基于遗传算法的集成型单片机控制信号处理系统优化

郭 强

(1.合肥工业大学，安徽 合肥 230009；2.安徽工业经济职业技术学院，安徽 合肥 230051)

目前，单片机技术已在网络通信领域、信息交互领域、工业集成化发展领域以及实时控制领域中得到了全面的应用与发展，并在数据获取与终端数据管理方面，展现了技术的突出优势。正因如此，此项技术引起了多个领域的关注。然而，集成型单片机处理数据信息的方式却与常规的计算机数据处理方式存在差异[1]。例如，大部分集成型单片机可以提供终端为8位数的接口，提升了数据信息的高效率处理效果，但常规的计算机数据处理中无法快速实现数据的处理，影响了通信网络的集成发展。 因此，本文引进遗传算法，通过模拟生物进化过程，对集成型单片机控制信号数据信息进行多次迭代，并通过此种方式，寻找针对数据信息处理的最优解过程。提出的遗传算法区别于常规算法，可以解决数据处理中一些较为复杂的组合数据处理问题。但是，仍未有相关研究成果将此种算法与集成型单片机的应用进行融合。因此，本文根据遗传算法的优势，设计一种针对集成型单片机控制信号的处理系统，以此实现对信号的自适应调控，优化系统处理功能，提升系统控制效率。

1 硬件设计

1.1 集成型单片机选型

为了确保本文系统在实际应用中具有较强的信号处理能力，选择集成型单片机作为系统的主要构成硬件结构。在系统中，集成型单片机又被称之为微控制器，其本质是一个功能型芯片，但并不是一个具有逻辑功能的芯片，而是一个可实现将计算机系统集成在芯片中的结构，功能可与微型计算机设备相当。

相比常规的终端系统，芯片中缺少信息直接输入/输出端口，具有集成运行效率高的显著优势[2]。在系统中，可作为信息编码器、指令器、控制器、运算器，当信号通过结构总线互联传输时，芯片中多个结构进行实时互联，此时总线DB与总控CB之间建立某种连接，信息可以直接通过连接端口进行通信，这也是此结构不具备直接输入/输出端口便可以传输信息的原因。

早期单片机主要传输中具有4位信号，但在后期技术人员对其不断优化中，单片机实现了对8位、16位信号的处理与传输，但小规模集成结构的单片机在市场内仍占据主流位置，这也在一定程度上代表了此硬件结构在市场内的主流发展方向。

选择51型号单片机，该单片机属于常规性单片机芯片中的一种，其结构如图1所示。

图1 51型号集成单片机结构

在完成芯片结构描述后，对其结构中各模块参数进行描述，如表1所示。

表1 51型号集成单片机结构参数

按照上述表1中内容，选择适用于本文系统的单片机结构，以此完成系统硬件结构的设计与选型。

1.2 通信设备选型

为实现集成型单片机控制信号处理系统具有更优的处理功能，需要在系统硬件结构中配备通信设备。为此，在完成集成型单片机结构设计后，选用SDH498-560型号MSTP通信设备作为系统通信的核心硬件。该型号通信设备端口类型为622M/2G，PCM接口支持FXO/FXS/RS232/4WEM等连接，电源采用AC/DC。同时SDH498-560型号的通信设备具备良好的链路、环网等组网能力，能够实现对SNCP网络进行保护，确保本文系统在运行过程中，各类数据信息能够在更加安全的通信信道中传输。

除此之外，该型号通信设备与其他相同功能通信设备相比，还具备宽窄带一体化接入和传输特点，能够与PT-60 5650设备板卡通用。因此，能够进一步减少备件，方便集成型单片机控制信号处理系统在运行后期的良好维护[3]。本文系统主要用于对集成型单片机控制信号的处理，系统应当部署在组网环境当中，所有本文上述选择的Web服务器、数据库服务器以及通信设备都应当在该网段中连接。为了防止外界环境对本文系统运行造成影响，应当将本文系统的内网环境与互联网区域进行严格的物理隔离。

2 软件设计

2.1 信号处理工作单元与标志位

在完成系统硬件结构的设计后，需要完善单片机控制信号处理过程，以此种方式实现对系统运行的优化。

为了确保与此相关功能在系统内的落实，采用建立信号处理工作单元与标志位的方式，为系统处理信号提供一个适宜区域[4]。在此过程中，应明确系统的软件中包括主程序、中断程序与处理程序，三个核心程序之间的相互衔接与作用，构成系统完整的功能。

因此，在建立处理单元时，可设定一个控制信号接收缓冲单元，将其定义为BUF0，每个在前端调试的信号在此区域内均可进行二进制位信号的适当调试，并在调试过程中通过累加处理器，连通进位区域进行左移操作，确保控制信号可以准确地传输到BUF1空间内。

当BUF1接收到缓冲单元信息时，指令编码将暂存单元信息，并获取第一次指令的控制码。此时，区域内的leng控制区域将进行指令字节的计算，自动求解二进制位数的实际数值[5]。在此基础上，GRP数据处理器将自动调整初始指针，并清理计数器，设定一个长度为16.0字节的GATE位，定义GATE位=1.0，则T2、T1、T0可沿着控制信号传输的方式触发处理空间，当SOT位置表现为隔离位时，收到前端处理指令的标志位将被占用，用于进行信号处理工作，以此完成对信号处理工作单元与标志位的建立。

2.2 基于遗传算法的单片机控制信号适应度优化

在完成信号处理工作单元的构建后，考虑到在此处理单元内的控制信号数据类型较为复杂，传统的处理方式显然已不再适用，而要满足此种数据处理需求，应在处理控制信号前，分析信号的适应度。因此，引进遗传算法，对单片机控制信号适应度进行计算，在计算过程中，模仿生物种群的优胜劣汰处理过程，获取其中适应度较高的控制信号[6]。在计算时，选择算法中的惩罚机制，对处理空间中适应度较低的染色体进行个体惩罚操作，确保适应度较低的数据个体指数远少于适应度高的数据个体。在此过程中，定义前者为个体I，则I属于目标函数，对目标函数进行描述，如公式(1)所示。

(1)

(2)

在完成对目标函数适应度的描述后，将表达式与集成型单片机控制信号处理进行适配，此时需要调整目标函数的表达式，具体表达式如式(3)所示。

(3)

公式(3)中：wc表示为针对集成型单片机控制信号的惩罚因子，对wt的描述如式(4)所示。

(4)

公式(4)中：C1表示为适应度个体I的持续运算时长；Cmax表示为适应度个体I的持续运算时长，由于上述计算公式在实际应用中，均涉及最小化数值转换的问题，因此，需要在计算适应度时，进行函数的转换，计算公式如式(5)、式(6)所示。

(5)

(6)

公式中：fc(I)表示为对适应度函数的转换表达；ft(I)表示为对适应度周期计算的转换表达。

在完成上述相关计算后，定义此过程中发生转化行为的遗传染色体个数为POP，此时可根据适应度趋势，对控制信号进行序列排序，而在此过程中其余个体将在个体库中被删除。因此，可使用等比例选择计算法，对不同控制信号在处理过程中的存活率进行计算，掌握控制信号在区间内的适应度，并以此种方式决定下一代数据个体的最优存活值。在使用遗传算法进行数据信息的每一次迭代过程中，需要删除其中适应度较低个体，直到POP数据集群中个体具备主动离开能力，输出在此过程中的最优解，以此作为计算单片机控制信号适应度的依据[7]。计算过程如式(7)、式(8)所示。

(7)

(8)

公式(7)、(8)中：Pc(I)表示为对目标函数I适应度的最优计算解；Pt(I)表示为对目标函数I最佳迭代次数的最优计算解。输出最优解中的控制信号集合，完成对单片机控制信号适应度的计算。

2.3 校正并处理变异算子

在完成对其适应度的计算后，考虑到输出的信号集合中存在交叉算子，而交叉算子在反复迭代中可能发生变异，因此，在处理集成型单片机控制信号的最优阶段，需要对变异算子进行校正与处理。根据计算需求，可将交叉算子的变异行为近似看作一种染色体优先级置换过程，其中位于置换结果优先序列中的算子，可认为其是优秀染色体的代表[8]。反之，列于后列算子属于次代染色体基因。在处理过程中，可通过迭代交叉的方式进行变异行为的获取，并考虑编码中不同列表中算子的排序，采用随机选择一个位置值的方式，对其初始化值进行判断。假定在此过程中，算子的初始化数值表示为1.0，则需要将其数值1.0转化为数值0。反之，若初始化算计的实际值为0，则需要将其从0转变为1.0。

为避免调整算子序列过程中出现列表重复的现象，可结合自带染色体的结构，按照下述步骤对变异算子进行校正：定义一个[1，n]的序列范围，n为随机数值，交换两个数值的基因排序，判定计算过程是否仍满足需求，倘若满足常规计算过程，可认为实现对变异算子的校正与处理，反之认为未完成对算子的有效处理。综合上述分析，完成对集成型单片机控制信号的处理，实现对系统软件功能的规划。

3 实验分析

3.1 实验背景

本文系统从硬件与软件两个方面，对集成型单片机控制信号处理系统进行了设计与研究，实现了对传统系统结构与功能的优化。因此，实验中采用基于PLC的控制信号处理系统，将其与本文设计的系统进行对比，在实际测试过程中，本文选择的检测方式为黑盒检测，此种测试方式更加适用于对系统运行功能的评估。通常情况下，在系统程序的接口进行功能与操作测试，包括对输入信息与信号的接收与有效导出、系统是否能根据操作指令执行正确的操作行为、输出的数据是否具有时效性与完整性等。

3.2 实验准备

在实验过程中，需要为系统的应用布设一个运行空间。因此，选择将设计的系统与参与实验的系统，应用到IONLANG11000实验室智能机器人中，本次选择的智能机器人为上海海军大学实验室研发，使用系统对机器人行为反馈信号进行处理，可以有效地控制机器人操作行为。在此过程中，定义机器人定向回路信号处理结构，并以此作为实验操作的核心，机器人定向回路信号处理结构如图2 所示。

图2 机器人定向回路信号处理结构

图2中A表示为系统前端发出的控制信号，在完成对实验中相关参与对象的部署后，使用通信设备与智能机器人接口进行连接，获取在机器人执行常规行为时控制信号中的白噪声，在此基础上，使用卡曼尔滤波器对信号进行滤波处理，并将处理后的白噪声传输到终端传感器上，滤波后的信号状态曲线如图3所示。

图3 滤波后信号状态曲线

在完成实验数据获取后，由前端发出控制指令，并在此基础上，分别使用本文系统与参与实验的系统，对发出的指令信号进行处理，使用卡曼尔滤波器对发出信号进行滤波获取，不断提取处理波段滤波的均误差，并以此作为评估系统优化设计结果的依据。实验结果中，滤波的均误差越低，证明对控制信号的处理效果越佳，反之越差。

3.3 实验结果分析

按照上述提出的实验流程，执行此次对比实验，获取实验结果信号处理的误差，将其绘制成曲线图，结果如图4所示。

图4 对比实验结果

由图4可知，实验结果受到初始化数值的影响，在前期阶段，滤波的控制误差均为0.15%，但随着信号迭代处理次数的不断改变，两种系统的控制误差发生了改变，优化后的系统信号控制误差低于基于PLC的集成型单片机控制信号处理系统的误差。尽管在经过系统对控制信号的处理后，两个系统获取的滤波信号均处于一种相对稳定状态，但传统系统处理结果显著较差。相比传统的处理系统，本文主要把遗传算法与集成型单片机控制信号的处理系统进行有效融合后，设计的系统可实现对滤波均方差的有效控制，证明系统可以实现对控制信号的有效处理。

结语

单片机技术的发展在一定程度上推进了我国计算机产业的进步与更新，相关单机片的应用也从独立方向逐步向集成方向过渡，使用集成型单机片构成计算机网络，已成为此种技术的应用方向之一。本文基于遗传算法的优势，设计一种针对集成型单片机控制信号的处理系统，并通过设计对比实验方式，可以有效证明本文通过遗传算法与集成型单片机控制信号的处理系统融合设计后，新的系统可实现集成型单片机控制信号的滤波均方差的有效控制。