基于DSP的BP神经网络PID控制器的设计

J4 ›› 2011, Vol. 33 ›› Issue (4): 154-158.

基于DSP的BP神经网络PID控制器的设计

刘〓畅

（华南理工大学机械与汽车工程学院，广东广州 510640）

收稿日期:2010-04-25 修回日期:2010-08-07 出版日期:2011-04-25 发布日期:2011-04-25
作者简介:刘畅(1986),男,江西瑞金人，硕士，CCF会员（E200015631G），研究方向为高性能嵌入式控制系统。
基金资助:
国家自然科学基金资助项目（50875090）；国家863计划资助项目（2009AA04Z111）；国家科技支撑计划资助项目（2007BAH13B06）

Design of BP Neural NetworkPID Controllers Based on DSP

LIU Chang

(School of Mechanical and Automotive Engineering,South China University of Technology,Guangzhou 510640,China）

Received:2010-04-25 Revised:2010-08-07 Online:2011-04-25 Published:2011-04-25

摘要/Abstract

摘要：

针对BP神经网络PID控制算法的复杂性及实现的困难性，本文提出了一种使用DSP芯片来实现的方案，外围功能接口则由辅助芯片FPGA来完成。利用TI公司提供的RTOS（DSP/BIOS）快速开发出该控制器原型，并通过对伺服电机的转速控制实验，对比传统的PID控制后，证明了该方案的实时性及控制性能都能满足工程需求。

关键词: BP神经网络, PID控制器, DSP, 电机控制

Abstract:

As for the problem that BP neural network PID control algorithm is complex and hard to implement, a scheme that uses DSP to implement the algorithm is presented, and the external function interfaces are implemented in FPGA. The controller prototype is quickly designed with the help of RTOS(DSP/BIOS) provided by TI. Compared with the traditional PID controlling, the experiment using this controller to control the velocity of the servo motor shows that the scheme can meet the requirements of the realtime characteristics and the control performance.

Key words: BP neural networks;PID controller;DSP;motor control

刘〓畅. 基于DSP的BP神经网络PID控制器的设计[J]. J4, 2011, 33(4): 154-158.

LIU Chang. Design of BP Neural NetworkPID Controllers Based on DSP[J]. J4, 2011, 33(4): 154-158.

[1]	田玉恒,马胜,鲁建壮,杨柳. 一种高效的DMA核间同步传输方法[J]. J4, 20160101, 38(01): 52-56.
[2]	时洋, 陈照云, 孙海燕, 王耀华, 文梅, 扈啸. 面向飞腾迈创DSP的自主软件栈设计[J]. 计算机工程与科学, 2024, 46(06): 968-976.
[3]	郑康, 李晨, 陈海燕, 刘胜, 方粮. 超长指令字DSP标量访存单元的设计与优化[J]. 计算机工程与科学, 2023, 45(11): 1929-1940.
[4]	郭盼盼, 陈梦雪, 梁祖达, 马晓畅, 许邦建. 面向FT-M7002平台点积算法的优化实现[J]. 计算机工程与科学, 2022, 44(11): 1909-1917.
[5]	何涛, 施慧莉, 李大亮. 基于深度学习的SAR目标识别DSP设计[J]. 计算机工程与科学, 2022, 44(08): 1357-1363.
[6]	胡新荣, 刘嘉文, 刘军平, 彭涛, 何儒汉, . 基于改进GA-BP-MC神经网络的人体三维尺寸预测[J]. 计算机工程与科学, 2021, 43(08): 1443-1453.
[7]	陈云, 王梦园, 柴晓楠, 商建东, . 面向FT-M7002的高斯滤波算法优化实现[J]. 计算机工程与科学, 2021, 43(05): 799-806.
[8]	邓翔宇, 张屹南, 杨雅涵. 一种用于交通标识分类的形状识别算法[J]. 计算机工程与科学, 2021, 43(02): 322-328.
[9]	荀长庆, 陈照云, 文梅, 孙海燕, 马奕民. 以编译为导向的Matrix-DSP程序分析与优化[J]. 计算机工程与科学, 2020, 42(10高性能专刊): 1791-1800.
[10]	沈晓燕, 王雪梅, 王燕. 基于样本熵和模式识别的脑电信号识别算法研究[J]. 计算机工程与科学, 2020, 42(08): 1482-1488.
[11]	陈丽芳,冯力静,刘保相. 神经网络规则优化建模与应用[J]. 计算机工程与科学, 2019, 41(12): 2247-2254.
[12]	张象羽，施慧莉. 基于以太网和PCIe的多核DSP开发平台[J]. 计算机工程与科学, 2019, 41(10): 1731-1737.
[13]	吴曼曼1，徐建新 1，2. 基于EMD改进的Elman神经网络对股票的短期预测模型[J]. 计算机工程与科学, 2019, 41(06): 1119-1127.
[14]	张毅，张珉浩. 基于机器学习的能力评价与匹配研究[J]. 计算机工程与科学, 2019, 41(02): 363-369.
[15]	丁红卫，万良，邓烜堃. 改进的HS算法优化BP神经网络的入侵检测研究[J]. 计算机工程与科学, 2019, 41(01): 65-72.