基于单神经元PID的变量喷雾系统精准控制方法研究

针对现存农用无人机变量喷雾系统响应时间较长、超调量较大、跟随效果不稳定等问题,设计一种基于单神经元PID控制的农用无人机变量喷雾系统.该系统采用传感器检测流量信息作为控制依据,运用单神经元自学习能力不断调整PID参数精确调控喷雾流量,实现变量调节快速稳定的目标.为验证本系统控制算法的实际变量控制效果,采用Matlab平...     

WSN节点温室环境试验系统的预测解耦控制

针对无线传感网络(WSN)节点温室环境模拟试验系统中温湿度的强耦合特性,提出了一种基于动态矩阵控制算法的自适应解耦方法。通过前馈补偿措施消除温度和湿度通道间的相互影响,设计一种基于加权方式的自适应解耦算法,实现了不同工况下耦合参数的在线调整,从而有效克服了模型严重失配对控制精度的影响。仿真和试验结果表明,该自适应预测解耦方法与传统PID控制算法相比,大大提高了系统的控制性能。     

基于前馈补偿算法温室解耦及PLC控制器设计

为解决温室系统由于非线性、大时滞和强耦合等特点引起的关键因子难以控制和效率低下的问题,研究了前馈补偿解耦算法。通过该算法实现了温室系统温度和湿度二维变量系统的解耦,并在Mat Lab仿真模型中验证了该算法的实用性和高效性。利用Mat Lab GUI(graphical user interface)强大的数据计算能力,设计了上位机控制界面,克服了常规的工业控制器难以编写复杂算法的缺点;再结合PLC执行稳定的优点,设计了PID解耦控制器。实践验证表明:该解耦控制器克服了单一温度和湿度控制的缺点,提高了系统的整体工作效率,保障了关键生长因子控制的稳定。     

基于神经网络控制算法的液肥变量控制系统研究

为了提高液肥变量控制系统的精度和稳定性,使控制系统具备较好的抗干扰及自适应能力,以液肥变量控制系统为研究对象,建立液肥变量控制系统的数学模型,分别采用常规、模糊自适应及BP神经网络3种控制算法,使用MatLab对3种控制算法进行系统仿真,由仿真结果分析系统质量性能参数,控制系统采用BP神经网络控制器后进行系统实际数据采集,验证系统实际作业效果。各算法质量指标对比表明:BP神经网络的上升时间、过渡时间、静差、超调量优于常规PID和模糊自适应PID算法,以液肥变量控制系统为控制对象,仿真和实际作业效果表现出良好的鲁棒性,响应速度且作业精度达到5%以内,可实现变量作业。     

自适应模糊PID与PI复合控制变量施肥系统研究

针对农业生产中变量施肥量很难精确控制的问题,提出了变参数自适应模糊PID与变参数PI控制相结合的方法。系统初期采用P主导型PI控制,以提高系统快速性;系统中期采用自适应模糊PID,同时兼顾系统快速性和稳定性;系统末期采用I主导型PI控制,充分体现系统的稳定性。实验结果表明:自适应模糊PID与变参数PI复合控制施肥系统的最大超调量不超过2.21%,响应时间为0.23s。自适应模糊PID与变参数PI结合的方法优于传统的PID控制,可为变量施肥精确控制提供一种有效的途径。     

基于模糊PID的变量液体施肥控制系统

变量液体施肥控制系统具有大惯性、非线性和参数时变的特点,采用传统的PID控制方法很难实现准确的控制。为此,在建立电动执行器的数学模型的基础上,采用自适应模糊PID对液体肥流量进行自动控制,并利用Mat Lab对变量液体施肥控制系统进行建模和仿真及实验验证。仿真与实验结果表明:变量液体施肥控制系统采仿真时,自适应模糊PID控制系统的动态静态指标明显高于常规PID控制;系统超调量、调整时间明显改善,即超调量为1.5%,系统进入稳态所需时间为0.86s。变量液体施肥控制系统实验时,PID控制变量液体施肥系统的响应时间为1.6s,超调量为7.8%。模糊PID控制变量液体施肥系统的响应时间为0.8s,超调量为0,使施肥量更有效地保持在给定范围。该方法可为变量液体施肥控制提供一种有效的控制方法。     

温室环境多变量模糊控制及其仿真

对夏季温室的降温控制提出了在模糊控制中对开关量进行控制的新方法,对多变量模糊控制论及其解耦进行了研究,提出了在用神经网络对温室这类缓变系统进行辨识时,解决外部环境对系统影响的方法。     

改进型单神经元自适应PD控制及

针对贯流式水力机组带孤立负荷时难以稳定的特点，以常规PID控制器为基础，结合神经元控制技术，提出改进型单神经元自适应PID控制，仿真和分析表明该控制器具有良好的自适应能力，并能保证调节系统具有良好的动态品质。     

基于模糊PID的温室温度控制器设计与仿真

温室温度系统具有大时滞性、大惯性等特点,传统的控制方法效果不甚理想。为此,提出了一种模糊PID控制方法 ,可根据温度偏差和温度偏差变化率实时调整PID参数。通过MATLAB仿真表明,该控制方法可以使温室温度控制系统动态响应快、鲁棒性强、稳态精度高、超调量小、抗扰动能力强,具有良好的控制效果。     

基于PSO-BP优化PID模型的水肥控制系统研究

针对传统灌溉施肥方式无法切实满足作物生长需求和水肥资源浪费严重的问题,设计一种基于PSO和BP神经网络优化PID模型的水肥控制系统。系统通过结合作物种植环境水肥浓度信息,利用PSO和BP神经网络算法优化PID控制参数,以解决水肥施灌过程中系统的非线性、时变性和滞后性等问题。综合MATLAB/simulink仿真试验结果可知,利用PSO和BP神经网络优化的PID控制模型较传统PID控制模型系统响应速度提高9.33%,调节时间缩短72.24%,超调量仅为PID控制的11.78%,优化效果较好。系统试验结果表明,施灌过程中系统控制稳定,在一定程度上达到水肥浓度精准控制的效果,具有实际应用价值。     

基于改进PSO算法的电机控制系统PID参数优化

粒子群算法(PSO,Particle Swarm Optimization)作为一种新型的随机优化方法,其算法结构简单,鲁棒性强,在组合优化和自适应控制等领域的非线性优化中有着广泛的应用前景.为此,提出一种改进的PSO优化算法,并将该算法应用于电机控制系统的PID参数优化设计.仿真结果表明,利用改进PSO算法优化的PID参数能有效改善控制系统的性能指标.     

模糊PID控制在温室环境中的应用

目前大部分温室控制方法都需要建立比较精确的数学模型,但温室内参数变化的非线性特性使建立的模型精度受到一定的影响;而模糊控制技术不需要建立精确的数学模型,解决多变量非线性系统具有明显的优点.为此,针对温室环境的多变量、非线性和难建模等特性,将模糊控制与PID控制的优势相结合,实现了对温室环境参数的有效控制.该系统的各项性能指标良好,遇到干扰可以进行自我调整,具有一定的自适应性.仿真结果表明,模糊PID控制算法不但简单实用,而且响应速度快,超调量小,控制效果良好.     

风力发电变频水泵智能控制策略研究

针对风力发电机和逆变器的特点,给出了风能变频水泵的两输入两输出耦合系统时变模型结构。保持逆变器输入电压恒定的前提下,扰动逆变器输出交流电的频率来实现风力发电机的最大功率跟踪。根据解耦和神经网络的思想,采用两个回归神经网络（DRNN）在线调整两个PID控制器的参数,一个神经元解耦补偿器完成系统的解耦,实现了不依赖于对象模型的自适应PID解耦控制。计算机仿真结果验证了该控制策略可行性,这为以后进一步研究奠定了基础。      

一种自走式施肥机变量施肥控制系统改进

针对丘陵山区现有的自走式施肥机变量控制系统存在惯性大、非线性以及不能及时响应等,传统PID控制策略很难达到精准施肥要求。为此,在建立施肥控制系统数学模型的基础上,采用模糊PID对排肥轴转速进行控制,然后在Simulink工具箱搭建该控制系统的PID仿真模型。分析、对比传统参数整定的PID控制和自适应模糊PID控制系统性能差异。模型仿真和田间试验结果表明:自适应模糊PID控制器改进后的系统模型,响应时间为0.7 s,超调量3.36%,相比传统PID控制模型具有更好的动静态特性;而且在排肥控制性能试验中,单穴排肥量误差为1.52%~5.10%,变异系数最大为4.31%,排肥量准确性和均匀性均达到要求,改进的控制系统性能更优。     

基于数据拟合的温室大棚温湿度解耦控制器设计与仿真

针对温室大棚控制系统中温湿度强耦合性特点,本文设计了一种温湿度模糊PID-解耦控制器。首先,结合传统PID控制和模糊控制方法,构造了温湿度模糊PID控制器。然后,利用多项式数据拟合法建立了温湿度补偿关系式,并设计了温湿度解耦控制器。最后,利用MATLAB/Simulink仿真平台搭建了温室大棚温湿度控制系统整体仿真模型,并对比分析了传统PID、模糊PID和模糊PID-解耦控制方法。结果表明:提出的模糊PID-解耦控制方法具有响应速度快、无超调振荡等特点,优化了控制系统的动态性能。     

基于改进PSO算法的永磁同步电机模糊PI控制方法研究

永磁同步电机作为装配工艺中电动夹爪常用的动力源器件,在实际控制系统中通常采用传统可靠的PID控制,但传统的PID控制精准度较低,对外界干扰较为敏感,无法满足电机的实际要求。为解决这一问题,利用MATLAB/Simulink模块搭建电机的控制系统模型;加入模糊控制,利用模糊推理对PID的变量进行自适应调节;引入改进的粒子群算法,以实现永磁同步电机系统的精确控制。仿真结果表明,该方法与传统PI控制相比具有更快的响应速度、更小的超调量、更强的抗干扰能力,系统稳定性显著提高。     

基于PSO算法的木薯收获机拔起速度控制系统参数优化

新型挖拔式木薯收获机拔起速度控制系统控制的重点在于使用PID算法进行闭环控制液压马达的输出。为此,针对传统的PID参数调整优化方法费时费力的问题,以广西大学研制的新型木薯收获机控制系统为对象,采用PSO算法,以液压系统的传递函数为目标,对PID算法进行参数优化,且进行了田间试验验证。结果表明:采用PSO算法,对控制系统参数进行优化可行,且便捷;当木薯收获机控制系统的参数Kp、Ki、Kd分别为0.644 1、2. 726 9、0. 036 2时,控制效果良好,性能稳定。     

基于BAS-PID控制的精准变量施药系统仿真与试验

精准变量施药技术是精准农业的重要内容之一,为解决当前常用的变量施药方式存在的控制精度低、超调量大等不足,提出将天牛须搜索(Beetle Antennae Search,BAS)算法与常规PID控制结合形成BAS-PID控制算法,用于变量施药系统控制。首先建立施药控制系统机理模型并基于Matlab平台进行软件仿真,仿真试验结果表明,BAS-PID算法的超调量为0.024 1,绝对误差为1.14%,均低于常规PID和模糊PID,控制效果更好。在吉林农业大学试验田进行了田间施药试验,根据试验数据分析,BAS-PID、模糊PID以及常规PID的平均施药误差分别为0.016 L/min、0.020 L/min、0.238 L/min,平均超调量分别为0.006 L/min、0.016 L/min、0.238 L/min。BAS-PID控制算法的施药误差仅在0.01~0.02 L/min内,误差范围小,总体而言,该算法的施药误差和平均超调量都低于模糊PID和常规PID,系统应用效果好。试验结果表明:本文提出的BAS-PID算法提高了PID算法的参数适用性,施药控制精度高,超调量小,改善了变量施药系统的施药效果,可为推动精准变量施药技术的发展提供新的技术方案。     

温室大棚温湿度模糊解耦控制系统设计与仿真

温室环境系统是一个多变量、非线性、时变和滞后的系统,各变量之间具有耦合关系,很难建立精确的数学模型。其中,温度和湿度的变化是最基本的因子,对农业作物影响最为显著。为此,采用模糊控制方法,通过建立模糊控制系统模型和对模糊控制器的设计,引入解耦参数,实现了该系统的温湿度解耦控制,使系统的温湿度控制精度大大提高。实验结果表明:当温室温湿度设定值分别为20℃和70%时,温湿度变化超调量较小,控制过程比较平稳,系统环境达到了作物生长的需求。     

基于RBF的电液变量施肥控制系统PID参数整定

电液变量施肥控制系统的非线性和PID算法的局限性,导致常规PID控制已不能满足控制系统性能要求。为此,提出了基于RBF神经网络整定PID参数的方法,利用自适应RBF神经网络辨识被控对象Jacobian信息,采用梯度下降法计算PID参数Δk_p、Δk_i、Δk_d,对系统进行增量式PID控制。与采用增量式PID的系统阶跃响应曲线对比可知,利用RBF-PID算法的系统具有良好的动态性能及较强的自适应性。