共查询到18条相似文献,搜索用时 218 毫秒
1.
2.
温室温度控制系统的神经网络PID控制 总被引:7,自引:4,他引:3
建立温室温度控制系统的数学模型。针对温室温度控制系统存在的大滞后、大惯性等问题,考虑到常规PID控制器自适应能力差、鲁棒性不强等缺陷,提出采用将具有较强的自组织、自学习和自适应能力的径向基神经网络与常规PID相结合构成RBF-PID控制策略,自适应调整PID控制器的参数。在该控制策略中,采用RBF神经网络辨识器实现温度控制系统的Jacobian矩阵信息在线辨识,对 RBF-PID控制器控制参数在线自整定。研究结果表明:RBF-PID控制器可使温室温度控制系统动态响应快、鲁棒性强、稳态精度高、超调量小、抗扰动能力强,具有良好的控制效果。 相似文献
3.
气动柔性末端执行器设计及其抓持模型研究 总被引:4,自引:3,他引:1
针对目前刚性结构的农业果实采摘机械手柔顺性不足而易损伤抓取目标的缺点,设计了一种柔性末端执行器结构。该末端执行器由3个气动柔性弯曲关节作为手指部分、1个气动柔性扭转关节作为腕部,给出了手指部分和腕部的数学模型。分析了该末端执行器抓取圆柱形目标时的夹持模式和抓取球形目标时的抓握模式。仿真分析并试验研究了抓取目标物体重力和半径变化对末端执行器内腔压力的影响。结果表明建立的抓持模型能够反映该末端执行器的基本特性,研制的柔性末端执行器能够应用于农业果实的采摘作业。 相似文献
4.
海洋微生物酶反应器智能控制系统的研制 总被引:3,自引:1,他引:2
生物发酵过程具有严重非线性、高度时变性、高阶多变量和大型不确定的特点,为了实现生物发酵过程的自动化控制,提高生物技术产品的生产水平,使得发酵过程的参数检测、操作监视、自动控制等智能化,分析了影响发酵过程的主要因素以及各变量之间的耦合关系,综合应用传统的PID控制方法、模糊神经网络技术,构建了一种多变量模糊神经控制系统的前馈解耦算法并将其应用在发酵过程的思想,同时采用了冷凝、回收、利用发酵尾气技术,解决了尾气排放、罐体泄漏染菌的问题。模糊神经控制器和解耦部分独立设计,在模糊控制器中引入神经网络,解耦网络采用一层隐层,利用简化的学习算法,根据系统输出误差,在线调整网络权值,从而实现动态解耦而无需辨识被控对象的模型。该方法结构简单且计算量小,经实际应用结果表明这种控制算法具有很好的控制效果。 相似文献
5.
拖拉机液压机械无级变速器的速比控制 总被引:8,自引:6,他引:2
为了实现无级调速拖拉机工作时的速比调节与动力换段,该文对其液压机械无级变速器的速比控制进行了研究。根据变速器的速比特性和液压系统辨识试验,确定了变量泵励磁电流、泵-马达速比与变速器速比三者之间的稳态和动态数学模型。基于该模型,设计了基于单神经元网络的神经PID控制器,在Matlab/Simulink下研究了其参数整定规律,得到了一组可行参数并通过了试验验证;在此基础上提出了开环与闭环相结合的继电控制模式,使神经PID控制器工作于特定的区间和条件之下,有效避免了频繁的换段和马达换向问题;并通过台架试验证实了该算法的正确性及可行性。试验中,每个偏向的开环调节时间为5~6 s,调速过程平稳、无静差,变速器能在包含换段点在内的任意速比条件下可靠运行。该研究可为变速器的后续设计及动力匹配提供参考。 相似文献
6.
7.
8.
该文以农用车辆为控制对象,设计了路径跟踪PID控制器。基于性能指标—ISE、IAE、ITAE和ITSE分别整定了PID控制器参数,给出了最优PID控制器,同时进行了仿真对比分析。仿真结果表明,以超调量和调节时间这2个时域指标为评价标准,基于上述4种性能指标准则,系统在所给控制器作用下均能获得令人满意的动态和稳态性能。ISE准则整定的PID控制器使闭环系统单位阶跃响应的超调量为25.55%,调节时间为5.07s。相比ISE准则,由IAE、ITAE和ITSE准则整定的控制器使闭环系统单位阶跃响应的超调量更小,为10.03%,调节时间更短,为3.95s。利用本文方法能够获得较好的PID控制器参数,可为农用车辆控制器设计提供理论依据。 相似文献
9.
针对道路模拟振动台加速度波形复现跟踪精度较差的问题,提出了基于LMS(least mean square)自适应滤波算法作为道路模拟振动台的伺服控制系统的前馈环节,LMS自适应算法通过调节有限长冲击响应FIR数字滤波器的权值,也即调节前馈控制器的参数,以提高加速度波形复现的精度。对单通道道路模拟振动台进行数学建模,并采用PID和LMS两种控制器对控制系统进行了设计与仿真。仿真结果表明,自适应滤波算法LMS跟踪精度远远高于传统的PID控制器,并且具有在线调节FIR滤波器权值的优点。最后,采用xPC Target快速原型软件进行了试验验证,试验结果表明,基于LMS控制策略提高了道路模拟振动台加速度波形复现的精度,利用所提出的控制策略可以成功地进行道路模拟加速度波形复现试验。 相似文献
10.
黄瓜抓持特性与末端采摘执行器研究 总被引:2,自引:7,他引:2
为了设计用于黄瓜采摘的末端执行器,首先测定了黄瓜的抗压特性、表面摩擦系数和果柄切断阻力等物理特性。针对黄瓜抓持模型进行了力学分析,建立了气动驱动器中的气压值与抓持能力之间的关系。最后,研制了可用于黄瓜采摘的末端执行器,由抓持器和切割器组成,抓持器由2个基于气动柔性驱动器的弯曲关节构成,切割器由旋转气缸和刀片构成。该采摘执行器机械结构简单,输出力较大。试验结果表明:黄瓜抓持成功率为90%,黄瓜果柄割断成功率为100%,采摘时间为3 s。该采摘执行器采摘黄瓜效果良好,具有较好的实际应用前景。 相似文献
11.
基于神经网络的风力辅助提水系统自适应PID解耦控制 总被引:1,自引:1,他引:0
针对风力机和离心水泵的特点,该文设计了一种风力辅助提水机结构及其控制策略。由于该设备需要解决最大可能地利用风能和风力机与柴油机之间的功率平衡问题,因此,该系统是一个时变的2输入2输出耦合系统。根据解耦和神经网络的思想,采用2个回归神经网络(DRNN)在线调整2个PID控制器的参数,一个神经元解耦补偿器完成系统的解耦,实现了不依赖于对象模型的自适应PID解耦控制。计算机仿真结果验证了该控制策略的可行性,为进一步研究奠定了基础。 相似文献
12.
基于人工神经网络的感应电动机转子电阻参数辨识 总被引:2,自引:0,他引:2
为应用人工神经网络于感应电动机传动系统中,提出了一种基于Hopfield神经网络的感应电动机参数辨识方法。这种方法的精确性不受网络初值及控制参数的影响。仿真结果证明了人工神经网络辨识方法的精确性和快速性。 相似文献
13.
14.
基于模拟正交神经网络的电热干燥器温度控制 总被引:6,自引:3,他引:3
该文研究的目的是建立一种模拟正交神经网络控制器用于电热干燥器的温度控制。首先在数字正交神经网络的基础上给出模拟神经网络的学习算法,然后提出模拟正交神经网络加积分的并行控制方法,并应用于电热干燥器的温度控制中。温度控制仿真结果证明,这种控制器比PID控制器具有更好的快速性和较小的超调,温度控制获得了满意的控制效果。该模拟神经控制器能用于不确定对象的控制,为不确定系统控制提供了一种新的途径。 相似文献
15.
16.
针对因田间土壤质地不均匀或表面高低不平,无沟铺管机出现行驶偏摆而导致管道铺设弯曲的问题,设计了基于载波相位差分技术的北斗定位系统(Real Time Kinematic-BeiDou Navigation Satellite System, RTK-BDS)的导航控制系统。采用多模态控制策略,通过传感器检测无沟铺管机工作时的左、右行走马达速度,车辆实际平均车速,发动机功率和两侧行走泵的压力等状态参数,并输入到后向反馈(BackPropagation,BP)神经网络,预测铺管机当前状态分类,使用选择器选择模态控制参数,采用自适应比例-积分-微分(Proportion-Integral-Differential,PID)控制算法进行导航控制。经过田间试验,获取铺管机的模态控制参数和BP神经网络训练样本。导航控制系统上线试验结果表明,导航控制横向超调量为4.58 cm,最大横向误差在±4 cm范围内,平均横向误差在±1.5 cm范围内,能够满足铺管机直线性作业要求。 相似文献
17.
联合收获机单神经元PID导航控制器设计与试验 总被引:5,自引:4,他引:1
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。 相似文献
18.
近年来高光谱技术由于无损和高效等优点成为了现代精准农业发展的必要手段方法。为实现冬油菜无损、快速的氮素盈亏诊断,该研究以连续两年(2022—2023年)不同覆盖及施氮处理下冬油菜蕾薹期采集的90份植物样品(地上部生物量和植株氮浓度)和高光谱实测数据为数据源,根据原始光谱和一阶微分(first-order differential,FD)光谱与氮营养指数(nitrogen nutrition index,NNI)的相关系数计算了8种(共16个)典型的光谱指数,随后利用相关矩阵法提取最佳光谱组合,并根据与NNI相关系数的计算结果筛选最优光谱指数,最后将最优光谱指数分为3组模型输入变量,分别采用支持向量机(support vector machine,SVM)、随机森林(random forest,RF)、极限学习机(extreme learning machine,ELM)和反向神经网络(back propagation neural network,BPNN)构建冬油菜蕾薹期NNI估算模型。结果表明一阶微分光谱指数与NNI的相关系数均大于原始光谱指数,3个组合选择的光谱指数与NNI的相关... 相似文献