基于模糊PID控制饲料配料系统的仿真研究

以淮安天参农牧水产有限公司饲料生产线PLC技术改造为背景,选择生产流程中最关键的配料工序进行研究。为提高配料系统控制精度和稳定性,改善或消除落差等因素的影响,采用模糊控制技术,以配料流量为控制参数,设计了模糊PID控制器。建立了配料系统的数学模型,并采用MATLAB软件进行了仿真,结果表明,采用模糊PID控制具有更好的动态特性,能有效提高系统的配料精度和稳定性。     

双皮带连续输送配料秤控制算法的研究

对双皮带配料秤的送料过程进行了细致分析,提出控制算法,经检测和实际使用,符合该配料秤的称量过程,控制算法准确有效。现有的连续输送配料秤多采用单皮带方式,其称量部分安装在输送机架上,影响称量的因素较多,精度较低。我所开发的双皮带连续输送配料电子秤,供料皮带与称量皮带分为两个独立的单元,供料皮带变频器控制供料,称量皮带定速运行,排除了供料皮带对称量皮带的影响,提高了称量准确度,已经生产使用。     

基于变论域模糊PID控制的转向执行机构研究

针对重载车辆转向执行机构系统,提出了基于变论域模糊PID控制的液压缸位置控制结构.传统的控制方法常采用模糊PID控制,虽然控制效果好于PID控制,但普通模糊控制精度低、超调量大,因此有必要采用变论域方法.该方法通过伸缩因子改变模糊输入和输出变量的论域,使论域自调整,以较少的控制规则实现了较高精度的控制.Matlab仿真表明,与传统的模糊PID控制系统相比,该方法的超调量小,控制精度高,控制效果明显好于模糊PID控制.     

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.     

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.     

模糊自适应PID控制在谷物冷却机中的应用

目前使用的谷物冷却机控制系统大部分还采用的是基于PLC控制器的传统PID控制方式,由于传统PID控制自身特性,使系统控制精度和反应速度都不够理想。为此本文将模糊自适应PID控制引入到谷物冷却机控制系统中,以实现谷物冷却机出风温度和设定温度始终保持一致。通过仿真,模糊自适应PID控制将模糊控制与PID控制的优势相结合,使得控制系统具有较好的动态品质和调节精度。所以,对于谷物冷却机出风温度这种大时滞、非线性的控制对象,采用模糊自适应PID控制能够取得较好的控制效果。     

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。     

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。     

新能源汽车光伏充电站的MPPT技术研究

光伏电池由于其非线性功率输出特性,需要实时变更光伏系统的输出特性进行最大功率点追踪(MPPT)。传统基于Buck或Boost拓扑的PID恒压控制法的MPPT技术,具有精度差、调节时间长、灵活性差等不足,提出了一种采用仿人智能控制算法(HSIC)进行恒压控制,并在电路拓扑上采用Buck-Boost拓扑电路代替传统的Buck或Boost电路,最后在MATLAB/SIMULINK下进行建模仿真。实验结果表明,该控制方法灵活性高,控制速度和精度等动稳态性能优于一般的PID控制方法,证明了该控制方法的有效性。     

基于DSP快速原型的淀粉生产线串级控制系

在分析比较传统PID和Smith预估PID作为串级控制主回路控制器的基础上，提出了主回路采用Smith预估PID，副回路采用传统PID的串级控制策略调节淀粉生产线中的浓度。对淀粉生产线中串级控制闭环回路进行数学建模，并对主回路采用Smith预估PID和传统PID两种控制方案进行了设计与仿真。仿真结果表明，主回路采用Smith预估PID在控制效果上明显优于传统PID并且其鲁棒性优于传统PID。利用快速原型控制系统实现了该方案，利用Matlab/Simulink建立淀粉生产线的控制系统模块，在CCS集成开发环境中自动生成代码，然后将可执行代码下载到DSP TMS320C2812和TMS320C6713中，即可实现淀粉生产线的串级控制系统设计。     

变速条件下农业机械路径跟踪稳定控制方法

为提高农业机械(农机)路径跟踪控制在不同速度条件下的稳定性和鲁棒性,提出了基于链式系统模型和小范围稳定性分析优化的直线路径跟踪控制方法。首先,根据几何约束建立农机非线性运动学模型,并基于链式系统模型将其转换为线性链式系统,进而对系统的误差项进行线性组合,得到农机路径跟踪控制方法;然后,基于控制方法在平衡位置小范围的稳定性分析,对控制方法进行优化,使得农机路径跟踪控制在平衡位置小范围的稳定性与行驶速度无关;最后,以水稻穴直播机为实验平台开展了直线跟踪对比实验和农机作业实验。结果表明,相比于PID控制方法,本文控制方法在3种不同速度下均能保持直线跟踪控制的稳定性,并且具有较高的控制精度。同时,本文路径跟踪控制方法的稳定性与行驶速度无关,农机作业的行驶速度在0. 4～2. 0 m/s范围内均能实现稳定控制,平均绝对误差均值为0. 047 m,最大绝对误差为0. 128 m。     

双向电液比例张力绞车的直接自适应鲁棒控制

设计了基于比例溢流阀调压回路的双向电液比例张力绞车,并进行了理论分析。针对液压系统的不确定性因素以及卷绕机构参数变化对张力控制的影响,提出了直接自适应鲁棒电液张力控制方法,并用张力负载模拟试验系统进行了研究。理论分析与试验均表明,对于具有不确定性因素的张力跟踪控制,所设计的电液张力绞车及其控制策略,具有良好的控制性能。     

液压挖掘机负流量负荷传感控制策略

针对目前液压挖掘机上常用的负流量控制系统的不足,提出了一种负流量负荷传感控制策略,并应用于一台试验型液压挖掘机器人上。控制策略的原理是在负流量控制的基础上,使旁路回油设定压力随外负载的变化而变化,在减小多路阀旁路回油节流损失的同时,提高了系统的操纵性。应用结果表明,效果良好。     

汽车线控转向系统路感模拟方法

线控转向系统取消了传统转向系统方向盘到转向车轮的机械连接,因而转向路感无法直接反馈给驾驶员,为此通过对汽车转向系统路感的理论分析,建立了线控转向系统动力学模型。采用卡尔曼滤波技术对汽车转向系统齿条受力进行估计,并引入电动助力转向系统的助力特性,设计复制电动助力转向系统路感的线控转向系统路感模拟方法。试验结果表明,路感模拟方法可以使驾驶员获得有效的路感信息,提高了汽车的操纵性和舒适性。     

多源传感器信息融合的农用小车路径跟踪导航系统

为解决四轮独立驱动农用小车在设施农业和畜牧业的物料运输和信息采集中的导航及控制问题,构建了农用小车导航控制系统,优化配置多个传感器,提出了基于CCD图像传感器、加速度计、电子罗盘及超声波等多传感器信息融合的导航控制方法。通过CCD获取标识路径信息,通过加速度计、电子罗盘获取小车姿态信息,通过超声波传感器判断障碍物,并给出路径特征提取、识别、多源信息融合自主导航控制和超声避障等算法,实现了小车的路径跟踪的导航控制,实验结果表明构建的导航控制系统及导航控制方法正确、有效。     

基于卡尔曼滤波的自动引导车串级轨迹跟踪控制

针对三轮AGV具有不完整约束特性的运动学模型,提出一种串级轨迹跟踪算法,把模型转换为两个非线性时变系统,通过运用串级控制及状态微分反馈控制实现系统全局渐进稳定,最后再利用卡尔曼滤波算法对带有噪声干扰的状态进行估计,提高AGV自定位精度,从而进一步提高该控制器的输出精度.该控制策略具有一般性,对所有AGV及其他轮式移动机器人的运动学模型都适用,且设计方法简单、鲁棒性强.计算机仿真结果表明,该系统能在较短时间内实现全局渐进稳定,验证了该控制策略的有效性.     

机械臂神经网络非奇异快速终端滑模控制

针对多自由度机械臂轨迹跟踪控制系统存在收敛速度慢、跟踪精度低的问题,提出了一种基于径向基神经网络(RBFNN)的非奇异快速终端滑模(NFTSM)自适应轨迹跟踪控制方法。首先,该方法采用非奇异快速终端滑模超曲面,切换控制项引入连续终端吸引子,使得系统能在有限的时间内收敛到平衡点。其次,采用RBFNN逼近系统未知非线性动力学,并结合逼近误差的自适应补偿机制,实现无模型控制。利用Lyapunov理论证明闭环系统的全局渐进稳定性和有限时间收敛性。最后,将该控制方法应用于Denso串联机械臂进行实验验证,并分析系统传输延时对实验结果的影响,提出解决方法。仿真和实验结果表明,该控制方法能有效地提高系统收敛速度和跟踪精度,增强对外部扰动的鲁棒性,削弱系统抖振。     

基于神经网络逆系统方法的汽车底盘解耦控制

为了消除汽车底盘各电控子系统间的耦合影响,采用了一种基于神经网络逆系统方法的底盘解耦控制策略.对集成主动前轮转向( AFS)、直接横摆力矩控制(DYC)和主动悬架(ASS)的汽车底盘系统进行研究,利用Interactor算法分析了底盘系统的可逆性,建立了多变量底盘系统的BP神经网络逆系统模型,将闭环控制器与神经网络逆系统组成复合控制器用于改善系统的动态性能,并进行了仿真验证.结果表明,基于神经网络逆系统方法的解耦控制策略能够消除底盘各电控子系统间的干涉和耦合影响,有效改善整车的操纵稳定性.     

基于模糊自适应纯追踪模型的农业机械路径跟踪方法

为了提高农业机械自动导航控制系统的精度,提出了一种基于模糊自适应纯追踪模型的农业机械路径跟踪方法.该方法基于纯追踪模型进行农业机械路径跟踪控制,结合农业机械运动学模型来确定车轮期望转向角;采用模糊自适应控制在线自适应地确定纯追踪模型中的前视距离,提高了路径跟踪的精度.农业机械的路径跟踪实验结果表明,路径跟踪的最大误差不超过10 cm,平均误差小于5 cm,完全满足农业机械的作业要求,验证了提出方法的可行性和有效性.     

农业机器人自主导航改进自适应滤波控制器研究

为提高导航精度与控制精度,对农业机器人的自主导航控制进行研究。结合Sage-Husa自适应滤波与强跟踪卡尔曼滤波两种算法优点,利用严格收敛判据,设计了改进的自适应卡尔曼滤波算法。新算法保证了系统的实时性和稳定性,且具有更好的滤波精度。利用变结构切换方法来阻止PID控制器积分饱和现象,有效解决了控制器过饱和问题。将改进的自适应滤波算法与变结构PID控制器相结合,可提高导航系统的稳定性和精度。对所提理论进行仿真与试验,结果表明该方法大幅度提高了滤波器抑制发散的能力和导航的控制精度。