基于FPGA的PID算法学习———实现P比例控制算法

基于FPGA的PID算法学习---------实现P比例控制算法


前言

学习内容:参考网站:
PID算法控制

PID即:Proportional(比例)、Integral(积分)、Differential(微分)的缩写。也就是说,PID算法是结合这三种环节在一起的。

闭环控制:输出会影响到输入,进而逐渐逼近目标。

一、P比例算法控制

P比例控制算法:

核心部分,大部分作用来自于P,I和D主要控制减小误差。

目标值:Target

实际值:Pid_out

误差值:e_t

弥补值:u_t

相关公式:

误差值:e_t=Target - Pid_out

弥补值:u(t)=Kp * e(t)

输出值:Pid_out = Pid_out + u(t)

二、FPGA仿真验证

真实的K_p = K_p / 2^div

c 复制代码
module PID_trol(
     input                     sys_clk  ,  
     input                     rst_n,   
     //signal  
	  input			[7:0]			 target,
	  output	reg	[7:0]			 Pid_out
    );
	 
	 reg		[7:0]		e_t;//目标值和现在值的差距
	 reg		[7:0]		u_t;//补偿值
    
	 parameter K_p = 8'd10;
	 parameter div = 8'd3;
	 
	 always @(posedge sys_clk or negedge rst_n)begin
		  if(!rst_n)begin
				e_t <= 8'd0;
		  end
		  else if(Pid_out < target)begin
				e_t <= target - Pid_out;
		  end
		  else if(Pid_out >= target)begin
				e_t <= Pid_out - target;
		  end
		  else begin
				e_t <= e_t;
		  end
	 end
	 
	 always @(posedge sys_clk or negedge rst_n)begin
		  if(!rst_n)begin
				u_t <= 8'd0;
		  end
		  else begin
				u_t <= (e_t * K_p )>>div;
		  end
	 end
	 
	 always @(posedge sys_clk or negedge rst_n)begin
		  if(!rst_n)begin
				Pid_out <= 8'd0;
		  end
		  else if(Pid_out < target)begin
				Pid_out <= Pid_out + u_t;
		  end
		  else if(Pid_out >= target)begin
				Pid_out <= Pid_out - u_t;
		  end
	 end
	 
	 
	 
endmodule

Kp=10/8=1.25

Kp=10/16=0.625

Kp=10/32=0.3125

Kp=10/64=0.157

Kp=10/128=0.0789

总结

这一篇只验证了PID中的比例系数P,其他都是0。

相关推荐
I'm a winner9 小时前
【IP核】 Xilinx FPGA LVDS 高速接口,含验证工程与板级测试用例
tcp/ip·fpga开发·测试用例
I'm a winner11 小时前
基于Xilinx FPGA的LVDS高速串行通信系统 - 完整源码解决方案(一)(文末附源码)
fpga开发
国科安芯12 小时前
航天器多路并联大功率电源系统设计与ASP4644均流特性分析
单片机·嵌入式硬件·fpga开发·安全性测试
茯苓gao14 小时前
嵌入式开发笔记:CANopen相关移位运算与通信协议术语详解
网络·嵌入式硬件·学习·信息与通信
HERR_QQ17 小时前
强化学习的数学原理 学习笔记
人工智能·笔记·学习·自动驾驶
MartinYeung518 小时前
[论文学习]DP-Fusion:面向大语言模型的令牌级差分隐私推理-深度解析
人工智能·学习·语言模型
zwenqiyu19 小时前
非线性字符串数据结构串讲
数据结构·c++·学习·算法
MartinYeung520 小时前
[论文学习]SecureGate:通过令牌级门控学习何时安全地揭示PII-深度解析
学习·安全
大鱼>21 小时前
超参数调优进阶:Optuna/Bayesian/Early Stopping
人工智能·学习·机器学习·聚类
liuyicenysabel21 小时前
多服务上线日记二:
服务器·笔记·学习