温室系统温湿度、水肥耦合的解耦控制器设计

温室控制研究已开展多年,一方面是关于温度和湿度的耦合问题运用多种算法进行解耦,另一方面是针对温室内营养成分进行水肥耦合研究。针对温室系统控制问题,目前还没有对上述2种耦合进行综合研究,因此提出温湿度耦合和水肥耦合的温室系统生态耦合观点,通过传感器采集温度、湿度以及土壤氨氮等养分信号,并基于能耗模型以PLC(可编程逻辑控制器)为核心设计集中式PID(比例、积分和微分)解耦控制器,实现温室系统在喷淋农作物时考虑到土壤水肥营养成分的流失,以此提高温室系统的产量和品质,同时降低温室系统的生态损耗和污染。     

基于粒子群算法优化PIDNN的温室系统解耦控制

传统的温室系统控制,只是针对系统中的单一变量,运用比例-积分-微分(PID)控制器使控制目标维持在一定的范围内,但是温室系统是一个具有强耦合关系的复杂系统。为了使温室系统变量间耦合解耦,并增加系统的控制精度,提出基于粒子群优化(PSO)算法的PID神经元网络(PIDNN)算法。通过利用神经元网络强大的函数逼近特性,使温室系统的变量间耦合解耦,通过PSO算法对PID神经元网络权值的优化,使PIDNN避免陷入局部收敛,并搜索到权值的最优初始值。应用该方法对温室系统的简化模型进行仿真,结果表明,经过该方法优化后,温室系统的解耦效果理想,且具有稳定性高、响应速度快、鲁棒性强等优点。     

基于模糊自整定PID的温室温度控制系统设计及仿真

温室温度系统是一个大时滞、非线性的复杂系统,传统的控制方法效果不甚理想。因此,本研究设计一种基于模糊自整定PID控制方法的温室温度控制系统,可根据温度偏差和温度偏差变化率实时整定PID控制器的参数。控制系统以STC89C52单片机为控制核心,采用DS18B20温度传感器实现对温室温度的采集,通过控制电加热炉的加热功率来调节温室的热量输入,起到控制温室温度的作用。并在Matlab 11.0/Simulink环境下,建立模糊自整定PID控制器的仿真模型,通过仿真发现该方法比常规PID控制方法具有更好的鲁棒性,能够实现良好的控制效果。     

基于蝙蝠算法的发动机空燃比控制的研究

为了提高发动机空燃比控制的精度,提出了一种基于蝙蝠算法整定参数的PID控制器,将此控制器应用于某单缸发动机的平均值模型中进行模拟测试,并加入了油膜补偿模型.仿真结果表明,与传统PID控制器相比,基于蝙蝠算法调整参数的PID控制器能更好地适应发动机系统的非线性和时变性特性,对瞬态工况下空燃比有更好的控制效果.     

温室温度控制系统神经网络PID控制算法研究

在以优质、高效、高产为目的的现代化农业发展新阶段,温室自动化技术的研究受到广泛重视.对于温室自动控制系统,由于其非线性、强耦合、纯滞后、大惯性的自身特性,传统PID控制已难以满足高品质温室控制系统的需求.由于BP神经网络具有强大的学习能力及非线性映射性,将BP神经网络控制引入常规PID控制中,采用BP神经网络PID控制方案,设计温室温度的自动控制系统并进行仿真验证.仿真结果表明,相比于传统的PID控制系统,所设计的基于BP神经网络PID控制系统具有更强的自适应能力与稳健性,控制品质具有明显优势.     

三相UPS输出电压的一种新型控制方案

为了提高UPS电源输出电压波形质量,建立了带隔离变压器的三相UPS状态空间解耦模型.根据PID控制的快速响应性和重复控制的无静差跟踪特性,提出了一种新型的三相UPS输出电压重复控制与PD复合控制的方案,并对控制系统进行了稳定性分析.改进型重复控制器结构简单,易于实现.试制了30KVA三相UPS样机,主控制器为32位DSP TMS320F2812.实验结果表明了在线性和非线性负载情况下,系统均具有良好的稳态和动态特性,输出电压总谐波畸变(THD)较小.     

基于LabVIEW的温室大棚温、湿度解耦模糊控制监测系统设计与实现

温室环境系统是一个多变量、非线性、时变和滞后的系统,各变量之间具有耦合关系,很难建立精确数学模型。其中,温度和湿度的变化是最基本因子,对作物影响最为显著。为此,系统通过有限状态机机制,调用Lab-VIEW中PID Control Toolkit下的Fuzzy Controller子VI,采用模糊控制策略,建立模糊控制系统模型并设计模糊控制器,引入解耦参数,实现了系统温、湿度解耦控制。相对于温、湿度单独控制,系统监测精度有所提高。当温、湿度分别为27.5℃和55%时,结果表明该系统温、湿度变化超调量较小,模糊控制过程较平稳,达到了作物生长环境需求。     

基于PSO的BTT飞行器鲁棒解耦控制设计

提出BTT飞行器的一种鲁棒解耦控制方法。针对飞行器具有非线性、强耦合、多输入多输出（MIM0）等特点,从飞行器数学模型分析通道间耦合产生的原因,并采用Gershgorin圆的方式,定量的分析系统的对角优势度;然后利用粒子群优化算法（PSO）得到小偏差线性模型的鲁棒解耦矩阵,使得系统满足对角优势的性质;最后设计鲁棒控制器,经仿真结果验证表明,该解耦方式的控制效果良好,并具有较强的工程应用价值。     

基于BP神经网络PID控制器在水产温室温度控制中的应用

针对水体大比热容性造成的水产温室水温变化非线性、大滞后性、时变性等问题,考虑到传统PID控制器自适应能力差、鲁棒性不强等缺陷,提出采用基于BP神经网络的PID控制策略。在该控制策略中,PID的控制参数可以通过神经网络进行实时调节,以实现最佳的控制效果。利用MATLAB软件对传统的PID控制策略和神经网络PID控制策略的控制效果进行仿真模拟。研究结果表明,基于BP神经网络PID控制的系统动态响应更快、鲁棒性更强、稳态精度更高、超调量更小,具有更好的控制效果。     

自抗扰控制器在人工气候箱中的应用

人工气候箱作为非线性耦合滞后系统,采用经典PID控制难以得到满意的控制效果。为了提高控制系统的动态性能和鲁棒性,设计人工气候箱的自抗扰控制方案。论述以MSP430单片机为核心控制器的硬件实现方法,并进行控制算法的仿真。实验结果表明,自抗扰控制器对人工气候箱的大迟延,大惯性和不确定性具有较强的适应性和鲁棒性,控制系统具有优良的动态性能,能比较精确控制系统的温湿度。     

基于经验模态分解和小波神经网络的温室温湿度预测

温室温湿度的准确预测有助于及时调节温室小环境,温湿度预测模型是温室控制的重要基础,提高预测精度有助于提高生产水平。针对温室系统具有非线性、非平稳性等特点,提出一种基于经验模态分解(empirical mode decomposition,简称EMD)和小波神经网络(wavelet neural network,简称WNN)的温室温湿度组合预测方法。首先,利用经验模态分解方法将原始时间序列分解成一系列分量;然后对各分量分别构建小波神经网络模型进行预测;最后叠加各子序列得到预测值。结果表明,运用EMD-WNN组合的温度模型有效性为0. 993 4,湿度模型有效性为0. 978 1,且优于单独WNN模型和BP神经网络模型的预测结果,可有效提高短期温室温湿度预测的精度。     

免疫NPID控制器及其在热磨机料位控制系统的应用

借鉴生物免疫系统反馈调节机理,将免疫控制器与传统PID控制器串联,提出了一种免疫非线性PID控制方法;应用波波夫稳定判据分析了免疫非线性PID控制器的稳定性,并将其应用到热磨机的料位控制系统。这一算法保证了闭环系统的稳定性和快速的跟随性能,又抑制了模型摄动及外部干扰对系统的影响,提高了系统响应的快速性,保证了系统的鲁棒性能。仿真研究进一步验证了免疫非线性PID控制方法的可行性和有效性。     

基于变论域方法的拖拉机电液转向系统控制研究

针对拖拉机转向系统在工作过程中存在的转向沉重、灵敏度低及控制精度差的问题,考虑到全液压系统存在的结构复杂、非线性、模型参数无法确定等特性,结合近年来发展较快的线控转向及电液控制技术,基于模糊控制及变论域的思想,提出一种不依赖精确数学模型的电液转向系统变论域模糊控制方法,设计电液转向系统控制规则和自适应转向系统控制器。在SIMULINK仿真环境中分别搭建基于常规比例积分微分(PID)、模糊PID及变论域模糊PID的转向控制系统模型,结合拖拉机转向系统的工作特性,分别进行转向系统的跟随特性仿真试验及方向盘固定转角仿真试验。仿真结果表明,与传统的常规比例积分微分(PID)控制方法相比,所提出的控制方法和设计的控制器在拖拉机转向系统中具有较优的跟随特性和较强的调节性、稳定性。     

一种云自适应粒子群优化的PID控制器设计与应用

针对PID控制器应用于实际的自动电压调节器(AVR)系统,为了有效地寻找AVR系统的最佳PID控制器参数,提出一种基于改进的云自适应粒子群算法的PID参数优化策略。通过建立粒子群优化的PID控制器参数模型,在控制过程中将PID参数(比例、积分、微分)作为粒子群中的粒子,采用控制误差绝对值时间积分函数作为优化目标,在控制过程中动态调整PID的三个控制参数,从而进行PID控制参数的实时优化。仿真结果表明,该PID控制器可以获得较好的控制性能指标,进而改善AVR系统的瞬时响应特性,具有一定的实用价值。     

基于积分分离模糊PID的温度控制系统设计

针对温度控制系统采用传统PID控制方法易出现响应速度慢、超调量大、控制精度低等问题,提出了一种基于积分分离模糊PID控制的改进方法.阐述了该方法的工作原理,设计了控制器参数,并结合温室温度控制系统对该方法以及传统PID、模糊PID进行了系统性能实验的对比分析.结果表明,采用该方法设计的温室温度控制系统,有响应速度更快、超调量更小和控制精度更高等优点,具有较强的工程应用价值.     

基于单片机的温室温湿度两级优化控制硬件系统的构建

针对温室环境中因温湿度耦合关系的存在导致执行机构过量执行和增加能源消耗的问题,本文采用两级优化控制的方式,结合补偿模糊解耦算法,开发了适用于温室小气候温湿度环境因子调控的硬件系统,分析确定了包含单片机与温度湿度传感器等重要器件的选择和包括时钟复位电路、A/D转换电路、串口通讯电路、显示和键盘扩展电路等关键电路的设计.该系统能可靠运行,解决了单级监控因温湿度存在较强耦合关系而导致结果精度降低及其能耗大的缺陷,可实现温室中温湿度的优化控制.     

基于MPC的智能拖拉机实时路径跟踪

针对具有非线性特征的智能拖拉机运动控制问题,提出了一种基于模型预测控制(MPC)的横向轨迹实时跟踪控制策略.从非线性运动模型线性化和离散化入手,建立以前轮转角增量和纵向速度增量为状态量的目标函数;设计系统控制量极限约束和控制增量约束,并将MPC最优求解问题转化为二次规划问题,目标函数采用有松弛因子和无松弛因子2种形式.基于Matlab/Simulink平台设计MPC控制器,进行了2种目标函数的固定坐标系下的给定轨迹跟踪试验.结果表明:2种控制算法均可以快速跟踪期望路径,目标函数具有松弛因子的MPC控制器的拖拉机跟踪效果和平稳性更好,前轮转角始终被限定在约束范围内.     

温室温湿度非线性控制器的设计与MATLAB仿真研究

采用非线性的理论和方法,对温室中的温度和湿度的复杂非线性过程进行了研究,以期从更精确的角度和方法来控制温室中的温度和湿度的变化。并运用MATLAB2008a对所采用的方法进行仿真,仿真结果表明:设计采用的非线性控制器达到了有效控制温湿度的目的,说明该非线性控制器是可行的,从而实现了对目前温室内温湿度的联合精确控制。     

基于支持向量机的非线性逆控制及仿真研究

针对逆系统方法中非线性逆模型辨识困难的问题,研究了基于支持向量机(SVM)的逆模型辨识及控制,提出了一种SVM逆模型与PID结合的复合控制系统.由SVM辨识非线性系统的逆模型作为前馈控制器,形成直接逆控制.同时,由PID控制器构成反馈控制,克服直接逆控制鲁棒性不强的缺陷.仿真研究表明,SVM的逆模型辨识能力强,该复合控制系统具有比直接逆控制更优的控制性能和鲁棒性.     

基于类别的温室温、湿度模糊解耦控制

温、湿度是影响作物生长的主要因素,耦合作用强,难以控制。通过数据挖掘,利用采集的温室内、外温度及室内湿度数据对温室状态进行分类。提出一种基于各类别中的温室温、湿度变化率相关性进行模糊解耦控制。分类别设计解耦参数和变论域模糊控制,能够减弱振动、更精确地实现温室温、湿度的控制。