智能汽车巡航控制方法的研究

针对智能车巡航控制系统有非线性、时变等特性,提出了基于神经网络的汽车巡航自适应PID控制算法,在建立汽车动力性能模型的基础上,对传统PID、模糊PID和神经网络PID三种控制算法进行了仿真比较。仿真结果显示,应用神经网络PID控制算法对模型的非线性具有较好的适应性和鲁棒性,在有扰动的情况下也能迅速将车速调整到设定的目标值上。     

拖拉机电液助力转向系统的研究

设计了一种用于拖拉机的电控液压自动助力转向(EHPS)系统,将方向盘阻力转矩引入到系统中,实现了转矩感应型助力特性的液压助力转向,既可保证转向轻便性,确保实时提供足够助力,又减少能量损失。基于AMESim软件建立了EHPS系统仿真模型,分析结果表明系统具有良好的控制精度和快速响应特性。     

基于GA-BP神经网络的水轮机非线性建模方法研究

建立精确的水轮机模型是水轮机调节系统有效建模仿真的关键。运用基于遗传算法改进反向传播神经网络的GA-BP神经网络对水轮机工作特性进行非线性拟合建模。详细介绍了利用水轮机模型综合特性曲线与飞逸特性曲线获取水轮机流量特性与力矩特性样本数据的方法,并对基本样本数据进行补充延伸。结合BP神经网络与遗传算法两者优点构建了GA-BP神经网络,利用所得样本数据进行训练,获得了基于GA-BP神经网络的水轮机非线性模型,并与传统BP神经网络在水轮机流量特性和力矩特性拟合效果上进行对比试验。仿真结果验证了论文提出方法的可行性和优越性。     

电控液压动力转向系统匹配及控制策略分析

电控液压动力转向系统(EHPS)在保证可靠助力的同时,可以通过调节进入转阀的液压油的流量改变助力比,从而能获得良好路感。在介绍EHPS系统的工作原理之后,分析了各组成部分对转向性能的影响,阐述了系统匹配设计及其控制模型的建立,最后提出了相应的控制策略。     

基于ADAMS的电动助力转向系统助力特性研究

助力特性是研发电动助力转向系统的力特性曲线的类型,在ADAMS/Car模块下建立装备EPS系统的虚拟样机,在获取助力特性曲线的特征参数的基础上拟合车速感应型助力特性曲线.经过台架试验,结果表明所提出的车速感应型助力特性曲线的合理性和正确性,为EPS系统性能的提高及后续研究提供了理论依据和参考.     

基于ARM的电控液压动力转向系统控制器研究

电控液压动力转向(ECHPS)系统可克服传统液压动力转向系统助力大小不可调节的缺陷,使驾驶员在汽车高速行驶时能获得较强的路感。经过研究车速与转向助力的关系,设计了一种基于ARM微处理器的ECHPS系统控制器,可根据车速传感器提供的车速信号,利用车速与助力特性的函数关系,输出PWM占空比控制数字阀,以达到控制助力大小的目的。通过软硬件的仿真调试,实现了随着输入模拟量的变化,可迅速输出相应的PWM占空比值,满足了在不同车速下获得不同助力特性的要求。     

基于AMESim与Simulink的电动液压助力转向系统的联合仿真

在AMESim和MATLAB/Simulink平台上分别建立电动液压助力转向系统的动力学模型和PID控制的ECU模型,通过创建S函数实现AMESim和Simulink的接口互连。根据所建模型进行联合仿真,联合仿真结果表明,本文所建立的EHPS系统的动力学模型和控制算法是正确的。     

基于神经网络非线性模型的线控转向系统控制

进行汽车线控转向系统动力学分析及控制算法研究,需考虑动力学模型的非线性。首先建立基于魔术公式轮胎模型的非线性二自由度整车模型,然后基于神经网络方法训练逼近映射汽车模型输入与输出的关系,最后采用模糊控制方法由车速、转向盘转角等得到转向传动比控制算法。结果表明,基于神经网络的非线性整车模型与样本数据较好吻合,满足研究需要。转向传动比模糊控制算法考虑了转向轻便性和稳定性,提高了汽车操纵稳定性。     

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.     

基于BP神经网络拟合水泵特性曲线

通过试验的方法绘制出水泵的特性曲线是判断水泵是否满足设计要求的基础.特性曲线拟合的精度决定判断的准确性.人工神经网络具有较强的非线性处理能力和逼近能力.为此,在分析水泵性能试验及其特性曲线、阐明BP神经网络的方法理论及其特性的基础上,建立了BP神经网络拟合水泵特性曲线的模型,并加以应用.结果表明,其效果显著,具有工程应用价值.     

陶瓷材料电加工表面粗糙度的预测

针对电加工工艺参数与性能指标的函数映射关系大多具有非线性的特征，提出了将BP神经网络引入电加工领域中。考虑到BP算法的不足，提出用遗传算法来优化BP神经网络的连接权值，设计了基于进化神经网络的学习算法，建立了陶瓷材料电加工表面粗糙度随工艺参数变化的预测模型。试验结果表明，该算法可以避免BP神经网络易陷入局部极小值等问题，预测精度高，相对误差在4％之内，进而验证了该模型的可靠性。     

基于改进BP神经网络的黑龙江农机总动力预测

BP神经网络在人工神经网络中起着至关重要的作用,通过分析标准BP神经网络的基本算法,指出标准BP算法的一些不足,并针对这些不足提出了以一种以相对误差作为误差传递信号的新的改进方法。经试验证明:该方法大大提高了BP神经网络预测结果的精度,同时这种新的改进思想也可以结合其他改进方法一起应用,以更大程度上地提高BP神经网络的运算速度和预测精度。     

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。     

基于BP神经网络的柴油发动机特性建模

建立连续的发动机燃油特性和调速特性数学模型作为液压机械无级变速器虚拟试验平台的动力源。根据虚拟平台对不同特性区域的精度需求对柴油发动机不同特性区域的试验数据进行不同的密度选取、乱序和归一化处理,采用单隐层BP神经网络对试验数据进行训练,对比不同隐层节点数网络的训练误差和测试误差,选取误差最小的网络,求解出网络的数学表达式。通过该方法以ISLe310柴油发动机为例建立燃油特性和调速特性的连续数学模型,这两个简单的数学表达式准确反映了发动机万有特性和外特性,连续模型避免了虚拟试验中出现信号的突变和奇异点。通过和经典的最小二乘法拟合得到的最优特性模型进行对比,其具有更小的误差、更强的泛化能力,能够更好地反映柴油发动机的相关特性。     

基于MEA优化BP神经网络的农机滚动轴承故障诊断

为了解决农机滚动轴承的故障诊断问题,提出了一种基于思维进化算法(MEA)优化BP神经网络的故障诊断新方法。该方法利用思维进化算法的趋同和异化操作,通过竞争获取优胜种群,在迭代过程中不断优化BP神经网路的初始权值和阈值,建立MEA-BP网络农机滚动轴承故障诊断模型。以滚动轴承试验实测数据为例,通过Mat Lab软件进行仿真,结果证实:该方法不但克服了常规BP网络学习速度慢和局部极小的缺点,而且提高了故障诊断准确度,为其他农业机械设备的故障诊断提供了一种试验方法。     

萝卜丝薄层干燥试验及其数学模型的建立

萝卜丝干燥是萝卜加工的重要环节。利用薄层干燥试验台,进行萝卜丝的薄层干燥试验,探讨热风温度、风速对干燥速率的影响。结果表明,萝卜丝干燥具有典型物料干燥的升温、等速、降速3个阶段,热风温度对干燥速率的影响比风速对干燥速率的影响显著。用BP神经网络建立萝卜丝干燥的数学模型,并与Page模型的模拟结果进行对比。结果表明,用BP神经网络预测的含水率比精度明显高于Page模型。     

甘蔗收获机切刀负载压力的神经网络预测

为了实现切刀负载压力预测以及入土切割自动控制信号获取,结合正交试验和BP神经网络与回归分析分别建立了切刀负载压力的预测数学模型.结果表明:BP神经网络构建的切割负载压力数学模型准确拟合率达到了85.2％,而回归分析构建的切割负载压力模型准确拟合率只有33.3％;对构建的切刀负载压力BP神经网络模型在新的试验因素下得到的...     

基于神经网络的传感器非线性校正方法

BP神经网络是基于数值计算的知识处理系统，具备高度非线性映射的能力。为此，通过BP神经网络对样本数据进行训练，得到非线性校正模型及精度值，然后与传统的曲线拟合方法进行比较分析。结果显示，基于神经网络模型的传感器非线性校正方法具有良好的测试精度和实用性。     

基于遗传算法和BP神经网络的用水

为避免BP算法易陷入局部极小的缺陷，根据遗传算法具有全局寻优的特点，将二者结合起来形成GA-BP混合算法。以GA优化BP网络的初始权值和阈值，按负梯度方向修正网络权值及阈值，对网络进行训练。最后，用matlab编写GA-BP计算程序，以多组数据进行测试，并与纯BP算法进行分析比较，结果表明该方法可以有效、准确的应用于城市用水量预测。     

基于神经网络的番茄栽培管理专家系统

针对专家系统开发过程中存在的问题，利用神经网络的学习功能、记忆功能和并行处理的优势，提出了用神经网络建立专家系统的方法；构造了神经网络专家系统的基本框架；并详细阐述了神经网络专家系统的设计过程及BP神经网络的改进算法。