太阳能电池板自动追光系统的设计

太阳能自动追光电池板的模糊神经网络控制系统摘要 本文将差压式太阳能电池板输出的信号作为追光系统的输入信号， 以 ATmega16单片机作为控制核心，采用时钟追踪与光电追踪相结合的追踪模式。系统直接以太阳能电池板作为检测装置， 将光信号转换为电信号， 并以 A/D 转换芯片转换成数字信号。 最终通过控制步进电机，控制太阳能电池板的自动追光。系统运用模糊神经网络系统对信号进行处理，通过对光照强度等参数进行对比分析，确定了模糊神经网络的单元层数，隶属度等，从而实现了太阳能电池板自动追光的模糊神经网络控制。关键字差压式太阳能电池板 ATmega16单片机 神经网络 模糊控制 高斯隶属度引言太阳能是一种清洁绿色能源，是最丰富的可再生能源形式。而自动追光系统可使太阳能电池板发电率提高 40。传统的太阳能电池板自动追光系统主要有时钟追光系统和传感器追光系统 ]41[ 。由于外界环境的影响，传统控制系统理论的复杂性与所要求的精确性之间存在尖锐矛盾。模糊逻辑控制已成为智能控制的重要组成部分。对模糊控制理论和技术的研究和探讨还在不断进行 ]85[ , 这种新颖的控制理论和技术正处于发展和提高的进程中。模糊系统知识抽取比较方便，而神经网络却可以直接从样本中进行有效的学习，总的来说，神经网络适合于处理非结构化信息，而模糊系统对处理结构化信息，而模糊系统对处理结构化的知识更为有效。模糊神经网络从提高神经网络的记忆性，透明性和鲁棒性出发， 将模糊化概念与模糊推理规则引入神经网络的神经元， 连接权和网络学习中，有效的发挥了各自优势， 弥补各自的不足， 可有效的控制太阳能电池板的自动追光系统。1 太阳能自动追光系统模型1.1 机械结构太阳能电池板通过两个相互垂直的旋转轴叠架分别与两个步进电机相连接。 通过两个步进电机的旋转控制旋转轴的转动，从而控制太阳能电池板的转动。两个太阳能步进电机通过两个旋转轴分别控制太阳能电池板的前后转动和左右转动。步进电机是一种将电脉冲转化为角位移的执行机构 ]8[ 。 当步进驱动器接收到一个脉冲信号，它就驱动步进电机按设定的方向转动一个固定的角度。可以通过控制脉冲个数来控制角位移量，从而达到准确定位的目的；同时可以通过控制脉冲频率来控制电机转动的速度和加速度，从而达到调速的目的。单片机实现的步进电机控制系统具有成本低、使用灵活的特点，广泛应用于数控机床、机器人、工业自动控制以及各种可控的有定位要求的机械工具等应用领域。步进电机按相数分可分为单相，双相和多相三种。本文采用四相步电机，控制更为精确。电控部分主要是由单片机和测光电路组成。 太阳能电池板在不同的光照下会通过电解电溶液产生不同的电势。本系统通过将四块太阳能电池板拼接在一起，并由挡光板将象限隔离。则可将四块太阳能电池板的电势差作为输入信号，输入单片机，从而实现由太阳能电池板与光线的夹角信号向电信号的转换。 挡板的具体尺寸将由太阳能电池板的大小决定。1.2 单片机的控制装置四块不同的太阳能电池板在光照下分别产生四个电压信号， 当其光照不同时， 其产生的电压信号各不相同，设其分别为 V1,V2,V3,V4 。系统的电控部分分别由主控芯片 ATmega16， 步进电机驱动器及四相步进电机组成，其中主控芯片主要连接复位电路，时钟振荡电路，及太阳能电池板。其输出接四相步进电机驱动器。经过步进电机驱动器带动四相步进电机工作进行调整太阳能电池板的位置。由于 ATmega16 ]10[ 具有①高性能、 低功耗的 8 位 AVR 微处理器。 ②数据吞吐率高达IMIPS/MHz ，可缓解系统功耗和处理速度之间的矛盾。③两个具有独立预分频器和比较器的 8 位定时计数器；一个具有预分频器、比较功能和捕捉功能的 16 位定时 / 计数器。④ 32 个可编程的 I/O 口等优点。而模糊神经网络数据处理量大，所以本课题采用ATmega16芯片。1.2.1 主控芯片结构单片机 XTAL1和 XTAL2 接口接入时钟振荡电路， RESET接口接入复位电路，接口ADC0 、 ADC1、 ADC2、 ADC3 接收到四块电池板产生的电压信号之后，经过比判断，由单片机的接口 PC0、 PC1、 PC2、 PC3 控制控制电机 A 的正反转，从而实现前后旋转轴的旋转，带动太阳能电池板的前后旋转。由单片机的 PD0、 PD1、 PD2、 PD3接口控制电机 B 的正反转，从而控制左右旋转轴的旋转，带动太阳能电池板左右旋转。主控芯片单片机的引脚排列及连接如下图所示1.2.2 电机的控制电路四相步进电机是由步进电机驱动器 ULN2003A 驱动， 其中驱动器 U2的输入接口 1B、2B、 3B、 4B 接入主控芯片信号，由 COM、 1C、 2C、 3C、 4C 为输出接口控制电机 A转动。同理，由芯片 U2 驱动步进电机 B 转动。步进电机是一种将电脉冲转化为角位移的执行机构 ]11[ 。当步进驱动器接收到一个脉冲信号，它就驱动步进电机按设定的方向转动一个固定的角度。可以通过控制脉冲个数来控制角位移量，从而达到准确定位的目的；同时可以通过控制脉冲频率来控制电机转动的速度和加速度， 从而达到调速的目的。 单片机实现的步进电机控制系统具有成本低、使用灵活的特点，广泛应用于数控机床、机器人、工业自动控制以及各种可控的有定位要求的机械工具等应用领域。步进电机按相数分可分为单相，双相和多相三种。本文采用四相步电机，控制更为精确。ULN2003是一种高耐压、大电流的达林顿陈列，由七个 NPN达林顿管组成，每一对达林顿都串联一个 2.7K的基极电阻， 在 5V的工作电压下要标准逻辑缓冲器来处理的数据]12[ 。其电路结构图如下图1.3 追光原理的设计当通过时钟追踪系统判断其处于白天时，光电式自动追光系统将进行工作。光电追踪系统每隔七分钟进行一次太阳能电池板与光线夹角的判断， 即每隔七分钟通过输入信号 V1、 V2、 V3、 V4 对单片机的作用来驱动电机 A， B，从而实现对太阳能电池板位置的调整。2 神经网络模糊控制器神经网络模糊控制器是由神经网络和模糊控制共同组成的混合系统。 模糊控制作为传统的基于规则的专家系统，模糊集理论和控制理论的成果而诞生，使其与基于被控数学模型的传统控制理论有很大的区别。在模糊控制中，并不是像传统控制那样需要对被控过程进行精确的数学建模， 而是试图通过从能成功控制被控过程的领域专家那里获取知识，即专家行为和经验。由于人类专家行为是实现模糊控制的基础。因此，必须用一种容易且有效的方式来表达人类的专家知识。由此，模糊控制和神经网络控制的结合显的更具有吸引力和实用性。如上图，模糊神经网络其有五层神经元结构。其中第一层为输入层，其神经元个数与输入信号个数相同。第二层为输入模糊层，即将输入的信号模糊化。第三层为隐含层神经元，由于太阳能电池板的转动方向有两个自由度，即对系统信号分类时至少分为四部分，所以，隐含层的神经元数目不宜小于四个，即可使第三层神经元数目为四个。模糊神经网络第四层为模糊层，第五层为去模糊层，两层神经元个数都为两个。由于信号受外界影响太大， 即输入模拟信号电压与实际太阳光所产生的电压信号有所偏压，故需对其信号进行处理。本文对其进行模糊处理。室内外环境光照强度的测量与分析数据表环境 海拔 经度 1 2 3 4 5 6 7 8 9 平均实 验室50 经度110552 162 95 577 197 92 100 186 705 296.4 教室 34.8 经度110181 118 143 124 130 99 157 261 141 150.4 宿舍 38.3 经度2186.2 14.7 12.2 18.6 16.6 24.9 9 11.8 25.4 24.4 饭堂 53.4 经度110317 937 673 50 137 1735 1001 100 52 555.8 由上图中实验室，食堂等地方的光照强度进行分析，可用高斯隶属度对其数据进行模糊处理 , 得到输入光强的隶属度。高斯隶属度函数的数学表达式 ]13[ 为222,;cxecxf . 其中 c, 为参数 , x 为自变量由于各地的光照强度及环境影响不同，则神经网络及权重也各不相同。对不同地区不同时间的神经网络系统应进行实时训练。 BP反向训练法方法简单， 结果准确， 但训练时间长，并需要大量的数据。但太阳能自动追光系统对时间要求不高，并可从实际中采取大量的训练样本。即 BP神经网络 ]14[ 反向训练方向适用于本系统的训练。神经网络模糊控制系统是一种新的智能控制结构 , 目前 , 有关神经网络的自学习过程还处于不断研究和探索的阶段 , 还有许多重要问题亟待解决 。参考文献[l] 李中生 . 物理学与太阳能 . 广西教育出版社 ,1999 [2] 李中生 . 太阳能 . 北京人民教育出版社 ,1988 [3] 王炳忠 . 太阳能一未来能源之星 . 高教出版社 ,1990 [4] 纯 . 太阳能的利用 . 北京人民出版社 ,1975 [5] 丁永生 , 应浩 , 任立红 , 等 . 解析模糊控制理论 模糊控制 系统的结构和稳定性分析 [J]. 控制与决策 ,2000,15 2129-135. [6] 骆文辉 , 王莉 . 模糊控制在交流调速中的应用及前景 [J]. 机电工程技术 ,2004,33690-93. [7] 袁小芳 , 王耀南 . 一种基于自组织模糊规则的水轮机调速器 [J]. 微特电机 ,2006,34332-34. [8] 佟绍成 . 非线性系统的自适应模糊控制 [M]. 北京 科学出版社 ,2006. [9] 吴文英 . 基于单片机控制的步进电机 [J]. 电子世界， 2012,4 55-56. [10] 苗洋 . 基于 ATmega16的气动发动机电控系统设计 [D]. 辽宁 大连理工大学， 2011. [11] 吴文英 . 基于单片机控制的步进电机 [J]. 电子世界， 2012,4 55-56. [12] 江衍煊 , 郑振杰 , 游德智 . 单片机连接 ULN2003驱动步进电机的应用 [J]. 机电元件， 2010,9 （ 3） 28-31. [13] 陈伟琦 , 胡斌杰 . 基于高斯隶属度的融合算法在改进 Leach中的应用毒 [J]. 传感器与微系统 ,2011,302135-138. [14] 郭军 .BP 神经网络算法研究 [D]. 湖北 华中科技大学 ,2005.