禽蛋孵化过程的混合智能控制

针对孵化系统具有强耦合、强干扰、大滞后的特点,提出一种混合智能控制算法.前级控制采用前馈补偿解耦控制算法以消除系统主要控制参数的耦合关系,后级控制根据被控制对象工况的不同,选用模糊免疫PID控制算法或模糊控制算法,实现了孵化过程中温度、湿度和含氧量的混合智能控制.实际运行结果验证了该控制算法的有效性.     

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。     

BP神经网络PID控制器在温室温度控制中的研究

为了更好地实现对温室温度的控制,本文设计出了一种BP神经网络PID控制器,提出了BP神经网络PID控制算法,并对该算法进行了分析,最后以温室温度为控制对象分别对常规PID控制器和BP神经网络PID控制器进行了大量仿真研究。结果表明,基于BP神经网络整定的PID控制器具有较强的自适应能力和鲁棒性,其控制品质优于常规PID控制器。     

基于ZigBee的温室温度控制系统

为解决温室灰色预测模糊PID控制算法控制适应性差的问题,在灰色预测模糊PID控制算法的基础上,加入依据室外温度变化的模式控制算法,构建了由温度采集节点、中心节点、温度控制节点与PC机组成的ZigBee无线网络温度控制系统。在IAR Embedded Workbench IED和Visual C++6.0环境下,开发了ZigBee节点程序和上位机算法程序。对灰色预测模糊PID算法和改进控制算法进行了对比控制试验,并依据Harris理论对两种算法的控制精度进行了评价。试验结果表明:改进控制算法比灰色预测模糊PID算法控制精度提高了0.2℃。     

明渠运行前馈控制改进蓄量补偿算法研究

分析了现有蓄量补偿前馈控制算法存在灵活适应性不足、前馈控制时间误差偏大、试算求解较为繁琐等问题,提出了改进蓄量补偿法。改进算法采用前馈控制时间可变的蓄量补偿方式,可适应各种运行约束务件要求,采用的流量过程也更为灵活。研究了前馈控制时间的合理取值范围,指出了现有计算方法误差偏大的原因和适用条件。推导了多渠池多需求工况下的...     

电动助力转向综合前馈和模糊PID反馈的电流控制算法

针对电动助力转向中的电流跟随控制问题，通过建立系统数学模型，分析系统型别，研究了常规PID控制和模糊PID控制在电流控制中的不足，采用前馈和反馈综合控制的思想，提出了综合前馈和模糊PID反馈的电流控制算法。通过实验对比表明，前馈和模糊PID反馈的综合控制方法可显著提高电流跟随控制的稳定性、快速性和准确性。     

基于BP神经网络的PID控制在温室控制系统中的应用

以温度参数控制为例,结合传统PID控制规律,利用BP神经网络完成温室温度控制系统的PID控制系统设计.通过阐述基于BP神经网络的PID控制算法,完成温度控制系统中的BP神经网络PID控制参数在线整定.采用MATLAB对基于BP网络的PID温度控制系统进行了仿真,结果表明,PID控制算法能够实现控制参数的自适应调整,使系统对输入的响应达到小误差.     

武术飞脚启发作用在采摘机器人智能化设计中的应用

为了提高采摘机器人的智能化水平,基于武术飞脚动作的连续性,参考飞脚动作的前馈特征,在智能化控制系统的设计上引入了神经网络前馈算法和PID控制算法。通过对误差的修正和期望与实际输出结果的反馈,提升了机器人的智能化水平和采摘作业动作的精确性,实现了采摘机器人的类人化设计。为了验证该方法的可行性,模仿生菜采摘机器人的作业环境对机器人的性能进行了仿真,结果表明:采用神经网络PID算法可以提高机器人控制系统的精确性,并可加快收敛速度,对提升机器人的智能化水平具有重要的意义。     

基于自适应模糊PID控制下拖拉机液压系统的优化

为了实现拖拉机电子液压系统在田间的压力控制，建立了拖拉机液压控制系统数学模型，并结合压力控制算法设计了拖拉机自适应模糊PID控制系统，以实现拖拉机的压力控制。以传统PID算法、带补偿修正的传统PID算法和补偿修正的自适应模糊PID算法进行试验，验证不同控制器对拖拉机的压力控制效果。研究结果表明：当输入为1.5MPa的阶跃信号，传统PID控制器的响应时间为2.5s,波动范围为0.5MPa;带补偿校正的自适应模糊PID的响应时间为1.5s,波动范围为0.3MPa,响应时间降低了40%,压力波动范围也减少了40%。因此，提出的补偿修正的自适应模糊PID算法下拖拉机液压系统具有更好的动态控制性能。     

基于DRNN自适应PID的油缸位置控制

在阐述了DRNN神经网络基本原理，并结合HD控制特点的基础上，提出一种DRNN神经网络整定的PID控制算法和控制器设计方法。利用DRNN神经网络的自学习和自适应能力，来完成系统的实时控制。该算法直接应用于位置伺服控制系统，仿真结果表明，与传统HD控制算法相比较，该算法增强了系统的控制精度，提高了系统的响应速度，鲁棒性强，控制品质好，符合工程实际，有实用价值。     

农机BDS/INS组合导航算法研究

针对农机在环境干扰情况下BDS失调、INS单独导航误差大的不足,以BDS/INS两者间位置、速度差值为模型,提出蜂群算法优化BP神经网络辅助卡尔曼滤波的算法组合导航,精准定位农机位置速度信息。BDS有效时,BDS/INS组合导航结合卡尔曼滤波,校正INS的位置、速度偏差,BP神经网络进行训练模式;BDS失调时,BP神经网络转化为预测模式,代替BDS对INS进行校正反馈,输出精确位置信息。同时,改进人工蜂群的搜寻方式与选择概率,提出改进的蜂群算法优化BP神经网络,使速度误差小于0.6 m/s,位置误差小于30 m,改善对农机位置速度的定位精确度。     

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。     

温室机器人驱动控制系统的算法研究

为了使机器人的行动能适应温室的复杂情况,提高机器人的运动控制精度,将模拟PID控制算法离散化,对编码反馈误差进行归一化处理,并将其输入3层的BP神经网络,研究了隐含层加权系数的计算方法,完成并验证了模糊BP神经网络PID控制系统的算法。结果证明,在同一指令时间内,模糊神经网络控制器能够很好地完成角度指令的零误差调节,与常规PID控制器相比较,模糊神经网络控制器的超调量显著减小。     

基于粒子群算法的混联机构神经网络自适应反演控制

针对含有不匹配干扰的混联机构轨迹跟踪控制问题，提出了一种极限学习机与自适应反演控制相结合的控制策略。在对干扰进行分析的基础上，分别采用两个极限学习机网络对系统中的匹配和不匹配干扰进行逼近和补偿。基于Lyapunov函数稳定性设计了混联机构的控制律与自适应律，实现混联机构的轨迹跟踪控制。由于控制器可调参数较多，采用粒子群算法进行控制器参数的寻优整定。仿真结果表明，所提出的控制方法具有良好的轨迹跟踪精度和鲁棒性。     

基于蝙蝠优化BP-PID算法的精准施肥控制系统研究

水肥一体化技术在棉花、小麦、番茄等大田农作物种植场景中的应用逐渐增多。当前能够快速有效调整大田农作物水肥一体化系统中肥料流量的控制算法研究较为有限。由于水肥一体化系统存在时变性、滞后性与非线性的特点,常见的PID与BP-PID控制算法无法获得预期的控制效果。为此设计一种基于蝙蝠算法（BA）优化的BP神经网络PID控制器。通过采用BA对BP神经网络的初始权值进行优化,加快了BP神经网络的自学习速度,实现对水肥一体化系统中肥料流量的快速精准控制,从而降低了超调量、提高了响应速度。同时,基于STM32单片机搭建了水肥一体化流量调节测试平台,并对该控制器的性能进行了试验验证。结果表明,与常规PID控制器和基于BP神经网络的PID控制器相比,所设计的控制器具有较高的控制精度和鲁棒性,降低了由时滞性、非线性等因素引起的影响。平均最大超调量为4.78%,平均调节时间为41.24s。特别是在施肥流量为0.6m3/h时,控制器表现出最佳的综合控制性能,达到了精准施肥的效果。     

基于BP神经网络PID的移栽机双闭环调速系统

为保证提高移栽机机械手行走速度的同时不失鲁棒性,选用直流电机作为驱动电机,并根据其动作时电流反馈、转速反馈、滤波、整流等多环节的传递函数简化模型设计了基于电流环和转速环的双闭环调速系统模型。引入BP神经网络自学习的控制策略,其中选取BP神经网络PID控制器取代转速环中的PI环节,并在MatLab中采用S函数嵌套控制器模块的方式搭建了基于直流电机双闭环系统仿真模型。结果表明:比较加入BP神经网络算法优化前后的双闭环调速系统响应曲线,优化后的模型超调量由4.3%降为0,过渡时间由2s以上缩短至2s,电机调速系统稳定性和鲁棒性得到提高,整排机械手启动时间更短、速度更快且能准确抓取目标。     

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。     

空间微重力模拟育种平台系统的控制器设计

在地面进行模拟的空间微重力育种平台是一个随机时变、强非线性的复杂系统,无法精确建模,使得系统在较大工作范围内很难实现精确控制。为此,采用基于径向基神经网络PID的具有自调整能力的、稳定的自适应控制器应用于本系统研究:首先通过PID控制器快速调节参数值,使其恢复到理想的期望值附近,以此来初始化RBF神经网络;然后再用RBF神经网络在线动态调整PID参数的控制方法,实现系统在完成三维空间微重力模拟育种试验时所需的垂直地面Z向上的完全重力补偿;最后,通过Mat Lab对系统的控制算法进行仿真研究。     

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。