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。     

模糊免疫PID控制在淀粉生产线中的应用

在分析比较传统PID、Smith预估PID和模糊免疫PID原理的基础上,提出了利用模糊免疫PID调节淀粉生产线中的液位.通过对淀粉生产线中某一液位回路进行数学建模,然后对传统PID、Smith预估PID和模糊免疫PID 3种控制器进行了设计与仿真.仿真结果表明,模糊免疫PID在控制效果上明显优于传统PID并且其鲁棒性高于Smith预估PID.最后,利用Matlab的DDE协议和ActiveX与淀粉生产线的上位机RSView32进行了数据交换,将Matlab中模糊免疫PID控制算法准确传输到上位机上.     

液压并联平台神经元PSD与模糊CMAC复合控制

为了克服六自由度液压并联平台的耦合及负载扰动对轨迹控制的影响,基于神经网络自适应PsD控制器无需辨识过程参数和模糊CMAC控制器能提高系统逆动态模型辨识精度的特点,提出了一种神经元自适应PSD控制器与模糊CMAC神经网络控制器相结合的复合控制.仿真结果表明,该控制方法具有较高的控制精度、优良的鲁棒性和自适应能力,满足平台轨迹控制的实时要求.     

模糊免疫PID控制在淀粉浓度控制中的应用

在分析比较传统PID、Smith预估PID和模糊免疫PID原理的基础上,提出了利用模糊免疫PID调节淀粉生产线中的淀粉浓度.通过对淀粉生产线中浓度控制回路进行数学建模,对传统PID、Smith预估PID和模糊免疫PID 3种控制器进行了设计与仿真.仿真结果表明,模糊免疫PID在控制效果上明显优于传统PID并且其鲁棒性高于Smith预估PID.最后,利用Matlab的DDE协议和ActiveX与淀粉生产线的上位机RSView32进行数据交换,将Matlab中模糊免疫PID控制算法传输到上位机上,实现了模糊免疫PID控制在淀粉浓度控制中的应用.     

煤层气发动机的空燃比控制策略研究

为了改善煤层气发动机的动力性、经济性和排放性,必须提高发动机空燃比的控制精度.针对煤层气的特性,提出了一种基于CMAC神经网络和PID复合控制的空燃比控制方法,并对其算法进行了详细的阐述.将该方法用于煤层气发动机的空燃比控制中,利用CMAC神经网络的自学习功能以及实时性好、鲁棒性强的特点,对空燃比进行实时的在线控制,并通过Simulink仿真分析,取得了比较理想的控制效果.     

渠道系统神经网络控制运行研究

渠系运行中存在非线性、大滞后及时变性的特点。利用神经网络处理复杂非行线性、不确知系统的能力,设计基于PID神经网络的水位反馈控制器,它既具有常规PID控制器结构简单、可靠性高的优点,又具有神经网络自学习、自适应的能力,实现了控制器参数整定不依赖于渠道系统数学模型,且能依据渠系动态信息适时调整。结合渠道水力学特性建立渠道自动化运行数学模型,并进行了计算机数值仿真。结果表明,采用PID神经网络控制器的渠道运行系统,实现了控制参数自适应调整,且动、静态性能较常规PID控制有明显改善。     

基于DSP快速原型的淀粉生产线串级控制系统

在分析比较传统PID和Smith预估PID作为串级控制主回路控制器的基础上,提出了主回路采用Smith预估PID,副回路采用传统PID的串级控制策略调节淀粉生产线中的浓度.对淀粉生产线中串级控制闭环回路进行数学建模,并对主回路采用Smith预估PID和传统PID两种控制方案进行了设计与仿真.仿真结果表明,主回路采用Smith预估PID在控制效果上明显优于传统PID并且其鲁棒性优于传统PID.利用快速原型控制系统实现了该方案,利用Matlab/Simulink建立淀粉生产线的控制系统模块,在CCS集成开发环境中自动生成代码,然后将可执行代码下载到DSP TMS320C2812和TMS320C6713中,即可实现淀粉生产线的串级控制系统设计.     

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。     

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。     

基于DSP快速原型的淀粉生产线串级控制系

在分析比较传统PID和Smith预估PID作为串级控制主回路控制器的基础上,提出了主回路采用Smith预估PID,副回路采用传统PID的串级控制策略调节淀粉生产线中的浓度。对淀粉生产线中串级控制闭环回路进行数学建模,并对主回路采用Smith预估PID和传统PID两种控制方案进行了设计与仿真。仿真结果表明,主回路采用Smith预估PID在控制效果上明显优于传统PID并且其鲁棒性优于传统PID。利用快速原型控制系统实现了该方案,利用Matlab/Simulink建立淀粉生产线的控制系统模块,在CCS集成开发环境中自动生成代码,然后将可执行代码下载到DSP TMS320C2812和TMS320C6713中,即可实现淀粉生产线的串级控制系统设计。     

玉米定向种子带恒张力卷绕系统自适应模糊PID控制

在玉米定向种子带的卷绕过程中,种子带的张力控制影响到种子带的质量。为此依据玉米定向种子带的要求,建立恒张力卷绕系统的传递函数,利用模糊控制技术实现玉米种子带的恒张力卷绕控制,创建了模糊自适应PID控制器,利用Matlab对其进行仿真,得到了较为合理的模糊控制算法,并将模糊控制算法通过西门子S7-200型PLC为核心的硬件控制电路应用于实际的张力控制,并进行了实际的卷绕试验。试验结果表明:模糊PID控制器与传统PID控制器相比,具有更好的动态稳定性和跟踪性能,张力产生阶跃时,系统过渡时间约为2 s,超调量在1.2%内,能够较好地满足种子带的卷绕要求。     

水轮机调节系统的Fuzzy自整定PD

介绍了水轮机调节系统的Fuzzy自整定PID控制的系统结构、控制思想、控制算法以及基于MATLAB的仿真系统的设计步骤和方法,最后对Fuzzy自整定PID控制和传统的PID控制的仿真结果进行了比较。     

神经元自适应PID控制的应用--以汽车发动机转速控制为例

在汽车发动机转速控制中,PID控制具有简单,快速的优点,但是参数调整比较困难。因此,在分析了神经元的自学习机理的基础上,设计出基于神经元的自适应PID控制器。通过仿真结果表明,该控制器利用神经元的自适应能力实现了PID参数的在线调整,具有很强的鲁棒性,是发动机转速控制的有效方法之一。     

基于组态王和Matlab的双容水箱液位控制

为了将复杂控制算法应用到实践中,提出利用DDE(动态数据交换)技术实现Matlab与组态王之间的数据通讯,结合了Matlab强大的运算能力和组态王软件的数据采集、系统监控方面的优势。并将其应用到AE3000型过程控制实验系统中,采用自校正PID控制算法实现双容水箱液位的控制,取得良好的控制效果。     

基于XC164CS的数字式电子调速控制系统研究

以XC164CS为核心,设计一数字式电子调速控制系统,该系统能够根据柴油机工况和负载的变化而进行自适应控制,输出PWM信号对电磁执行器进行控制,并进行了配机试验研究。试验结果表明,该控制系统有效提高了柴油机调速的响应速度,改善了数字式电子调速系统的动态性能。     

基于模糊自适应PID的育果袋机纸带张力控制研究

育果袋机运行过程中对纸带张力的大小和稳定性有严格要求.为此,将模糊自适应PID控制器应用于张力控制系统并采用磁粉制动器作为执行部件,在建立张力控制数学模型的基础上,对控制器的结构和控制规则进行分析.利用MATLAB对系统进行仿真,证明该方法既满足育果袋机对纸带张力的要求,又具有快速响应、超调小的优点,是一种实用、先进、智能化的纸带张力控制方法.     

液位监测技术在植保无人机中的应用分析

为了探究适合植保无人机药箱液位实时监测的可行方法,阐述了国内外常见的接触式和非接触式液位监测方法,包括差压式、浮体式、电极式、电容式、超声波式、激光式、光电式、流量计式、机器视觉式、雷达式等主要方法,指出了植保无人机作业过程中,其药箱存在的特点,包括液面波动剧烈、药液的理化特性各异、药箱空间小、防腐蚀要求高等,并对上述常见液位测量方法用于植保无人机药箱液位测量时存在的局限进行了分析,在此基础上,探讨了适合植保无人机质量轻、功耗小、精度高、耐腐蚀药箱液位监测方法及装置,并针对植保无人机药箱液位监测中需克服的难题,提出了气压式液位无线监测的解决方案,为进一步开发适用于植保无人机的药箱液位监测装置提供参考。