DMC-PID串级控制在CVT速比控制系统中的应用

通过分析CVT速比控制系统的结构及基本控制原理,确定该系统具有时滞弱非线性特性,论述了常规PID控制算法以及单一的DMC控制算法应用于该系统的局限性.针对这一问题,设计了DMC-PID串级预测控制算法,该算法将经过PID校正的速比控制系统作为广义的控制对象,用DMC预测算法在线滚动优化控制参数,在优化过程中利用实测信息不断进行反馈校正,充分发挥DMC算法的超前预测性和强鲁棒性以及PID控制算法的抗干扰能力.台架实验结果表明,与常规的PID算法相比,该算法能有效减小速比跟踪过程中的波动,超调量由14%下降为4%,过渡时间由6 s缩短为4.5 s,提高了系统的动静态性能.     

无人机三轴稳定云台的模糊PID控制

以无人机三轴稳定云台的内框作为研究对象,将自适应卡尔曼滤波算法与模糊PID控制算法相结合,提出了一种基于自适应卡尔曼滤波的模糊PID控制算法.经过Matlab仿真实验表明,相对于经典PID控制算法和模糊PID控制算法而言,该算法在无人机三轴稳定云台的控制上,不仅响应速度快、精度高,而且对控制干扰噪声和测量噪声也起到了较好的抑制作用.     

盘管出水口水温与热水流量的串级控制实验系统设计

串级控制是改善和提高控制品质的一种有效的控制方案.以锅炉为目标,探讨在控制中使用串级控制技术的可行性,基于"THJ-2型高级过程控制系统实验装置"的结构基础,利用MCGS组态软件设计上位机监控系统,主要包括盘管水温与热水流量串级控制系统仿真画面窗口,系统参数设定窗口及实验数据、曲线实时显示窗口,以实现对控制过程的实验仿真及过程的实时监控,更有利于过程的控制及参数修改与整定.最后,通过实验,具体说明利用MCGS组态软件进行系统仿真及参数整定的优越性.     

基于改进PID控制的永磁同步电机转速仿真研究

为了提高永磁同步电机转速跟踪精度,设计了基于粒子群算法优化的PID控制系统。创建了永磁同步电机驱动控制系统流程图,定义了电机模型的内环和外环控制回路的传递函数。设计了分数阶PID控制方法,采用广义粒子群算法优化分数阶PID控制方法,设计出永磁同步电机改进PID控制方法。采用MATLAB对电机转速用改进PID控制方法输出误差进行仿真,与传统PID控制方法进行对比。仿真结果表明,与传统PID控制方法相比,采用改进PID控制方法,永磁同步电机转速跟踪误差较小,在面对外界突发波形干扰情形下,能够快速调整控制系统的响应速度。所设计的改进PID控制方法,能够提高永磁同步电机转速跟踪精度。     

分数阶PI^λD^μ控制器阶数变化对控制性能的影响

与传统整数阶PID控制器相比,分数阶PIλDμ控制器增加了两个可调参数,微分阶数μ与积分阶数λ。调节μ与λ的值就可以调节控制器微分环节与积分环节的强弱,使得分数阶PIλDμ控制器的设计更加灵活,控制性能更加优良。通过仿真实验详细研究了分数阶PIλDμ控制器的微分阶数μ与积分阶数λ变化对控制器控制性能的影响。仿真结果表明,μ与λ分别主要影响系统的超调和系统的稳态精度。     

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。     

基于滑转率的拖拉机驱动防滑模糊PID控制算法仿真分析

对基于滑转率的拖拉机驱动防滑模糊PID控制算法进行了仿真分析。首先建立系统的数学模型,并用Matlab/simulink建立计算机仿真模型,然后设计系统的模糊PID控制器,并进行了仿真分析,观察控制效果,同时用PID控制算法、模糊控制算法进行仿真研究,分别进行响应性、抗干扰性、适应性的对比分析,对比发现,模糊PID控制算法较为合适。     

基于无人机高光谱分数阶微分玉米SPAD值估算

以夏玉米为研究对象，基于无人机高光谱数据和野外玉米冠层叶片实测SPAD值，以0.2阶为步长，计算光谱0～2阶分数阶微分，分析其与玉米冠层实测SPAD值之间相关性，筛选相关系数绝对值前10波段为特征波段组合，构建并比较玉米冠层叶片SPAD值的支持向量回归模型(SVR)、反向传播神经网络模型(BPNN)和麻雀优化算法随机森林模型(SSA-RFR)。结果表明，经分数阶微分变换可显著提高与SPAD值相关性，其中以0.6阶698 nm处相关系数绝对值最大；基于分数阶微分模型整体精度高于整数阶模型，其中基于分数阶微分的SSARFR模型精度最高，R²为0.706，较整数阶提高32.46%,RMSE和MRE分别为2.444和3.579%，较整数阶降低13.46%和12.95%。     

四重滚筒式牧草烘干机控制系统应用研究

文章介绍了四重滚筒式牧草烘干机的结构,针对四重滚筒式牧草烘干机的烘干工艺要求,提出了系统控制的软硬件设计方案,进行了模糊PID控制算法的仿真。结果表明,模糊PID算法优于常规PID算法,其调节时间短和控制精度高,能够满足牧草烘干工艺要求。     

基于LabVIEW模糊自适应PID的实现

通过LabVIEW与MATLAB进行混合编程的方式,借助两软件各自的优势,设计出具有模糊自适应PID控制算法的虚拟仪器,并对不同的对象特性进行控制系统的仿真与三容水箱液位的实时测控。实验结果表明,模糊自适应PID控制系统的控制效果良好,具有较强的鲁棒性。     

四旋翼飞行器悬停算法设计与实现

以自制四旋翼飞行器为研究对象,对四旋翼飞行器悬停算法进行详细研究。控制中心通过传感器MPU6050获取飞行数据,通过获取的数据计算得到飞行姿态,然后结合气压传感器和摄像头相结合进行悬停算法的设计。程序算法主要包括四元数、PID、卡尔曼滤波和视觉定位等算法,计算得出相应的数据,最后通过控制电子调节系统驱动无刷电机完成其悬停与控制。     

模糊PID控制无人自转旋翼机飞行姿态仿真

农业植保无人机中自转旋翼机(简称旋翼机)具有机体结构简单、滑跑距离短、飞行高度低和空中失去动力时安全性高等优点,在农业数据采集、农情监测和农业施药等领域广泛应用。文章研究模糊PID控制器控制旋翼机姿态,运用MATLAB作旋翼机飞行姿态仿真。仿真结果显示,该系统在系统阶跃响应下模糊PID控制器相较经典PID收敛时间减少0.04 s,而给定目标角情况下,滚转角和俯仰角误差±0.01°与±0.05°上下。因此,模糊PID控制器可增强PID自适应性与鲁棒性,降低飞行时姿态控制不稳定性,姿态控制效果良好,提高飞行稳定性。     

基于反步滑模算法的植保无人机姿态控制研究

针对植保无人机在作业时易受环境及模型参数影响,提出一种反步滑模姿态控制算法,分别在无故障干扰与有故障干扰情况下,对线性二次型调节器法(Linear quadratic regulator,LQR)控制、滑模法控制(Sliding mode control,SMC)、积分反步法控制(Integrator backstepping controller,IBC)开展仿真对比试验.结果表明,在无故障干扰下3种算法均能在较短时间内达到平稳状态,在有加性故障干扰时线性二次型调节器法控制无法快速达到平衡状态,滑模控制有抖动,积分反步法震荡较大.为解决此问题,基于反步法设计位置姿态控制律对植保无人机闭环控制回路作补偿,构造滑模观测器实时观测执行器故障情况;设计基于反步滑模控制(Backstepping sliding mode,BSM)容错控制器,并开展仿真与物理试验.可知,反步滑模控制物理实现简单、响应时间短、容错控制性强、鲁棒性好,植保作业更加精准高效.     

基于遗传算法的LQG/LTR航空发动机性能优化

针对飞行控制系统控制器的设计中存在建模误差以及飞行过程中外界干扰的影响,采用LQG/LTR鲁棒控制方法完成某型战斗燃油机控制系统控制器的设计。为了提高战斗机控制精度,解决LQG/LTR鲁棒控制方法中存在的权矩阵Q和R选择困难的局限性,加入遗传算法,进行在线寻优。同时针对不同飞行条件下系统以及系统建模过程中造成的参数不确定性问题分别进行仿真，并与传统PID以及控制效果较好的基于遗传算法的PID控制进行对比仿真。理论研究和系统仿真结果表明,基于遗传算法的LQG/LTR控制系统与基于遗传算法的PID控制相比,不但具有良好的鲁棒性,而且响应快速,控制精度高,满足了战斗机飞行控制的要求。     

基于太阳能的植保无人机续航提升方案

在农业领域对无人机的任务需求中,续航问题无疑是目前植保无人机所面临的重要问题之一。由于电池生产技术的瓶颈,目前植保无人机的有效作业时间大都被限制在12 min左右难以突破。太阳作为一个取之不尽用之不竭的“无源”动力得到了特别的关注,因此设计了一种基于太阳能的植保无人机续航提升方案。在六旋翼无人机平台上对方案的可行性进行实验,结果表明,安装了太阳能续航模块后的无人机相比安装前,飞行续航时间平均提升了70 s。该方案基于多轴无人机飞行平台,在无人机工作时将太阳能转化为电能为锂电池续电,从而减少锂电池在飞行时的电量消耗,增加植保无人机的有效作业时间,在一定程度上缓解了当前植保无人机的续航问题,并能够向其他基于无人机平台的应用延伸。     

六旋翼植保无人机飞行框架的结构设计与试验

为了达到无人机轻量化的要求，以碳纤维材质为机身主体，设计了一套六旋翼植保无人机的飞行框架。基于ANSYS对该框架关键结构部件的刚度和强度进行了静力学分析，根据分析结果，将单层中心固定板改为了双层结构并在机臂之间加入了加强筋。分析表明：优化设计后，无人机中心板形变量降低了104.36倍，最大应力降低了13.15倍，而质量仅增加了1.9%。最后通过实际飞行振动试验，基于LabVIEW对植保无人机机身3个不同位置竖直方向的振动信号进行小波变换降噪处理和时、频域计算评估，振动最大RMS值为1.69 g，小于飞行控制系统振动报警阈值2.5 g，表明其在稳定性和操控能力上具有良好的表现。     

基于人工智能的温室环境控制算法

温室环境控制系统的最大特点是控制对象的精确数学模型很难建立。文章将常规PID控制算法与现代控制理论相结合,对常规PID算法进行改进,得到新型MPT控制算法,并加入模糊控制算法规则,在误差大时,运用模糊算法进行调节,以彻底消除PID饱和积分现象,当误差较小时,采用改进后的PID算法控制输出。同时加入了自适应调节规则和自整定专家系统,建立了基于人工智能的温室环境控制算法。将此算法应用于温室环境控制。系统具有无超调和控制精度高等特点。     

基于自适应遗传优化递归神经网络的木工送料平台补偿控制研究

  目的  针对结构较为复杂的并联式多轴联动的新型木工带锯送料平台加工精度较低,控制参数无法优化,有多种不确定因素影响精度等问题。结合遗传算法寻优速度快和递归神经网络具有抑制不确定性因素的优点,设计一种将递归神经网络和自适应遗传算法结合的全局优化的控制策略。  方法  分析送料平台结构和误差产生来源,从而建立了相应的误差源模型;结合自适应遗传算法优化RNN网络参数进而对PID参数进行优化,通过Matlab和Adams联合仿真的方法对该补偿控制策略进行验证,并与传统PID、遗传算法优化PID参数和RNN网络优化PID参数3种补偿控制算法进行对比;分析不同算法下控制参数、送料平台位移与角度变化曲线,并搭建了实际电路和控制器进行实验。  结果  分析仿真结果可知:该控制策略与其他3种控制策略相比,超调量最小,响应最快,大约在0.6 s达到稳定,且其在外部干扰下,更快达到稳定,大约0.3 s达到稳定。经过该控制策略补偿后,Y方向的偏移误差从补偿前6 mm降低至小于3 mm,X方向的偏移误差从6 mm降低到2 mm,倾斜角误差从5.5°减小至3°,平台轨迹曲线大部分曲线段与目标曲线完全重合;传统PID控制时,Y方向的偏移误差为6 mm,X方向的偏移误差6 mm,倾斜角误差5.5°,平台轨迹曲线与目标曲线偏差较大;遗传算法优化PID参数控制时,Y方向的偏移误差从补偿前6 mm降低至小于4.8 mm,X方向的偏移误差从6 mm降低到5 mm,倾斜角误差从5.5°减小至4.5°,平台轨迹曲线部分曲线段与目标曲线重合;RNN网络优化PID参数控制时,Y方向的偏移误差从补偿前6 mm降低至小于4.5 mm,X方向的偏移误差从6 mm降低到4.8 mm,倾斜角误差从5.5°减小至4°,平台轨迹曲线部分曲线段与目标曲线重合。  结论  该方法与其他3种方法相比,响应速度快,超调量小,具有很好的抗干扰性能和较强的鲁棒性,且可有效补偿误差,提高其运动精度,满足驱动要求。