🔬 applied physics

FPGA-based LQG controller and hardware-in-the-loop simulator implementation for nanomechanical systems

本文提出了一种开源、基于 MATLAB 自动化的框架，用于在经济型 Red Pitaya FPGA 平台上部署实时线性二次高斯 (LQG) 控制与硬件在环仿真，并通过成功稳定双阱势能中的悬浮纳米颗粒展示了该框架的应用。

原作者： Vojtěch Mlynář (Automation and Control Institute, TU Wien, Vienna, Austria), Johannes Berndorfer (Automation and Control Institute, TU Wien, Vienna, Austria), Andreas Kugi (Automation and Control Inst

发布于 2026-07-01

📖 1 分钟阅读☕ 轻松阅读

CC BY 4.0

原作者： Vojtěch Mlynář (Automation and Control Institute, TU Wien, Vienna, Austria), Johannes Berndorfer (Automation and Control Institute, TU Wien, Vienna, Austria), Andreas Kugi (Automation and Control Institute, TU Wien, Vienna, Austria, AIT Austrian Institute of Technology, Vienna, Austria), Andreas Deutschmann-Olek (Automation and Control Institute, TU Wien, Vienna, Austria)

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

以下是该论文的通俗易懂版解释，使用了日常类比。

大局观：微型机器的“飞行模拟器”

想象一下，你正试图教一颗微小的、肉眼看不见的弹珠（纳米颗粒）利用激光束在半空中完美地悬停不动。这就是**纳米力学（nanomechanics）**的世界。问题在于，空气中充满了看不见的颠簸（热噪声），它们会撞击弹珠使其乱动，而激光必须反应极其迅速地进行反向推力，才能保持稳定。

在现实中这样做既危险又昂贵。如果你的控制系统反应太慢或出了错，弹珠就会飞走，或者激光器会被烧毁。

本文作者构建了一个数字游乐场（一个框架），让科学家们可以在接触昂贵的真实设备之前，先在廉价的计算机芯片上设计、测试并完善他们的控制系统。他们称之为“硬件在环”（Hardware-in-the-Loop, HIL）系统。

这就像是飞行员的飞行模拟器。在飞行员驾驶真正的飞机之前，他们在模拟器中练习应对风力、湍流和发动机故障。本文提供了软件和这个“模拟器飞机”，让科学家们可以在不弄坏真实设备的情况下，练习控制这些微小的弹珠。

两大核心工具

论文介绍了两个协同工作的互补工具，它们运行在一个名为 Red Pitaya 的设备上（这是一种非常快速且实惠的可编程计算机芯片）。

1. “聪明驾驶员”（LQG 控制器）

这是大脑，它告诉系统如何通过推力来保持弹珠稳定。

工作原理： 它使用一种称为 LQG（线性二次高斯）的数学方法。
- 侦探（卡尔曼滤波器/Kalman Filter）： 传感器无法完美地看到弹珠的速度，只能看到它的位置。“侦探”部分会根据带有噪声的数据来推测速度和其他隐藏细节。
- 司机（LQR）： 一旦“侦探”知道了弹珠的位置和运动速度，就会计算出精确的推力，以阻止其晃动。
挑战： 真实的纳米颗粒移动得非常快（每秒数千次），普通的笔记本电脑反应太慢。这个工具运行在专门的芯片（FPGA）上，其反应时间是以纳秒（十亿分之一秒）计的。
神奇技巧： 作者想出了如何在只能进行简单数学运算的芯片上运行这种复杂数学的方法。他们使用了一种类似于缩放地图的技术：如果数字对于芯片来说太大或太小，他们会暂时缩小或拉伸这些数字，以便芯片能够处理，然后再将它们恢复到原始大小供用户使用。

2. “虚拟弹珠”（HIL 模拟器）

这是一个虚构的世界，它通过“欺骗”让“聪明驾驶员”误以为自己正在控制一颗真实的弹珠。

工作原理： 它创造了一个虚拟环境，让粒子在其中跳动。它可以模拟：
- 风：撞击粒子的随机颠簸（噪声）。
- 重力： 向下拉扯粒子的力量。
- 棘手的陷阱： 论文展示了一个“双阱”（double-well）势能。想象一下，弹珠位于两座小山之间的一个山谷里，在那里它是稳定的。但模拟器还可以创建一个“鞍形”（saddle）形状（就像薯片一样），弹珠平衡在一个脊线上。如果它稍微向左移动，就会向左滚落；如果向右移动，就会向右滚落。这是一个非常难以控制的不稳定情况。
益处： 科学家可以针对这种棘手、不稳定的虚拟弹珠来测试他们的“聪明驾驶员”。如果驾驶员在模拟器中失败了，他们只需修改代码；如果他们在真实的实验室里失败了，可能会损失昂贵的设备。

“一键式”工作流程

这个领域最大的障碍之一是，编写这些芯片的代码通常需要具备计算机工程专家水平。作者创建了一个基于 MATLAB 的工作流程（一个用户友好的界面），它就像一个“魔法师”。

无需编程： 你不需要亲自编写复杂的数学代码。你只需要告诉软件：“我的粒子有多重”、“风有多大”以及“我想让它保持稳定”。
自动转换： 软件会自动完成繁琐的数学工作：
1. 它将连续的物理过程转化为数字步骤。
2. 它计算出完美的“推力”设置。
3. 它将数字转换为芯片能理解的特定格式。
4. 它将程序上传到芯片。

“大结局”演示

为了证明其有效性，作者进行了一次完整的测试：

他们在棘手的、不稳定的“鞍形”（薯片形状）中设置了虚拟弹珠。
他们启动了聪明驾驶员。
他们观察驾驶员如何使虚拟弹珠保持稳定。
切换： 然后，他们在“驾驶员”还在飞行时，将虚拟世界从稳定的山谷切换到了不稳定的鞍形。
结果： 驾驶员成功地在弹珠掉落边缘之前将其稳住了。他们甚至展示了，如果驾驶员还没准备好就切换世界，弹珠就会坠毁。

为什么这很重要（根据论文观点）

论文声称这是一个完整的、开源的工具包。

价格低廉： 它可以在便宜的现成硬件（Red Pitaya）上运行，而不是价值百万美元的定制机器。
安全性高： 你可以无数次地弄坏你的虚拟弹珠，而无需付出任何代价。
门槛降低： 它消除了对深厚计算机工程技能的需求，让物理学家能够专注于物理研究，而不是编写代码。

简而言之，他们建立了一个训练场和一个控制大脑，这使得科学家们能够更轻松地掌握在半空中稳住微小粒子的艺术。

技术摘要：基于 FPGA 的 LQG 控制器与 HIL 模拟器，用于纳米机械系统

问题陈述

主动反馈控制和状态估计对于稳定高 Q 值纳米机械系统（如悬浮光力学系统以及 MEMS/NEMS）至关重要，这些系统极易受到外部随机扰动的影响。虽然线性二次高斯（LQG）调节器通过结合卡尔曼滤波（KF）进行状态估计和线性二次型调节器（LQR）进行控制，提供了一种理论上的最优解，但在实验室环境中的实际部署面临着显著障碍。由于自然频率处于数十至数百千赫兹之间，所需的采样率超过了通用计算机或微控制器的处理能力，因此必须使用现场可编程逻辑门阵列（FPGA）。此外，在 FPGA 上实现可靠的算法涉及固定点算术、数值缩放和硬件部署方面的复杂性。现有的针对卡尔曼滤波器和 LQR 控制器的 FPGA 解决方案通常是为特定实验定制的，需要大量的 FPGA 专业知识，或者缺乏开源性，这导致在自动化控制器合成与低成本平台硬件部署的集成化、易用工作流方面存在空白。

方法论

作者提出了一个开源框架，包含两个互补模块，实现于 Red Pitaya STEMlab 125-14 Z7020（一种 Xilinx Zynq Z7020 片上系统）之上：一个基于 FPGA 的 LQG 控制器和一个硬件在环（HIL）模拟器。

1. LQG 控制器架构

该控制器针对最多包含三个耦合振荡自由度加一个漂移项的系统，这些系统被建模为具有加性过程噪声和测量噪声的线性连续时间系统。

数学公式： 系统使用 Van Loan 方法在采样周期 $T_s = 64$ ns 下进行离散化。控制器采用离散时间卡尔曼滤波器进行状态估计，并使用 LQR 进行最优控制。LQR 代价函数由机械能加权，直接源自物理噪声协方差和代价权重，以减少手动调优。
固定点实现： 为了平衡精度与 FPGA 上 DSP48E1 切片的资源消耗，实现采用了带有独特“移位-浮点”（shift-float）编码的固定点算术。矩阵系数被分解为一个固定点残数和一个每个元素特有的无符号整数指数（位移），从而在没有浮点硬件开销的情况下实现宽动态范围。
状态空间变换： 为确保数值稳定性，控制器应用了状态空间变换。这些变换包括物理状态归一化（使位移和速度尺度相等）以及基于预测闭环协方差的数值平衡，确保内部状态能够充分利用固定点表示的整个动态范围而不发生溢出。
配置与部署： 基于 MATLAB 的工作流实现了模型配置、增益计算和 FPGA 部署的自动化。运行在 Red Pitaya 处理器上的 Python REST API 服务器负责实时参数更新、数据采集以及校准（ADC/DAC 偏移和增益），无需重新编译 FPGA。系统支持两个可独立切换的参数集，用于实时模型切换。

2. HIL 模拟器架构

HIL 模拟器提供了一个可配置的二阶随机受控对象，用于真实的闭环测试。

模型： 它求解具有三个自由度的随机微分方程，这些自由度具有可配置的阻尼、回复力和输入/输出映射中的非线性特征。模型由通过线性反馈移位寄存器（LFSR）和 Box-Muller 变换生成的伪随机高斯白噪声驱动。
实现： 该架构使用三个独立的态处理切片以实现并行执行。它采用半隐式 Adams-Bashforth/Adams-Moulton 积分器以确保数值稳定性。非线性函数通过带有线性插值的查找表（LUT）实现，以确保确定性的延迟。
延迟与精度： 系统以 6.944 MS/s 的采样率运行，总的最坏情况输入-输出延迟约为 788 ns（包括 ADC/DAC 转换）。模拟器使用运行在处理器上的轻量级 C 语言配置服务器，从 MATLAB 接收模型参数并通过内存映射 I/O 传输至 FPGA。

核心贡献

集成开源工作流： 本文提供了一个完整的开源流水线，弥合了理论控制设计与 FPGA 部署之间的鸿沟。它通过 MATLAB GUI 自动完成离散化、增益计算、固定点缩放和硬件配置，消除了对专门的嵌入式软件或 FPGA 开发知识的需求。
经济实惠的硬件平台： 该方案在低成本的 Red Pitaya STEMlab 平台上进行了演示，使高速 LQG 控制对于更广泛的研究群体而言变得触手可及。
先进的固定点策略： 其实现引入了特定的固定点算术技术，包括逐元素缩放指数和自动状态空间平衡，以在资源受限的环境中保持数值稳定性。
实时模型切换： 系统支持同时存储两套参数集，允许在不停止控制循环的情况下，在不同的控制器配置（例如，稳定不同的势能景观）之间进行瞬时切换。
全面的验证： 框架包含一个能够模拟非线性和随机动力学的 HIL 模拟器，从而能够在物理部署前安全地验证控制器。

结果

作者通过一个涉及在二维双阱势能中稳定悬浮纳米颗粒的端到端示例展示了该框架。

场景： 系统模拟了一个粒子在完全约束的二次势能和不稳定鞍点势能之间探索的过程。
性能： LQG 控制器成功稳定了粒子在两种势能配置下的运动。实验演示了在约束势能与鞍点势能之间的实时切换。至关重要的是，控制器在模拟器势能切换之前就已切换到了相应的参数集（针对鞍点势能使用第 2 套参数），从而确保粒子在向不稳定状态过渡期间保持受控。
验证： 系统成功以全采样分辨率记录了内部状态和信号，验证了反馈回路中机械能（方差）的降低。HIL 模拟器准确地模拟了受控对象的动力学特性，包括热噪声和非线性势能切换的影响。

意义与声明

本文声称解决了理论控制设计与常规实验室部署之间的实际差距。通过降低在低成本硬件上实现高速状态估计和最优控制的技术门槛，作者旨在支持可重复研究，并加速先进反馈技术在悬浮光力学、MEMS/NEMS 以及精密传感领域的应用。该框架并非被呈现为一个适用于所有模型结构的最终、通用的解决方案，而是一个针对特定类别的（即带有漂移的耦合谐振子）鲁棒基础，用户可以扩展其配置工具以适配不同的模型结构。本工作作为一个高层级的概述和“入门指南”，引导用户查阅详细文档以获取深入的技术参考。