演算法集成平台設計

⑴ 代碼嵌入模型是什麼

集成式MBD開發方式
把FOC演算法模型嵌入代碼
寫在最後

姍姍來遲的第五期（天太冷了，搭模型、寫文章也需要毅力）。
本期將是2021年的收官，也將是MBD實戰之電機控制系列的最後一期。這一期將介紹如何將模型生成的代碼集成到已有的代碼中去——把演算法模型嵌入你的代碼之中去。
1 集成式的MBD開發方式

這個話題這前面的文章中提過了很多次，之所以頻繁的提及這種集成的方法，是因為這是目前MBD（Model-Based Design，基於模型的設計）的主流開發方式。
具體而言，集成式MBD的開發方法是：軟體代碼手寫一部分，模型生成一部分，然後再將兩部分集成在一起，從而實現完整的軟體開發。
手寫代碼和模型生成有著不同的分工：
手寫代碼：適用於底層驅動、外設初始化、內存管理、中斷管理、OS、Bootloader、協議棧等，還包括片外擴展IC的初始化，以及其他數學特徵不明顯的功能；
模型生成：適用於數學演算法、狀態機、數據處理等。
Tips：為了便於區分，本文將手寫的代碼稱為底層代碼，而模型生成的代碼稱為模型代碼。底層代碼負責的模塊並不一定全部都是必須的，例如OS（嵌入式中一般使用實時操作系統，比如FreeRTOS），很多控制可能不需要OS，只需要中斷管理即可。
可以看出，底層代碼負責的功能，並不適合使用模型來實現。上一期給出的完全由模型實現的電機控制框架，雖然實現了電機控制，但實際上忽略了很多實際項目中必須的模塊，例如OS、Bootloader等，還有很多安全機制也沒有考慮。
底層代碼功能理論上也能通過模型來實現，但沒必要、也不需要用模型的方式來實現。MathWorks官方也一直推薦僅使用Simulink/MATLAB搭建演算法模型，像底層驅動、內存管理、OS、Bootloader、協議棧等等，還是通過手寫代碼的方式更為高效。
這一點我有直接咨詢過MathWorks的工程師，他告訴我底層代碼要通過模型來實現，其難點在於TLC語言的復雜性和硬體晶元的多樣性（市面上的晶元太多，每一個都需要適配），這兩點沒有專業的團隊，很難實現模型的高效性。
Tips：我有了解到，有的公司利用StateFlow實現了類似於OS的Task Manager，用於管理模型中的不同任務。其構成也是相當復雜，沒有專門的團隊是沒辦法開發和維護的。但也僅限於任務調度——我感覺像復雜的狀態機，OS的很多功能是沒辦法用StateFlow實現的。
對於有復雜演算法的軟體，MBD代碼生成就可以大顯身手了，演算法越復雜，優勢就越顯著。舉一些例子，如：電機控制、電池管理系統（BMS）、路徑規劃、緊急制動（AEB）、自動泊車（APS）等演算法，其演算法實現都可以通過MBD的方式來開發。
用MBD來開發演算法，簡單總結有如下優勢：
便於演算法實現和調整：這里指的並不是找Bug，演算法的數學表達可能是固定的，但在特定的應用場景下，演算法的局部需要特定調整，例如添加狀態機實現不同狀態的切換。藉助模型的圖形化，以及MATLAB/Simulink上的各種工具箱，這種調整是很直觀，並且很容易實現。
專注演算法且演算法獨立：使用模型搭建演算法，我們只需要專注演算法實現的本身，不需要考慮底層驅動等因素；由於不考慮底層驅動，演算法模型可以方便地實現移植。有人說演算法的核心是數學，寫代碼往往並不太容易兼顧數學，但搭建模型可以。
便利的模擬測試：演算法的測試對於優化演算法是非常強有力的途徑，通過MBD，可以方便的實現MIL、SIL、PIL和HIL，根據測試結果，反饋到模型中，再對模型進行調整，這其中的效率是手寫代碼無法比擬的。
我自己是有完全手寫代碼實現電機控制軟體所有環節的經驗的，對比搭建MBD電機控制框架的開發過程，上述優點是非常明顯的，我深有體會。這些優點對新手入門也是非常友好，特別是對非電子、計算機專業的人來說。
在使用集成式MBD開發項目時，軟體實現一般需要兩個角色：
底層工程師：底層工程師需要對MCU和硬體電路設計很熟悉，他負責實現底層驅動、MCU初始化、OS、Bootloader、協議棧等。他使用手寫代碼的方式進行開發，在底層代碼中給演算法預留好介面，以供演算法集成。
演算法模型工程師：演算法模型工程師則負責搭建模型、測試演算法，測試通過後就可以生成代碼，然後集成到底層代碼中去。
Tips：軟體實現還可以有一個統籌底層代碼和模型代碼的架構工程師，給底層和模型設計需求；非軟體的部分，一般有一位硬體工程師。
集成好了之後可能還需要進行測試，因為模擬畢竟和實際情況有差異。這時候再調整模型，或者調整底層代碼，就可以做到彼此獨立、互不幹擾了。這一點在傳統的開發中往往是一大痛點，而MBD可以很好的解決這個問題。
2 把FOC演算法模型嵌入代碼

依然以PMSM無感電機控制軟體開發為例來介紹如何實現模型代碼的集成，硬體平台是NXP的電機開發套件MCSPTE1AK144。
電機開發套件MCSPTE1AK144 - From NXP
後文中提到的最新的模型和代碼已經更新到了我的GitHub倉庫中，下載模型可以訪問下面這個鏈接：
GitHub倉庫：autoMBD電機控制項目
https://github.com/TkungAI/autoMBD_Motor_Control
也可以在私信作者發送關鍵詞「MBD電機控制」，作者還有其他資源，發送關鍵詞「資源」可以收到下載鏈接。
回到正題，如何開展集成式MBD開發，有以下三個工作環節：
1. 實現演算法模型

首先要明確演算法模型的需求，可以簡單地概括為：
演算法的輸入和輸出是什麼？
演算法的內部變數有哪些？
演算法要處理什麼任務（狀態機）？
這三個問題的解答也需要和底層工程師和硬體工程師一起協商、相互約束、相互補充，共同明確需求。下圖是本次實現的電機控制演算法模型（文件名FOC_Ctrl_CodeModel.slx）：
PMSM無感電機控制演算法模型 - From autoMBD
PMSM無感電機控制演算法模型
-
From autoMBD
這里給出我在本次的PMSM無感電機控制軟體開發中，對上述三個問題的回答：
輸入和輸出
輸入為5個ADC采樣信號和2個電機控制信號，ADC採用數據用於FOC演算法、目標轉速的輸入，電機控制信號用於控制電機的啟停；輸出為三相占空比Duty Cycle和LED信號，分別用來執行控制和顯示控制狀態（參見上圖）。
中間變數
中間量不會輸出，是在演算法處理數據過程中產生的，可以體系演算法的特徵，比如處理後的電壓信號、電流信號、無感演算法估計的速度和位置、控制信號等。這部分通過Bus數據對象實現對數據結構體的定義。下圖中的varFOC即包含了所有的中間量。
中間變數和StateFlow Chart - From autoMBD
狀態機設計
這部分也就是明確電機控制軟體具有的功能、任務。在不同的階段，演算法執行的內容是不一樣的，例如關閉電機的狀態下，不需要跑FOC演算法。本次項目中，只實現了簡單啟動、關閉和故障清楚的功能，狀態相對簡單，如下圖所示：
演算法模型狀態機 - From autoMBD
Tips：如果有看之前提出的電機控制框架模型，應該就能發現這里的狀態機與之非常相似。實際上這里的狀態機是對原版的更新和優化，把函數調用方式從Function Call換成了Simulink Function，在Chart內部即可調用函數，不需要把調用的函數模型建立在Chart外面了。具體狀態機的講解可以參考電機實戰的03期和04期的內容。
要注意的是，在Run狀態下，調用的FOC核心演算法模型，其包含了獨屬於FOC演算法的子狀態機和中間變數FocInternalPara。這里將FOC演算法部分和與非FOC演算法部分進行了分別設計，增加演算法的靈活性和移植性。
FOC核心數學演算法 - From autoMBD
FOC核心演算法模型子狀態機 - From autoMBD
Tips：該狀態機只負責FOC演算法的狀態控制，包括對齊、開環、追蹤和無感閉環四個狀態，具體內容可以參考電機實戰的04期的內容。
演算法模型的內容就介紹到這里，其他的細節還請下載模型後打開查看。模型創建好了就可以生成代碼了：
演算法模型生成代碼 - From autoMBD
這里生成的代碼即集成時需要用到的代碼。生成代碼文件很多，其實是可以優化減少的，後續再開新的文章來講解如何優化生成的代碼。
2. 實現底層代碼

Tips：底層代碼的實現本質上就是手寫代碼的開發方式，只不過不做演算法部分而已，所以需要有一定的編程基礎。網路上有很多嵌入式開發的文章和案例，autoMBD的目標也不是介紹手寫代碼的開發，所以這里不會很細致的講如何實現底層代碼，僅從方法論的角度簡單介紹一下。
可以發現，上述的演算法模型中已經沒有任何的硬體支持包的模塊了，即已經不包含任何的底層驅動、外設初始化等等的功能，這部分由底層代碼來實現。
要開發底層代碼，需要用到集成開發環境IDE。對於S32K1系列晶元，NXP公司提供了一套免費的、專用於NXP汽車晶元的IDE工具——面向Arm®的S32 Design Studio（簡稱S32DS）。
面向Arm®的S32 Design Studio - From NXP
打開S32DS後，窗口如下圖所示：
S32DS窗口 - From NXP
要配置底層驅動，需要用到S32K1專用圖形配置工具——Processor Expert（上圖中紅色方框中的部分）。該工具能夠實現對S32K1系列晶元的靈活配置。而底層驅動則需要使用S32K1 SDK，該SDK具有豐富的API供開發者使用，功能完善且強大。
關於Processor Expert和S32K1 SDK的使用，更多請參考NXP的技術文檔。
本次項目中我也實現了一個基本的PMSM無感電機控制的底層代碼，包括外設配置、MCU初始化和中斷管理的內容，該DS工程位於倉庫的這個位置：
S32DS_Prjct -> FOC_Ctrl_MBD_Integration。
該底層代碼實現的功能與上一期中的電機控制框架基本一致。
3. 模型代碼的集成

到這里，模型代碼和底層代碼都已經實現，如何集成呢？實際上生成的代碼中有一個ert_main.c的文件就給出了集成的實例，讀者可以參考該文件。
模型代碼集成的過程是比較簡單的，主要分為以下幾步：
模型初始化：FOC_Ctrl_CodeModel_initialize()
周期性運算Step函數：FOC_Ctrl_CodeModel_step()或rt_OneStep()
終止（如果需要）：FOC_Ctrl_CodeModel_terminate()
Tips：調用並運行模型演算法的是Step函數，即計算模型的一個步長。兩個Step函數功能是一樣的，rt_OneStep()在」模型Step「的基礎上封裝了一層錯誤檢查，但該錯誤檢查基本上起不了什麼作用。
特別要注意的是周期性調用Step函數的周期，需要和演算法的運算周期保持一致，不然可能會出現錯誤結果。
本次項目中，模型初始化在MCU初始化完成後調用；Step函數的調用在Motor_ISR中；模型演算法不會終止，所以不需要Terminate函數。
初始化的具體代碼如下：
/* Low level driver initialization */ MCU_Init(); GD3000_Init(); FMSTR_Init(); /* Initialize model */ FOC_Ctrl_CodeModel_initialize(); MCU_Start(); /* Forever loop */ while(1) { FMSTR_Poll(); mainCnt++; }
Motor_ISR：
void Motor_ISR (void) { /* Read ADC*/ ADC_DRV_GetChanResult(INST_ADCONV1, 0, &adcResult[0][0]); /* V_REFSH */ ADC_DRV_GetChanResult(INST_ADCONV1, 1, &adcResult[0][1]); /* Pot */ ADC_DRV_GetChanResult(INST_ADCONV1, 2, &adcResult[0][2]); /* iA */ ADC_DRV_GetChanResult(INST_ADCONV1, 3, &adcResult[0][3]); /* Temp */ ADC_DRV_GetChanResult(INST_ADCONV2, 0, &adcResult[1][0]); /* V_REFSL */ ADC_DRV_GetChanResult(INST_ADCONV2, 1, &adcResult[1][1]); /* uDC */ ADC_DRV_GetChanResult(INST_ADCONV2, 2, &adcResult[1][2]); /* iB */ ADC_DRV_GetChanResult(INST_ADCONV2, 3, &adcResult[1][3]); /* iDC */ /* Set model inputs here */ FOC_Ctrl_CodeModel_U.ADCinput[0] = adcResult[0][2]; FOC_Ctrl_CodeModel_U.ADCinput[1] = adcResult[1][2]; FOC_Ctrl_CodeModel_U.ADCinput[2] = adcResult[1][3]; FOC_Ctrl_CodeModel_U.ADCinput[3] = adcResult[1][1]; FOC_Ctrl_CodeModel_U.ADCinput[4] = adcResult[0][1]; FOC_Ctrl_CodeModel_U.FaultSwitch = faultSwitch; FOC_Ctrl_CodeModel_U.MotorSwitch = motorSwitch; /* Calculate one-step for the modle */ rt_OneStep(); /* Get model output here */ pwmDuty[0] = (uint16_t)(FULL_DUTY * FOC_Ctrl_CodeModel_Y.DUTY[0]); pwmDuty[1] = (uint16_t)(FULL_DUTY * FOC_Ctrl_CodeModel_Y.DUTY[1]); pwmDuty[2] = (uint16_t)(FULL_DUTY * FOC_Ctrl_CodeModel_Y.DUTY[2]); /* Set PWM ty */ FTM_DRV_FastUpdatePwmChannels(INST_FLEXTIMER_PWM1, 3, pwmChannels, pwmDuty, true); /* Clear FTM flag */ FTM_DRV_ClearStatusFlags(3, FTM_TIME_OVER_FLOW_FLAG|FTM_RELOAD_FLAG); }
可以看到模型的傳參和返回結果是通過全局變數的方式實現的：
輸入全局變數：FOC_Ctrl_CodeModel_U
輸出全局變數：FOC_Ctrl_CodeModel_Y
這里是可以通過對演算法模型進行設置的，可以改成傳參的方式，本次項目使用的是默認方式。
前文中的演算法模型的中間變數也是一個全局變數：
模型中間變數：FOC_Ctrl_CodeModel_DW.varFOC
到這里模型代碼的集成就算完成了，可以像手寫代碼的方式調試和下載代碼了。
其實還有很多關於代碼集成的細節和技巧沒有提到，本次項目實現的模型代碼完全是在默認設置下生成的。
Simulink是可以對生成的代碼進行很細致的控制的，例如控制代碼生成的位置、函數傳參的方式、函數的復用等，還有代碼如何優化，如何創建數據字典來管理模型數據。關於這些技巧和實踐，我會在後續的文章中進行介紹，歡迎持續關注作者。
3 寫在最後

先說一點題外話，我最近才了解到NXP新發布的S32K3系列晶元，其最新的硬體支持包MBDT有了一個較大的升級，它的底層模塊已經實現了完全等同於S32K3專用底層配置工具的功能。這一升級使得底層驅動這一功能也可以在Simulink模型中實現。
現在的S32K1的MBDT底層模塊由於功能很有限，很多情況下底層驅動的配置必須使用專用配置工具Processor Expert來配置才能滿足需求。而S32K3的更新有望改變這一現狀，有興趣的可以了解一下S32K3晶元和它最新的硬體支持包MBDT。
S32K3X4EVB-Q172 - From NXP
到本篇文章為止，我認為關於MBD的基礎部分，應該已經寫得差不多了，如果看完我的全部文章，應該能有所收獲。
下一期我將對所有發布的文章，和GitHub倉庫進行一次清理和總結。
明年autoMBD將會進入到下一個階段，會嘗試更有挑戰的內容，例如TLC語言、MBD實現通信、MBD與OS的結合等。所以請持續關注autoMBD，更多技術分享不容錯過。
2021年還剩下最後一周，在這里提前祝大家2022年新年快樂，希望各位讀者能在2022年收獲更多！

⑵ 演算法設計策略有哪些

演算法設計策略如下：

1、分治html

分治法的設計思想是，將一個難以直接解決的大問題，分割成k個規模較小的子問題，這些子問題相互獨立，且與原問題相同，而後各個擊破，分而治之。演算法。

5、分支限界

回溯法是對解空間進行深度優先搜索，事實上任何搜索遍整個解空間的演算法都可解決問題。因此採用通用圖搜索的任何實現做為搜索策略都可解決問題，只要作到窮舉便可。除了深度優先搜索以外，咱們還可採用廣度優先搜索，而分支限界法則是對解空間進行優先順序優先搜索。

⑶ 設計一個好的演算法通常要考慮哪些要求

數據結構中評價一個好的演算法，應該從四個方面來考慮，分別是：

一、演算法的正確性。

二、演算法的易讀性。

三、是演算法的健壯性。

四、是演算法的時空效率（運行）。

演算法的設計取決於數據（邏輯）結構，演算法的實現取決於所採用的存儲結構。數據的存儲結構本質上是其邏輯結構在計算機存儲器中的實現。為了全面反映一個數據的邏輯結構，它在內存中的影像包括兩個方面，即數據元素之間的信息和數據元素之間的關系。

不同的數據結構有相應的操作。數據的操作是在數據的邏輯結構上定義的操作演算法，如檢索、插入、刪除、更新和排序。

(3)演算法集成平台設計擴展閱讀

該演算法的一般性質包括：

1．通用性對於任何符合輸入類型的輸入數據，都可以根據演算法解決問題，並且包保證了計算結構的正確性。

2．演算法的每一條指令都必須能夠被人或機器執行。

3．確定性演算法應該在每一步之後都有明確的下一步指示。也就是說，確保每個步驟都有下一步行動的指示，不缺少或只包含含糊的下一步行動指示。

4．有限演算法的執行必須在有限步結束。