当前位置: 首页 > news >正文

FPGA应用开发和仿真【3.6】

7.8 PID控制器

PID控制器广泛用于控制系统,控制系统中的数字控制部分也是数字信号处理系统的一种。典型的数字PID控制器如图7-63所示,它由前向欧拉法转换连续时间PID控制器而来,其P、I、D三个参数,分别为比例、积分、微分系数,而N用于配置微分单元中滤波器的极点,将有助于提高微分项的抗噪能力和稳定性,Ts为系统采样率。有关PID控制器的详细原理,读者应参阅自动控制相关书籍。

代码7-30描述了图7-63,其中参数LIMIT是图7-63中几个积分器的饱和极限,避免它们在意外情况下溢出,并能快速退出饱和状态恢复正常工作。

代码7-30 PID模块

为仿真它,这里虚构一个应用它的简单逆变电源控制器,整个仿真平台结构如图7-64所示。简单逆变控制模块使用可综合代码实现,在其中实例化PID模块,DDS和PID均工作在100ksps,PWM工作在100MHz,输出PWM频率100kHz,电压一般采用Q5.7格式。为了使用Verilog进行仿真,LC输出滤波被用零阶保持特性离散化为二阶IIR滤波器模拟。这个滤波器工作在100MHz而截止频率在2kHz附近,非常极端,系数量级相差达到109,实现时使用了40位数据(39位小数)并扩展了32位整数才能满足精度和内部节点增益的需求。

事实上微分项贡献极小,可以忽略而退化为PI控制器。

代码7-31是仿真平台,包含平台顶层和逆变控制两个模块,其中模拟了目标幅度突变、供电电压突变和负载电阻突变(内部阻抗简化为纯阻性0.5Ω),以期观察PID的响应和调节能力。

代码7-31 PID模块的测试平台

图7-65所示是仿真波形全貌。可以看到5ms处负载变化、15ms处目标幅度变化和25ms处供电电压变化时对输出的影响和PID的调节过程。

图7-66所示和图7-67所示分别为5ms处和25ms处的细节。

http://www.jsqmd.com/news/217662/

相关文章:

  • 从零到AIGC产品经理,2个月上岸全攻略,小白也能学会
  • 收藏这篇!小白也能学会的AI知识库搭建全攻略
  • 国内首次开源灵巧操作数据集!填补具身智能数据空白!
  • Java Web 墙绘产品展示交易平台系统源码-SpringBoot2+Vue3+MyBatis-Plus+MySQL8.0【含文档】
  • 什么是proxy
  • 收藏这篇就够了!DeepSeek+RAG本地知识库搭建实战,小白也能上手的大模型教程
  • Web足球青训俱乐部管理后台系统信息管理系统源码-SpringBoot后端+Vue前端+MySQL【可直接运行】
  • AI Agent短期记忆完全指南:4种处理长对话问题的方法+代码详解
  • 解耦梯度学习解决多模态模型欠优化问题,性能提升超3%
  • 2026AI产品经理与大模型学习路线图:从小白到专家的进阶指南
  • 大模型+知识图谱构建制药业“第二大脑“:从零开始实现企业级知识管理
  • 深入了解移动开发领域 CI_CD 的工作原理
  • 打造AI时代智能知识库:Obsidian+Dify向量检索全攻略(附插件下载)
  • Claude Code完美平替OpenCode:小白也能轻松上手的AI编程神器
  • 可视化图解算法77:零钱兑换(兑换零钱)
  • 零代码搭建大模型知识库,5分钟搞定RAG应用,小白也能轻松上手
  • 【毕业设计】SpringBoot+Vue+MySQL ONLY在线商城系统平台源码+数据库+论文+部署文档
  • 前后端分离墙绘产品展示交易平台系统|SpringBoot+Vue+MyBatis+MySQL完整源码+部署教程
  • 从封闭到通用:RLVR到RLPR的LLM推理强化技术全解析
  • AI Coding时代,程序员的7项核心竞争力,不看可能会被淘汰(建议收藏)
  • 企业级网上租赁系统管理系统源码|SpringBoot+Vue+MyBatis架构+MySQL数据库【完整版】
  • 从九尾狐AI企业培训案例解析智能矩阵获客的技术架构与实现路径
  • 大模型产业链四大层次解析:从算力芯片到行业应用的全面指南
  • 【教你用ArcPy批量输出图片并生成Mxd(零门槛小白版)】
  • xampp-linux-1.8.1.tar.gz 怎么安装?Linux下XAMPP离线安装完整步骤
  • 数智孪生,金流·物流全透视:构建某银行制造业贷后风控新范式—— 基于领码 SPARK 融合平台的技术解决方案
  • 四川西昌电器门店:30年本地老店,5大优势让你买电器不踩坑!
  • springboot事务触发滚动与不滚蛋
  • ​ ⛳️赠与读者[特殊字符]1 概述基于城市场景下无人机三维路径规划的导航变量的多目标粒子群优化算法(NMOPSO)研究摘要随着无人机应用场景的复杂化,城市场景下的三维路径规划需同时优化
  • Python 内置函数:那些你见过但未必真正了解的“老朋友“