基于路面激励自适应的液电馈能悬架动力学性能协调控制

针对液电式馈能悬架在被动模式下无法实现车辆全局工况最优,该文以路面激励频率作为切换阈值,设计了一种具有舒适、运动和综合3种模式的液电式馈能悬架,在改善车辆乘坐舒适性及操纵稳定性的同时回馈振动能量。提出了将DC-DC变换器引入悬架馈能电路中,通过实时调节DC-DC变换器中MOS管开关信号占空比以改变液电式馈能减振器阻尼力,并制定了天棚-地棚控制结合模糊PID控制的双环半主动控制方案。仿真结果表明,引入路面频率自适应的液电式馈能悬架相比单一天棚-地棚控制悬架在车身共振区的车身加速度幅值减小22.92%,在车轮共振区的轮胎动载荷幅值减小24.27%,并回收66.70 W振动能量,实现了悬架动力学性能和馈能特性的协调控制。台架试验结果表明,各时段内车身加速度试验与仿真结果峰峰值的相对误差分别为1.36%、15.72%、4.86%和13.6%,轮胎动载荷的相对误差分别为9.34%、13.62%、7.82%和15.47%;各频段内车身加速度试验与仿真结果峰值的相对误差分别为7.55%、10.18%、10.56%、和6.35%,轮胎动载荷的相对误差分别为9.64%、11.72%、10.39%和11.27%。时域和频域的相对误差均在16%之内,验证了仿真结果的正确性和系统的可行性。研究结果可为液电式馈能悬架的产品升级提供参考。     

饲料配料平滑自适应误差补偿模型及应用

由于配料误差具有多因素随机性等特点,自适应误差补偿是保证计量精度极其有效的途径。采用数据平滑算法,不需要经验数据,可自动改变给料提前量,减少喂料误差。在分析饲料自动配料系统的误差及控制的基础上,明确了空中料柱量是误差补偿控制的主体,建立了饲料配料平滑自适应误差补偿模型,阐明了模型应用的方法,并对应用结果进行了检验分析。     

基于神经网络PID的无人机自适应变量喷雾系统的设计与试验

【目的】针对传统植保无人机在定量喷施作业时由于飞行速度的变化造成施药不均匀以及传统控制算法无法满足无人机变量喷雾系统所需的实时性和稳定性等问题,设计一种基于神经网络PID的自适应无人机变量喷雾系统。【方法】采用风压变送器测出无人机的飞行速度,根据速度采用脉宽调制(PWM)方法进行自适应变量喷雾,同步用流量传感器测出实际喷雾流量,融合BP神经网络PID控制算法调节喷雾流量。由MATLAB构建BP神经网络PID控制算法,并与PID、模糊PID和神经元PID对比及分析;田间试验过程中,对比分析无人机定量喷雾与随飞行速度改变的变量喷雾效果,采用水敏纸获取雾滴沉积量分布,分别从整体区域、飞行方向和喷杆方向评价沉积量分布的均匀性。【结果】算法仿真对比试验结果表明,与PID、模糊PID和神经元PID相比,BP神经网络PID阶跃响应上升时间分别少28.57%、84.73%和31.03%,正弦跟踪平均误差分别小63.01%、87.03%和0.58%,方波跟踪平均误差分别小74.00%、79.53%和6.80%,鲁棒性强,无静差,超调量为1.20%;喷雾对比试验结果表明,本系统能够根据飞行速度自适应调节喷雾流量,实际流量与目标流量的平均偏差为8.43%,水敏纸扫描结果表明总体区域雾滴沉积量的变异系数对比定量喷雾平均降低26.25%,喷杆方向平均降低18.79%。【结论】该研究结果可为农业航空变量喷雾技术的应用提供理论基础。