智能轨迹控制割草机器人设计——基于FPGA神经网络

为了提高割草机器人自主导航和定位的精确性和智能性,设计了一种新型的基于FPGA神经网络算法的割草机器人。该设计采用FPGA可重构技术,以3层误差反向传播神经网络作为典型的模型来展开;利用成熟的BP算法公式,设计了割草机器人智能控制的模型;利用FPGA技术,设计了割草机器人的硬件系统;最后采用文本输入的设计方法,利用田间试验的方式,对机器人的轨迹规划能力和控制精度进行了验证。试验结果表明:利用FPGA和神经网络模型可以有效地穿越5个障碍物,并可得到满意的轨迹规划结果。将普通的PID控制器和神经网络PID控制器得到的控制结果误差进行了对比,结果表明:神经网络PID控制器得到的割草机器人控制误差明显比传统的PID控制器误差小。该方法为神经网络的硬件实现提供了可靠的理论基础。     

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。     

人工神经网络在PID控制算法中的应用

根据过程实测的输入输出数据，将实际对象输出的旧值输入BP网络的输入层，从而得到一动态神经网络，作为控制中非线性系统的预测模型。既利用了系统的已知规律，提高了辨识的可靠性，又使得网络结构不必过于庞大，改善了实时性。分析了积分分离PID控制算法，在此基础上，将应用最广泛的PID控制器与具有自学习功能的神经网络相结合。得到了基于BP神经网络的PID控制算法。在已有的控制系统中嵌入了神经网络控制算法，用以调节PID控制器的三个可调参数Kρ，KI，KD。     

机器人智能化吊装技术研究

鉴于OpenPose进行肢体识别复杂度较高,提出基于TfPose完成人体骨架提取,并采用神经网络集成学习方法对吊装指令肢体信号进行识别,完成智能化吊装操作。首先,采用D-H法对吊装机器人进行正运动学分析,确定卷扬机构工作空间范围,并使用共形几何代数方法求解其逆运动学,完成吊装机器人从当前位置运动到目标位置的数学建模;然后,基于TfPose获取人体骨架向量和RGB骨架图,以BP神经网络和InceptionV3网络为基分类器,采用神经网络集成学习方法确定最优化权重,完成吊装指令肢体信号识别;最后,将识别的吊装指令肢体信号通过UDP通信传送给吊装机器人控制模块,以完成吊装操作。实验结果表明,该方法平均肢体识别精度达0. 977,提高了吊装效率。     

微操作机器人集成智能运动控制系统

针对微操作机器人交流伺服系统模型的非线性、不确定性以及强外界干扰,以PID控制为基础,将参数自整定PIDF、BP神经网络PID以及模糊自适应PID等控制策略有机集成,应用于微操作机器人的运动控制.通过集成,充分发挥模糊逻辑、神经网络的优势,弥补各自的不足.实验表明集成策略可提高运动精度,具有良好的动态、稳态性能,并能较好地适应负荷变化与外部干扰,具有较强的鲁棒性.     

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.     

基于BP神经网络的PID控制在温室控制系统中的应用

以温度参数控制为例,结合传统PID控制规律,利用BP神经网络完成温室温度控制系统的PID控制系统设计.通过阐述基于BP神经网络的PID控制算法,完成温度控制系统中的BP神经网络PID控制参数在线整定.采用MATLAB对基于BP网络的PID温度控制系统进行了仿真,结果表明,PID控制算法能够实现控制参数的自适应调整,使系统对输入的响应达到小误差.     

一种模糊PID控制器 ——基于电镀生产线槽液温度控制系统的设计研究

模糊控制器的结构分类方法有多种,从智能化程度来看,有模糊专家控制器、模糊神经网络、模糊混沌网络等模糊综合控制器。本课题采用模糊逻辑算法,根据一定的模糊规则,实时优化PID控制的比例、积分和微分系数,从某电镀生产线槽液温度控制入手,设计了一种模糊PID控制器,从而实现电镀液的恒温控制。     

神经网络混合PID算法的空调节能研究

针对经典的PID控制方法的三个参数值,传统方法是通过人工赋值,而人工赋值往往依赖于经验,控制效率较低。研究小组引入BP网络对PID控制器参数进行优化,通过训练PID参数,得到最佳参数值。仿真试验验证了该BP网络在调节PID控制器参数方面具有更快的收敛能力,能够实现系统的快速逼近功能。研究小组提出了一种基于BP神经网络的PID控制器优化方法,并将该方法应用于中央空调系统中,把一阶系统函数当作空调的拟似函数,通过搭建的MATLAB平台进行仿真。仿真结果表明,该方法具有超调量小、过渡时间短、鲁棒性好等特点,弥补了常规PID在改善空调性能中参数难以整定的缺点。可以将该控制策略用于改善空调性能,使空调能处于最佳的性能状态,并且保证空调的安全经济运行。     

基于分层传感器信息融合的智能车辆导

针对智能车辆导航中传感器信息的不确定性,结合BP神经网络和模糊神经网络分别对传感器信息进行了数据层与决策层的两层融合.采用BP神经网络对多超声波传感器信息进行数据层融合,以减少超声波测距传感器信息的不确定性,提高对障碍物距离探测的准确率;采用模糊神经网络融合障碍物距离信息和车体与标志线间偏差信息,实现智能车辆的导航决策控制,使之更适合系统的跟踪避障要求.该方法使智能车辆在跟踪与避障中具有较好的灵活性和鲁棒性.仿真和实车试验验证了方法的有效性.     

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。     

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。     

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。     

高速覆带车辆静液传动模糊自适应PID同步控制

以某轻型高速履带车辆的静液传动系统为研究对象,结合模糊控制与PID控制方法,设计了模糊自适应PID同步控制器,仿真及试验表明:直驶工况下,采用该控制器的双泵双马达静液传动系统在经受突变载荷干扰时能有效抑制两侧马达转速误差值,快速同步到设定速度,具有较好的鲁棒性,所设计的控制系统优于常规的PID控制方法, 适用于轻型高速履带车辆静液传动系统的同步控制.     

高速覆带车辆静液传动模糊自适应PID同步控

以某轻型高速履带车辆的静液传动系统为研究对象,结合模糊控制与PID控制方法,设计了模糊自适应PID同步控制器,仿真及试验表明：直驶工况下,采用该控制器的双泵双马达静液传动系统在经受突变载荷干扰时能有效抑制两侧马达转速误差值,快速同步到设定速度,具有较好的鲁棒性,所设计的控制系统优于常规的PID控制方法, 适用于轻型高速履带车辆静液传动系统的同步控制。