基于模糊自适应PID控制的静电除尘电源系统设计

设计了以单片机C8051F060为控制核心,基于模糊自适应PID控制算法的三相高压除尘电源系统,该控制系统提高了除尘电源的稳定性和控制精度.工程实践表明：该除尘电源系统具有操作方便、系统稳定、工作效率高等优点.     

基于不完全微分的模糊自适应PID算法速度优化控制系统设计

为提高平地机行走作业速度的控制性能,协调解决外界干扰信号对系统造成的影响以及行走作业速度精度滞后和不稳定性问题、将一阶惯性环节加入模糊自适应PID控制器的微分环节中,采用单片机作为行走作业速度的控制中心,提出了基于不完全微分的模糊自适应PID算法速度优化控制系统.最后通过Matlab的Simulink仿真软件,分别将不带PID控制、PID控制和不完全微分模糊自适应PID控制3种方式用于对人为给定速度干扰信号的控制仿真测试,验证了不完全微分模糊自适应PID算法的有效性和可靠性.     

基于LabVIEW模糊自适应PID的实现

通过LabVIEW与MATLAB进行混合编程的方式,借助两软件各自的优势,设计出具有模糊自适应PID控制算法的虚拟仪器,并对不同的对象特性进行控制系统的仿真与三容水箱液位的实时测控。实验结果表明,模糊自适应PID控制系统的控制效果良好,具有较强的鲁棒性。     

卡尔曼滤波融合遗传PID控制算法在提高播种精度中的应用

为提高排种器的排种精度,在传统气吸式排种盘转速控制的基础上,设计了一套卡尔曼滤波融合遗传PID控制算法,通过PID控制算法实现排种盘电机转速的闭环控制,通过卡尔曼滤波算法滤除排种盘在转动过程中因振动和外界干扰等原因产生的噪声,并采用遗传算法快速准确的寻找PID控制过程中的最优控制参数.为验证算法的有效性,假设输入信号为单位阶跃信号,并在噪声大小为0.002和0.1的情况下分别进行了实验.在噪声为0.002时,传统PID控制响应波动值可达到1.5,遗传PID控制响应波动值最大仅为1.2;加入卡尔曼滤波后,传统PID控制输出响应趋于稳定的时间约为0.2 s,遗传PID控制的输出响应趋于稳定的时间约为0.08 s;同理,将噪声增大为0.1后,采用相同的实验方案进行实验,最终实验说明了卡尔曼滤波融合遗传PID控制算法在提高排种盘电机转速稳定性中的有效性.     

模糊免疫PID控制器及其在料位控制中的应用

将免疫PID控制和模糊控制算法融合,提出了模糊免疫PID控制算法,并将其应用到热磨机中的料位控制系统.Matlab仿真试验证明,对于具有非线性、时变、不确定性、纯滞后、大惯性的控制系统,模糊免疫PID是一种新的有效的控制策略.研究表明:模糊免疫PID控制算法可有效地提高料位控制系统的性能.     

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。     

自适应模糊PID控制策略在中央空调系统中的应用研究

中央空调系统的控制过程非常复杂,将传统的PID控制和模糊控制相结合,提出了一种自适应模糊PID控制的设计方法,并将其应用于中央空调系统的实际控制中.通过仿真模型的实验表明,自适应模糊PID控制弥补了模糊控制和PID控制的缺点,具有控制灵活,精度高,调节迅速,超调量小的优点,鲁棒性和稳定性好,具有一定的可行性.     

模糊自适应PID控制在木材干燥窑中的应用

针对木材干燥过程难于建立数学模型的特点，提出了利用模糊自适应PID对木材干燥窑的温度湿度进行控制的方法设计控制器。研究结果表明，模糊自适应PID控制可提高木材干燥控制系统性能，其控制效果明显优于常规PID控制。     

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。     

基于自适应模糊PID控制的猪舍温湿度控制系统研究

我国北方猪舍冬季室内外温差大,影响温湿度控制精度。文章基于自适应模糊PID控制算法研究母猪舍温湿度控制。该算法具有超调量小、响应速度快、鲁棒性强优点,可提高寒地猪舍温湿度控制精度。仿真试验数据表明,该算法系统超调量为2.57%,系统调控时间较原有PID控制算法调控时间缩短57.56%;实测结果表明,基于该算法改进温湿度控制系统最大温湿度偏差值分别为0.61℃和6.86%,较原有PID控制算法调控温湿度偏差分别减少1.8℃和2.21%,研究可为我国北方寒地猪场冬季养殖管理提供更精准温湿度环境保障。     

基于改进强跟踪无迹卡尔曼滤波的饵料动态称重算法

投饵是虾塘养殖中的重要环节,获取剩余饵料重量是实现精准投饵的关键。为解决在投饵过程中由环境、系统自身等因素引起的剩余饵料称重不准确问题,提出了一种适用于投饵船饵料动态称重的自适应强跟踪无迹卡尔曼滤波算法(SHFL-ASTUKF)。首先,建立称重系统的二阶模型,并对量测结果进行滤波。然后,在渐消因子快速引入的基础上,使用奇异值分解替换Cholesky分解处理误差协方差问题。同时,结合模糊控制算法和Sage-Husa自适应滤波,自适应更新量测噪声协方差和系统噪声协方差,从而抑制滤波过程中的发散情况。对SHFL-ASTUKF进行实例数据仿真和实验验证,结果表明,与强跟踪无迹卡尔曼滤波相比,实例数据仿真中,RMSE提高了14.9%,投饵船剩余饵料称重实验中RMSE平均提高了15.15%,MAE提高17.27%,所提出的算法具有更高的动态测量精度和更好的降噪效果。     

足球机器人运动控制算法研究

在建立基于小转角的足球机器人运动学模型的基础上,提出了单神经元自适应PID控制算法和基于Kalman滤波的PID控制算法.通过仿真分析,系统在单神经元自适应PID控制下,超调量、上升时间和峰值时间分别是常规PID控制下的30.7%,54.3%和72.7%,完全满足足球机器人现场比赛竞技性的要求;基于Kalman滤波的PID控制能够抑制干扰,提高控制精度,控制效果明显改善.     

农用多旋翼飞行器串级分数阶PID控制

为提高农用无人机动态性能,基于传统串级整数阶PID控制算法,提出一种串级分数阶PID控制算法。以四旋翼无人机为研究对象建模,并利用遗传算法对串级整数阶PID和串级分数阶PID参数进行整定,得到最优控制后采用MATLAB/SimuLink仿真分析,〖JP2〗证明串级分数阶PID控制效果优于串级整数阶PID。以四旋翼无人机实物为对象进行试验,测试结果表明,串级分数阶PID比串级整数阶PID的调节时间缩短了0.24 s,总体性能更优,表明仿真结论可靠。研究结果表明,串级分数阶PID控制算法可用于农用无人机的飞行控制。     

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。     

基于模糊决策树的温室温度调控

现代化农业是以优质、高效为标志的,因而温室自动技术得到长足的发展.温度自动控制系统是温室技术中一个关键因素.模糊决策树是一种归纳学习算法,能够很好地逼近离散值函数,有较高的准确性且有很好的抗噪声特性.将模糊决策树引入温室的温度自动控制中,实现温度的自动控制,其产生的控制过程更易于理解,并且具有很好的抗噪声效果.仿真结果表明,基于模糊决策树的控制系统有较强的自适应能力与稳健性.