采用FPGA的SOPC技術(shù)研究了傳感器非線性軟件校正的實(shí)現(xiàn)

1、采用FPGA的SOPC技術(shù)研究了傳感器非線性軟件校正的實(shí)現(xiàn)    0 引 言現(xiàn)代測量系統(tǒng)中， 1 非線性軟件校正原理一個受多個參量影響的傳感器系統(tǒng)可表示為y=f(x，t1，t2，tk)，其中，x為待測目標(biāo)參量，t1，t2，tk為k個非目標(biāo)參量，y為傳感器輸出。為了消除非目標(biāo)參量對傳感器輸出的影響，一般采用逆向建模的方法。實(shí)際測量的數(shù)據(jù)，由于受非目標(biāo)參量的影響，它與目標(biāo)參量之間的函數(shù)關(guān)系不再是線性的。逆向建模的目的是通過非線性映射，把非線性函數(shù)關(guān)系x=f-1(y，t1，t2，tk)向線性函數(shù)關(guān)系x=yA逼近。在模型中，測量數(shù)據(jù)和非目標(biāo)參量的測量值作為輸入，

2、目標(biāo)參量的線性值作為模型的輸出，按照一定的算法原則，不斷調(diào)整模型的參數(shù)，使得模型輸出誤差在允許的范圍之內(nèi)。在本系統(tǒng)中，選用 2 系統(tǒng)方案實(shí)現(xiàn)2.1傳感器調(diào)理電路AD590是美國模擬器件公司生產(chǎn)的單片集成兩端感溫電流源，流過器件的電流(A)等于器件所處環(huán)境的熱力學(xué)溫度(K)度數(shù)，AD590隨溫度變化輸出的是電流信號，需要將其轉(zhuǎn)換為電壓信號。由于AD590靈敏度高，受環(huán)境的影響大，在使用前需要校正。在本文中，利用神經(jīng)網(wǎng)絡(luò)算法對AD590的輸出進(jìn)行了校正。DS18B20是Dallas TGS813是一種由SnO2材料組成的燒結(jié)體半導(dǎo)體氣體傳感器，屬于一種廣譜性氣敏元件，對多種氣體敏感，對不被檢測氣體

3、不敏感；由于輸出電壓最高可以達(dá)到+9 V，而后級模擬數(shù)字轉(zhuǎn)換電路的輸入電壓不超過+5 V，所以，使用前需要調(diào)整分壓 2.2模擬數(shù)字轉(zhuǎn)換電路來自傳感器的模擬信號，在送入模擬數(shù)字轉(zhuǎn)換電路之前，由于器件的輸入阻抗比較低，而傳感器的輸出阻抗較高，不能直接把模擬信號送入模擬數(shù)字轉(zhuǎn)換電路。本文采用TLC279構(gòu)成電壓跟隨器，實(shí)現(xiàn)阻抗變換?？紤]到在FPGA實(shí)現(xiàn)的算法處理對數(shù)據(jù)的精度敏感，因此，系統(tǒng)選用了四路模擬量輸入的12 bit串行數(shù)據(jù)輸出的TLV2544作為模擬數(shù)字轉(zhuǎn)換電路的核心芯片。TLV2544是TI公司生產(chǎn)的高性能12位低功耗、高速(3.6s)CMOS模數(shù)轉(zhuǎn)換器，具有采樣一保持功能，電源電壓為2.

4、75.5V。TLV2544還具有3個輸入端和1個三態(tài)輸出端，可為最流行的微處理器串行端口(SPI)提供4線 各路信號送入微處理器AT89C2051，經(jīng)串行口發(fā)送給系統(tǒng)板。微處理器的軟件設(shè)計(jì)主要是在接收到SOPC系統(tǒng) 2.3神經(jīng)網(wǎng)絡(luò)校正算法利用BP神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)非線性誤差軟件校正的文獻(xiàn)較多，但主要是基于PC機(jī)的仿真實(shí)驗(yàn)。單片微處理器由于存儲容量和數(shù)據(jù)總線寬度的限制，網(wǎng)絡(luò)結(jié)構(gòu)類型和計(jì)算精度只能控制在一定范圍之內(nèi)。SOPC在大規(guī)模 3 算法測試本文采用三層前向網(wǎng)絡(luò)，輸入層神經(jīng)元2個，分別代表溫度傳感器ADS90和氣體傳感器TGS813輸入信號，DS18B20的測量值作為AD590的期望值，輸出層神經(jīng)元

5、1個，代表AD590的校正值。本文共采集了70個樣本對數(shù)據(jù)作為神經(jīng)網(wǎng)絡(luò)的輸入。神經(jīng)網(wǎng)絡(luò)的訓(xùn)練采樣動量自適應(yīng)算法，剔除部分不符合要求的樣本，58個樣本作為訓(xùn)練樣本，8個樣本作為測試樣本。BP神經(jīng)網(wǎng)絡(luò)采用C語言編程實(shí)現(xiàn)，由于微處理器與PC機(jī)相比，在工作頻率和總線結(jié)構(gòu)方面還存在很大差距，因此，在計(jì)算算法的誤差輸出時，本文采用的是各個訓(xùn)練樣本的絕對誤差的累加和，而不是均方根誤差，這樣，可以避免大量的乘法和開方運(yùn)算，否則，算法很難收斂。 作為BP神經(jīng)網(wǎng)絡(luò)動量法的重要參數(shù)，如果學(xué)習(xí)率參數(shù)選擇的范圍比較窄，那么，網(wǎng)絡(luò)性能的隨機(jī)性特點(diǎn)就會非常明顯，不利于網(wǎng)絡(luò)的推廣應(yīng)用。圖3是選擇不同的學(xué)習(xí)率時網(wǎng)絡(luò)輸出誤差的變

6、化情況。測試條件是動量系數(shù)為0.9，增益為1，隱含層節(jié)點(diǎn)6個，算法停止迭代的判斷條件是輸出絕對誤差累加和小于0.01。圖4是58對訓(xùn)練樣本完成網(wǎng)絡(luò)訓(xùn)練后的測試結(jié)果。由于BP神經(jīng)網(wǎng)絡(luò)的性能受隱含層節(jié)點(diǎn)個數(shù)影響比較大，圖中數(shù)據(jù)是在不同隱含層節(jié)點(diǎn)個數(shù)的條件下得到的，并與MATLAB軟件仿真得到的結(jié)果作了比較。網(wǎng)絡(luò)訓(xùn)練的條件：學(xué)習(xí)率為0.1，動量系數(shù)為0.9，增益為1，SOPC停止迭代的判斷條件是輸出絕對誤差累加和小于0.01，MATLAB停止迭代的判斷條件是均方根誤差小于0.0001，圖中，n代表隱含層節(jié)點(diǎn)個數(shù)。由于采用的是12 bit的AD轉(zhuǎn)換芯片，采集數(shù)據(jù)送入FPGA系統(tǒng)板后，經(jīng)過歸一化處理，數(shù)據(jù)類型發(fā)生變化。與MATLAB仿真軟件輸出結(jié)果保持一致，基于FPGA的神經(jīng)網(wǎng)絡(luò)輸出取小數(shù)點(diǎn)后4位有效數(shù)字。由圖4可以得出：雖然在個別測試點(diǎn)上基于MATLAB軟件仿真結(jié)果優(yōu)于SOPC的輸出結(jié)果，但在隱含層節(jié)點(diǎn)對算法性能的影響程度上，基于SOPC技術(shù)的輸出受到的影響比較小，穩(wěn)定性好，這與SOPC技術(shù)采用32位字長有很大關(guān)系。4 結(jié)論基于FPGA的SOPC技術(shù)不同于IC芯片設(shè)計(jì)，它是把已有的模塊資源組合成一個系統(tǒng)，系統(tǒng)的功能直接由載體FPGA芯片實(shí)現(xiàn)；它又不同于傳統(tǒng)的基于單片微處理器的系統(tǒng)設(shè)計(jì)，因?yàn)镾OPC系統(tǒng)的微處理器性能和外圍接口控制電路都是由用戶編程設(shè)