论文部分内容阅读
原子荧光分析仪利用硼氢化钠还原体系产生待测元素的气态氢化物,根据待测元素原子荧光的强度即可分析元素的含量。在测量过程中,待测元素的气态氢化物需要借助气体流量控制系统在仪器的功能部件中传输,若控制的气体流量大小不稳定,将会导致仪器测量结果失真。基于此,本文从原子荧光分析仪的气体流量控制系统的需求出发,研究设计一种快速响应且极具鲁棒性的气体流量控制系统,旨在解决传统PID控制算法存在的问题并提高原子荧光分析仪的检测性能指标。在气体流量控制系统中,由于PID控制算法简单高效且经过了大量的实践验证,其已经成为气体流量控制领域最具代表性的算法之一。本文在对比分析位置式和增量式PID控制算法的优劣之后,选择了增量式的PID控制算法,并使用不完全微分法对增量式PID控制器可能出现的比例和微分饱和现象进行了抑制。但是传统PID控制器的参数整定繁杂且适应性较差,无法发挥PID控制算法的最大潜力。基于此,本文引入了人工神经网络PID控制器,并把传统PID控制器、基于BP神经网络的PID控制器和基于RBF神经网络的PID控制器分别作用于简单和复杂非线性系统中,根据三者的MATLAB仿真结果,最终选择了具有更好控制品质的基于RBF神经网络的PID控制器作为系统的控制方案。同时,在RBF神经网络中加入了动量项对其进行优化,使其在网络保持稳定的同时还能加快学习速率。在硬件设计部分,主要完成了比例电磁阀驱动电路、DA转换电路、流量传感器的AD采集电路以及气体流量控制系统中各模块的供电电路设计。并使用STM32F405RGT6作为核心控制器,它单独负责气体流量的控制工作,作为通信从机。它通过串口与原子荧光分析仪主控(作为主机)进行数据通信。在软件设计部分,使用自定义的加密通信协议以保证通信的数据安全,再搭载FreeRTOS嵌入式操作系统,多任务轮转的优势可以让核心控制器最大限度地发挥其实时控制的优势。同时,为了实现更加智能的控制系统,微控制器需要具备掉电保存数据的功能。我们需要把已经达到控制精度时的PID参数存储在芯片的内部FLASH中,如果没有接收到更改指令,系统上电时,按照FLASH中存储的值作为PID控制参数,这样可以让系统更加智能和高效。最后,对气体流量控制系统的控制效果进行实验测试,测试结果表明本系统的最大控制误差小于期望值的1%。并将气体流量控制系统应用于原子荧光分析仪中进行性能检定,其检定测试结果优于原子荧光光度计型式评价大纲(JJF1695-2018)中要求的性能指标,这也证明了本文的气体流量控制方案是行之有效的。