基于神经网络的柴油机共轨系统轨压控制方法

通过系统建模仿真的方法研究了柴油机高压共轨系统轨压控制方法,提出采用神经网络模糊PID控制可以提高轨压的控制精度和系统响应性.在Matlah/Simulink环境下进行了模糊PID控制和神经网络模糊PID控制的仿真比较,证实了神经网络模糊PID控制方法使得系统控制精度、响应时间、扰动抑制、鲁棒特性都明显优于模糊PID控制方法.     

拖拉机悬挂模糊控制系统研究

介绍了拖拉机悬挂模糊控制系统、原理及结构图以及模糊控制算法的实现。利用MATLAB建立了拖拉机悬挂模糊控制系统仿真模型,并进行了仿真分析。结果表明,拖拉机悬挂模糊控制系统的超调量及调整时间比PID控制系统小,说明模糊控制用于拖拉机悬挂系统的力位调节控制是合适的。     

基于模糊神经网络的磁悬浮球位置控制研究

为了实现磁悬浮球系统高精度位置控制,提出一种基于模糊神经网络补偿PID控制的磁悬浮球系统位置控制新方法,该控制系统由模糊神经网络辨识器、PID控制器和模糊神经网络控制器组成。模糊神经网络辨识器基于PID控制器所提供的训练数据,建立控制系统误差与控制量之间的动态模型并将网络辨识参数实时传递至模糊神经网络控制器,模糊神经网络控制器基于实时辨识模型计算得到当前周期的补偿控制量,实现对PID控制的在线动态补偿,避免了离线训练过程,且无需建立精确的数学模型。方波信号仿真和实验结果表明:模糊神经网络补偿控制精度分别由PID控制的0.014 2 mm和0.221 1 mm提升至0.006 8 mm和0.073 9 mm,控制系统具有良好动态性能。     

基于神经网络算法的果树需水预测研究

【目的】准确预测果树需水量。【方法】对采集地果园环境数据进行主成分分析,筛选出影响果树蒸腾量的关键因子。建立以长短时记忆(LSTM)神经网络为基础的预测模型来预测果树蒸腾量。为提高预测的精度,在LSTM神经网络的基础上加入了注意力(Attention)机制,形成Attention-LSTM预测模型。【结果】将改进的模型与其他模型的预测精度进行对比,仿真试验表明,该模型的预测精度最高,RMSE和MSE分别为0.487和0.062。【结论】该预测模型可以准确预测果树蒸腾量,从而实现果园精准灌溉并提高水果产量,具有一定的实际意义。     

RBF神经网络增量式PID自动转向控制系统设计

平地机在田间作业环境下存在复杂非线性时变系统,很难建立精确模型,而传统的PID控制仅仅局限应用于线性系统,控制效果不佳等问题。为了提高田间作业时的转向控制精度,提出了一种基于RBF神经网络增量式PID的控制方法。该方法采用RBF神经网络对增量式PID增益参数进行自适应调整和辨识,并针对控制模型通过仿真实验对比分析了所提出的RBF神经网络增量式PID控制方案与传统PID在平地机转向控制中对方波轨迹跟踪的效果,从而验证了所提出的RBF神经网络增量式PID控制方案的优越性。结果表明:该控制方法对复杂非线性的平地机转向控制系统具有良好的适应性、鲁棒性和实时性,取得了令人满意的控制效果,为后续农业机械自动导航转向控制实际应用环境控制策略的制定提供了有价值的参考。     

基于免疫——自整定模糊PID的ClO_2消毒液浓度控制应用

为满足水产品清洗消毒的需求,设计适用新型消毒剂ClO_2的浓度控制系统。在分析模糊免疫PID控制器和自适应整定模糊PID控制器特点的基础上,结合两者的优势设计混合模糊PID控制系统并进行仿真实验。结果表明,自整定模糊免疫PID控制系统的动态性能良好,响应速度和对于周期性干扰的调整均能满足生产需求,超调量为7.5%左右,控制性能和鲁棒性能良好。并在样机上进行生产验证,能够初步达到仿真实验效果,为ClO_2消毒液的浓度控制提供新的发展思路和参考方向。     

基于模糊PID控制的智能温度控制系统研究

温度控制系统是工业生产和生活中常用的控制系统，目前常用的控制算法包括PID控制、模糊控制、自适应控制和神经网络控制等。其中，PID控制是最常用的控制算法，但其精度受到温度变化的影响较大，即PID参数不能自动调整以适应环境变化。为了解决PID温度控制系统适应性不强的问题，引入模糊控制系统，与传统PID控制相结合，对温度控制系统进行研究与分析。运用Matlab模糊工具箱搭建模型并仿真，对比了传统PID温度控制与模糊PID温度控制，结果表明模糊PID温度控制效果较好。     

基于模糊PID的变量施用液体肥控制系统研究

根据变量施用液体肥控制系统的流量特性,采用模糊PID控制算法对液体肥流量进行自动控制,并利用MATLAB的Simulink和Fuzzy工具对模糊PID控制过程进行了仿真.仿真结果表明:与常规PID控制相比,模糊PID控制算法降低了系统超调,缩短了调整时间,增强了抗干扰性,使施肥量更有效地保持在给定范围,表明了模糊PID的优越性.     

汽车驾驶机器人模糊神经网络换挡控制方法

为了实现汽车驾驶机器人挡位决策的智能化,提出了一种驾驶机器人模糊神经网络换挡控制方法.模糊神经网络模型的输入为驾驶机器人油门机械腿的位移、试验车辆的车速和加速度,模型的输出为挡位.输入变量的隶属函数都为3个,类型都采用广义钟形函数gbellmf,网络训练算法选用反向传播算法和最小二乘法相结合的混合学习算法.仿真结果表明,汽车驾驶机器人模糊神经网络控制仿真挡位与试验挡位基本一致,该方法可根据操作工况环境实现正确的汽车驾驶机器人挡位控制.     

智能汽车巡航控制方法的研究

针对智能车巡航控制系统有非线性、时变等特性,提出了基于神经网络的汽车巡航自适应PID控制算法,在建立汽车动力性能模型的基础上,对传统PID、模糊PID和神经网络PID三种控制算法进行了仿真比较。仿真结果显示,应用神经网络PID控制算法对模型的非线性具有较好的适应性和鲁棒性,在有扰动的情况下也能迅速将车速调整到设定的目标值上。     

基于灰色神经网络与模糊控制的寒地水稻灌溉制度

【目的】精确判断寒地水稻的灌溉水量并建立适当的灌溉管理方式,保证作物正常生长需求,起到节水效果。【方法】根据寒地水稻特殊的生长环境和作物各生育期需水量,设计了基于灰色神经网络与模糊控制的寒地水稻灌溉制度,该智能灌溉制度通过建立微型气象站监测、传输稻田环境数据,并通过灰色神经网络预测理论预测出作物灌溉需水量和灌溉制度影响因子;以预测作物灌水量和作物最佳灌水量的差值及差值变化率作为模糊控制器的输入,灌溉时间长度为输出,驱动电磁阀,达到适时适量灌溉的目的。【结果】MATLAB仿真结果表明,该灌溉控制方式比传统控制方式响应速度快、超调量小、控制效果好。在东北农业大学水稻试验田的试验结果表明该灌溉控制制度的节水率为11.59%,水稻产量和结实率也有所提高;在黑龙江省建三江农场的田间试验表明该灌溉制度的节水率高达13.54%。【结论】该灌溉制度与传统控制方式相比具有很好的节水效果,能对作物各生育期灌溉需水量进行综合判断和管理,对提高水资源利用率、降低农业生产成本、实现精细农业有重要意义。     

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。     

家禽孵化温度控制系统设计——基于Smith预估算法

为使禽蛋孵化箱控制系统的动态性能和稳态精度满足系统的要求,提出了Smith预估和PID结合的控制算法。采用DS18B20测量温度,LPC2103制作温度控制器;采用Matlab中Simulink控制系统仿真工具,分析了传统PID控制与Smith预估和PID结合的控制算法的区别,并对两种控制算法进行了比较,确定了控制参数。孵化箱的温度控制实验结果表明,该温度控制器满足系统控制要求。     

BP神经网络PID控制仿真在挤压机中的应用

为了减少挤压机运行前的繁杂工作,针对自动供给系统提出了一种基于神经网络的PID控制方案,利用神经网络的自学习能力对PID控制参数在线整定,使PID控制器具有自适应性.采用动态BP算法,达到了在线实时控制的目的,显示了BP神经网络的PID控制方法很强的鲁棒性,同时也显示了神经网络在解决时变性和严重不确定系统方面的潜能,并改变了运用试凑法调节参数的方法.运用Matlab软件对挤压加料、加水和加酶制剂自动控制系统进行仿真研究.仿真结果表明,神经网络PID控制器优于传统PID控制器,具有较高的精度和较强的适应性,可以获得满意的控制效果.     

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。     

基于模糊神经网络的智能车辆避障方法研究

基于Takagi-Sugeno(T-S)模型的模糊神经网络兼具有模糊逻辑推理能力和自学习训练的优点。将基于T-S模型的模糊神经网络的信息融合算法应用于智能车辆的安全避障控制中,提高了车辆的避障控制精度。采用多个超声波和红外测距传感器探测障碍物的方位,信息经过模糊神经网络控制器融合后,实现了智能小车对障碍物和环境类型的识别以及安全避障控制。通过MATLAB仿真实验验证此方法能够使智能小车安全避障。     

基于模糊神经网络的枸杞滴灌系统设计

枸杞作为宁夏地区重要的经济作物,其种植过程中的自动化水平低下,宁夏地处西北,全年降水量偏少,土壤以沙土为主,水分易流失,因此枸杞滴灌十分重要。常规的PID算法难以满足枸杞滴灌的自动控制,因此设计了基于模糊神经网络的控制系统,该系统整合了模糊控制和神经网络,将土壤含水率的偏差和偏差变化率作为输入值,经过模糊神经网络运算后,得到PID控制器的3个输入参数,然后通过PID闭环控制系统实现枸杞滴灌的控制,通过Simulink仿真实验得出,模糊神经网络PID控制比传统的PID控制,超调量小,响应速度快。     

基于模糊PID的悬架试验台激振控制系统仿真

采用模糊自整定PID控制方法 ,完成了电液伺服悬架试验台控制系统的设计,推导了相关执行元件的传递函数,并建立了数学仿真模型。仿真结果表明,采用电液伺服系统和模糊PID控制相结合的设计方案,可以获得较高的跟随精度,响应时间短,超调量小,鲁棒性强。     

基于SimMechanics机械臂自适应模糊PID控制仿真研究

针对传统PID控制机械臂在运动中存在跟踪精度低、响应速度慢、动态性能差等问题,提出采用自适应模糊PID控制。通过用Sim Mechanics搭建二自由度机械臂模型,分别运用传统的PID控制和自适应模糊PID控制方案进行仿真并比较上述两种方案控制效果。仿真结果表明,所设计的自适应模糊PID控制器相比传统的PID控制器对控制机械臂运动有更好的控制效果。     

模糊免疫PID-Smith控制器及其在液位控制中的应用

针对淀粉乳业生产液位控制中的大滞后、模型不确定等特性,设计了模糊免疫PID—Smith预估控制系统。该控制器同时兼顾了模糊免疫PID控制器和Smith预估器的优点,既可以整定参数,又使控制器提前动作,减少超调。Matlab仿真显示,该控制器具有良好的自适应性和鲁棒性,控制效果明显好于免疫PID控制效果。