基于物联网和模糊PID技术的温室智能监控系统

针对温室范围广、监控点多、布线困难、且具有非线性、大延时、控制模型难以确定等特性,以CC2530为核心设计了无线传感器节点、汇聚节点及智能控制节点,实现对温湿度、光照等参数的实时采集,以Zigbee技术实现各无线传感器节点之间的数据传输;以GPRS技术实现汇聚节点与监控平台的对接,采用带Smith预估器的模糊PID控制算法实现对遮阳网、风机、湿帘、均热扇等设备的控制,经现场长时间运行表明,整个系统经济实用,控制精度高,运行稳定可靠,满足大棚生产要求。     

基于模糊PID的变量液体施肥控制系统

变量液体施肥控制系统具有大惯性、非线性和参数时变的特点,采用传统的PID控制方法很难实现准确的控制。为此,在建立电动执行器的数学模型的基础上,采用自适应模糊PID对液体肥流量进行自动控制,并利用Mat Lab对变量液体施肥控制系统进行建模和仿真及实验验证。仿真与实验结果表明:变量液体施肥控制系统采仿真时,自适应模糊PID控制系统的动态静态指标明显高于常规PID控制;系统超调量、调整时间明显改善,即超调量为1.5%,系统进入稳态所需时间为0.86s。变量液体施肥控制系统实验时,PID控制变量液体施肥系统的响应时间为1.6s,超调量为7.8%。模糊PID控制变量液体施肥系统的响应时间为0.8s,超调量为0,使施肥量更有效地保持在给定范围。该方法可为变量液体施肥控制提供一种有效的控制方法。     

基于联合仿真的主动悬架自适应模糊PID控制研究

利用ADAMS建立了1/4车辆主动悬架的机械模型,运用MATLAB设计了基于自适应模糊PID控制算法的主动悬架控制系统,通过ADAMS/Control模块与MATLAB的接口实现了基于车辆悬架多体模型的主动控制联合仿真.仿真结果表明,采用自适应模糊PID控制能取得很好的控制效果,与被动悬架相比显著地降低了车身加速度和轮胎动位移,大大提高了车辆的乘坐舒适性和操纵稳定性.     

基于遗传优化模糊PID算法的温室智能控制系统研究

近年来,随着信息智能化和农业现代化的快速发展,我国温室种植取得了重大进展,形成了以科学方法管理控制大棚温室环境的理念;但因缺乏工厂化管理方式,温室智能控制技术在设施配套和产业自动化方面还有不足之处,与欧洲发达国家差距甚远。因此,设计一套适合我国农情的现代化温室控制系统显得非常重要,其对实时监测和精确控制温室环境参数,提高农作物产量和质量意义深远。本文根据大棚种植特点,基于遗传优化模糊PID融合算法,设计和研究了一套独有的温室智能控制系统,并对该系统进行性能仿真实验。结果表明:本温室智能控制系统性能良好、自动化程度高、节能显著,对大棚蔬菜的种植具有重要的促进作用。     

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AMESim-Simulink的电液位置伺服系统的自适应模糊PID控制

电液伺服系统具有响应速度快、控制精度高等优点,被广泛应用于工业控制各领域。但其存在饱和与死区、非线性、时变性、时滞性的特点,针对实际电液伺服系统中这些特点导致的非线性环节建模不准确的问题,采用自适应模糊PID控制算法对电液位置伺服系统进行控制。首先对电液位置伺服系统的开环传递函数进行了推导,其次在AMESim/Simulink联合仿真平台上建立了系统模型与模糊PID控制算法,最后采用模糊PID控制算法对系统的阶跃响应和正弦跟踪性能进行了仿真研究。研究结果表明：自适应模糊PID控制对于输入信号具有响应速度快、跟踪精度高、无滞后与超调等良好的控制特性。     

基于模糊自适应PID的育果袋机纸带张力控制研究

育果袋机运行过程中对纸带张力的大小和稳定性有严格要求.为此,将模糊自适应PID控制器应用于张力控制系统并采用磁粉制动器作为执行部件,在建立张力控制数学模型的基础上,对控制器的结构和控制规则进行分析.利用MATLAB对系统进行仿真,证明该方法既满足育果袋机对纸带张力的要求,又具有快速响应、超调小的优点,是一种实用、先进、智能化的纸带张力控制方法.     

自适应模糊PID算法仔猪床温度控制系统研究

为解决北方冬季仔猪床温度低的弊端,采用低温热水辐射式采暖为供热方式,通过控制仔猪床内部循环水的流速,达到控制仔猪床温度的目的。针对系统迟滞性大、响应慢等特点,设计基于自适应模糊PID算法的控制器,实现对PID控制规则中的k_p、k_i和k_d参数实时修正,以达到改善控制系统性能的目的。通过在MATLAB中进行建模仿真和对比试验研究,表明该方法比传统的PID算法具有更好的稳态精度和自适应能力,实际温度与目标设定温度最大偏差为0.5℃,超调量为1.2%,能够满足系统性能指标的要求。     

基于自适应模糊PID的小麦播深控制系统研究

针对目前小麦播种机在复杂的田间作业过程中存在的播深一致性和稳定性难以控制等问题,从调节覆土量确定小麦播深的控制角度出发,提出了一种基于播深反馈的模糊PID控制方法,设计了小麦播种机高精度播深控制系统,实现了播深的自动调控,保证了小麦播深的均匀一致性。该系统主要由车载终端、播深检测模块、播前镇压辊检测模块以及播前镇压辊调节机构等4部分组成,能够实现小麦播种机播深的实时检测及调整。通过播深检测模块获取实时播深并作为反馈输入,结合播深预设值,根据专家模糊规则和Mamdani推理法对PID参数进行在线整定得到控制输出量,控制驱动器调整播前镇压辊位置,不断调整作业过程中的覆土量,从而实现对播深的实时精确控制,确保播深的一致性。田间试验结果表明：播种作业过程中,播深存在小范围波动。当设定播深为30mm、车速为3~5km/h时,播深平均值为30.13mm,播深标准差为0.18mm,播深合格率均值为93%,播深变异系数均值为2.93%。该系统实现了小麦播种机播深均匀一致的实时自适应调控。     

基于模糊PID的采摘机器人机械手控制系统设计

为了提高采摘机器人机械手果实的定位精度,降低果实采摘过程的破损率,将模糊算法和PID控制引入到了机械手控制系统的设计上,并采用PC上位机编程和嵌入式系统实现控制算法的运行.为了验证算法的可行性和可靠性,以果实采摘真实环境为测试环境,对机械手的定位精度和果实采摘的破损率进行了测试,结果表明:采用模糊PID算法可以明显提高...     

基于模糊PID算法的智能车电机转速控制研究

针对传统PID控制参数难以适应不同曲率半径车道下智能车运行速度变化和RS-540有刷直流伺服电机调速变化的问题,设计了自适应模糊PID算法.首先,建立了电机的数学模型,提高控制精度,在此基础上构建了自适应模糊PID控制器,然后,通过PWM脉冲改变电枢电压的平均值来控制电机转速,再通过低通滤波使速度输出平滑.加入陀螺仪使...     

玉米定向种子带恒张力卷绕系统自适应模糊PID控制

在玉米定向种子带的卷绕过程中,种子带的张力控制影响到种子带的质量。为此依据玉米定向种子带的要求,建立恒张力卷绕系统的传递函数,利用模糊控制技术实现玉米种子带的恒张力卷绕控制,创建了模糊自适应PID控制器,利用Matlab对其进行仿真,得到了较为合理的模糊控制算法,并将模糊控制算法通过西门子S7-200型PLC为核心的硬件控制电路应用于实际的张力控制,并进行了实际的卷绕试验。试验结果表明:模糊PID控制器与传统PID控制器相比,具有更好的动态稳定性和跟踪性能,张力产生阶跃时,系统过渡时间约为2 s,超调量在1.2%内,能够较好地满足种子带的卷绕要求。     

基于模糊神经网络的智能温室环境控制方案

针对农业温室环境的精确建模和控制问题,提出了一种基于模糊神经网络的智能控制方案。首先,在考虑室内外环境因素下,构建一个有效的温室环境数学模型,获得通风量、喷雾量和加热量的微分表达式;然后,利用一种自适应模糊神经推理系统(ANFIS),以温度和湿度差作为输入,通过神经网络自学习和模糊推理获得控制输出;最后,通过遗传算法优化控制器的输出比例因子,提高控制响应速度和稳定性。实验结果表明:该方案能够快速且稳定地追踪环境设置值,具有很好的控制效果。     

基于光照的温室加热系统模糊PID控制

为了给冬季作物提供适宜的生长环境,综合考虑自然光和节能因素,提出了一种基于光照的温室加热系统模糊PID控制方法。首先,根据温室的光照强度和天气预报信息,建立温室内温度的设定模型;然后,结合常规PID控制算法简单、鲁棒性好及可靠性的优点,采用模糊控制思想对PID控制参数进行调整,使控制系统可以依据不同的偏差相应地调整;最后,使用Mat Lab中Simulink对控制算法进行了仿真试验。结果表明:该控制方法稳定性高、动态响应好、抗干扰能力强,为提高温室生产的经济效益提供了理论依据。     

基于SOA优化PID控制参数的智能灌溉控制策略研究

为解决智能灌溉系统中水泵运行的不稳定问题,基于人群搜索优化算法（Seeker optimization algorithm,SOA）实现了PID（Proportion integration differentiation）参数的自动优化。该优化算法能够有效解决智能灌溉系统水泵控制中的非线性、时变性和滞后性等问题。为验证SOA优化PID控制的实际效果,与PSO（Particle swarm optimization）算法和GA（Genetic algorithms）算法优化的PID控制进行比较。仿真实验结果表明,基于SOA优化的PID控制响应时间短、超调量小,稳态过程没有振荡。因此,适用于智能灌溉系统中的水泵控制。     

基于模糊控制的智能灌溉控制系统

根据灌溉系统不易建立精确数学模型的特点，设计了基于模糊控制技术的智能灌溉控制系统c系统以土壤水分误差和误差变化率为输入，以灌溉时间长度为输出，通过对输入变量的模糊化、模糊推理和模糊决策，获得了作物的灌溉时间长度。实际运行表明，该系统能根据土壤水分适时、适量灌溉，有效地实现了节水灌溉。