在网上找关于dsp28335移相寄存器的配置问题，找了好多还是没有百度到现在这个问题终于解决了于是吧关于epwm的配置贴到这里，具体配置看图
这就是具体的配置过程，主要是PHSEN寄存器使能 EPwm2Regs.TBCTL.bit.PHSEN = TB_ENABLE;，还有 EPwm2Regs.TBCTL.bit.SWFSYNC =
1; EPwm2Regs.TBCTL.bit.PRDLD = TB_SHADOW;这些寄存器配置相当的关键。还有就是在定时器中断中使用移相寄存器的时候，需要调用移相寄存器的时候与要用到这两
个移相寄存器
如果不写入下面这个寄存器的话，不会发生移相。
最终经过移相逆变后的实验波形如图
具体配置看https://blog.csdn.net/Aaron_Suen/article/details/84932812是ADC采集电压电流，定时器中断函数实现双闭环。
2.模糊自适应PID 控制算法
为了摆脱经典PID 算法中各种因素之间的相互影响，可以把比例、积分和微分作用分别用比例因子P、积分因子I和微分因子 D 表示，相互之间没有关联，互不影响。运算公式如下： △u(n)=P*[e(n)―e(n-1)] 1/I*e(n)*Kii D*[e(n)―2*e(n-1) e(n-2)] 其 中 ： P、I 和 D 分别是比例因子、积分因子和微分因子，K i i 是积分作用强度因子 其中：A 为偏差限值。即当偏差绝对值|e|从接近A到A/2方向，积分作用从0.2～100% 逐步增强。 当偏差 |e|>A 时，积分不完全起作用 。与经典 PID 算法相比，比例因子 P、积分因子I和微分因子D的作用与比例系数Kp、积分时间Ti 和微分时间Td 的作用相似，P 值越大，比例作用越强，P 值越小，比例作用越弱；I 越小，积分作用越强，I 值越大积分作用越弱；D 值越大，微分作用越强，D 值越小，微分作用越弱。但有明显不同：⑴ 比例因子P、积分因子I和微分因子
⑵ 积分因子I和微分因子D与积分时间Ti和微分时间Td的数值差别很大，不能根据经验进行设置； ⑶ 积分作用强度因子Kii与偏差有关，具有模糊自适应能力，能够根据偏差的大小自动调节积分作用的强弱。根据偏差的大小和性质建立模糊控制规则。当偏差大或较大时，增强控制作用，以尽快消除偏差；当偏差较小时，减少控制作用，以减少因测量误差引起的波动 。 设△T1= 量程*1.0% 设△T2= 量程*0.25% 当偏差|e|在△T1～A之间和|e|>A时，按照公式计算。当偏差|e|在△T1～△T2之间时，增加 P、I 作用，减弱 D 作用，PID 参数做 以下修正： P’=P*(1 (|e|-△T2)/(△T1-△T2)*c1) I’=I*(1-(|e|-△T2)/(△T1-△T2)*c2) D’= D*(1-(|e|- △T2)/(△T1- △T2)*c3) 以新的 P ’、I ’和 D ’代替 P 、I和 D 参与公式计算。 系数c1、c2、c3与偏差∣e∣在△T1~△T2之间的次数有关，范围为0.05~0.50。当偏差|e|在0～△T2之间时，减弱各调节作用，P I D 参数做以下修正： P’=P*(1 (|e|-△T2)/△T2*0.20) I’=I*(1-(|e|-△T2)/△T2*0.10) D’= D*(1 (|e|-△T2)/△T2*0.20) 当偏差|e| 在0～△T1 之间发生振荡时，根据振荡特性自动在±0.25范围内修改 P 、I 、D 参数。 其控制流程。首先根据经验缺点比例因子P、积分因子I和微分因子D 的初值，设置偏差限值△T1、△T2 和A，假设设定值为 r，测量值为 y ，初始化e(n-1)=0，e(n-2)=0，然后计算偏差e(n)=r n -y n ，根据偏差e(n)大小，利用公式自动计算Kii和调整P、I和D的值，计算PID 输出。如果采样周期到，进入下一个循环重新计算。
程序中具体实现如下：
Fuzzy_pid.E0 = V_Set – V_Now ;
if( Fuzzy_pid.E0<= Fuzzy_pid.A /2) Fuzzy_pid.Kii = 1; else Fuzzy_pid.Kii = 1-0.8*(2*fabss(Fuzzy_pid.E0)-Fuzzy_pid.A)/Fuzzy_pid.A;
if(Fuzzy_pid.E0 >=Fuzzy_pid.T2&&Fuzzy_pid.E0 <=Fuzzy_pid.T1 ) { Fuzzy_pid.P1 = Fuzzy_pid.P*(1 (fabss(Fuzzy_pid.E0)-Fuzzy_pid.T2)/ (Fuzzy_pid.T1-Fuzzy_pid.T2)*Fuzzy_pid.C1);
Fuzzy_pid.I1 = Fuzzy_pid.I*(1-(fabss(Fuzzy_pid.E0)-Fuzzy_pid.T2)/ (Fuzzy_pid.T1-Fuzzy_pid.T2)*Fuzzy_pid.C2); Fuzzy_pid.D1 = Fuzzy_pid.D*(1-(fabss(Fuzzy_pid.E0)-Fuzzy_pid.T2)/ (Fuzzy_pid.T1-Fuzzy_pid.T2)*Fuzzy_pid.C3);
Fuzzy_pid.P = Fuzzy_pid.P1; Fuzzy_pid.I = Fuzzy_pid.I1; Fuzzy_pid.D = Fuzzy_pid.D1; }
Fuzzy_pid.SUM = Fuzzy_pid.P*(Fuzzy_pid.E0-Fuzzy_pid.E1) 1/Fuzzy_pid.I*Fuzzy_pid.E0*Fuzzy_pid.Kii Fuzzy_pid.D*(Fuzzy_pid.E0-2*Fuzzy_pid.E1 Fuzzy_pid.E2);
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 举报，一经查实，本站将立刻删除。
发布者：全栈程序员栈长，转载请注明出处：https://javaforall.cn/179413.html原文链接：https://javaforall.cn
