基于非奇异终端滑模的物料提升机位置控制

为解决一类物料提升机在惯性参数不确定情况下的精确位置控制问题,基于非奇异终端滑控制方法设计了物料提升机的控制器,并将其用于单斗-链式旋臂物料提升机。仿真试验结果表明,和现有隐式李雅普诺夫函数连续反馈位置控制器相比,所提出的控制器将系统位移响应最大超调量从144%减少为10.6%,调节时间从2.84减少为1.95 s;角位移响应的最大超调量从62.8%减少到0,调节时间从2.3减少为2.0 s,有效改善了物料提升机工作过程中的控制品质。该研究为物料提升机的控制器设计提供了参考。     

番茄钵苗整排取苗手定位的模糊PID控制

为解决自动移栽机作业过程中由于机械手定位误差导致的抓取失败、伤苗及漏苗问题,实现整排取苗机械手准确快速定位,该文采用模糊PID控制算法实现自动取苗机械手的步进定位控制。根据整排取苗试验平台分析了机械手水平和竖直方向的定位精度需求,以两相混合式步进电机为对象建立步进电机角速度控制模型,设计模糊规则,建立模糊PID控制器,通过对误差及误差变化率的在线修正,来满足不同误差和误差变化率情况下的控制要求。应用MATLAB/Simulink进行系统仿真,从超调量、响应时间和稳定性指标验证了控制方法的可行性;以单位阶跃信号作为激励,分析PID和模糊PID的控制效果,结果表明:通过固定参数PID仿真分析,获得系统最优PID参数为KP=20,KI=0.2,KD=1,达到稳态所需的时间为0.285 s。在此参数下,模糊PID控制达到稳态所需时间为0.25 s,响应速度优于固定参数PID控制,系统无超调。固定参数PID和模糊PID控制加入扰动后的控制效果分析表明,模糊PID控制系统超调量为40%,达到稳态所需时间为1.34 s,均明显小于固定参数PID控制43%和1.45 s,表明模糊PID在具有扰动的环境中控制效果明显优于固定参数PID控制,步进电机系统快速响应,控制稳定。系统试验结果,模糊PID控制算法的最大误差为2.8 mm,定位平均相对误差为0.81%,定位准确度高,可以满足机械手水平定位精度要求。     

自动补苗装置精准定位自适应模糊PID控制

为实现补苗装置精准定位控制,解决自动移栽作业过程中因穴盘缺苗和取苗投苗失败而导致的漏栽问题,采用自适应Fuzzy-PID控制算法来实现钵苗输送的步进定位控制。构建了步进电机角速度控制传递函数的数学模型,设计了自适应Fuzzy-PID控制器及其模糊规则,通过MATLAB的Simulink模块建立了基于模糊PID控制器的步进电机系统角速度控制模型,以阶跃信号作为激励信号,自适应模糊PID控制和PID控制的仿真试验表明:PID控制的响应时间为7 s,出现超调量为0.1的振荡,通过调整PID控制器参数增大比例系数,系统响应时间缩短为2.2 s,系统响应速度明显加快,且未出现振荡环节;自适应模糊PID的响应时间为0.12 s,步进电机系统快速到达阶跃响应的稳态值,步进电机角速度控制稳定,角速度响应快,满足钵苗输送的定位要求。自动补苗试验结果表明:在植苗频率为40、50与60株/min时,补苗成功率分别为100%,100%、95.8%,且只要光纤传感器检测到漏苗信号,基于自适应Fuzzy-PID控制的步进电机系统快速响应,补苗控制系统都能准确及时地进行自动补苗。该研究可为解决自动移栽机田间作业的漏栽问题提供参考。     

基于改进多目标进化算法的温室环境优化控制

该文围绕温室环境控制问题,以温湿度2个主要环境因子为研究对象,建立了温室环境动态模型。设计1种基于改进的非支配排序多目标进化算法(modified non-dominated sorting evolutionary algorithm,MNSEA-II)的双比例积分微分(proportional integral derivative,PID)控制器的多输入、输出温室控制系统,以误差平方矩的积分型(integrated time square error,ITSE)为性能指标,使用多目标进化算法对其确立的目标函数进行寻优,求出Pareto最优解,进而对PID控制器的参数进行整定,使系统获得良好的控制性能。本文以Matlab/Simulink为仿真环境,对此温室控制系统进行了仿真研究。结果表明了温室模型的合理性和多目标进化算法优化的PID控制方法的有效性。     

基于玻璃化转变的稻谷干燥变温控制系统的设计与试验

针对在稻谷变温干燥过程中变温节点不明确、温度波动范围大和响应时间慢等问题,该研究设计了一种基于玻璃化转变的稻谷变温干燥控制系统。根据稻谷玻璃化转变曲线,确定变温控制策略,运用Logistic回归分析建立混配阀门开度和稻谷温度之间的控制模型并通过最小二乘法辨识模型参数。利用遗传算法对模糊隶属度函数进行优化,目标函数值迭代至0.118收敛,寻得最优幅宽。在Simulink仿真试验中,稻谷温度设定为42 ℃时,模糊PID控制的响应时间为66.43 s,且超调量为3.600%,优化后的模糊PID控制响应时间为37.06 s,且超调量为0.120%;在150 s加入5 s的外部信号干扰,优化后的模糊PID控制比模糊PID控制的调节时间少4.19 s且超调量减小0.050%;在稳态时输入升温信号,优化后的模糊PID控制比模糊PID控制的调节时间少16.79 s且超调量低0.338%。利用自主研制的干燥试验台进行变温试验,在变温响应试验中,优化后的模糊PID控制比模糊PID控制在目标温度和梯度升温调节时间中分别缩短了37.56 s和18.63 s;在温度稳定性试验中,稻谷温度变化范围为41.9～42.1 ℃,平均相对误差小于0.4%,变异系数小于0.5%;在建三江国家农业高新技术示范区浓江农场进行生产性验证,优化后的模糊PID控制系统响应时间小于30 s,稳态温度误差在±0.15 ℃,平均相对误差小于0.5%。测试数据表明变温干燥控制系统性能稳定,满足实际干燥作业的生产工艺需求。     

基于二次混合机构的营养液调控模型与PID算法实现

封闭式栽培是解决中国日光温室传统栽培连作障碍问题的有效途径之一。营养液调控过程的性能指标是封闭式栽培模式的关键。该文针对一种具有二次混肥特性的营养液调控过程进行动态分析并建立模型,使用PID控制算法实现了营养液调控,并对影响因素进行对比试验。试验结果表明,系统达到稳定的时间随出液流量的减小或营养液浓度之和的增大呈现减小的趋势;系统震荡持续时间与超调量随出液流量的减小或营养液浓度之和的增大呈现增大的趋势。由试验结果与分析可知,该带有二次混肥的封闭式栽培系统中最优的出液流量与营养液浓度之和分别为6 m3/h与200 g/L,在此状态下进行PID控制参数整定,得到系统在最优条件下稳定时间为100 s、超调量为3%、震荡持续时间为25 s。表明该带有二次混肥的封闭式栽培系统的营养液调控过程能使用PID算法进行调控,能使系统实现稳定、高效的运行。该研究为封闭式栽培的营养液调控提供了参考。     

温室温度控制系统的神经网络PID控制

建立温室温度控制系统的数学模型。针对温室温度控制系统存在的大滞后、大惯性等问题,考虑到常规PID控制器自适应能力差、鲁棒性不强等缺陷,提出采用将具有较强的自组织、自学习和自适应能力的径向基神经网络与常规PID相结合构成RBF-PID控制策略,自适应调整PID控制器的参数。在该控制策略中,采用RBF神经网络辨识器实现温度控制系统的Jacobian矩阵信息在线辨识,对 RBF-PID控制器控制参数在线自整定。研究结果表明：RBF-PID控制器可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。     

农田信息采集用多旋翼无人机姿态稳定控制系统设计与试验

农田信息快速采集是精准农业的基础。为快速、高效、准确、节能获取农田信息,该文搭建了多旋翼无人机平台,设计了以STM32F407为主控制器的多旋翼飞行控制系统。采用了比例积分微分(proportion,integration,differentiation,PID)双闭环控制策略,外环为角度反馈,内环为角速度反馈。通过工程凑试法得到合适的PID控制参数。运用专家控制策略改进上述控制方法,使控制参数适应无人机姿态变化。对所设计的无人机控制系统进行抗干扰和阶跃响应试验。系统在受到30?横滚与俯仰角干扰后,其对应恢复平衡时间均在3.4 s内,航向角30?干扰后恢复时间在4 s内。系统横滚与俯仰角阶跃响应调节时间在1~2 s内,航向角在3.4 s内。试验结果表明:双闭环PID控制策略实现多旋翼无人机姿态稳定控制,专家控制策略增强无人机的抗干扰能力。在室外农田环境中,无人机能根据指令在1~2 s内快速调整姿态。当姿态受风影响发生倾斜时,陀螺仪测量角速度大于3(?)/s,采用的控制策略能迅速调整电机转速,保持无人机姿态稳定平衡。试验证明该控制系统稳定可控且具有较强抗干扰性,满足多旋翼无人机低空采集农田信息的要求。     

基于模糊PID控制的再生稻自适应仿形割台性能试验与分析

为促进水稻再生季穗头萌发,头季稻机械收获时需保证300～450 mm的留茬高度,但水田泥脚深浅不一,收获时割台高度上下浮动,留茬高度难以保证,严重影响再生季产量。为此,该研究设计了一种自适应仿形割台,可实现割台高度及水平自适应调整。首先,对自适应仿形割台结构进行设计。然后,在Matlab/Simulink中搭建控制系统仿真模型,设计模糊规则,采用模糊PID控制方法对自适应仿形割台进行性能仿真,以超调量、响应时间和稳定性为指标,验证控制方法的可行性;以阶跃信号作为激励,对比分析了传统PID和模糊PID的控制效果,结果表明,模糊PID控制比传统PID的上升时间和到达稳态所需时间分别减少78.9%和81.6%,超调量由46 mm下降到8.2 mm。最后,搭建割台试验平台进行性能试验。结果表明,采用模糊PID控制时割台提升过程的平均响应速度约为0.216 m/s,下降过程的平均响应速度约为0.244 m/s,割台高程调节的平均误差6.75 mm,水平调节的平均误差为0.64°,割台调整迅速,定位准确度高,可满足再生稻头季收获使用需求。     

主动悬架与多桥转向混合控制器的设计与仿真分析

为了改善多桥车辆操纵稳定性和行驶平顺性,通过建立多桥车辆的5+2n自由度动力学模型,设计了主动悬架与多桥转向线性系统二次型最优控制（LQG）综合控制器。通过仿真试验,对比分析了采用与不采用综合控制器2种情况下,多桥车辆不同车速下对阶跃信号的各项性能指标的响应。结果表明：低速情况下,采用综合控制器较不采用控制器的多桥车辆侧偏角峰值减小0.03 rad、横摆角速度峰值减小0.1 rad/s、车身侧倾角峰值减小0.015 rad、俯仰角峰值减小0.015 rad、车身垂直加速度峰值减小0.3 m/s2、轮胎动位移峰值减小0.009 m;高速情况下,以上各性能指标峰值分别减小0.095 rad、0.4 rad/s、0.075 rad、0.09 rad、2.1 m/s2、0.018 m。多桥车辆采用综合控制器相对于不采用控制器时的操纵稳定性和行驶平顺性都有显著改善。     

基于微粒群算法的汽车底盘控制系统集成优化

为了消除汽车底盘集成系统机械与控制系统间的耦合,该文首先建立了汽车悬架与制动系统动力学模型,分别设计了主动悬架和防抱死制动系统的子控制器和该系统的集成协调控制器。针对传统汽车底盘集成系统的机械与控制参数采用串行设计容易失去全局最优性能的特点,提出一种基于微粒群优化算法的参数的集成优化方法,以集成系统机械与控制参数为优化变量,以反映汽车动力学综合性能为目标函数,编制了集成优化程序进行了优化仿真计算。仿真结果表明:汽车底盘集成系统经过参数优化后,汽车的俯仰角加速度较优化前减小,表明汽车乘坐舒适性得到改善;汽车制动时制动距离、前后轮动载荷均有明显减小,表明汽车制动的安全性显著提高。最后改变汽车的部分机械结构参数和全部控制参数进行实车试验,试验结果表明:汽车底盘集成控制系统经过优化后,汽车的前、后轮动载荷分别降低了34.2%和32.1%,汽车制动时制动时间和制动距离分别降低了2.31%和4.5%,汽车制动时俯仰角加速度响应降低了15.1%,汽车主动安全性及汽车舒适性均得到了不同程度的改善和提高。优化设计方法对改善汽车底盘主动安全性具有重要参考意义。     

基于自适应模糊免疫PID的轧花自动控制系统

轧花自动控制是棉花加工过程自动化的重要环节,对棉花加工质量、产量等有着重要影响。以轧花机喂花辊的转速作为控制量,在含潮率、籽棉等级等因素发生变化时,通过调节喂花辊转速,来实时控制喂花量大小,以保持合适的籽棉卷的密度,来达到轧花自动控制的目的。根据轧花工艺特点,用模糊控制、免疫控制与传统PID控制相结合,设计了自适应模糊免疫PID控制系统来控制喂花辊的转速,通过实时修正PID参数来保持控制系统的稳定性。用Matlab对自适应模糊免疫PID、模糊免疫PID和自适应模糊PID 3种控制系统进行了仿真比较分析,同时对基于自适应模糊免疫PID控制的轧花实时运行数据进行了分析,仿真及运行结果表明所设计控制系统在轧花自动控制中是有效和可行的,其在稳定性、鲁棒性上比其他2种智能控制系统性能优越。该控制方法为轧花自动控制提供了一种新的控制策略。     

联合收获机单神经元PID导航控制器设计与试验

针对联合收获机在田间直线跟踪作业中在维持高割幅率条件下易产生漏割的问题,设计了一种基于单神经元PID(Proportion Integration Differentiation)的联合收获机导航控制器。以轮式联合收获机为平台,通过对原有液压转向机构进行电控液压改装,搭载相关传感器构建了导航硬件系统。开展了常规PID控制和单神经元PID控制的仿真以及实地对比试验,仿真结果表明单神经元PID控制具有超调小和进入稳态快等特点;路面试验表明,当收获机速度为0.7 m/s时,单神经元PID控制最大跟踪偏差为6.10 cm,平均绝对偏差为1.21 cm;田间试验表明,收获机速度为0.7 m/s时,单神经元PID控制田间收获最大跟踪偏差为8.14 cm,平均绝对偏差为3.20 cm。试验表明所设计的联合收获机导航控制器能够满足自动导航收获作业要求,为收获作业自动导航提供了技术参考。     

基于GPS/INS和线控转向的农业机械自动驾驶系统

研究旨在设计出一套农用车辆自动导航控制系统,让机器人代替农民进行田间作业,实现农用车辆自动驾驶,从而可以有效提高农业机械的作业精度、生产效率和使用安全性,并且为精细农业研究提供技术支持,改善农业生产的方法。该文通过GPS/INS(global positioning system/inertial navigation system)组合导航技术实时获得载体的导航信息(位置、速度、航向、姿态),根据导航信息与预设轨迹参数计算出载体的目标前轮转向角,并以该目标前轮转向角与当前前轮转角的差值作为控制输入,实现对转向执行电机的精确控制,从而实现载体的路径跟踪控制。同时对整个系统的软硬件进行设计,并对系统控制策略进行仿真和试验验证。最终结果表明,本文所设计的组合导航系统定位精度高,其定位精度可达到0.1~0.5 m;路径跟踪系统误差小,当车速分别为0.5 m/s和1 m/s时,路径跟踪的最大横向误差分别为0.16 m和0.27 m;整个系统响应速度快,可达到0.1s。通过将GPS/INS组合导航技术与线控转向技术相结合,能够实现农用车辆的自动驾驶。     

小型履带式油菜播种机导航免疫PID控制器设计

针对适应于长江中下游地区稻茬田土壤黏湿、小田块的轻简化播种机智能化问题,设计了一种基于免疫PID的小型履带式油菜播种机导航控制器。以小型履带式油菜播种机为基础,利用电磁铁对其转向系统进行电控改装,采用高精度北斗定位模块和电子罗盘进行组合导航,获取履带式播种机的位置和航向信息作为导航控制器的输入,设计了小型履带式油菜播种机自动导航控制系统。建立了履带式油菜播种机运动学模型和转向角传递函数,利用Matlab仿真和实地导航试验对常规PID控制和免疫PID控制进行了对比试验。仿真表明:在相同参数条件下,与常规PID相比,免疫PID控制具有响应快、超调量小、平均跟踪误差小等特点;路面试验表明:当播种机速度为0.50m/s时,免疫PID控制器直线跟踪的平均绝对偏差为4.2 cm,最大跟踪偏差为11.9 cm。田间试验表明:当播种机速度为0.50 m/s时,免疫PID控制器直线跟踪平均绝对偏差为5.8 cm,最大偏差不超过15.2 cm,能够较好地满足播种机导航作业要求,该研究可为履带式播种机的自主导航提供了技术参考。     

插电式四驱混合动力汽车能量管理与转矩协调控制策略

为克服传统比例-积分-微分(proportion integration differentiation,PID)以及模糊逻辑算法的缺陷、保障汽车经济性并改善乘员的乘坐舒适性,该文采用自适应模糊PID算法,建立了驾驶员模型。使用基于发动机输出转矩最优的能量管理控制策略,简述了驱动模式判别条件及转矩分配方法。提出1种"发动机调速+离合器模糊PID控制+发动机动态转矩查表+双电机转矩补偿控制"转矩协调控制方法,简述了模式切换步骤。在dSPACE实时仿真系统上对控制策略进行了硬件在环仿真。仿真结果表明,该控制策略在能量管理方面控制效果良好,动力部件的输出与控制策略完全吻合且平均车速误差下降37.1%。引入转矩协调之后,整车最大冲击度下降47.5%。该文的研究方法可以为制定复杂混合动力系统的控制策略提供参考。     

玉米精量排种器电驱PID控制系统设计与性能评价

本文研究了一种基于PID的排种器电驱控制系统,取消了播种机采用地轮和链条驱动的方式,提高了播种机的播种质量和作业速度.采用PID算法控制排种盘转速,在目标转速与当前转速差异较大时,加入PID积分分离算法,以减少转速的超调量.通过整定后的PID参数为:Kp=16、Ki=0.05、Kd=36,在其排种盘转速范围为0~24r/min时,响应时间、超调量、稳态误差分别为0.4秒,1.56%和0.75%.试验结果表明,在12km/h的高速播种作业条件下,采用该电驱控制系统的排种器排种单粒率仍然可达到98.4%,其重播率和漏播率小于1%.采用本文研究的基于PID算法的排种控制系统可以获得良好的排种质量和更高的排种速度,使排种器更适宜高速精量播种.     

基于遗传算法的液肥变量施肥控制系统

为解决大田牵引式液肥施肥机的变量施肥作业精度不高、施肥流量不均匀以及肥料浪费问题,该研究针对液肥变量施肥控制系统,基于遗传算法的模糊PID(Proportion Integral Derivative)对电动比例阀的控制过程进行优化。首先对牵引式液肥变量施肥机的控制过程进行分析,建立液肥变量施肥控制系统的负反馈控制模型。根据控制系统要求,将模糊控制规则进行染色体编码,通过选择、交叉、变异等遗传算子对模糊控制规则进行仿真寻优,得到最优模糊控制规则表。依据得到的最优模糊控制规则对模糊PID控制器进行设置,并通过MATLAB软件进行仿真分析,结果表明,基于遗传算法的模糊PID控制的响应时间为4.86 s,小于传统PID控制的8.4 s和模糊PID控制的7.32 s。搭建试验平台进行液肥变量施肥控制系统流量控制的稳定性试验和变量控制试验,得到传统PID、模糊PID以及基于遗传算法的模糊PID在系统稳定运行时流量控制的相对误差分别为5.19%、3.40%、1.14%,响应时间分别为5.19、4.12、3.21 s,基于遗传算法的模糊PID较传统PID的相对误差减少了4.05个百分点,响应时间减少了1.98 s;基于遗传算法的模糊PID较模糊PID的相对误差减少了2.26个百分点,响应时间减少了0.91 s。基于遗传算法的模糊PID对液肥流量的控制效果优于传统PID和模糊PID,本文控制方法为变量施肥的研究提供了一种可行方案。