基于PID直流电机驱动的移动式采摘机器人设计

为了提高移动式采摘机器人的控制效率和移动精度,将直流电机驱动电路引入到采摘机器人移动控制系统的设计中,并采用PID算法对移动速度进行调节,从而避免采摘机器人在移动过程中产生较大的速度波动,提高其作业时的平稳性。为了验证PID算法在采摘机器人移动控制系统上使用的可行性,模拟葡萄采摘机器人的作业环境,对采摘机器人移动过程的速度控制进行了仿真模拟,结果表明:达到速度预定目标时,PID算法比常规算法具有更快的响应速度,调节过程也更加平稳。     

果园有机肥深施机分层变量排肥控制系统设计与试验

果园不同深度的土壤养分不同，果树根系分层吸肥能力不同，有机肥分层变量深施可以解决传统施肥存在的养分分布不均和肥料利用率低等问题。针对有机肥分层变量深施的排肥控制问题，本文设计了排肥控制系统，可以根据用户设置的各层理论排肥量和作业速度，实时计算液压马达的理论转速，并采用PID算法控制比例流量阀开度，调节马达转速驱动螺旋输送器排肥，实现分层变量排肥。将AMESim中建立的液压系统模型与在Matlab/Simulink中建立的控制模型进行联合仿真，整定PID参数。液压马达转速调节性能试验中最大超调量为14r/min，达到稳定转速的时间最大为6s，控制性能较好，表明通过AMESim-Matlab/Simulink联合仿真，能够快速便捷地整定PID参数，结果准确可靠。排肥控制性能试验中排肥量相对误差最大6.20%，变异系数最大8.69%，排肥量准确性和均匀性均达到要求。设计的控制系统具有较好的性能，能为果园有机肥分层变量深施提供技术支撑。     

农用无人机移动补给平台自主降落算法与试验

为实现根据无人机作业位置改变中途补充能源或喷洒物的起降地点,增加无人机有效作业时间,提高无人机作业效率,设计了无人机移动补给平台。通过研究农用无人机自主降落过程,提出一种基于模糊逻辑和比例积分微分(Proportional-integral and derivative,PID)分段控制的农用无人机跟踪降落算法,该算法既拥有PID算法的高精度,又兼顾模糊控制算法响应速度快、超调量小、鲁棒性强的优点。目标轨迹跟踪预测由粒子滤波器跟踪算法和轨迹拟合算法相结合进行求解。仿真和现场试验表明,与单一的PID算法和模糊逻辑算法相比,分段控制算法能够把农用无人机对移动补给平台的跟踪误差缩小到6. 7 cm以内,在移动补给平台上的降落精度控制在7. 2 cm以内。     

大功率气体发动机电子节气门设计与研究

以大功率气体发动机的电子节气门为研究对象,对其进行了系统的设计和研究。在分析电子节气门机械结构的基础上,建立了电子节气门数学模型,采用冗余设计思想设计了双H桥电子节气门驱动电路。采用增量式PID控制算法对电子节气门开度进行精确的闭环控制。实验结果表明,设计的电子节气门系统鲁棒性好,具有很好的响应性和稳定性,能满足大功率气体发动机的性能需求。     

基于SOA的水轮机调速系统PID参数优化

针对现有优化方法复杂、易陷入局部最优等问题,为水轮机调速系统提出了一种基于人群搜索算法的比例-积分-微分控制参数优化方法.为验证该算法的可行性,建立了水轮机调速系统非线性模型,选取水轮发电机组转速偏差的积分时间绝对误差指标作为目标函数进行优化.为验证优化结果的有效性,将人群搜索算法的控制效果与参考文献中粒子群算法的控制效果进行了对比分析.仿真结果表明,在5%频率扰动下,人群搜索算法自第29次迭代起已收敛,经其优化的系统能在8秒内趋于稳定,此时系统的超调量为1.6%;在10%负荷扰动下,人群搜索算法自第25次迭代起已收敛,其优化效果与粒子群算法优化效果基本相同,两者均在10秒内让系统趋于稳定,但人群搜索算法优化的积分时间绝对误差指标比粒子群算法优化的积分时间绝对误差指标小,表明人群搜索算法具有更好的搜索功能,在一定程度上改善了孤网运行条件下机组的动态性能.     

基于PID的饲料制粒调质温度控制系统设计与试验

为解决颗粒饲料在制粒过程中调质温度依赖人工辅助控制问题，该研究设计了基于PID控制算法的调质温度控制系统。采用开环阶跃响应法建立电动比例调节阀与调质温度之间的控制模型。为了得到最优的PID控制参数(比例系数K_p、积分系数T_i、微分系数T_d)，通过Simulink仿真试验对比了Ziegler-Nichols整定法、衰减曲线法和临界比例度法的PID响应曲线，确定PID最优控制参数为K_p=52.7,T_i=6.4,T_d=1.6。对小型制粒机调质温度控制系统进行试验，选用哺乳母猪配合粉料，调质温度分别设定为75、80和85℃，稳定后的调质温度均能维持在设定范围内；选取调质温度为80℃进行稳定性试验，每1 min记录调质温度，整个试验过程中调质温度基本稳定在(80±1)℃范围内，调质温度平均相对误差小于1%，调质温度变异系数小于0.5%，系统温度控制稳定，可自动采集制粒生产数据，实现了制粒过程中调质温度的快速响应和实时控制。研究结果可为颗粒饲料制粒机的自动化控制提供参...     

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。     

基于广义回归神经网络的灌溉系统首部多用户配水快速PID控制

针对多用户配水状态下灌区流量、压力需求变化范围大,传统流量、压力控制响应速度慢等问题,建立适用于多用户灌区配水的灌溉系统首部控制技术。该研究通过分析供水系统流量、压力调节方式,提出了流量、压力PID(Proportion Integration Differentiation)耦合调节方法,建立以电动阀开度为流量控制量、变频器频率为压力控制量对流量和压力进行调控的灌溉首部控制系统。为了减少系统的调节时间,提高系统的运行效率,采用广义回归神经网络(Generalized Regression Neural Network,GRNN)建立流量、压力和电动阀控制模拟量、变频器控制模拟量间的预测模型,形成神经网络PID控制模型(GRNN_PID),并进行模型精度和控制精度验证。GRNN训练结果显示,变频器控制模拟量的相对误差为0.11%～3.86%,电动阀控制模拟量相对误差为0.09%～5.74%,模型精度较高。使用3个调节过程模拟3个用户的需水行为对模型进行验证,结果表明,GRNN_PID模型3个过程的调节时间分别为11.6、10.7和7.2 s,PID模型3个过程的调节时间分别为31.7、29.6和16.9 s,GRNN_PID模型大幅减少了系统的调节时间,提高了系统的运行效率;分别计算了2种模型的控制精度,GRNN_PID调节方法和传统PID调节方法的稳态流量和压力误差都在1%以内,最大超调量为8%,控制精度较高但相差不大,表明GRNN是从策略上加速系统调节速度,其本身并没有对PID的参数进行调整,因此对系统的控制精度影响不大。研究可为灌溉系统流量压力快速控制提供参考。     

智能轨迹控制割草机器人设计——基于FPGA神经网络

为了提高割草机器人自主导航和定位的精确性和智能性,设计了一种新型的基于FPGA神经网络算法的割草机器人。该设计采用FPGA可重构技术,以3层误差反向传播神经网络作为典型的模型来展开;利用成熟的BP算法公式,设计了割草机器人智能控制的模型;利用FPGA技术,设计了割草机器人的硬件系统;最后采用文本输入的设计方法,利用田间试验的方式,对机器人的轨迹规划能力和控制精度进行了验证。试验结果表明:利用FPGA和神经网络模型可以有效地穿越5个障碍物,并可得到满意的轨迹规划结果。将普通的PID控制器和神经网络PID控制器得到的控制结果误差进行了对比,结果表明:神经网络PID控制器得到的割草机器人控制误差明显比传统的PID控制器误差小。该方法为神经网络的硬件实现提供了可靠的理论基础。     

ADAMS和Matlab的EPS和整车系统的联合仿真

首先利用ADAMS软件建立带有电动助力转向系统（EPS）的整车多体动力学模型；然后在Matlab／Simulink环境中设计了PID控制的EPS系统，定义了与ADAMS／CAR环境下车辆模型的数据交换接口；最后，将设计的控制系统在ADAMS／CAR和Matlab／Simulink环境下通过输入输出接口进行联合仿真。几种行驶工况下的EPS及整车的动态特性计算结果，表明联合仿真方法是正确有效的，并为其在车辆工程中的实际应用提供了参考。