串联输水明渠PID多指标自适应算法及仿真研究

经典PID控制的控制器参数经整定后一般设为定值,当控制对象参数受环境影响而发生改变时,其控制性能会有所降低。针对大型输水明渠这一特殊的控制系统,为适应受控对象的状态变化,保持较好的控制效果,提出一种可在线调节控制器参数的自适应PID控制算法,并针对多种优化目标进行分析、比选。该算法采用绝对值误差积分IAE与衰减率DAM、超调量OVR作为性能指标参数,通过控制器参数与性能指标的函数关系,提出自适应规则,根据该规则在线调节PID控制器的主要参数Kp、Ki值,使系统动态响应及控制性能进入优化区域。通过对某大型调水工程输水渠道系统干渠串联渠系进行建模仿真,结果表明经过自适应调整,渠系在常规PID算法的基础上系统闸门超调量降低9%～21%、闸门调节次数至少减少1～2次,稳定时间提前15小时以上。可见自适应优化算法对于变化的控制对象,能根据选定的性能指标进行控制器参数的自我优化,不依赖精确的数学模型,尤其针对受控对象部分参数存在缓慢时变的特点有针对性的优化,对于我国广大灌区渠系运行调度以及大型输配水工程的运行管理具有一定的参考价值和应用前景。     

渠道供水系统的神经网络控制模型

在最优控制器的基础上并联两个神经网络模型NNM和NNC，将人工神经网络所具有的并行性、自适应、自学习等能力应用于渠道运行现有的最优控制，作为控制系统中的补偿环节，来完成精确模型的建立和稳定控制，从而提出一种新的渠道运行控制非线性最优控制器。本文探讨神经网络在渠系运行控制的应用，为用神经网络理论研究渠道运行自动控制提供一种理论和方法上的探讨。     

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。     

基于神经网络控制算法的液肥变量控制系统研究

为了提高液肥变量控制系统的精度和稳定性,使控制系统具备较好的抗干扰及自适应能力,以液肥变量控制系统为研究对象,建立液肥变量控制系统的数学模型,分别采用常规、模糊自适应及BP神经网络3种控制算法,使用MatLab对3种控制算法进行系统仿真,由仿真结果分析系统质量性能参数,控制系统采用BP神经网络控制器后进行系统实际数据采集,验证系统实际作业效果。各算法质量指标对比表明:BP神经网络的上升时间、过渡时间、静差、超调量优于常规PID和模糊自适应PID算法,以液肥变量控制系统为控制对象,仿真和实际作业效果表现出良好的鲁棒性,响应速度且作业精度达到5%以内,可实现变量作业。     

空间微重力模拟育种平台系统的控制器设计

在地面进行模拟的空间微重力育种平台是一个随机时变、强非线性的复杂系统,无法精确建模,使得系统在较大工作范围内很难实现精确控制。为此,采用基于径向基神经网络PID的具有自调整能力的、稳定的自适应控制器应用于本系统研究:首先通过PID控制器快速调节参数值,使其恢复到理想的期望值附近,以此来初始化RBF神经网络;然后再用RBF神经网络在线动态调整PID参数的控制方法,实现系统在完成三维空间微重力模拟育种试验时所需的垂直地面Z向上的完全重力补偿;最后,通过Mat Lab对系统的控制算法进行仿真研究。     

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。     

xPC环境下CMAC NN在淀粉生产线液位控制中的应

在分析CMAC神经网络的基础上,提出了利用自适应CMAC神经网络来调节淀粉生产线中乳液的液位。通过对淀粉生产线中某一液位回路进行数学建模,然后对常规PID和自适应CMAC神经网络两种控制器进行了设计与仿真。仿真结果表明,自适应CMAC神经网络在控制效果上明显优于常规PID,并且具有很高的鲁棒性。在Matlab实时开发环境xPC Target下建立了液位实时控制系统,采用快速原型控制方式,具有系统组建方便、成本低、开发周期短等特点,该系统可实现精确的过程控制。     

装载机线控转向路感控制策略

设计了铰接式装载机线控转向系统，在分析装载机路感特性的基础上，提出系统控制策略，并设计了一种基于BP神经网络整定的自适应PID控制器，实现了PID参数的在线调整。仿真和实验结果表明，该控制器可使线控转向系统实现理想的路感特性。     

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.     

xPC环境下CMAC NN在淀粉生产线液位控制中的应用

在分析CMAC神经网络的基础上,提出了利用自适应CMAC神经网络来调节淀粉生产线中乳液的液位.通过对淀粉生产线中某一液位回路进行数学建模,然后对常规PID和自适应CMAC神经网络两种控制器进行了设计与仿真.仿真结果表明,自适应CMAC神经网络在控制效果上明显优于常规PID,并且具有很高的鲁棒性.在Matlab实时开发环境xPC Target下建立了液位实时控制系统,采用快速原型控制方式,具有系统组建方便、成本低、开发周期短等特点,该系统可实现精确的过程控制.     

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。     

电控空气悬架车高调节与整车姿态控制研究

针对电控空气悬架在车高调节过程中存在的过充、过放以及振荡等不良现象,提出一种能够对气体质量流量进行自适应调节的神经网络PID控制方法。根据车辆系统动力学和变质量充放气系统热力学理论,建立了电控空气悬架车高调节数学模型,设计了车高调节BP神经网络PID控制器,并对控制器的实际性能进行了仿真验证。在此基础上,为了进一步防止车高调节过程中因四角高度调节不同步而引起的整车姿态失稳现象,基于模糊控制算法对系统局部控制量进行了修正,从而形成整车姿态模糊控制器。最后,基于D2P快速开发平台搭建了电控空气悬架车高调节控制系统,进行了整车台架试验。试验结果表明,所设计的控制系统不仅能够实现车身高度的有效调节,同时还能抑制车高调节过程中的整车姿态变化。     

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。     

基于神经网络PID的牧草烘干机控制系统研究

牧草的烘干效果直接影响牧草的品质和储藏时间。为此,根据牧草的品质和储藏要求,针对牧草烘干系统的多变量、时变和大滞后、非线性的特点,分析了牧草烘干机的结构及工艺,并应用正交试验和回归分析方法建立的非线性数学模型,设计了一种基于BP神经网络PID控制算法的牧草烘干控制系统。试验结果表明:所设计的牧草烘干控制系统能够达到系统性能指标的要求,控制效果良好。     

PID神经元网络在水稻秧棚控制系统中的应用研究

育秧对水稻的生产起着至关重要的作用,为水稻秧苗提供适宜生长的环境条件就成为水稻生产中极为重要的一环。水稻育秧棚控制系统具有多变量、大惯性、非线性、强耦合及时滞等特点,采用传统PID控制不能获得满意的控制效果。为此,本文将常规的PID控制和BP神经元网络控制相结合,设计了水稻育秧棚温、湿度解耦自动控制系统,并利用仿真软件(MatLab/SIMULINK)对秧棚内PID神经元网络控制系统进行了仿真及分析。结果表明:基于PID神经元网络控制与传统PID控制相比,响应速度快、超调量小、无静差,大大提高了秧棚内控制系统的性能,达到了预期的控制效果。     

基于Fuzzy-Smith控制器的营养液pH值调控系统研究

pH值的控制是水肥一体化营养液循环控制系统的重要环节,水肥控制过程中pH值在最优控制范围内有利于根系的发育以及多数矿物质的吸收。营养液调控过程中,由于循环管路以及酸液的缓慢扩散,使得pH值调节过程存在很大的时滞,传统PID难以取得良好效果。本研究根据被控对象特点,建立了描述该过程的数学模型,设计开发了一套具有二次混肥特性的以MSP430单片机为主控的营养液pH值控制系统。由于参数自整定模糊PID不需要精确数学模型以及Smith预估可对纯滞后进行补偿的特点,开发的系统将参数自整定模糊PID控制引入Smith预估当中,既缓解了滞后时间对控制系统的影响,又对模型的不精确性进行了补偿。为了验证该算法以及系统的有效性和优越性,分别对PID、Fuzzy-Smith控制算法进行仿真测试,同时在不同灌溉量下进行性能试验。试验结果表明,在不同灌溉量下Fuzzy-Smith控制算法pH值的平均最大超调量为0.83%,营养液pH值从8.0调节为6.0的平均时间为157s,优于常规PID控制的2.55%和189s。     

基于BP神经网络的高速开关阀多级电压控制策略

为了提高液压系统控制精度,通过分析几种常用驱动策略下阀芯的动态特性以及进油口压力对动态特性的影响,提出了一种可适应进油口压力变化的多级电压激励驱动策略,与常用的双电压激励策略相比具有更好的动态特性,阀芯开启、关闭时间分别降至2. 2、1. 7 ms,线圈热功率降低了68. 5%。设计了一种通过PWM调制、可输出0～60 V之间任一电压的驱动电路。采用BP神经网络对PID参数进行整定,可实现液压缸位移的精确控制。在自适应电压激励与BP神经网络联合控制策略下,恒流量液压系统液压缸位移误差在-0. 3～0. 3 mm之间,变流量液压系统液压缸位移误差在-0. 5～0. 5 mm之间。     

基于RBF的电液变量施肥控制系统PID参数整定

电液变量施肥控制系统的非线性和PID算法的局限性,导致常规PID控制已不能满足控制系统性能要求。为此,提出了基于RBF神经网络整定PID参数的方法,利用自适应RBF神经网络辨识被控对象Jacobian信息,采用梯度下降法计算PID参数Δk_p、Δk_i、Δk_d,对系统进行增量式PID控制。与采用增量式PID的系统阶跃响应曲线对比可知,利用RBF-PID算法的系统具有良好的动态性能及较强的自适应性。     

随机干扰下电控空气悬架整车车身高度控制研究

为解决随机干扰对空气悬架汽车车身高度动态切换的不良影响,结合空气弹簧模型,建立了随机干扰下的空气悬架车身高度调节系统整车模型。基于单神经元自调整增益算法,设计了神经网络PID自适应高度调节控制器。为检验所设计控制器的性能,搭建了Matlab/Simulink车身高度控制仿真模型,并开发了控制器实物,用于搭建整车试验平台。仿真结果显示所设计的控制器能有效地改善随机干扰下的高度调节过程的震荡,缓解车身俯仰和侧倾,整车试验也验证了仿真结果,提高了车辆舒适性和稳定性。