本發(fā)明涉及生物醫(yī)學(xué)工程技術(shù)，特別是一種基于FPGA的丘腦皮層放電狀態(tài)變論域模糊控制系統(tǒng)。

背景技術(shù)：

神經(jīng)元中的電活動(dòng)是通過(guò)各種離子電流跨越神經(jīng)細(xì)胞而進(jìn)行神經(jīng)信息的傳導(dǎo)與處理的，這些跨膜電流包括鈉離子通道電流，鈣離子通道電流，鉀離子通道電流以及漏電流等。在細(xì)胞內(nèi)和細(xì)胞外，離子電流的濃度差形成電化學(xué)梯度，這種電化學(xué)梯度是引起神經(jīng)細(xì)胞興奮的主要因素。細(xì)胞興奮在宏觀上表現(xiàn)為生物電信號(hào)的變化，而如何采集測(cè)取，并有效控制這些生物電信號(hào)，放電狀態(tài)的調(diào)整等構(gòu)成了細(xì)胞生理學(xué)的研究?jī)?nèi)容。

近年來(lái)，通過(guò)施加外部刺激，實(shí)現(xiàn)對(duì)神經(jīng)元以及神經(jīng)網(wǎng)絡(luò)放電行為的控制引起了控制領(lǐng)域和生物醫(yī)學(xué)領(lǐng)域的廣泛關(guān)注。PeterA.Tass提出非線性延遲反饋控制，有效實(shí)現(xiàn)簇放電神經(jīng)集群的去同步控制，該控制方法能抵消非線性神經(jīng)元集群中的異常相互作用，從而恢復(fù)神經(jīng)元正常的放電節(jié)律，同時(shí)該方法對(duì)系統(tǒng)參數(shù)攝動(dòng)和外部噪聲的影響具有一定的抗干擾性。Tyler Stigen等學(xué)者利用膜片鉗位技術(shù)，提出了一種控制周期性放電神經(jīng)元放電時(shí)刻的控制算法，同時(shí)將該控制算法延伸到兩神經(jīng)元相對(duì)放電時(shí)刻的控制問(wèn)題上。但值得注意的是，目前大多數(shù)控制方法依舊存在調(diào)節(jié)時(shí)間過(guò)長(zhǎng)，控制不及時(shí)，難以實(shí)現(xiàn)跟蹤等問(wèn)題。此外，目前各種電刺激產(chǎn)品大部分基于開(kāi)環(huán)刺激，開(kāi)環(huán)控制方法簡(jiǎn)單，但無(wú)法根據(jù)實(shí)際被控對(duì)象實(shí)時(shí)自主的改變刺激參數(shù)，需要人為調(diào)整對(duì)最終控制結(jié)果有效性和高效性發(fā)揮重要作用的控制參數(shù)，對(duì)于控制參數(shù)的調(diào)整和修改更是缺乏有效的指導(dǎo)和規(guī)律，只是單純的根據(jù)人為經(jīng)驗(yàn)測(cè)試進(jìn)行多次嘗試給定并不斷調(diào)整。因而這種開(kāi)環(huán)控制系統(tǒng)嚴(yán)重依賴于人為經(jīng)驗(yàn)，不具有實(shí)踐性和普適性，對(duì)生物體實(shí)時(shí)電信號(hào)的變化也不具有敏感性。生物神經(jīng)系統(tǒng)是一個(gè)高度復(fù)雜的網(wǎng)絡(luò)系統(tǒng)，對(duì)于其生理機(jī)制的精確研究仍然存在困難，從而導(dǎo)致選取控制方案的選取需要從神經(jīng)系統(tǒng)的大量不確定性和盲目性，對(duì)生物體個(gè)體差異性等問(wèn)題方面進(jìn)行考慮。

傳統(tǒng)的控制方法只適用于控制具有精確模型的線性系統(tǒng)或非線性系統(tǒng)，而對(duì)于實(shí)際控制過(guò)程中常出現(xiàn)的狀態(tài)時(shí)刻都在變化、干擾因素較多、沒(méi)有準(zhǔn)確的模型、多輸入多輸出的這種復(fù)雜系統(tǒng)，采用傳統(tǒng)的控制方法將無(wú)法得到期望的效果。目前尚無(wú)一套完善的基于FPGA的丘腦皮層放電狀態(tài)模糊控制系統(tǒng)，閉環(huán)控制方法部分難以具有實(shí)時(shí)性與自適應(yīng)性，調(diào)參整定過(guò)程過(guò)于依賴人為，且控制精度不高，上位機(jī)界面尚未完善，無(wú)法進(jìn)行實(shí)時(shí)的數(shù)據(jù)讀取與分析。

技術(shù)實(shí)現(xiàn)要素：

針對(duì)上述其技術(shù)不足之處，本發(fā)明的目的在于提供一種基于FPGA的丘腦皮層變論域模糊控制系統(tǒng)，可以使研究人員無(wú)需參數(shù)整定，直接以豐富的人工經(jīng)驗(yàn)作模糊判斷，從而有效完成放電狀態(tài)的相關(guān)調(diào)整，使得變論域模糊控制能夠保持對(duì)模糊規(guī)則敏感，同時(shí)對(duì)外部刺激干擾具有較強(qiáng)的自適應(yīng)性。通過(guò)操作界面讀取數(shù)據(jù)，為研究神經(jīng)元的信息傳遞，信息監(jiān)測(cè)，放電模式控制，非線性特性等研究提供重要理論依據(jù)。

為實(shí)現(xiàn)上述目的，本發(fā)明采用的技術(shù)方案是提供一種基于FPGA的丘腦皮層放電狀態(tài)變論域模糊控制系統(tǒng)，其中：該控制系統(tǒng)包括有：變論域模糊控制FPGA芯片和丘腦皮層FPGA芯片連接，變論域模糊控制FPGA芯片設(shè)有除法器模塊、乘法器模塊以及信號(hào)濾波器，閉環(huán)電生理轉(zhuǎn)置與變論域模糊控制FPGA芯片相連接,上位機(jī)通過(guò)信號(hào)采集裝置與閉環(huán)電生理裝置連接；丘腦皮層FPGA芯片上搭建丘腦皮層神經(jīng)核團(tuán)模型，丘腦皮層神經(jīng)核團(tuán)模型計(jì)算的神經(jīng)元核團(tuán)輸出膜電位信號(hào)在神經(jīng)元膜電位RAM中存儲(chǔ)，變論域模糊控制FPGA芯片上包含有依次相連的誤差信號(hào)獲取及模糊化調(diào)幅模塊、主模糊控制器模塊、伸縮因子副模糊控制器模塊、NIOS II軟核處理器和信號(hào)解模糊調(diào)幅模塊；主模糊控制器模塊包含有主模糊控制器模糊化接口模塊、主模糊控制器模糊推理模塊和主模糊控制器解模糊模塊，伸縮因子副模糊控制器模塊包含副控制器模糊化接口模塊、副控制器模糊推理模塊以及副控制器解模糊模塊，差信號(hào)獲取及模糊化調(diào)幅模塊與閉環(huán)電生理裝置相連接，輸出偏差信號(hào)和偏差變化率信號(hào)，偏差信號(hào)與偏差變化率信號(hào)經(jīng)過(guò)伸縮因子副模糊控制器模塊輸出伸縮因子變化量，得到的伸縮因子變化量經(jīng)過(guò)除法器模塊修正論域范圍，偏差信號(hào)和偏差變化率信號(hào)經(jīng)過(guò)主模糊控制器模塊輸出主控制器變化量，主控制器控制變化量與伸縮因子變化量經(jīng)過(guò)乘法器模塊得到變論域模糊控制器輸出量，變論域模糊控制器輸出量經(jīng)過(guò)信號(hào)解模糊調(diào)幅模塊得到實(shí)際控制變化量并輸入閉環(huán)電生理裝置中，進(jìn)而調(diào)節(jié)丘腦放電狀態(tài)；閉環(huán)電生理轉(zhuǎn)置接收該實(shí)際控制變化量，調(diào)節(jié)神經(jīng)元異常放電狀態(tài)，并將其調(diào)節(jié)的動(dòng)態(tài)變化通過(guò)信號(hào)采集裝置獲取丘腦放電狀態(tài)采集信號(hào)，并傳輸給上位機(jī)進(jìn)行實(shí)時(shí)顯示與監(jiān)控。

本發(fā)明的效果是該控制系統(tǒng)實(shí)現(xiàn)了變論域模糊控制器的高效建模，以及復(fù)雜的丘腦皮層神經(jīng)核團(tuán)的網(wǎng)絡(luò)建模，設(shè)計(jì)了兼具可視化的人機(jī)界面，提高了系統(tǒng)的靈活性和可操作性，能夠在真實(shí)時(shí)間尺度內(nèi)對(duì)神經(jīng)核團(tuán)建模并建立實(shí)時(shí)控制系統(tǒng)，同時(shí)該控制系統(tǒng)為研究丘腦皮層放電狀態(tài)提供了真實(shí)時(shí)間尺度下的實(shí)時(shí)實(shí)驗(yàn)平臺(tái)。主要優(yōu)點(diǎn)有：

1、使用FPGA仿真實(shí)驗(yàn)?zāi)Ｐ鸵约霸诖嘶A(chǔ)上構(gòu)建的模糊控制器，運(yùn)用并行運(yùn)算方式，相比于計(jì)算機(jī)軟件仿真的串行方式，F(xiàn)PGA可以大幅度提高數(shù)學(xué)模型的運(yùn)算速度，同時(shí)解決控制器控制不及時(shí)的問(wèn)題。

2、控制算法上，變論域模糊控制算法具有閉環(huán)自適應(yīng)性，相比較于傳統(tǒng)控制算法，更加適用于不確定的多輸入多輸出被控系統(tǒng)，并省去控制參數(shù)的整定過(guò)程。

3、采用FPGA芯片的工作頻率可以達(dá)到200MHz，硬件實(shí)現(xiàn)的時(shí)間步長(zhǎng)可控在1ms以內(nèi)，此外數(shù)據(jù)采集卡采用的是16通道，采樣率高達(dá)200K/s,可以保持實(shí)驗(yàn)平臺(tái)的時(shí)間尺度與真實(shí)神經(jīng)元一致，且在數(shù)據(jù)傳輸過(guò)程中，精度要求滿足，神經(jīng)信息不會(huì)發(fā)生信息扭曲和丟失。

4、應(yīng)用可視化上位機(jī)界面可以動(dòng)態(tài)顯示并實(shí)時(shí)分析神經(jīng)元放電狀態(tài)的調(diào)節(jié)過(guò)程，采用數(shù)據(jù)采集卡采集數(shù)據(jù)，可以將采集過(guò)程各種的噪聲干擾盡量降低，為模糊控制系統(tǒng)提供更清晰的可視化實(shí)驗(yàn)平臺(tái)。

5、該閉環(huán)控制系統(tǒng)不依賴人為整定，可以對(duì)不同被控對(duì)象反復(fù)進(jìn)行實(shí)驗(yàn)，上位機(jī)、數(shù)據(jù)采集卡、FPGA芯片均可反復(fù)配置，提高系統(tǒng)的魯棒性和可配置性。這種變論域模糊控制方法相對(duì)于傳統(tǒng)控制算法，更適用于被控對(duì)象為復(fù)雜的多輸入多輸出系統(tǒng)的非線性神經(jīng)系統(tǒng)，對(duì)理解神經(jīng)電生理活動(dòng)的信息傳遞，信息監(jiān)測(cè)等機(jī)制研究有重要適用價(jià)值。

附圖說(shuō)明

圖1為本發(fā)明的變論域模糊控制系統(tǒng)結(jié)構(gòu)示意圖；

圖2為丘腦皮層的神經(jīng)核團(tuán)模型示意圖；

圖3為控制系統(tǒng)的模糊接口模塊結(jié)構(gòu)示意圖；

圖4為控制系統(tǒng)的模糊推理模塊結(jié)構(gòu)示意圖；

圖5位控制系統(tǒng)的解模糊模塊結(jié)構(gòu)示意圖。

圖中：

1.變論域模糊控制FPGA芯片 2.丘腦皮層FPGA芯片 3.閉環(huán)電生理裝置 4.伸縮因子副模糊控制器模塊 5.主模糊控制器模塊 6.誤差信號(hào)獲取及模糊化調(diào)幅模塊 7.NIOS II軟核處理器 8.信號(hào)解模糊調(diào)幅模塊 9.信號(hào)采集裝置 10.上位機(jī) 11.副控制器模糊化接口模塊 12.副控制器模糊推理模塊 13.副控制器解模糊模塊 14.片上乘法器模塊 15.除法器模塊 16.偏差信號(hào)

17.偏差變化率信號(hào) 18.伸縮因子變化量 19.主控制器控制變化量 20.變論域模糊控制器輸出量 21.實(shí)際控制變化量 22.丘腦放電狀態(tài)采集信號(hào) 23.主控制器模糊化接口模塊 24.主控制器模糊推理模塊 25.主控制器解模糊模塊 26.丘腦皮層神經(jīng)核團(tuán)模型 27.神經(jīng)元膜電位存儲(chǔ)RAM 28.神經(jīng)元核團(tuán)輸出膜電位信號(hào) 29.突觸膜電壓信號(hào) 30.網(wǎng)絡(luò)連接矩陣存儲(chǔ)ROM 31.網(wǎng)絡(luò)連接變量雙口RAM 32.網(wǎng)絡(luò)連接變量信號(hào) 33.總線構(gòu)建模塊 34.偏差隸屬度函數(shù)系數(shù)k存儲(chǔ)RAM 35.偏差隸屬度函數(shù)系數(shù)b存儲(chǔ)RAM 36.偏差變化率隸屬度函數(shù)系數(shù)k存儲(chǔ)RAM 37.偏差變化率隸屬度函數(shù)系數(shù)b存儲(chǔ)RAM 38.復(fù)用器模塊 39.輸出隸屬度反函數(shù)系數(shù)k存儲(chǔ)RAM 40.輸出隸屬度反函數(shù)系數(shù)b存儲(chǔ)RAM 41.NM-NS子系統(tǒng) 42.PB-Z子系統(tǒng) 43.多路復(fù)用器 44.NB-NB子系統(tǒng) 45.并行加法模塊 46.除法模塊

具體實(shí)施方式

結(jié)合附圖對(duì)本發(fā)明的基于FPGA的丘腦皮層放電狀態(tài)變論域模糊控制系統(tǒng)結(jié)構(gòu)加以說(shuō)明。

本發(fā)明的基于FPGA的丘腦皮層放電狀態(tài)變論域模糊控制系統(tǒng)的設(shè)計(jì)思想是首先在丘腦皮層FPGA芯片2上建立丘腦皮層神經(jīng)核團(tuán)模型26，其次通過(guò)閉環(huán)電生理裝置3的控制電極作用于生理丘腦神經(jīng)元測(cè)取膜電位信息，然后在變論域模糊控制FPGA芯片1上設(shè)計(jì)誤差信號(hào)獲取及模糊化調(diào)幅模塊6，NIOS II軟核處理器7，伸縮因子副模糊控制器模塊4，主模糊控制器模塊5和信號(hào)解模糊模塊8。誤差獲取及模糊化調(diào)幅模塊6產(chǎn)生偏差信號(hào)16和偏差變化率信號(hào)17，作為輸入信號(hào)施加給伸縮因子副模糊控制器模塊4和主控制器模塊5。伸縮因子副模糊控制器模塊4輸出伸縮因子變化量18進(jìn)行調(diào)節(jié)偏差信號(hào)16與偏差變化率信號(hào)17的論域范圍，主控制器模塊5輸出主控制器控制變化量19；伸縮因子變化量18和主控制器控制變化量19經(jīng)過(guò)片上乘法器處理輸出變論域模糊控制器輸出量20。變論域模糊控制器輸出量經(jīng)過(guò)信號(hào)解模糊調(diào)幅模塊8，實(shí)時(shí)輸出實(shí)際控制變化量21調(diào)節(jié)閉環(huán)電生理裝置3中的丘腦放電狀態(tài)，形成自適應(yīng)性控制系統(tǒng)。利用NIOS II軟核處理器7作為誤差信號(hào)獲取及模糊化調(diào)幅模塊6、信號(hào)解模糊調(diào)幅模塊8以及信號(hào)采集裝置9的使能控制中心，可以按照人為輸入指令控制數(shù)據(jù)的傳輸與中斷。信號(hào)采集裝置9具有模擬輸入接口和數(shù)據(jù)采集卡，采集并接收由閉環(huán)電生理裝置3中的丘腦放電信息，并將其數(shù)據(jù)信息送入上位機(jī)10界面，實(shí)時(shí)顯示丘腦放電狀態(tài)的調(diào)節(jié)過(guò)程。

所述基于FPGA的丘腦皮層放電狀態(tài)變論域模糊控制系統(tǒng)結(jié)構(gòu)是：該系統(tǒng)的變論域模糊控制FPGA芯片1和丘腦皮層FPGA芯片2之間高速連接，閉環(huán)電生理轉(zhuǎn)置3與變論域模糊控制FPGA芯片1相連接,上位機(jī)10通過(guò)信號(hào)采集裝置9與閉環(huán)電生理裝置3連接；所述控制系統(tǒng)在丘腦皮層FPGA芯片2上搭建丘腦皮層神經(jīng)核團(tuán)模型26，獲取正常放電信號(hào)；并通過(guò)閉環(huán)電生理裝置3的電壓鉗位獲取異常放電信號(hào)；正常異常兩種放電信號(hào)作為輸入信號(hào)，經(jīng)過(guò)誤差信號(hào)獲取及模糊化調(diào)幅模塊6，獲取模糊控制系統(tǒng)標(biāo)準(zhǔn)論域范圍內(nèi)的偏差信號(hào)16和偏差變化率信號(hào)17。NIOS II軟核處理器7作為變論域模糊控制部分的控制核心，對(duì)偏差信號(hào)16及偏差變化率信號(hào)17進(jìn)行通訊中斷和使能控制，同時(shí)發(fā)送控制指令于信號(hào)采集裝置9，作為數(shù)據(jù)傳輸交換過(guò)程的控制中心。上位機(jī)10設(shè)計(jì)界面，通過(guò)接收信號(hào)采集裝置9的數(shù)據(jù)，進(jìn)行實(shí)時(shí)顯示異常丘腦神經(jīng)元放電狀態(tài)的調(diào)節(jié)過(guò)程。該控制系統(tǒng)總體由五部分組成,分別是：丘腦皮層FPGA芯片2，變論域模糊控制FPGA芯片1，閉環(huán)電生理裝置3，信號(hào)采集裝置9和上位機(jī)10。其中FPGA部分用于實(shí)現(xiàn)有丘腦皮層神經(jīng)核團(tuán)模型26和變論域模糊控制器，閉環(huán)電生理裝置3用于提供異常丘腦皮層放電狀態(tài)，上位機(jī)10用于設(shè)計(jì)人機(jī)操作界面，并通過(guò)信號(hào)采集裝置9進(jìn)行與閉環(huán)電生理裝置3進(jìn)行數(shù)據(jù)通訊。

所述控制系統(tǒng)在丘腦皮層FPGA芯片2上搭建丘腦皮層神經(jīng)核團(tuán)模型26，獲取正常放電信號(hào)，并通過(guò)閉環(huán)電生理裝置3的電壓鉗位獲取異常放電信號(hào)，所述正常、異常兩種放電信號(hào)作為輸入信號(hào)，經(jīng)過(guò)誤差信號(hào)獲取及模糊化調(diào)幅模塊6，獲取模糊控制系統(tǒng)標(biāo)準(zhǔn)論域范圍內(nèi)的偏差信號(hào)16和偏差變化率信號(hào)17；偏差信號(hào)16與偏差變化率信號(hào)17進(jìn)入主模糊控制器模塊5，偏差信號(hào)16與偏差變化率信號(hào)17依次經(jīng)過(guò)主控制器模糊化接口模塊23，主控制器模糊推理模塊24以及解模糊模塊25的數(shù)據(jù)處理，得到主控制器控制變化量19；同時(shí)偏差信號(hào)16與偏差變化率信號(hào)17進(jìn)入伸縮因子副模糊控制器模塊4，分別經(jīng)過(guò)副控制器模糊化接口模塊11，副控制器模糊推理模塊12以及副控制器解模糊模塊13，得到伸縮因子變化量18，伸縮因子變化量18通過(guò)構(gòu)建的除法器模塊15修正偏差信號(hào)16與偏差變化率信號(hào)17的論域范圍，主控制器控制變化量19與伸縮因子變化量18經(jīng)過(guò)片上乘法器模塊14和信號(hào)解模糊調(diào)幅模塊8得到實(shí)際控制變化量21，閉環(huán)電生理轉(zhuǎn)置3接收該實(shí)際控制變化量21，調(diào)節(jié)神經(jīng)元異常放電狀態(tài)，并將其調(diào)節(jié)的動(dòng)態(tài)變化通過(guò)信號(hào)采集裝置9獲取丘腦放電狀態(tài)采集信號(hào)22，并傳輸給上位機(jī)10進(jìn)行實(shí)時(shí)顯示。NIOS II軟核處理器7控制誤差信號(hào)獲取及模糊化調(diào)幅模塊6和信號(hào)解模糊調(diào)幅模塊8的使能，并輸出相應(yīng)指令于信號(hào)采集裝置9中，形成自適應(yīng)性較強(qiáng)的變論域模糊控制系統(tǒng)，實(shí)現(xiàn)對(duì)丘腦神經(jīng)元異常放電狀態(tài)的動(dòng)態(tài)調(diào)節(jié)與改善。

所述丘腦皮層神經(jīng)核團(tuán)模型26在FPGA中采用歐拉法離散化，采取流水線形式搭建離散模型，使得高階微分方程并行運(yùn)算于FPGA中。即利用延時(shí)寄存器使數(shù)學(xué)模型分為多個(gè)子運(yùn)算過(guò)程，在每個(gè)時(shí)鐘周期內(nèi)，每個(gè)子運(yùn)算過(guò)程可以同時(shí)進(jìn)行不同神經(jīng)集群，不同時(shí)刻的運(yùn)算，神經(jīng)核團(tuán)計(jì)算的數(shù)據(jù)在神經(jīng)元膜電位RAM27中存儲(chǔ)，并隨時(shí)鐘而傳遞。

所述閉環(huán)電生理裝置3包括控制電極，測(cè)量電極和異常狀態(tài)下的被測(cè)丘腦神經(jīng)細(xì)胞；測(cè)量電極與控制電極和被測(cè)丘腦神經(jīng)細(xì)胞相互連接，獲取的丘腦放電信息作為模擬信號(hào)輸入傳輸給信號(hào)采集裝置9。

所述變論域模糊控制FPGA芯片1：所述變論域模糊控制FPGA芯片1為用于實(shí)現(xiàn)具有自適應(yīng)性的變論域模糊控制算法模塊，通過(guò)Verilog HDL語(yǔ)言編程實(shí)現(xiàn)。變論域模糊控制FPGA芯片1接收由誤差信號(hào)獲取及模糊化調(diào)幅模塊6輸出的偏差信號(hào)16與偏差變化率信號(hào)17。偏差信號(hào)16和偏差變化率17信號(hào)先經(jīng)過(guò)副控制器模糊化接口模塊11，完成偏差信號(hào)16和偏差變化率17信號(hào)的分區(qū)及確定其隸屬度函數(shù)。副控制器模糊化接口模塊11的設(shè)計(jì)采用七級(jí)語(yǔ)言變量，即正大PB，正中PM，正小PS，零ZO負(fù)小NS，負(fù)中NM和負(fù)大NB。這些語(yǔ)言值每一個(gè)都對(duì)應(yīng)一個(gè)模糊集合為隸屬度函數(shù)。其次偏差信號(hào)16和偏差變化率信號(hào)17經(jīng)過(guò)副控制器模糊推理模塊12，副控制器模糊推理模塊12包含有基于標(biāo)準(zhǔn)模型的模糊控制規(guī)則庫(kù)，伸縮因子副模糊控制器模塊4規(guī)則庫(kù)包含49條規(guī)則，表述出來(lái)為：“if偏差信號(hào)16is PB and偏差變化率信號(hào)17is NB,then隸屬度函數(shù)輸出is PB”，“if偏差信號(hào)16is NB and偏差變化率信號(hào)17is EM，then隸屬度函數(shù)輸出is PB”，......“if偏差信號(hào)16is PB and偏差變化率信號(hào)17is PB，then隸屬度函數(shù)輸出is NB”。副控制器模糊推理模塊12的設(shè)計(jì)采用工程上應(yīng)用的Mamdani推理方法，規(guī)則激活采用對(duì)偏差信號(hào)16與偏差變化率信號(hào)17經(jīng)過(guò)副控制器模糊化接口模塊11處理后得到對(duì)應(yīng)的隸屬度，選取其中小的隸屬度作為總的模糊推理前件的隸屬度的取小法，綜合過(guò)程采用對(duì)所有經(jīng)過(guò)副控制器模糊化接口模塊11得到的模糊集合進(jìn)行并運(yùn)算的取大法。副控制器模糊化推理模塊12經(jīng)過(guò)49條副模糊控制器規(guī)則，可以得到49個(gè)隸屬度及其對(duì)應(yīng)的模糊集，最后經(jīng)過(guò)副控制器解模糊模塊13輸出伸縮因子變化量18。同時(shí)，偏差信號(hào)16和偏差變化率17信號(hào)經(jīng)過(guò)主控制器模糊化接口模塊23，完成偏差信號(hào)16和偏差變化率17信號(hào)的主控制器分區(qū)及確定其隸屬度函數(shù)。主控制器模糊化接口模塊23也采用七級(jí)語(yǔ)言變量，即正大PB，正中PM，正小PS，零ZO，負(fù)小NS，負(fù)中NM和負(fù)大NB。每級(jí)語(yǔ)言變量都對(duì)應(yīng)一個(gè)模糊集合為隸屬度函數(shù)。其次偏差信號(hào)16和偏差變化率17信號(hào)經(jīng)過(guò)主控制器模糊推理模塊24，主控制器模糊推理模塊24包含有基于標(biāo)準(zhǔn)模型的主控制器模糊控制規(guī)則庫(kù)，主模糊控制器模塊5規(guī)則庫(kù)包含49條主控制器規(guī)則，表述出來(lái)為：“if偏差信號(hào)16is PB and偏差變化率信號(hào)17is NB，then隸屬度函數(shù)輸出is PB”，“if偏差信號(hào)16is NB and偏差變化率信號(hào)17is EM,then隸屬度函數(shù)輸出is PB”，......“if偏差信號(hào)16is PB and偏差變化率信號(hào)17is PB，then隸屬度函數(shù)輸出is NB”。主控制器模糊推理模塊24的設(shè)計(jì)同樣采用工程上應(yīng)用的Mamdani推理方法，主模糊控制器規(guī)則激活采用對(duì)偏差信號(hào)16與偏差變化率信號(hào)17經(jīng)過(guò)主控制器模糊化接口模塊23處理后得到對(duì)應(yīng)的隸屬度，選取其中小的隸屬度作為總的模糊推理前件的隸屬度的取小法，綜合過(guò)程采取對(duì)所有經(jīng)過(guò)主控制器模糊化接口模塊23得到的模糊集合進(jìn)行并運(yùn)算的取大法。主控制器模糊化推理模塊24經(jīng)過(guò)四十九條主模糊控制器規(guī)則，可以得到四十九個(gè)隸屬度及其對(duì)應(yīng)的模糊集，最后經(jīng)過(guò)主控制器解模糊模塊25輸出主控制器控制變化量19。通過(guò)信號(hào)解模糊調(diào)幅模塊8將論域內(nèi)的主控制器控制變化量19轉(zhuǎn)化成對(duì)閉環(huán)電生理裝置的實(shí)際控制變化量21，實(shí)現(xiàn)變論域模糊模塊的自適應(yīng)控制系統(tǒng)。

所述信號(hào)采集裝置9進(jìn)行對(duì)閉環(huán)電生理轉(zhuǎn)置3與上位機(jī)10之間的數(shù)據(jù)通訊，信號(hào)采集裝置9包括有模擬量輸入接口和數(shù)據(jù)采集卡，所述數(shù)據(jù)采集卡采用研華多功能數(shù)據(jù)采集卡KPCI-811型號(hào)。NIOS II軟核處理器7同時(shí)控制信號(hào)采集裝置9的數(shù)據(jù)使能。

所述上位機(jī)10采用VB語(yǔ)言設(shè)計(jì)上位機(jī)界面，通過(guò)接收信號(hào)采集裝置采集的數(shù)字信號(hào)，并進(jìn)行界面的可視化數(shù)據(jù)顯示。軟件平臺(tái)為Visual Basic 6.0，該界面能實(shí)時(shí)反應(yīng)閉環(huán)電生理裝置3中被測(cè)神經(jīng)元膜電位狀態(tài)的調(diào)節(jié)變化過(guò)程。

本發(fā)明的基于FPGA的丘腦皮層放電狀態(tài)變論域模糊控制系統(tǒng)由相互連接的變論域模糊控制FPGA芯片1、丘腦皮層FPGA芯片2、閉環(huán)電生理裝置3、信號(hào)采集裝置9和上位機(jī)10組成。其中丘腦皮層FPGA開(kāi)發(fā)板用于實(shí)現(xiàn)丘腦皮層神經(jīng)核團(tuán)模型26，閉環(huán)電生理裝置用于實(shí)現(xiàn)丘腦神經(jīng)元膜電位的鉗位測(cè)量，變論域模糊控制FPGA芯片1用于實(shí)現(xiàn)對(duì)異常放電狀態(tài)的及時(shí)控制并輸出控制調(diào)節(jié)量，信號(hào)采集裝置9通過(guò)多功能數(shù)據(jù)采集卡實(shí)現(xiàn)對(duì)被測(cè)神經(jīng)元膜電位信號(hào)的獲取，上位機(jī)10則用于實(shí)現(xiàn)信號(hào)的實(shí)時(shí)顯示與監(jiān)控。

以下對(duì)本發(fā)明的基于FPGA的丘腦皮層放電狀態(tài)變論域模糊控制系統(tǒng)的整體實(shí)現(xiàn)過(guò)程加以說(shuō)明：

如圖1所示，對(duì)硬件實(shí)驗(yàn)系統(tǒng)進(jìn)行設(shè)計(jì)，該系統(tǒng)包含有相互連接的丘腦皮層FPGA芯片2，變論域模糊控制FPGA芯片1，閉環(huán)電生理裝置3，信號(hào)采集裝置9和上位機(jī)10。丘腦皮層FPGA芯片2采用Altera公司生產(chǎn)片上資源較多的Cyclone IV EP4CE115芯片，變論域模糊控制FPGA芯片1采用的是Altera公司生產(chǎn)低功耗Cyclone III EP3I20F48C8N芯片。丘腦皮層神經(jīng)核團(tuán)模型26，變論域控制中的主模糊控制器模塊5和伸縮因子副模糊控制器模塊4分別采用Verilog HDL語(yǔ)言編程實(shí)現(xiàn)。根據(jù)神經(jīng)元的數(shù)學(xué)模型，采用歐拉離散化并搭建丘腦皮層核團(tuán)流水線模型。變論域模糊控制系統(tǒng)包括主模糊控制器模塊5和伸縮因子副模糊控制器模塊4兩個(gè)部分，其中主模糊控制器模塊設(shè)計(jì)劃分為主控制器模糊化接口模塊23、主控制器模糊推理模塊24和主控制器解模糊模塊25。伸縮因子副模糊控制器模塊4設(shè)計(jì)劃分為副控制器模糊化接口模塊11、副控制器模糊推理模塊12和副控制器解模糊模塊13。誤差信號(hào)獲取及模糊化調(diào)幅模塊6分別獲取丘腦皮層FPGA芯片2和閉環(huán)電生理裝置3的放電狀態(tài)信息，并經(jīng)過(guò)處理得到論域內(nèi)偏差信號(hào)16和論域內(nèi)偏差變化率信號(hào)17。主模糊控制器模塊5和伸縮因子副模糊控制器模塊4分別接收論域內(nèi)偏差信號(hào)16和論域內(nèi)偏差變化率信號(hào)17，其中伸縮因子副模糊控制器模塊4輸出伸縮因子變化量18，并經(jīng)過(guò)構(gòu)建的除法器模塊15處理，實(shí)時(shí)修正系統(tǒng)的論域范圍。主模糊控制器模塊5輸出主控制器控制變化量19,并經(jīng)過(guò)片上乘法器模塊14處理得到變論域模糊控制器輸出量20。信號(hào)解模糊化調(diào)幅模塊8接收變論域模糊控制器輸出量20，得到實(shí)際控制變化量21，閉環(huán)電生理轉(zhuǎn)置3接收該實(shí)際控制變化量21，調(diào)節(jié)神經(jīng)元異常放電狀態(tài)，并將其調(diào)節(jié)的動(dòng)態(tài)變化通過(guò)信號(hào)采集裝置9獲取丘腦放電狀態(tài)采集信號(hào)22，并傳輸給上位機(jī)10進(jìn)行實(shí)時(shí)顯示。NIOS II軟核處理器7接收由誤差信號(hào)獲取及模糊化調(diào)幅模塊6的輸出指令，進(jìn)行控制信號(hào)解模糊調(diào)幅模塊8的輸出以及信號(hào)采集裝置9的開(kāi)啟。信號(hào)采集裝置9接收由閉環(huán)電生理裝置3輸出的相應(yīng)數(shù)據(jù)進(jìn)行緩存處理，輸出丘腦放電狀態(tài)采集信號(hào)，與上位機(jī)10進(jìn)行數(shù)據(jù)通訊。

如圖2所示的丘腦皮層的神經(jīng)核團(tuán)模型示意圖，丘腦皮層神經(jīng)核團(tuán)模型(26)主要由乘法器，移位寄存器，神經(jīng)元膜電位存儲(chǔ)RAM27，網(wǎng)絡(luò)連接矩陣存儲(chǔ)ROM 30和網(wǎng)絡(luò)連接變量雙口RAM31組成，其包含有突觸連接模型和神經(jīng)元計(jì)算模型；網(wǎng)絡(luò)連接變量信號(hào)32存儲(chǔ)于網(wǎng)絡(luò)連接變量雙口RAM31中；不同核團(tuán)之間通過(guò)突觸膜電壓信號(hào)29進(jìn)行耦合，突觸膜電壓信號(hào)29經(jīng)過(guò)神經(jīng)元計(jì)算模型的運(yùn)算，得到神經(jīng)核團(tuán)輸出膜電位信號(hào)28，并隨時(shí)鐘傳遞，作為下一個(gè)耦合作用下的計(jì)算參數(shù)，直至完成丘腦皮層神經(jīng)核團(tuán)模型26的一個(gè)周期運(yùn)算。

如圖3所示的控制系統(tǒng)的模糊接口模塊結(jié)構(gòu)示意圖，其主要由偏差隸屬度函數(shù)接口模塊，偏差變化率隸屬度函數(shù)接口模塊和輸出隸屬度反函數(shù)接口模塊組成。其包含偏差隸屬度函數(shù)系數(shù)k存儲(chǔ)RAM34,偏差隸屬度函數(shù)系數(shù)b存儲(chǔ)RAM35，偏差變化率隸屬度函數(shù)系數(shù)k存儲(chǔ)RAM36,偏差變化率隸屬度函數(shù)系數(shù)b存儲(chǔ)RAM37,輸出隸屬度反函數(shù)系數(shù)K存儲(chǔ)RAM39,輸出隸屬度反函數(shù)系數(shù)b存儲(chǔ)RAM40,比較器模塊，總線構(gòu)建模塊33，加法器模塊，復(fù)用器模塊38等組成。偏差信號(hào)16和偏差變化率信號(hào)17分別經(jīng)過(guò)偏差隸屬度函數(shù)接口模塊和偏差變化率隸屬度函數(shù)接口模塊，得到同一時(shí)間下的偏差隸屬度函數(shù)輸出值和偏差變化率隸屬度函數(shù)輸出值，兩者按照模糊控制設(shè)計(jì)的取小原則，輸出對(duì)應(yīng)較小的函數(shù)值到輸出隸屬度反函數(shù)接口模塊中，按照隸屬度形成多個(gè)論域區(qū)間下的子系統(tǒng)。論域區(qū)間下的隸屬度函數(shù)分為：NB子系統(tǒng)，NM子系統(tǒng)，NS子系統(tǒng)，Z子系統(tǒng)，PS子系統(tǒng)，PS子系統(tǒng)，PM子系統(tǒng)和PB子系統(tǒng)。

如圖4所示的控制系統(tǒng)的模糊推理模塊結(jié)構(gòu)示意圖，其主要由多個(gè)隸屬度函數(shù)子系統(tǒng)、比較器、多路復(fù)用器43以及諸多比較器組成。模糊推理過(guò)程根據(jù)模糊控制系統(tǒng)采取的隸屬度規(guī)則分別搭建NB-NB子系統(tǒng)44，NM-NS子系統(tǒng)41，PB-Z子系統(tǒng)42等，經(jīng)過(guò)模糊推理模塊輸出NB_MAX值,NM_MAX值，NS_MAX值,Z_MAX值,PS_MAX值,PM_MAX值和PB_MAX值。

如圖5所示的控制系統(tǒng)的解模糊模塊結(jié)構(gòu)示意圖，其主要由比較器模塊，并行加法器模塊45和構(gòu)建的除法器模塊46構(gòu)成。按照模糊控制重心法求取原理，將模糊推理模塊輸出的NB_MAX值,NM_MAX值，NS_MAX值,Z_MAX值,PS_MAX值,PM_MAX值和PB_MAX值，分別于其對(duì)應(yīng)的輸出隸屬度函數(shù)的清晰值相乘，并通過(guò)除法模塊除以所有清晰值的總和，得到平均重心位置，其對(duì)應(yīng)的區(qū)間位置即為模糊控制系統(tǒng)的控制輸出值。

本發(fā)明的基于FPGA的丘腦皮層放電狀態(tài)變論域模糊控制系統(tǒng)實(shí)現(xiàn)了對(duì)于丘腦皮層放電狀態(tài)的實(shí)時(shí)模糊控制，同時(shí)通過(guò)模糊推理實(shí)現(xiàn)伸縮因子設(shè)計(jì)，實(shí)現(xiàn)了在線估計(jì)器和實(shí)時(shí)變論域模糊控制器相結(jié)合的自適應(yīng)性閉環(huán)控制方案，避免了外部刺激特異性的干擾，有效改善神經(jīng)核團(tuán)的異常狀態(tài)。