磁导式温室协同作业移动平台控制系统设计与实现

针对设施生产物料运输的需要,研制了具有自动寻迹和协同作业功能的磁导式移动平台控制系统。利用磁导航传感器作为预设路径的检测元件,并根据磁导航传感器的特点设计了模糊PID调节器改良平台的导航性能。在此基础上,开发基于超声波传感器和红外传感器的测距系统,通过测距模块检测移动平台与从业人员之间的距离,进而实现平台协同作业的功能。试验结果表明:模糊PID控制器在解决轨迹跟踪控制方面的优越性,该系统能够在温室垄间实现预设路径的稳定导航和人机跟随,横向最大偏差不超过2.6cm,平均跟随误差不超过5.4cm,能够满足移动平台在温室内行走的运输作业要求。     

农业无人机动态降落方法研究

为实现农业无人机高速、准确降落于地面移动机械设备(自走式施肥机构、农业无人车等)上,基于Aruco码设计了一种复合视觉识别标志,并基于该视觉识别标志提出了农业无人机动态降落控制策略。降落策略主要分为两个阶段：阶段一为标识识别阶段,使用Aruco标识检测算法进行标识识别;阶段二为对带标识地面移动机械设备的稳定跟踪。工作时,利用PnP类算法求解无人机当前位姿,使用PD轨迹追踪算法实现农业无人机对地面移动平台的追踪。为了验证该控制策略的有效性与准确性,利用开源仿真平台Prometheus进行仿真验证,并使用MatLab进行数据分析,结果表明：该控制策略可实现农业无人机的自主降落。     

农用无人机自主飞行技术研究与趋势

随着人工智能、深度学习的快速发展,无人机自主飞行技术已然成为无人机智能化评价之一。在精准农业与智慧农业的倡导下,无人机在农业领域发展迅猛。农用无人机应用场景包括:作物授粉、喷洒作业、农情监测、打顶剪枝、疏花疏果及畜牧跟踪,其自主程度重要性不言而喻。综述国内外无人机飞行技术研究现状,介绍农用无人机在自主控制方法、避障方法、轨迹规划算法以及精准喷洒方法的研究进展,分析指出农用无人机系统自主环境感知能力差、信息处理速度慢、路径规划算法收敛慢、作物识别率低等不足,提出采用多传感器组合、双冗余控制、多算法融合和基于深度学习的作物特征识别等改进方法。本文为农用无人机自主飞行技术满足智能作业需求提供理论基础。     

喷洒作业下四旋翼植保无人机的轨迹跟踪控制

针对所搭载药箱内药液变化导致四旋翼植保无人机喷洒作业品质下降的问题,为实现喷洒作业下四旋翼植保无人机的轨迹跟踪控制,提出一种喷洒作业下四旋翼植保无人机的轨迹跟踪控制方法。在考虑喷洒作业下药液变化影响的前提下,建立了四旋翼植保无人机的非线性动力学模型。在原有PD控制的基础上,引入模糊控制器对控制参数进行在线自适应整定,从而实现喷洒作业下四旋翼植保无人机的轨迹跟踪控制。实验结果表明:所提出的方法能够保证喷洒作业下四旋翼植保无人机的稳定跟踪控制,且响应速度快、超调量小,满足四旋翼植保无人机喷洒作业条件下的跟踪控制需求。     

农用无人机纵向姿态控制系统设计及仿真

针对农用无人机的作业特点和应用领域,设计了一种基于经典PID控制方法的纵向姿态控制系统。首先,利用Mat Lab软件建立了无人机在配平点处的纵向运动数学模型,分析了无人机的纵向运动规律。在此基础上,采用经典PID理论对无人机纵向运动的俯仰角控制回路和高度控制回路进行设计。通过Simulink软件进行仿真实验,结果表明:该飞行姿态控制系统控制效果良好,可以满足农用无人机的技术要求。     

基于复合模糊PID的植保无人机变量喷雾系统设计

为提升现有植保无人机喷雾流量随飞行速度变化自适应调整的精准性，降低施药偏差，设计了一种基于复合模糊PID控制算法的植保无人机变量喷雾系统，可根据无人机飞行速度，以基于复合模糊PID控制算法的PWM调制实时调整喷雾流量。通过测试平台分别对比了此控制算法与PID、模糊PID的响应情况，并进行了无人机喷雾流量随飞行速度变化的响应测试。结果表明：基于复合模糊PID控制的系统响应较PID超调量降低63.64%,较模糊PID调节时间缩减23.08%,复合模糊PID与模糊PID的稳态误差控制在3.125%内，小于PID的4.688%;基于PID、模糊PID、复合模糊PID的喷雾系统喷雾流量平均偏差分别为2.67%、3.85%、1.90%;基于复合模糊PID算法的喷雾系统跟随飞速变化自适应调整喷雾流量的最大偏差为6.29%,满足植保无人机施药作业要求，可为农业航空精准变量喷雾系统设计提供参考。     

取苗机械手运动控制联合仿真研究及试验

为减少取苗机械手研制过程中投入大量的成本和时间，解决机械手在作业过程中控制精度低、适应性差等问题，采用SolidWorks建立机械手的模型，并导入ADAMS中；采用模糊PID控制算法对机械手夹持角度进行实时动态联合仿真分析，设计模糊PID控制器及模糊规则。利用MATLAB/Simulink和ADAMS建立联合仿真模型，以阶跃信号为激励，模糊PID控制和PID控制仿真结果表明：PID控制的响应时间为1.1 s，模糊PID的响应时间为0.33 s且响应速度更快，说明模糊PID优于经典PID控制，设计的取苗机械手具有良好的动态响应和轨迹跟踪特性，理论上能够满足实际作业要求。取苗试验结果表明：在取苗频率为50、60和70株/min时，采用PID算法和模糊PID算法取苗成功率分别为9609%、93.75%、92.96%和98.43%、95.31%、93.75%，采用模糊PID算法的取苗成功率更高，能够满足实际作业要求。     

基于控制器的农用无人机导航自动控制系统研究

农用无人机在自主作业时,导航精度对作业性能的影响较大,如果导航精度不高,农机在行驶过程中会产生横向误差和纵向误差,从而降低农机的作业质量。为了提高农用无人机导航的精度,采用滑模控制方法建立了导航线追踪和主从系统车速协同的控制模型,并通过虚拟仿真验证了控制器的控制效果。仿真结果表明:采用滑模控制方法可以有效降低导航的误差,使无人农机在作业时沿着导航线行驶,质心偏差较小,单独采用滑模控制方法时,误差会存在一定的波动造成系统的不稳定性。引入PID反馈调节控制算法对系统进一步验证表明,PID算法可以有效消除系统误差的波动性,提高系统的稳定性,进而提高农机的作业质量。     

喷施作业植保无人机的轨迹优化与控制方法

为了有效解决植保无人机(UAV)在喷施作业中存在的大面积重喷和漏喷问题,提出了改进的Dubins避障路径规划方法。首先,建立了植保四旋翼UAV的运动模型和障碍模型;然后,利用遗传算法对Dubins避障路径规划方法进行了优化;最后,通过引入模糊算法对外界干扰进行估计,设计了反步鲁棒控制律,利用滑模滤波器来对虚拟指令进行滤波,确保植保UAV能够准确跟踪最优路径。仿真结果表明:改进避障路径规划算法和反步鲁棒控制律在兼顾轨迹长度的同时,使重喷、漏喷面积下降了66.4%,且能够包容外界干扰的影响,与模糊免疫PID控制律相比,更能准确地跟踪避障路径规划算法输出的轨迹指令。     

果蔬采摘机器人行走运动控制系统设计——基于磁导引

为实现果蔬采摘机器人作业时自主行走,研究采用磁导引技术和PID算法等实现对预定路径的跟踪。以磁导引传感器作为导航传感器,在果蔬采摘机器人平台上搭建转向控制机构,依据磁导引传感器工作特性,提出PID算法作为导引算法。根据导引传感器得到机器人当前位置相对于导引磁条的距离偏差,作为PID控制器的输入,将机器人前轮期望转角和车体期望速度作为输出,在Mat Lab中对算法进行圆曲线跟踪仿真。仿真结果表明:机器人可快速跟踪到预定路线,跟踪误差在±30 mm以内,直线段稳定状态误差在±5 mm以内。     

水轮机调节系统控制技术研究

介绍了水轮机调节系统控制技术目前的应用情况和存在的问题,着重阐述了现代控制技术和智能控制技术的主要研究方法和研究成果及其应用情况;并提出将多种控制技术相结合形成综合控制技术,将是水轮机调节系统控制技术的发展方向.     

智能车辆横向混合切换控制器设计

考虑到智能车辆在不同工况下表现出不同的系统特性,设计了由线性二次型最优控制律和利用模糊逻辑推理得到的模糊控制律组成的混合切换控制器。当偏差和偏差变化率较小时(小角度转弯),假设系统特性固定不变,切换到最优控制律;而在偏差和偏差变化率较大时(大角度转弯),车辆具有强非线性、时变、耦合和参数不确定性等特性,切换到模糊控制律。采用ADAMS和Matlab/Simulink联合控制仿真的方法对该智能车辆的横向控制算法进行仿真,并通过试验验证。仿真和试验结果表明:该横向控制器可保证智能车辆在路径跟踪过程中的准确性和平稳性。     

波浪补偿控制算法综述

为了实现对船舶在波浪中的运动响应进行补偿,提高海上作业的效率,需要对波浪补偿设备采用更为先进的运动控制技术.采用前馈控制和反馈控制的分类方式,简述了适合用于波浪补偿设备的控制算法研究现状,以便于更好地了解波浪补偿控制技术的发展.其中属于前馈控制类算法的主要有卡尔曼滤波法、神经网络和时间序列分析法;属于反馈控制类的主要算法有PID控制算法和模型预测控制算法.分析这些算法在波浪补偿控制中的理论原理和研究进展,并且通过对相关学者的研究文献进行了对比分析,指出了卡尔曼滤波法、神经网络和时间序列分析法以及PID控制算法和模型预测控制算法的关键特征.在结论中根据不同控制算法的原理和特征给出了这些算法在波浪补偿控制中可能的研究方向,可以为波浪补偿控制系统的研究和发展提供指导意见.     

智能车辆横向混合切换控制器设计

考虑到智能车辆在不同工况下表现出不同的系统特性,设计了由线性二次型最优控制律和利用模糊逻辑推理得到的模糊控制律组成的混合切换控制器。当偏差和偏差变化率较小时(小角度转弯),假设系统特性固定不变,切换到最优控制律;而在偏差和偏差变化率较大时(大角度转弯),车辆具有强非线性、时变、耦合和参数不确定性等特性, 切换到模糊控制律。 采用ADAMS和Matlab/Simulink联合控制仿真的方法对该智能车辆的横向控制算法进行仿真,并通过试验验证。仿真和试验结果表明：该横向控制器可保证智能车辆在路径跟踪过程中的准确性和平稳性。     

农机导航自校正模型控制方法研究

针对运动学模型中的近似条件对模型控制方法曲线路径跟踪精度的影响,提出了一种农机导航自校正模型控制方法。该方法采用模型控制方法设计控制律,并采用模糊控制方法自适应地在线调节模型控制律的控制量。农业机械的路径跟踪实验结果表明,该方法既保留了模型控制方法在直线路径跟踪方面的优点,又弥补了模型控制方法在曲线路径跟踪方面的缺陷。当速度为1.0 m/s时,直线路径跟踪最大横向偏差小于0.064 9 m,曲线路径跟踪的最大横向偏差小于0.185 7 m。     

基于模糊控制的播种机精密单体播深控制仿真研究

为了提高播种机单体播深控制的精度和速度及研究播种机作业过程中土壤的变化规律,设计了一种新的播种机单体控制系统,在播种自动化控制环节中引入了模糊算法和PID闭环控制,建立了播深模糊控制的数学模型,并通过多软件联合仿真的方式对控制系统进行了仿真实验,验证了算法的有效性和可靠性。利用MatLab线性回归算法得到播深和施加力的线性回归方程,通过播深的反馈调节对施加力进行模糊控制,使用Mat Lab模糊控制工具箱设置了控制参数,最终实现播种机精密PID闭环控制。应用Pro/E软件设计了精密播种机三维参数化模型,将模型导入到ADAMS软件中进行了运动仿真,将结果和Mat Lab计算得到的结果进行对比发现:其误差小于10%,说明仿真结果是可靠的。     

Drainage control in water management of polders in the Netherlands

One of the impacts drainage has on the downstream part of a water system is a higher risk of peak flows caused by heavy precipitation. In the polders of the Netherlands this is a well-known problem. The heavy precipitation flows easily from paved areas and with some delay from unpaved areas into many small canals and through these canals towards the downstream pump station. Here, high water levels can result in an unacceptable high groundwater table. This problem has grown over the past years as more area has been paved and storm events have become more extreme. Until recently in the Netherlands, the solution for this problem was to increase the pump capacity, but nowadays the Dutch Government's opinion and that of the local Water Boards about solving this problem is changing. Rather than shifting the problem to more downstream lying parts of the water system, the philosophy has become “first retain, then store, only then discharge” (Nationaal Bestuursakkoord Water, 2003. Dutch National Policy on Water Management for the 21st Century). A way to retain water in upstream parts of the waters system is to use real-time control structures in the upstream canals. In this paper a control method is presented that can effectively retain water in the upstream parts, until the downstream part can accommodate this amount of water. The method is based on upstream Proportional Integral-control with adaptation of the set point. The control is referred to as Cascade PI-Control. Basically, the goal of the control method is to fill the available storage equally in the whole area. Tests have been performed with a calibrated model of an existing polder in the Netherlands. Results show that application of the control method is sufficient to avoid such drainage problems.     

现代汽车电控巡航系统控制原理浅谈

介绍了巡航电控技术的作用、特点、类型、控制原理,其中着重介绍巡航电控系统两种执行器的控制原理.     

气动位置控制技术的发展

简要叙述了气动位置控制技术的发展，分析了气动位置控制的基本方法、控制策略以及现有的研究成果，并时气动位置控制发展趋势作了展望。     

静液压传动车辆的复合控制

针对柴油机为动力的静液压传动车辆设计了由两个模糊控制器、一个模糊自适应PI控制器和一个PID控制器组成的复合控制系统，并利用柴油机外特性曲线对柴油机工况进行优化，使柴油机根据静液压系统的功率需求自动进行调速，解决了使用中柴油机过载保护，利用柴油机转速补偿车速和静液压传动系统的时变非线性控制等问题。仿真与试验证明：该复合控制方式提高了以柴油机为动力的静液压传动车辆控制特性和系统匹配性能。