智能汽车巡航控制方法的研究

针对智能车巡航控制系统有非线性、时变等特性,提出了基于神经网络的汽车巡航自适应PID控制算法,在建立汽车动力性能模型的基础上,对传统PID、模糊PID和神经网络PID三种控制算法进行了仿真比较。仿真结果显示,应用神经网络PID控制算法对模型的非线性具有较好的适应性和鲁棒性,在有扰动的情况下也能迅速将车速调整到设定的目标值上。     

汽车牵引力控制软件在环仿真研究

应用车辆动力学仿真模型和基于目标控制器的汽车牵引力控制算法,设计了汽车牵引力控制软件在环仿真系统,并对后轮驱动越野汽车进行了软件在环仿真模拟。仿真结果表明,设计的控制算法有效地消除了驱动轮过度滑转的现象,提高了车速,为目标控制器的软件开发打下了基础。     

基于DRNN自适应PID的油缸位置控制

在阐述了DRNN神经网络基本原理,并结合HD控制特点的基础上,提出一种DRNN神经网络整定的PID控制算法和控制器设计方法。利用DRNN神经网络的自学习和自适应能力,来完成系统的实时控制。该算法直接应用于位置伺服控制系统,仿真结果表明,与传统HD控制算法相比较,该算法增强了系统的控制精度,提高了系统的响应速度,鲁棒性强,控制品质好,符合工程实际,有实用价值。     

四轮驱动汽车牵引力模糊控制方法仿真研究

建立了四轮驱动汽车加速过程的数学模型,采用模糊控制方法,建立了以滑转率为控制对象的汽车牵引力控制系统TCS(Traction Control System),用Matlab的模糊工具箱进行了模糊控制器的设计,并在Simulink仿真环境下进行了动态仿真,结果表明:基于模糊控制的TCS可将驱动轮滑转率控制在最佳值附近,有效地改善车辆的牵引性和动力性,抑制驱动轮过度滑转。     

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。     

水果采摘机械臂神经网络自适应反演控制研究

针对水果采摘单连杆柔性机器臂系统,提出一种基于RBF神经网络动态面反演自适应控制算法。该算法通过动态面控制技术,有效解决由于反演设计带来系统"计算膨胀问题",并通过RBF神经网络对系统中未知或不确定函数进行逼近,实现神经网络自适应反演控制。最后,通过Lyapunov稳定理论证明闭环系统的一致最终有界。仿真结果验证了该控制器的有效性。     

基于神经网络非线性模型的线控转向系统控制

进行汽车线控转向系统动力学分析及控制算法研究,需考虑动力学模型的非线性。首先建立基于魔术公式轮胎模型的非线性二自由度整车模型,然后基于神经网络方法训练逼近映射汽车模型输入与输出的关系,最后采用模糊控制方法由车速、转向盘转角等得到转向传动比控制算法。结果表明,基于神经网络的非线性整车模型与样本数据较好吻合,满足研究需要。转向传动比模糊控制算法考虑了转向轻便性和稳定性,提高了汽车操纵稳定性。     

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。     

基于轮速控制的移动机器人轨迹跟踪控制算法

滑移转向是移动机器人应用最广泛的转向方式。针对采用滑移转向方式的移动机器人轨迹跟踪中由于纵向滑移而导致跟踪误差大的问题,提出一种以两侧驱动轮转速为控制量的转向控制方案,并利用Back stepping方法与李雅普诺夫稳定性判据为依据设计滑移参数自适应律。为验证所设计的轨迹跟踪算法的有效性,在Matlab/Simulink软件中搭建移动机器人和路面模型,并进行仿真分析。仿真结果表明,所设计的轨迹跟踪控制算法能够准确地估计滑移参数并实现轨迹跟踪。     

基于目标控制器的四轮驱动汽车TCS道路试验

对自主开发的四轮驱动车辆牵引力控制系统(TCS)进行了冬季低附着均一路面、分离路面直行加速以及低附着均一路面转向加速3种性能控制工况的有、无TCS控制对比实车道路试验。试验结果对比表明:TCS控制系统工作可靠,控制有效,能够及时控制驱动轮的过度滑转,有效地提高了车辆驱动能力和操纵稳定性。     

基于神经网络逆系统方法的汽车底盘解耦控制

为了消除汽车底盘各电控子系统间的耦合影响,采用了一种基于神经网络逆系统方法的底盘解耦控制策略.对集成主动前轮转向( AFS)、直接横摆力矩控制(DYC)和主动悬架(ASS)的汽车底盘系统进行研究,利用Interactor算法分析了底盘系统的可逆性,建立了多变量底盘系统的BP神经网络逆系统模型,将闭环控制器与神经网络逆系统组成复合控制器用于改善系统的动态性能,并进行了仿真验证.结果表明,基于神经网络逆系统方法的解耦控制策略能够消除底盘各电控子系统间的干涉和耦合影响,有效改善整车的操纵稳定性.     

汽车前照灯智能控制系统的设计

基于汽车驾驶的安全性,结合传感器技术和微控制技术,对汽车前照灯设计了一套智能控制系统。该系统能在不同的情况下,对前照灯的照射角度和亮度进行自动实时调整和自动选择适宜的灯光模式,实现汽车前照灯的智能化控制,提高了汽车驾驶的安全性、舒适性以及智能感觉。     

汽车安全辅助驾驶系统研究与实现

随着我国车的使用逐年增加,汽车的安全性能问题备受关注.在智能化科技的不断发展与带动下,驾驶系统运用传感器、处理器、控制器等,特别是正在推广和开发的车道偏离预警和保持、行车安全环境检测、车辆本身安全检测等辅助智能系统,可实现汽车驾驶安全性能大大提升.     

汽车电子差速系统(EDS)控制算法研究

建立了汽车加速过程的车轮和整车动力学模型,提出了基于驱动轮滑转率误差差值PID控制的电子差速系统控制算法,该控制算法对对开附着条件的路面具有较好的适应性。建立了该控制算法的汽车起步加速过程控制的仿真系统,分别对有、无电子差速系统和强制式差速锁车辆在对开路面上的起步加速性能进行了分析和验证,结果表明所提出的电子差速系统控制算法明显提高了车辆起步加速性能。     

智能控制技术在履带式拖拉机上的应用研究

为解决履带式拖拉机控制系统智能化程度不高、动力不足、环境适应能力不强的问题,针对其智能化控制系统进行了设计和改进。拖拉机采用分布控制管理系统进行控制,采用CAN总线实现通信,主要组成为总控制器、变速器控制、换挡/离合、油门控制器、转向控制器和悬挂控制器。通过对其履带式驱动桥进行改进,包括采用行星式转向机构和液压系统进行控制,提高了履带式拖拉机的动力和性能。实验室和田间试验结果表明:履带式拖拉机的控制系统可完成对拖拉机的智能控制,保证了其稳定行驶,能够满足拖拉机的设计和性能要求。     

基于遗传算法的汽车半主动悬架模糊控制器设计

建立了二自由度汽车半主动悬架系统的数学模型,针对汽车半主动悬架减振器阻尼控制中模糊控制器存在的问题,提出了基于遗传算法的模糊控制算法。采用浮点数编码对模糊控制规则进行优化,既提高了运算效率和计算精度,又保证了控制系统的快速性和全局最优性。仿真计算和试验结果表明：基于遗传算法的模糊控制器能明显改善汽车的行驶平顺性。     

汽车半主动悬架的多目标遗传优化

汽车采用磁流变液减振器，可根据不同的道路行驶条件，通过改变磁场强度来改变减振器的阻尼特性。提出了一种多目标汽车半主动悬架的遗传优化技术，以行驶安全性、乘坐舒适性、结构空间需要作为优化设计目标或约束，选择悬架系统阻尼作为优化参数，以一个受路面谱激励的1／4汽车模型为例，采用一种高效十进制遗传算法对半主动悬架的减振效果进行验证，结果表明该遗传算法对汽车半主动悬架的参数优化具有较好的效果。     

汽车电子节气门的试验研究

介绍了自设计的节气门的控制原理,并对所开发的控制器进行了试验研究和节气门系统的台架实验。试验结果表明,所设计的汽车电子节气门在汽油机上的控制效果良好,节气门系统与汽油机匹配也良好。     

基于蝙蝠优化BP-PID算法的精准施肥控制系统研究

水肥一体化技术在棉花、小麦、番茄等大田农作物种植场景中的应用逐渐增多。当前能够快速有效调整大田农作物水肥一体化系统中肥料流量的控制算法研究较为有限。由于水肥一体化系统存在时变性、滞后性与非线性的特点,常见的PID与BP-PID控制算法无法获得预期的控制效果。为此设计一种基于蝙蝠算法（BA）优化的BP神经网络PID控制器。通过采用BA对BP神经网络的初始权值进行优化,加快了BP神经网络的自学习速度,实现对水肥一体化系统中肥料流量的快速精准控制,从而降低了超调量、提高了响应速度。同时,基于STM32单片机搭建了水肥一体化流量调节测试平台,并对该控制器的性能进行了试验验证。结果表明,与常规PID控制器和基于BP神经网络的PID控制器相比,所设计的控制器具有较高的控制精度和鲁棒性,降低了由时滞性、非线性等因素引起的影响。平均最大超调量为4.78%,平均调节时间为41.24s。特别是在施肥流量为0.6m3/h时,控制器表现出最佳的综合控制性能,达到了精准施肥的效果。