[发明专利]一种基于DSP飞灰含碳量测量的实时多任务调度方法

权利要求书

1.一种基于DSP飞灰含碳量测量的实时多任务调度方法，其特征在于：

步骤1：采用BP神经网络算法实现飞灰含碳量的在线测量；

步骤2：将BP神经网络算法移植至DSP数字信号处理器中，进行参数在线训练、飞灰含碳量在线测量；

步骤3：采用Protothread多线程模型实现实时任务与非实时任务同时进行；

所述飞灰含碳量的在线测量方法为BP神经网络算法，记c为飞灰的含碳量，N为管道内飞灰样本的浓度，则飞灰流经管道时所产生的静电信号大小与c、N成非线性关系，基于静电传感器采集一段时间管道内飞灰所携带的静电信号序列，记为其中为该c、N下第k次采集的飞灰样本所携带的静电信号值，K为该时间段内采集信号的最大次数；求得该含碳量c、浓度N下飞灰的信号能量，记为f(c,N)，则飞灰样本的信号能量f(c,N)与c、N成非线性关系，构建输入为信号能量、浓度，输出为飞灰含碳量，隐含层层数为6的三层BP神经网络以实现飞灰含碳量的在线测量，其步骤包括以下两步：

步骤A：参数在线训练：BP神经网络参数训练包括两个过程，即正向传播与反向传播过程，输入信号经隐含层、输出层正向传播得到网络输出，与目标输出相比产生误差信号，进行反向传播，不断调整网络参数，直至全局误差小于可接受误差或达到最大迭代次数，训练完成，保存网络参数，得到预测函数；

步骤B：飞灰含碳量在线测量：对于未知含碳量的飞灰样本，设其含碳量为c_p，DSP采集模块实时采集管道内飞灰样本浓度，记为N_q，并采集一段时间内管道中飞灰样本的交流静电信号序列求信号能量对f(c_p,N_q)、N_q进行归一化处理，作为预测函数的输入值，即可通过预测函数输出未知飞灰样本的含碳量测量值c_p；

所述步骤3实时任务即飞灰含碳量在线测量、非实时任务即参数在线训练；

所述步骤3采用Protothread多线程模型是一种纯C语言实现，无硬件支持，耗费内存资源小，支持阻塞操作，不使用堆栈的线程模型，其多任务调度要求及模型思想如下：

多任务调度要求：实时任务飞灰含碳量在线测量的运行时间记为T₁，响应时间记为T₂，非实时任务参数在线训练的运行时间记为T₃，T₃＞＞T₂，响应时间无要求；

模型思想：将非实时任务划分为若干步，且每步运行时间不超过T₄，T₄时间可视T₂而定，若T₂为100ms，则T₄设为60ms-80ms；首先初始化2个Prototheread阻塞变量pt1、pt2以及定时器T，先执行实时任务，执行完成释放执行权限，让非实时任务执行，非实时任务每执行一步前，需检查该步的运行时间是否小于T₂，一旦发现T₂时间内不够执行1步时，则阻塞运行并让出执行权限给实时任务，响应时间到，即T＝T₁+T₂时，定时器清0，执行实时任务，直至停止操作位stop＝1。