RBF神经网络增量式PID自动转向控制系统设计

平地机在田间作业环境下存在复杂非线性时变系统,很难建立精确模型,而传统的PID控制仅仅局限应用于线性系统,控制效果不佳等问题。为了提高田间作业时的转向控制精度,提出了一种基于RBF神经网络增量式PID的控制方法。该方法采用RBF神经网络对增量式PID增益参数进行自适应调整和辨识,并针对控制模型通过仿真实验对比分析了所提出的RBF神经网络增量式PID控制方案与传统PID在平地机转向控制中对方波轨迹跟踪的效果,从而验证了所提出的RBF神经网络增量式PID控制方案的优越性。结果表明:该控制方法对复杂非线性的平地机转向控制系统具有良好的适应性、鲁棒性和实时性,取得了令人满意的控制效果,为后续农业机械自动导航转向控制实际应用环境控制策略的制定提供了有价值的参考。     

增量式PID控制在电子节气门控制系统中应用研究

主要介绍电子节气门结构,电子节气门的控制理轮,比较了电子节气门控制系统采用传统的PID控制算法与增量式PID控制算法的控制精确性.用增量式PID控制系统进行电子节气门控制研究的结果表明,增量式PID控制电子节气门的超调量较小,具有性能稳定、稳态误差小、跟踪效果好、动静态性能好、抗干扰能力强和可靠性高等优点,该控制系统不失为一种理想的控制方案.     

电动变量施肥控制系统的PID参数优化

PID控制因其算法简单,被人们广泛应用到控制之中,包括可建立准确的数学模型的控制系统。但是,在电动变量施肥控制系统的运行过程中,常常会出现非线性和时变不确定性的问题,很难建立起准确的数学模型。在使用常用的PID控制器时,其参数往往整定不够好,性能欠佳,在运行过程中的适应能力也很差,不能达到理想的控制效果。为此,提出了一种基于遗传神经网络算法整定PID的方法,采用MatLab/Simulink软件建立传递函数仿真模型,之后分别采用RBF-PID和基于遗传算法优化的RBF-PID进行仿真对比。结果表明:基于遗传算法优化的RBF神经网络PID整定的电动变量施肥控制系统稳定性好,精度更高,具有更强的鲁棒性。     

基于神经网络PID的拖拉机空调温控系统优化设计

为了提高拖拉机空调温控系统的调节精度和效率,提升驾驶室内的环境舒适程度,将PID控制器引入到了拖拉机空调控制系统的设计上,采用温度误差反馈调节的方式,提高温控的精确性。在PID控制器的优化上采用了神经网络算法,通过神经网络训练和权值的修改,实现了PID控制器的3个参数的优化,进而提高了控制系统的效率和精度。为了验证神经网络算法对PID控制器的优化作用,以拖拉机的温控误差和调节时间为研究对象,对单独采用PID控制器和采用神经网络PID控制器时的控制结果进行了测试,结果表明:神经网络算法使PID控制器具有更快的响应速度和更高的控制精度。     

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PSO算法的木薯收获机拔起速度控制系统参数优化

新型挖拔式木薯收获机拔起速度控制系统控制的重点在于使用PID算法进行闭环控制液压马达的输出。为此,针对传统的PID参数调整优化方法费时费力的问题,以广西大学研制的新型木薯收获机控制系统为对象,采用PSO算法,以液压系统的传递函数为目标,对PID算法进行参数优化,且进行了田间试验验证。结果表明:采用PSO算法,对控制系统参数进行优化可行,且便捷;当木薯收获机控制系统的参数Kp、Ki、Kd分别为0.644 1、2. 726 9、0. 036 2时,控制效果良好,性能稳定。     

基于模糊神经网络的磁悬浮球位置控制研究

为了实现磁悬浮球系统高精度位置控制,提出一种基于模糊神经网络补偿PID控制的磁悬浮球系统位置控制新方法,该控制系统由模糊神经网络辨识器、PID控制器和模糊神经网络控制器组成。模糊神经网络辨识器基于PID控制器所提供的训练数据,建立控制系统误差与控制量之间的动态模型并将网络辨识参数实时传递至模糊神经网络控制器,模糊神经网络控制器基于实时辨识模型计算得到当前周期的补偿控制量,实现对PID控制的在线动态补偿,避免了离线训练过程,且无需建立精确的数学模型。方波信号仿真和实验结果表明:模糊神经网络补偿控制精度分别由PID控制的0.014 2 mm和0.221 1 mm提升至0.006 8 mm和0.073 9 mm,控制系统具有良好动态性能。     

基于PSO-PID的拖拉机线控液压转向控制研究

PID控制是典型的控制系统,其核心内容是PID参数优化。为解决拖拉机线控液压转向PID控制参数优化时不能确保得到最佳性能且耗时长的问题,课题组采用了理论分析法及仿真实验法,对线控液压转向系统的模型进行了仿真分析,基于粒子群算法（PSO）优化了PID参数,提出了PSO-PID控制器,并将其控制结果与标准PID进行对比,得出了使整个PID系统性能优异的优化结果。仿真结果表明,PSO算法有效提高了PID参数的稳定性、收敛速度和搜索精度,性能指标更优。     

基于模糊理论的参数自适应PID智能控制系统

针对平地机进行刮平作业时无法实现稳定恒速控制的问题,提出了基于模糊理论的参数自适应PID算法的行走智能控制系统,并完成了将该算法应用在平地机的控制系统中协调解决作业时油门大小、档位和恒速控制问题。同时,为验证参数自适应PID算法对整机运行参数实时监控的有效性和可靠性,系统采用单片机作为控制器,通过Mat Lab软件的Simulink仿真,分别对平地机作业恒速控制设定干扰信号、参数自适应过程性能以及不加PID、加PID、自适应模糊PID3种控制方式进行了恒速控制效果对比分析。测试显示:该系统响应时间短、速度较快,具有良好的工作稳定性和可靠性,能够满足设计要求。     

基于增量式PID算法的温室温湿度控制系统设计

针对人为控制准确度低、操作复杂、代价高等问题,设计一种基于增量式PID控制算法的温室大棚温湿度控制系统。系统以单片机AT89S52为控制核心,采用DTH11温湿度传感器采集温室内作物生长环境温湿度物理参数。通过外部键盘输入适合作物生长的温湿度目标值,单片机内部的增量式PID算法确定固态继电器状态,驱动温室内温湿度调节电路,最终达到适宜的目标值。实验结果表明该系统能实现智能温湿度自动控制,控制精度温湿度分别保持在±0.5℃和±1.5%之内,并在10min内达到目标温湿度值。该系统满足现代农业生产控制领域高精度、快速和人性化的需求。     

基于MSP430的人工气候箱神经网络PID控制系统

针对人工气候中温湿度控制系统结构复杂、精度不够高以及响应速度慢等问题,提出以TI公司的超低功耗MSP430单片机为主控制器件,采用DS18B2和HM1500测量系统的温湿度,用BP神经网络智能算法自动整定PID控制参数的人工气候箱控制系统,着重介绍了系统控制算法构成及软件设计。实验表明,该控制系统结构简单,具有响应速度快、精度高和鲁棒性好等优点。     

BP神经网络PID控制器在温室温度控制中的研究

为了更好地实现对温室温度的控制,本文设计出了一种BP神经网络PID控制器,提出了BP神经网络PID控制算法,并对该算法进行了分析,最后以温室温度为控制对象分别对常规PID控制器和BP神经网络PID控制器进行了大量仿真研究。结果表明,基于BP神经网络整定的PID控制器具有较强的自适应能力和鲁棒性,其控制品质优于常规PID控制器。     

BP神经网络PID控制仿真在挤压机中的应用

为了减少挤压机运行前的繁杂工作,针对自动供给系统提出了一种基于神经网络的PID控制方案,利用神经网络的自学习能力对PID控制参数在线整定,使PID控制器具有自适应性.采用动态BP算法,达到了在线实时控制的目的,显示了BP神经网络的PID控制方法很强的鲁棒性,同时也显示了神经网络在解决时变性和严重不确定系统方面的潜能,并改变了运用试凑法调节参数的方法.运用Matlab软件对挤压加料、加水和加酶制剂自动控制系统进行仿真研究.仿真结果表明,神经网络PID控制器优于传统PID控制器,具有较高的精度和较强的适应性,可以获得满意的控制效果.     

基于PSO-BP优化PID模型的水肥控制系统研究

针对传统灌溉施肥方式无法切实满足作物生长需求和水肥资源浪费严重的问题,设计一种基于PSO和BP神经网络优化PID模型的水肥控制系统。系统通过结合作物种植环境水肥浓度信息,利用PSO和BP神经网络算法优化PID控制参数,以解决水肥施灌过程中系统的非线性、时变性和滞后性等问题。综合MATLAB/simulink仿真试验结果可知,利用PSO和BP神经网络优化的PID控制模型较传统PID控制模型系统响应速度提高9.33%,调节时间缩短72.24%,超调量仅为PID控制的11.78%,优化效果较好。系统试验结果表明,施灌过程中系统控制稳定,在一定程度上达到水肥浓度精准控制的效果,具有实际应用价值。     

基于单神经元PID的变量喷雾系统精准控制方法研究

针对现存农用无人机变量喷雾系统响应时间较长、超调量较大、跟随效果不稳定等问题,设计一种基于单神经元PID控制的农用无人机变量喷雾系统.该系统采用传感器检测流量信息作为控制依据,运用单神经元自学习能力不断调整PID参数精确调控喷雾流量,实现变量调节快速稳定的目标.为验证本系统控制算法的实际变量控制效果,采用Matlab平...     

人工神经网络在PID控制算法中的应用

根据过程实测的输入输出数据，将实际对象输出的旧值输入BP网络的输入层，从而得到一动态神经网络，作为控制中非线性系统的预测模型。既利用了系统的已知规律，提高了辨识的可靠性，又使得网络结构不必过于庞大，改善了实时性。分析了积分分离PID控制算法，在此基础上，将应用最广泛的PID控制器与具有自学习功能的神经网络相结合。得到了基于BP神经网络的PID控制算法。在已有的控制系统中嵌入了神经网络控制算法，用以调节PID控制器的三个可调参数Kρ，KI，KD。     

基于神经网络部分微分PID的共轨压力控制策略

针对传统PID控制系统的不足和为了有效改善微分冲击作用,采用带有一阶惯性环节的微分环节替代原来理想的微分环节,构造出部分微分PID算法;并基于神经网络设计了共轨压力的神经网络部分微分PID控制系统.在GS-1000型喷油试验台上的应用实践表明,该方法能够实现共轨压力的平稳控制,具有良好的响应跟随性,能够满足高压共轨燃油喷射系统的要求.     

汽车ABS免疫PID控制算法

在建立汽车车轮制动数学模型的基础上，针对汽车防抱制动系统，提出了一种基于生物免疫机理的免疫PID控制算法。与传统的PID控制及模糊控制算法进行仿真比较，结果表明免疫PID控制算法稳定时间短，系统输出的超调量小，响应时间少，制动距离短，优于传统PID和模糊控制算法，具有较高的应用价值。