基于神经网络PID算法的优化饲料配制系统

【目的】设计饲料配制控制系统,并采用神经网络PID优化算法实现对配料精度的提高。【方法】以西门子S-200 smart型PLC为主控设计饲料配制控制系统,针对现有常规PID算法的控制策略存在超调大、收敛慢等缺陷和BP神经网络梯度下降过程容易出现局部最小化问题,提出以附加动量项的BP神经网络PID算法实现称重误差的降低。【结果】基于动量项的梯度下降法建立的BP神经网络PID算法模型解决了参数自学习整定问题,在响应速度上该算法与PID算法对比为3∶1,试验后平均精度99.6%。并在收敛速度和改善超调现象具有更高效的表现。【结论】配料系统经算法优化后误差得到有效控制。     

基于两种加载元件的液压系统压力响应试验研究

【目的】比较分析电磁比例溢流阀与磁粉制动器在同一机电液系统中的加载特性.【方法】在泵控马达液压系统中对这两种元件进行模拟加载实验研究,分析两种加载元件的静、动态响应特性.【结果】在相同工况条件下,相比磁粉制动器加载灵敏度13.6 MPa/V,加载控制电压死区8.33%,动态响应滞后时间1.5s,最大滞后误差0.96 MPa,最大超调量35%;电磁比例溢流阀加载灵敏度低2.12 MPa/V,加载控制电压死区大28.9%,动态响应滞后时间长4.8s,但最大滞后误差小0.2MPa,最大超调量小6.25%,抗干扰能力强.【结论】研究结果可为在实验室条件下根据负载特性选择合适的加载元件提供参考依据.     

基于主轴回转误差的模糊自整定PID控制器设计

为解决常规PID调节器很难满足在线回转误差检测与控制要求的问题,以静压气体轴承回转误差控制系统为研究对象进行了探讨,提出了模糊自整定PID控制策略。根据模糊控制理论,运用常规PID控制器的设计方法,设计出了模糊自整定PID控制器,实现了PID控制器参数在线自调整。仿真试验表明,与传统的PID控制相比,模糊PID控制系统具有良好的稳定性和自适应能力。     

基于变论域模糊PID的水肥控制策略研究

【目的】设计用于三通道灌溉施肥机的变论域模糊比例积分微分（PID）水肥配比控制器,为水肥一体机灌溉过程中水肥配比的精准控制提供支持。【方法】结合自动化技术和智能控制算法,设计变论域模糊PID水肥配比控制策略,通过流量传感器实时监测水肥一体机灌溉过程中的水肥配比,采用变论域模糊PID控制策略调控阀门开度改变吸肥泵的回水量,实现对灌溉溶液中水肥配比的控制,并以蔬菜上海青为对象,通过田间试验对该算法的控制效果进行试验验证。【结果】与传统PID控制系统相比,变论域模糊PID控制系统的水肥配比波动和超调量均较小,到达稳态的时间缩短了5~25 s;变论域模糊PID控制的水肥配比误差不超过5%。田间试验结果表明,与使用传统人工灌溉施肥相比,采用变论域模糊PID控制策略的水肥一体化系统灌溉上海青可以节水14.92%,节省尿素14.68%,节省过磷酸钙12.76%,且上海青的平均全长、株高、开展度、叶片数分别提高了15.86%,17.67%,18.92%和21.73%,产量提高了41.73%。【结论】 实现了水肥一体机水肥配比的变论域模糊PID控制,设计的水肥一体机的性能可以满足实际生产需求。     

拖拉机电液转向系统的变论域两级模糊PID控制研究

[目的]拖拉机在田间转向过程状态多变且环境恶劣,对转向系统控制精度和算法适应能力要求较高,故研究设计变论域两级模糊PID控制方法在拖拉机电液转向系统上的应用.[方法]在分析了电液转向系统的结构原理的基础上,建立了其主要组成部分数学模型,然后将变论域两级模糊PID方法(VFFPID)引入到控制器设计中,进行蛇形跟随性、转向响应性仿真试验,并同时与模糊PID控制算法(FPID)和基于函数型变论域模糊PID算法(XFPID)作对比分析.[结果]蛇形跟随性试验结果表明:拖拉机电液转向系统在VFFPID的控制下,转向油缸位移最大误差只有±1.43 mm,比FPID降低了49.5％,比XFPID降低了40.7％.响应性试验结果表明:在VFFPID控制下,转向油缸执行响应时间为0.123 1 s,比FPID缩短了17.8％;转向油缸位移平均误差为0.121 9 mm,是XFPID的28.3％.[结论]拖拉机电液转向在VFFPID的控制下油缸位移最大误差、平均误差更小,执行响应时间更短,具有更好的跟随性和控制精度.     

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fuzzyTECH智能小车神经模糊控制器的实现

【目的】设计智能小车神经模糊控制器,并对其参数进行优化。【方法】基于模糊控制理论,利用神经网络自学习的能力,通过fuzzyTECH平台设计并调试智能小车神经模糊控制器。【结果】结合模糊控制器强大的推理能力与神经网络自学习能力,解决了传统PID控制器控制参数固定,难以适应多种路面状况的难题,并克服了传统模糊控制器后期参数优化难的不足。物理验证试验表明,基于该算法的控制器具有较高的稳定性、适应性与实时性。【结论】所设计的控制器具有较强的实用性,可以满足智能车控制器的要求。     

考虑非线性的水轮机调节系统协同进化模糊PID仿真

【目的】针对水轮机调节系统常规PID控制存在的适应性不足问题,采用模糊PID控制作为水轮机调节系统的基本控制策略,为水轮机调节系统的有效控制提供支持。【方法】采用基于模型综合特性曲线的非线性水轮机模型,建立水轮机调节系统模糊PID控制仿真模型,通过协同进化算法同时优化模糊PID控制的3个比例因子和模糊规则,并以实例验证所建水轮机调节系统的控制性能。【结果】通过对不同工况点的优化得出一组适合于全工况的通用有效模糊规则。与常规PID相比,协同进化模糊PID仿真控制使调节时间缩短了28%,超调量减少了49%,振荡次数减少了50%。【结论】引入了非线性水轮机模型,使得系统建模更加合理,仿真结果更加真实可信。采用协同进化模糊PID的水轮机调节系统的控制性能优于常规PID控制,该控制策略能使系统良好地适应运行工况的变化。     

模糊自整定PID在温室控制系统中的应用

以AT89C52单片机芯片为核心,采用模糊规则参数的模糊自整定PID控制方法,研究可应用于温室大棚的温度控制器。该控制器基本上能够达到反应速度快、零超调、稳态误差小的理想效果。     

拖拉机线控液压转向系统的联合仿真

随着农业机械的智能化、自动化程度不断提高,线控转向技术在拖拉机等农用车辆上的应用得到了重视和研究,为了指导拖拉机线控液压转向的研究,缩短开发周期。本文在分析线控液压转向系统的控制算法与结构的基础上,建立其联合仿真模型。基于AMESim软件平台建立液压系统模型,以及整车模型;利用Simulink分别建立模糊免疫PID、模糊PID、常规PID的控制器模型,通过Visual C++6.0实现接口通讯,完成了传动比为1时的转角响应、转角跟随的联合仿真,以及在拖拉机车速15 km/h,方向盘转角180°,传动比为9时的横摆角速度响应、质心侧偏角响应等联合仿真。模糊免疫PID控制可以获得0.272 s的阶跃响应时间、1.182°的跟随误差、3%的横摆角速度响应超调量、0.85°/s的质心侧偏角响应稳态值,均优于常规PID与模糊PID。联合仿真具有较强的参考价值,模糊免疫PID控制应用于线控液压转向系统可以获得理想的控制效果。     

基于模糊控制的拖拉机转向跟踪控制研究

【目的】对拖拉机转向跟踪控制进行研究,寻求提高转向跟踪控制精度的方法。【方法】以福田欧豹4040型拖拉机为研究对象,以车辆航向角偏差和前轮转角为输入变量,转向驱动电机转速为输出变量,设计车辆转向控制模糊控制器,并用于拖拉机航向角的控制。【结果】拖拉机以0.53 m/s的速度行驶时,航向角偏差可控制在1°以内;拖拉机在50 m行驶距离内,最大横向偏差为0.16 m。【结论】所设计的控制器能够满足拖拉机转向跟踪控制的要求。     

基于模糊神经网络的拖拉机耕作牵引阻力预测研究

【目的】针对现有拖拉机耕作能量利用率低、不能根据实际情况合理分配发动机功率的问题.通过研究拖拉机耕作的耕深、速度与牵引阻力之间的复杂关系,并最终对该过程构建牵引阻力预测模型.【方法】基于此提出1种改进模糊神经网络(FNN)的牵引阻力预测方法,以耕作时的耕深、速度和牵引阻力为研究对象,通过基于密度的噪声应用空间聚类(DBSCAN)聚类算法确定FNN的初始结构和模糊规则数,并设计使用最小二乘法与反向传播算法组成的混合学习算法来实现模型的训练.【结果】将优化的模糊神经网络模型与支持向量机(SVM)、随机森林(RandomForest)对比后发现, DBSCAN优化后的FNN平均相对误差为4.36%,比其他2种模型分别低1.68%、2.40%.【结论】利用改进的FNN能够精确的预测出耕作时的牵引阻力大小,为后续的拖拉机能量管理和功率分配的研究提供了基础.     

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。     

基于模糊PID两轮拖拉机控制系统抗干扰分析

利用陀螺力矩效应建立了两轮自平衡拖拉机动力学模型,针对拖拉机机体控制系统,提出了一种基于模糊自适应理论的侧倾角控制器/旋进角控制器PID控制算法。在Matlab/Simulink环境下,分别搭建了拖拉机侧倾角控制系统、陀螺旋进角控制系统仿真模型,并加入随机干扰进行仿真研究。仿真结果表明,应用在两轮自平衡拖拉机控制系统的模糊自适应PID控制系统在加外干扰后消除响应振荡现象、加快响应速度、提高响应精度方面明显优于传统PID控制系统。     

拖拉机转向跟踪复合模糊PID控制研究

为提高拖拉机在自主导航行驶中转向跟踪控制的响应特性和稳定性,设计了以拖拉机前轮转角偏差和偏差变化率为输入,以电机控制电压和PID 3个控制参数为输出的模糊控制器,结合PID控制器实现前轮转角偏差大于10°时采用模糊控制和转角偏差小于等于10°时采用自适应模糊PID控制。仿真结果表明,采用复合模糊PID控制器在前轮转角偏差较大变化范围内均能实现快速和准确的转向跟踪。     

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。     

4HLB-2型花生收获机挖掘深度的模糊控制

【目的】研究花生收获机挖掘深度的模糊控制策略,实现花生收获机挖掘深度的自动控制,降低机具手的工作强度。【方法】采用超声波测距方法,研制地面仿形装置,设计模糊PID控制器模拟花生收获机挖掘深度模糊PID控制仿真曲线,编写控制软件并利用片上调试仿真器QB-MINI2(MINICUBE)将程序烧录到控制器中,建立花生收获机挖掘深度的模糊控制策略,然后将整套系统搭建在4HLB-2型花生联合收获机上,在田间用示波器跟踪随地面起伏响应的电压波形,进行自动限深的萝卜、甘薯收获试验,并与人工手动机械收获的伤果率、漏挖率、平均挖掘深度进行比较。【结果】萝卜、甘薯收获试验表明:手动收获萝卜的平均挖掘深度为12.5cm,伤果率为5.71%,漏挖率为2.82%,自动限深收获的平均挖掘深度为12.3cm,伤果率为3.40%,漏挖率为1.10%。手动收获甘薯的平均挖掘深度为15.3cm,伤果率为3.00%,漏挖率为1.38%,自动限深收获时的平均挖掘深度为14.8cm,伤果率为1.95%,漏挖率为1.08%。示波器显示,采用模糊PID控制,当收获速度为0.33 m/s时,最大延时小于0.4s,超调量小于10%,试验误差控制在1.3cm之内,挖掘深度比较均匀。【结论】采用设计的PID挖掘深度模糊控制,可以实现花生收获机挖掘深度的自动控制。     

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。     

施药机器人对行施药系统的设计与试验

【目的】设计一种能在作物行间自主导航的施药机器人,实现移动机器人在温室中自动行走并均匀施药。【方法】针对导航路径识别受光线变化影响较大的问题,在Kinect摄像机获取的彩色图像中选取了HIS空间,并对K-means算法的聚类中心和聚类数目的选取进行了优化,随后采用改进的K-means算法对与光照信息无关的H、S分量联合分割,获得完整道路信息,并采用Candy算子检测边缘及改进的Hough变化方法拟合导航路径。采用模糊控制方法通过实时调整转角和转向,对车体行走偏移进行矫正。同时,为满足不同农作物的施药需求,在喷药系统上选用了自整定模糊PID控制算法。【结果】该系统可有效适应不同光照条件,提取作物行中心线平均耗时12.36 ms,导航偏差不超过5 cm,植株叶片正面的上、中、下层覆盖率分别为63.26%、50.89%和75.82%,单位面积(1 cm~2)雾滴数平均为55、42和78个。【结论】本系统可以满足温室移动机器人自主施药防治病虫害的需求。     

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...