基于分布式仿真的智能控制实验教学平台设计

盖文东, 张　婧, 李玉霞, 高宏岩

(山东科技大学 电气与自动化工程学院, 山东 青岛　266590)



基于分布式仿真的智能控制实验教学平台设计

盖文东, 张婧, 李玉霞, 高宏岩

(山东科技大学 电气与自动化工程学院, 山东 青岛266590)

针对现有智能控制实验装置价格高、单台实验人数少、实验项目单一等问题,设计了基于分布式仿真的智能控制实验教学平台。该平台采用分层设计思想,构建了一个闭环智能控制系统,并通过三维视景实时显示实验效果。以基于遗传算法的无人机路径规划及路径跟踪控制问题为例,说明分布式仿真实验教学平台的教学应用。该分布式仿真实验教学平台便于学生完成智能控制实验,并进行二次开发和创新实验。

智能控制； 分布式仿真； 实验教学

智能控制是一种无需或仅需很少的人为干预就能独立地驱动智能机器、实现控制目标的方法,主要用来解决那些传统控制方法难以解决的复杂系统控制问题[1],代表了控制理论与技术的发展方向。智能控制是高校智能科学与技术、自动化等专业的一门理论与实践相结合的重要专业课程。完善的智能控制实验教学平台是确保学生将所学理论应用于实践的基础,是培养学生实践能力和创新能力的重要保证[2]。

目前,专门用于智能控制教学实践环节的实验装置较少。文献[3]在A3000过程控制实验装置的基础上,设计了基于模糊-PI双模控制的双容液位实验平台；文献[4]设计了基于PLC的智能交通灯控制实验装置；文献[5]设计了移动智能体实验平台,用于学生完成具有创新性的综合实验。这些实验教学装置在教学实践过程中主要存在以下问题:设备采购费用较高,而每套实验装置每次仅能供少数学生进行实验；实验项目单一,难以在其基础上进行二次开发,难以满足大量学生完成不同类型智能控制实验的需要。

仿真技术通过系统模型和计算机编程,能够对虚拟的或实际的系统进行动态实验,对智能控制的实验教学具有重要应用价值[6]。文献[7]在Matlab仿真环境下设计了光电跟踪系统的模糊自适应PID控制实验；文献[8]采用VC与Matlab的混合编程方法,将遗传算法与PID控制相结合并设计了智能控制创新实验平台；文献[9]设计了基于三维视景技术的车辆电子控制虚拟实验平台,取得了良好的实验教学效果。基于Matlab的仿真实验平台有利于智能控制算法的研究,但其用户交互系统较为简单,难以使学生对实验环境和控制效果有实际的感受。

本文基于分布式仿真和三维视景技术,设计了一种智能控制实验教学平台,为学生提供软件仿真环境下可视化的实验平台,有助于提高学生学习兴趣、培养学生的动手能力和创新意识。

1　分布式仿真实验教学平台总体结构

分布式仿真[10-11]是利用网络技术,将具有不同功能的、分布的各个仿真节点连接在一起,通过各个仿真节点间的数据交互完成仿真运行。将分布式仿真与三维视景技术相结合,能够构建出更加逼真的仿真实验环境,使学生能够身临其境地感受到被控对象及其工作环境的动态变化,以及智能控制算法的应用效果。该分布式仿真实验教学平台的总体结构如图1所示。

图1　分布式仿真实验教学平台结构图

在分布式仿真实验教学平台中,仿真管理节点主要负责仿真过程管理,它提供了仿真节点搜索、初始化、运行、暂停、停止等功能；被控对象节点主要完成被控对象非线性动力学模型的数值计算,它根据当前仿真周期的控制指令得到被控对象输出数据；控制器节点主要实现智能控制算法,它根据期望指令和当前仿真周期的对象输出数据,运行智能控制算法,产生控制指令；视景显示节点主要完成被控对象在其工作环境中的动态视景显示功能,该节点只接收数据,而不发布数据。

2　分布式仿真实验教学平台设计

2.1仿真支撑平台设计

分布式仿真系统的基本功能是通过仿真支撑平台完成的,该仿真支撑平台采用了分层设计思想,分为核心层和应用层,均采用C++编程实现(见图2)。

图2　仿真支撑平台分层设计示意图

在分布式仿真过程中,数据交互类CDSM通过分布式共享存储机制,实现各个仿真节点的数据交互。本平台采用了基于软件实现的逻辑共享存储技术[12]。仿真支撑平台的底层通信是通过网络通信类CUDPSocket实现的,它采用UDP协议和多播通信方式。实时时钟类CRTTimer在Windows多媒体时钟库基础上进行封装,可实现1 ms的精确定时,为实时仿真提供计时服务。仿真管理类CAdiminNode和仿真应用类CSimNode是在核心层3个类基础上构建的,它们在内部集成了相应的仿真管理和调度功能,无需用户干预。另外,它们还对外提供了仿真命令接口,用户可以直接调用这些命令实现对仿真过程的控制。

该仿真平台包括:仿真管理节点和仿真应用节点,其中仿真应用节点可细分为被控对象仿真节点、控制器仿真节点、视景显示节点等。

2.2仿真管理节点设计

仿真管理节点相当于控制台,它负责整个仿真系统的配置和管理,包含了仿真管理类CAdiminNode的对象,需要完成以下功能。

(1) 搜索节点。管理节点在网络上发布接收仿真应用节点的注册消息,在线的仿真应用节点接收到该注册消息后,向管理节点发送注册信息,包括本节点的名称、IP地址、数据接收端口、本地分布式共享内存区(DSM)及其所有权标志等。

(2) 仿真初始化。整个分布式仿真系统的初始化工作包括管理节点初始化和仿真应用节点初始化。对于管理节点来说,在完成节点搜索工作后,它根据搜索到的当前在线的仿真应用节点信息,为各个仿真应用节点分配多播组地址,具有同名DSM的仿真应用节点将分配相同的多播组地址。因此,同一个仿真应用节点可加入多个多播组地址。对于仿真应用节点来说,在收到管理节点初始化命令后,支撑平台会自动调用相应的仿真初始化函数,完成用户需要的特定的初始化操作。该功能由CSimNode类通过函数指针实现,改变函数指针的指向就可以实现调用不同的初始化函数,实现不同的功能。

(3) 仿真管理。主要对仿真步长、仿真速度、仿真总时间、仿真类型等仿真参数进行设置,以及对仿真过程的启动、暂停、加速、减缓和终止等操作。可使用仿真管理节点界面上的相应命令或工具栏按钮运行仿真、暂停仿真或终止仿真。为了保证整个仿真系统中各节点仿真时间的一致性,由管理节点掌控着仿真时钟。仿真运行后,每隔一个仿真周期,管理节点会向各仿真应用节点发送仿真推进指令,各仿真应用节点接收到仿真推进指令后,分别调用各自的仿真过程函数,完成一个周期的仿真,并交互必要的仿真数据。

2.3被控对象仿真节点设计

被控对象仿真节点内包含了一个仿真应用类CSimNode的对象,由该对象负责仿真系统底层的网络通信、数据交互、仿真命令解析等任务。实现数据交互时,只需要把在网络上共享和交互的数据块交由一个CDSM类的对象管理,并将这些CDSM类的对象向CSimNode类的对象注册即可。

在每个仿真周期内,被控对象仿真节点是最先进行仿真运算的节点,运算完成后将所得的被控对象输出数据发送给控制器仿真节点和视景显示节点,以便控制器仿真节点进行控制律解算、视景显示节点完成场景显示。被控对象模型的数值求解采用四阶龙格库塔算法实现。

2.4控制器仿真节点设计

控制器仿真节点包含了一个仿真应用类CSimNode的对象,主要完成控制器仿真任务,即计算控制指令。它根据被控对象仿真节点的数据,按照一定的控制律来计算控制指令,并将该控制指令发送给被控对象节点作为其控制输入。

在每个仿真周期内,当控制器仿真节点接收到管理节点发送的仿真推进指令时,并不立即完成控制律计算,而是等待被控对象节点仿真数据计算完毕,并传送过来之后才能进行,否则就会出现错误。这一点是通过仿真支撑平台保证的。将本地节点用作仿真结果输出的、可改写的DSM数据块属性定义为W(写),而将仿真计算需要用到却无法改写的DSM数据块属性定义为R(读),就可以实现数据的有序共享,保证仿真的时序。

2.5视景显示节点设计

视景显示节点包含了一个仿真应用类CSimNode的对象,主要完成被控对象及其场景的动态显示,以便学生对于控制效果有一个直观、清晰的认识。

通过Creator软件建立被控对象及其场景的三维模型,同时利用VegaPrime软件提供的三维视景模型驱动接口,在视景节点中实现三维视景的动态显示。视景显示节点接收仿真管理节点的仿真推进指令,并接收被控对象仿真节点和控制器仿真节点的输出数据。

3　教学应用实例

以基于遗传算法的无人机路径规划及路径跟踪控制问题为例,说明该分布式仿真实验教学平台在实际教学中的应用。

3.1无人机路径规划与跟踪控制实验设计

被控对象仿真节点的主要功能是完成无人机动力学模型的数字仿真。

无人机六自由度非线性模型包括:机体坐标系中质心动力学方程(力方程)、绕质心转动的动力学方程(力矩方程)、地面坐标系下的质心运动学方程和绕质心转动运动学方程,共计12个一阶微分方程[13]。

被控对象仿真节点根据控制器节点产生的舵面偏转和油门开度指令,采用四阶龙格库塔算法,完成对无人机非线性模型的数值求解,得到当前仿真周期的无人机飞行状态信息(包括位置、姿态等)。

本实验采用了基于遗传算法的路径规划方法。遗传算法是建立在遗传学机理上的迭代自适应概率性搜索算法,通过自然选择、交叉和变异等操作,完成问题的优化求解[14-15]。基于遗传算法的路径规划计算流程如图3所示。

图3　基于遗传算法的路径规划流程图

当得到可行的最优路径后,利用PID控制方法分别设计无人机的高度、速度以及侧偏距控制律，以实现对所得最优路径的跟踪控制。

控制节点的跟踪控制算法是将连续的PID控制器离散化得到的,所采用的离散化方法为双线性变换法(图斯汀变换法)：

(1)

式中,T为采样周期。

本实验的视景仿真节点主要完成无人机避障飞行过程的动态显示,包括无人机三维模型、三维地形模型等。视景节点接收被控对象节点的仿真数据,实现无人机三维模型姿态、轨迹以及三维地形的动态变化。

3.2无人机路径规划与跟踪控制实验结果

在本文构建的分布式仿真平台基础上,实现了基于遗传算法的无人机路径规划分布式仿真实验,仿真系统的参数设置如表1所示。

表1　分布式仿真的参数设置表

根据表1中参数设置分布式仿真实验平台,基于遗传算法的路径规划所得到的无人机可行路径,以及无人机自动规避障碍物的机动飞行三维视景分别如图4和图5所示。

图4　控制器节点的无人机路径规划图

图5　视景节点的无人机飞行效果图

根据图4和图5可知,在分布式仿真实验教学平台的基础上,基于遗传算法的路径规划方法可以得到无人机的可行路径,路径跟踪控制方法可以实现对规划路径的跟踪。这些结果均可以通过视景节点的动态仿真界面直观地呈现在学生面前。

3.3功能特点与应用分析

该基于分布式仿真的智能控制实验教学平台,有效弥补了现有智能控制实验装置在实践教学过程中的不足,其优势体现在以下两方面。

(1) 实验设备经济、使用方便,实验结果形象、直观。该分布式仿真平台只需要4台计算机,分别作为仿真控制节点、被控对象节点、控制器节点和视景节点。我校自动化专业实验室配有60台高性能计算机以及局域网,这些设备可以构成多套分布式仿真平台,从而有效解决了实验设备数量少与学生人数多的矛盾。另外,学生完成相应的算法和程序设计,得到形象、直观的实验结果,大大提高了学习兴趣。

(2) 具有较强的可扩展性,便于学生进行二次开发和创新研究。通过该分布式仿真平台,学生可以在控制器节点设计与实现不同智能控制算法，在被控对象节点设计与实现不同类型的控制对象，并在视景节点建立不同的三维视景仿真环境。这有利于学生完成创新性研究和毕业设计等教研活动。

4　结语

本文针对智能控制实验教学过程中存在的问题,设计了基于分布式仿真的智能控制实验教学平台。该平台充分利用了现有实验室的条件,具有较强的二次开发能力和创新研究价值,有助于增强学生对智能控制课程学习的兴趣,提高学生应用智能控制理论知识分析、解决实际问题的能力。

References)

[1] 蔡自兴.智能控制原理与应用[M].北京:清华大学出版社,2007.

[2] 熊凤,许勇,杨青,等.浅谈智能科学与技术实验室建设[J].实验室研究与探索,2012,31(6):173-175.

[3] 麦雪凤.基于A3000的模糊-PI双模控制实验设计与开发[J].实验室研究与探索,2013,32(8):89-92.

[4] 方贵盛,王云凤,陈剑兰.智能交通灯PLC控制实验装置研制[J].实验室研究与探索,2012,31(11):204-208.

[5] 吴怀宇,胡琳萍,程磊,等.基于移动智能实验平台的研究性实验设计[J].电气电子教学学报,2008,30(1):81-84.

[6] 徐立芳,莫宏伟.仿真技术在智能控制实验平台建设中的应用[J].实验技术与管理,2013,30(8):74-76.

[7] 张佳.光电跟踪系统的模糊自适应PID控制实验[J].实验技术与管理,2014,31(8):59-63.

[8] 姜增如.基于遗传算法的智能控制创新实验研究[J].实验技术与管理,2012,29(7):32-35,44.

[9] 席军强,宗莹,王文硕.车辆电子控制虚拟实验教学平台研究[J].实验室研究与探索,2015,34(1):79-83.

[10] 孙学功,朱秀娟,丁雪,等.分布式仿真运行支撑环境实现方法研究[J].计算机仿真,2012(9):144-147.

[11] 李传庆,黄传红,孙福刚.一种分布式视景仿真软件系统通用框架[J].系统仿真学报,2013,25(增刊1):376-378.

[12] 伍智锋,唐硕,杜承烈.基于共享内存机制的分布式飞行仿真研究[J].计算机仿真,2002(6):19-21.

[13] 吴森堂.飞行控制系统[M].2版.北京:北京航空航天大学出版社,2013.

[14] 王宇平.进化计算的理论和方法[M].北京:科学出版社,2011.

[15] 郑锐,冯振明,陆明泉.基于遗传算法的无人机航路规划优化研究[J].计算机仿真,2011(6):88-91.

An intelligent control experiment teaching platform based on distributed simulation

Gai Wendong, Zhang Jing, Li Yuxia, Gao Hongyan

(College of Electrical Engineering and Automation, Shandong University of Science and Technology, Qingdao 266590, China)

Aiming at the problem of the intelligent control experimental devices during the experimental teaching, an intelligent control experimental teaching platform based on the distributed simulation is designed. In this experimental teaching platform, the distributed simulation technology is used to construct a closed-loop intelligent control system, and the experimental result is shown by the 3D visual simulation. The application effect shows that it is helpful for the students to finish the intelligent experiment, and carry out the secondary development and innovation research.

intelligent control; distributed simulation; experimental teaching

10.16791/j.cnki.sjg.2016.03.034

2015- 08- 11

山东省自然科学基金资助项目(ZR2014FQ008)；山东科技大学自动化学院名校工程建设项目(MX-JXGG-5) ； 山东科技大学电气与自动化工程学院优秀教学团队建设计划资助(skzdhjxtd152)；山东科技大学人才引进科研启动基金项目(2014RCJJ053)

盖文东(1982—),男,山东淄博,博士,讲师,主要研究方向为飞行控制、控制理论及其应用.

E-mail:gwd2011@sdust.edu.cn

TP273

A

1002-4956(2016)3- 0134- 04