前言：我們需要思考在AI時代如何提升工作效率，可以把一些事情丟給AI來解放生產力，在AI不能完全代替人的現在情況下，讓它做一些打雜的事情還是可以的。于是我編寫了一段計算AC 有效值、平均值、頻率的代碼，一行注釋也沒有，發給Deepseek后，他加上了注釋，還分析了我寫的代碼，請看：
/*
* @brief 計算交流信號的RMS值、平均值和頻率，使用狀態機跟蹤過零點和半周期
* @param p 包含計算所需狀態和數據的結構體指針
* @param ac_input 當前采樣點的交流輸入值
* @param ts 采樣時間間隔（單位：秒）
* @return float32_t 經過濾波處理后的RMS平均值
* @note 采用滑動窗口算法和低通濾波算法提高測量穩定性
* 狀態機實現過零點檢測和周期測量，支持45-65Hz動態頻率調整
*/
static inline float32_t ac_rms_avg_freq_caluc_func(AC_AVG_CALUC_DEF *p,
float32_t ac_input,
float32_t ts)
{
/* 過零檢測閾值定義（單位：伏特） */
const float32_t threshold_PZC1 = -5.0f; /* 正半周過零點1閾值 */
const float32_t threshold_PZC2 = 5.0f; /* 正半周過零點2閾值 */
const float32_t threshold_NZC1 = 5.0f; /* 負半周過零點1閾值 */
const float32_t threshold_NZC2 = -5.0f; /* 負半周過零點2閾值 */
/* 動態調整時間增益系數（基于當前平均頻率） */
if ((p->ac_freq_avg > 45.0f) && (p->ac_freq_avg < 65.0f)) {
/* 計算理論半周期增益: 2*Freq*Ts = 1/(半周期樣本數) */
p->TS_half_gain = p->ac_freq_avg * 2.0f * ts;
} else {
/* 默認增益對應50Hz: 50*2*0.0001s=0.01 → 1/0.01=100樣本/半周期 */
p->TS_half_gain = 0.02f;
}
/* 狀態機處理交流信號波形 */
switch (p->ac.enum_ac_State) {
case ac_normal: /* 初始狀態：檢測首個過零點 */
if (ac_input < threshold_PZC1) {
p->ac.enum_ac_State = ac_positiveZeroCrossing1;
}
break;
case ac_positiveZeroCrossing1: /* 正半周過零階段1 */
if (ac_input > threshold_PZC1) {
p->ac.enum_ac_State = ac_positiveZeroCrossing2;
p->ac_freq_count += 1u; /* 開始周期計時 */
}
break;
case ac_positiveZeroCrossing2: /* 正半周過零階段2 */
if (ac_input > threshold_PZC2) {
p->ac.enum_ac_State = ac_positiveHalf;
p->ac_freq_count += 1u; /* 繼續周期計時 */
}
break;
case ac_positiveHalf: /* 正半周處理 */
/* 平方累加用于RMS計算 */
p->ac_rms[0] += (ac_input * ac_input);
/* 滑動窗口：保留最近4個采樣窗口的平方和 */
p->ac_rms[4] = p->ac_rms[3];
p->ac_rms[3] = p->ac_rms[2];
p->ac_rms[2] = p->ac_rms[1];
p->ac_rms[1] = p->ac_rms[0];
/* 正半周平均值計算（滑動窗口） */
p->pos_half_avg[1] += ac_input;
p->pos_half_avg[5] = p->pos_half_avg[4];
p->pos_half_avg[4] = p->pos_half_avg[3];
p->pos_half_avg[3] = p->pos_half_avg[2];
p->pos_half_avg[2] = p->pos_half_avg[1];
p->ac_freq_count += 1u; /* 累計周期采樣數 */
/* 檢測負半周過零點 */
if (ac_input < threshold_NZC1) {
p->ac.enum_ac_State = ac_negativeZeroCrossing1;
/* 重置RMS歷史窗口（保留當前窗口ac_rms[0]） */
for (uint16_t i = 1; i < 4; i++) {
p->ac_rms[i] = 0;
}
/* 計算正半周平均值（5點加權平均） */
p->pos_half_avg[0] = 0.1f * p->TS_half_gain
* (p->pos_half_avg[1] + p->pos_half_avg[2]
+ p->pos_half_avg[3] + p->pos_half_avg[4]
+ p->pos_half_avg[5]);
/* 更新整體平均值 */
p->ac_avg = (p->pos_half_avg[0] + p->neg_half_avg[0]);
/* 清空負半周歷史數據 */
for (uint16_t i = 1; i < 5; i++) {
p->neg_half_avg[i] = 0;
}
}
break;
case ac_negativeZeroCrossing1: /* 負半周過零階段1 */
if (ac_input < threshold_NZC1) {
p->ac.enum_ac_State = ac_negativeZeroCrossing2;
p->ac_freq_count += 1u;
}
break;
case ac_negativeZeroCrossing2: /* 負半周過零階段2 */
if (ac_input < threshold_NZC2) {
p->ac.enum_ac_State = ac_negativeHalf;
p->ac_freq_count += 1u;
}
break;
case ac_negativeHalf: /* 負半周處理 */
/* 平方累加用于RMS計算 */
p->ac_rms[0] += (ac_input * ac_input);
/* 滑動窗口更新 */
p->ac_rms[4] = p->ac_rms[3];
p->ac_rms[3] = p->ac_rms[2];
p->ac_rms[2] = p->ac_rms[1];
p->ac_rms[1] = p->ac_rms[0];
/* 負半周平均值計算（滑動窗口） */
p->neg_half_avg[1] += ac_input;
p->neg_half_avg[5] = p->neg_half_avg[4];
p->neg_half_avg[4] = p->neg_half_avg[3];
p->neg_half_avg[3] = p->neg_half_avg[2];
p->neg_half_avg[2] = p->neg_half_avg[1];
p->ac_freq_count += 1u;
/* 檢測正半周過零點（完成一個完整周期） */
if (ac_input > threshold_PZC1) {
p->ac.enum_ac_State = ac_positiveZeroCrossing1;
/* RMS計算流程：
* 1. 對5個窗口的平方和取平均（0.2系數）
* 2. 乘以半周期時間增益和0.5（整合正負半周）
* 3. 取平方根得到RMS
*/
p->ac_rms_avg = sqrtf(p->TS_half_gain * 0.5f *
(0.2f * (p->ac_rms[0] + p->ac_rms[1]
+ p->ac_rms[2] + p->ac_rms[3]
+ p->ac_rms[4])));
/* 重置RMS窗口（保留當前窗口用于下次計算） */
for (uint16_t i = 0; i < 4; i++) {
p->ac_rms[i] = 0;
}
/* 計算負半周平均值（5點加權平均） */
p->neg_half_avg[0] = 0.1f * p->TS_half_gain
* (p->neg_half_avg[1] + p->neg_half_avg[2]
+ p->neg_half_avg[3] + p->neg_half_avg[4]
+ p->neg_half_avg[5]);
/* 更新整體平均值 */
p->ac_avg = (p->pos_half_avg[0] + p->neg_half_avg[0]);
/* 清空正半周歷史數據 */
for (uint16_t i = 1; i < 5; i++) {
p->pos_half_avg[i] = 0;
}
/* 頻率計算流程：
* 1. 當前頻率 = 1/(總采樣數 * 采樣時間)
* 2. 使用5點滑動窗口平均
* 3. 一階低通濾波平滑
*/
p->ac_freq[0] = 1.0f / (ts * p->ac_freq_count);
/* 更新頻率滑動窗口 */
p->ac_freq[4] = p->ac_freq[3];
p->ac_freq[3] = p->ac_freq[2];
p->ac_freq[2] = p->ac_freq[1];
p->ac_freq[1] = p->ac_freq[0];
/* 5點平均（權重總和為1） */
p->ac_freq_avg = 0.2f * (p->ac_freq[0] + p->ac_freq[1]
+ p->ac_freq[2] + p->ac_freq[3]
+ p->ac_freq[4]);
p->ac_freq_count = 0u; /* 重置周期計數器 */
}
break;
default: /* 異常狀態恢復 */
p->ac.enum_ac_State = ac_normal;
break;
}
/* 低通濾波處理（截止頻率20Hz） */
p->ac_freq_avg = lpf_1order_func(p->ac_freq_avg, &(p->freq_lpf), 20.0f, ts);
p->ac_rms_avg = lpf_1order_func(p->ac_rms_avg, &(p->rms_lpf_out), 20.0f, ts);
p->ac_avg = lpf_1order_func(p->ac_avg, &(p->avg_lpf_out), 20.0f, ts);
return p->ac_rms_avg; /* 返回濾波后的RMS值 */
}下面 請看DS的解釋：
交流信號RMS與平均值計算實現文檔
版本：1.0 | 最后更新：2023-12-15
作者：智能助手 | 關鍵詞：交流信號處理、RMS計算、滑動窗口算法、過零檢測
目錄
-
設計目標
-
核心算法流程
-
有效值（RMS）計算方法
-
平均值計算方法
-
頻率測量原理
-
關鍵參數說明
-
應用示例
-
性能特性
1. 設計目標
本算法實現以下功能：
- 實時計算交流信號的：
- 有效值（True RMS）
- 整流平均值（Average Value）
- 基波頻率（Fundamental Frequency）
- 支持動態頻率跟蹤（45-65Hz自適應）
- 采用抗噪設計：
- 滑動窗口平均
- 低通濾波處理
- 滯回過零檢測
2. 核心算法流程
3. 有效值（RMS）計算方法
VRMS=1T∫0Tv(t)2dt
3.3 動態調整機制
- 窗口長度自適應：
if(freq在45-65Hz范圍){
TS_half_gain = 2 * Freq * Ts; // 動態調整
}else{
TS_half_gain = 0.02; // 50Hz默認值
}
確保不同頻率下積分時間恒定
4. 平均值計算方法
4.1 設計特點
- 分離正/負半周計算
- 采用整流平均值（Rectified Average）
- 滑動窗口降噪
4.2 計算流程
4.3 關鍵代碼
// 正半周處理
p->pos_half_avg[1] += ac_input; // 實時累加
p->pos_half_avg[0] = 0.1f * TS_half_gain * sum(pos_half_avg[1]~[5]);
// 負半周處理
p->neg_half_avg[1] += ac_input;
p->neg_half_avg[0] = 0.1f * TS_half_gain * sum(neg_half_avg[1]~[5]);
// 合并結果
p->ac_avg = pos_half_avg[0] + neg_half_avg[0];
4.4 數學關系
Vavg=2Vpπ≈0.6366V
5.1 周期測量法
實現步驟：
- 過零點觸發計時
- 統計兩個過零點間的采樣數
- 計算 Freq = 1/(N * Ts)
5.2 抗干擾設計
6. 關鍵參數說明
6.1 閾值參數
6.2 濾波器參數
7. 應用示例
7.1 輸入信號
- 波形：V(t) = 311 sin(2pi*50t) (220V RMS)
- 采樣率：10kHz（Ts=0.0001s）
7.2 計算過程
8. 性能特性
楊帥鍋時間：
總的來看，deepseek的理解了我的編寫的函數功能和實現原理，也給出了正確的分析，也幫我增加注釋。下面是仿真和測試，在PLECS 仿真軟件里面使用C腳本可以直接支持C99的C語言編碼，可見測試模型：
我使用一個帶高次諧波和直流偏置的多個正弦波疊加，用于測試RMS，直流偏置，頻率的數據，下圖是在50HZ/峰峰值300.0，直流偏置0的標準正弦波的情況下測試，可見函數計算的頻率、有效值、直流分量都是正確的。
在考慮各種疊加高次諧波和直流偏置的情況下，可見：
波形：
通過測試可見，這代AC分析算法，可以很好的適用于各種正弦周期信號的分析和計算中，在PFC/逆變器的控制上有較多的可用性。為了優化計算了，僅在狀態機的過零穿越點進行了一次總體數據計算，大量的簡約了CPU的時鐘開銷，對于節約成本和優化代碼有意義。本人能力有限，如有錯誤懇請幫忙指正，感謝支持感謝幫助，謝謝。C代碼和PLECS模型下載：AC_RMS_AVG_FREQ_250302