及FPGA器件组成，实现整个系统的通信、现场显示、现场控制等功能，同时实现温度、真空度的神经网络控制。
检测量模块主要由传感器、信号调整及采集等组成，实现温度、真空度、湿度以及各主要部件(热继电器、交流接触器位置等)的状态的测量。控制模块主要由光隔离、驱动及执行机构组成，实现气阀、水阀、电动机、变频器、加热器等的驱动与控制。LCD触摸屏、IDE硬盘、打印机协调工作以实现冻干工艺曲线的实时采集、显示、输出与数据存储，还有冻干机温度与真空度参数的设置与控制等功能。

GSM模块实现工业现场的无线监测，本地PC可用于远程控制，网络PC可扩展为正在兴起的网络控制。嵌入式微处理器的选择。由于该真空干燥系统要进行大量的数据运算，需要较强的控制能力，需要有较多的USART接口，同时要有ADC转换功能、LCD触摸屏、USB口等，在微处理器选择上，普通的8位、16位单片机已难以胜任，因此32位的嵌入式微处理器是比较好的选择。本系统选择INTEL PAX270，是一款基于32位Xscale核心的高性能、工业级的32位RISC微控制器，它具有极低的功耗，LCD控制器(最大支持64K色STN和1256K色TFT)提供1通道LCD专用DMA，8通道10比特ADC和触摸屏接口，3通道UART(IrDA1．0，16字节TxFIFO，和16字节RX FIFO)／2通道SPI，2端口USB主机／1端口USB设备(1．1版)，PWM通道(4路输出)，以及多达119个中断源，这款微控制器特别适合自动化应用，并适用于工业控制、医疗系统、访问控制和故障维护等应用领域。
FPGA器件的选择。由于该系统包括了神经网络的实现，需要大量RAM空间来保存中间参数和查表计算，同时还需要大量的通用I／O接口，用于输入输出模块以及快速响应精确的PWM调制功能，因此用FPGA是比较好的选择。这里选择Altera公司推出的低成本Cyclone系列，型号为EP2C20。EP2C20内部有18752i逻辑单元，52个M4K RAM块，共计239K位RAM，26个嵌入式18*18乘法器，4个锁相环，资源非常丰富，可满足系统设计要求。

2 温度与真空度控制模型
2．1 恒温或按某预定温度曲线的控制模型
温度控制模型如图2所示。温度控制采用神经网络模糊控制模型，设定值和测定值经过模糊划分后，同时送入神经模糊控制网络，生成模糊控制子集，通过转化器产生。PWM脉宽调制用的频率值与占空比，然后生成PWM驱动信号，驱动电力电子器件，电源输出给红外石英管，对真空箱进行加热。通过温度传感器及调整电路，形成温度值和温度变化率，根据温度值和温度变化率控制器对输出频率和占空比进行调整。

2．2 恒真空度或按某预定真空曲线的控制模型
真空度的控制模型与上述温度控制模型结构相似，不同的是神经模糊控制网络的输出不是直接用于电机的控制驱动，而是把输出的频率量转换成变频器的远程控制信号，通过RS485接口控制变频器的启动、停止和频率设置，如图3所示。

2．3 神经网络选择与仿真
根据上述控制模型，比较成熟的BP网络选择的控制神经网络如图4所示。神经模糊控制器在输入／输出参量的选择，以及模糊论域和模糊子集的确定方面，与一般的模糊控制器没有什么区别，只是在推理手段上引入了神经网络。

以真空度控制为例来验证控制模型的精确程度。令x1~x7为输入真空度的模糊子集，x8~x14为输入真空度变化的模糊子集，y1~y8为输出空置量的模糊子集，从表1可以看出，共有16条控制规则。例如，当真空度为"合适"，变化率为"零"时，抽空时间应该为"短"，这个样本可以表示为：

其中，x中的各元素为对应的隶属函数，及模糊自己的赋值。同理可得其他15个样本，并将它们依次送入神经网络训练，当训练结束后，神经网络已经记忆了模糊控制规则，使用时具有联想记忆功能。如图表2所示，为每一个输入参量的模糊量。

根据模糊规则，可得到神经网络的训练样本，本次训练假设目标误差为0．001，训练步数为1000次，仿真结果如图5所示，可以看出，在训练到202次后目标误差达到要求。

3 总结
本系统采用了ARM与FPGA的双核处理器，与现在常用的PLC控制相比，大幅提高了系统功能及运算速度，采用FPGA的可重构计算技术，可实现动态系统的更新与升级，及远程系统的更新与维护。