卷带包装材料连续供送恒张力控制系统的设计

针对卷带包装材料在连续供送过程中存在的张力控制不稳定的问题,研究设计一种恒张力控制系统。以磁粉制动器作为执行元件,采用PID控制,建立了张力控制系统的数学模型,进行了仿真分析和控制系统的实验验证,结果证明,该系统响应速度快,达到了包装材料高速供送恒张力的要求。     

ADAMS和Matlab的EPS和整车系统的联合仿真

首先利用ADAMS软件建立带有电动助力转向系统（EPS）的整车多体动力学模型;然后在Matlab／Simulink环境中设计了PID控制的EPS系统,定义了与ADAMS／CAR环境下车辆模型的数据交换接口;最后,将设计的控制系统在ADAMS／CAR和Matlab／Simulink环境下通过输入输出接口进行联合仿真。几种行驶工况下的EPS及整车的动态特性计算结果,表明联合仿真方法是正确有效的,并为其在车辆工程中的实际应用提供了参考。     

车辆电动转向系统的卡尔曼滤波模糊PID控制

通过对车辆动力转向系统的动力学分析,建立了动态数学模型。为了克服单独使用PID控制和模糊控制时的问题,提高控制系统的响应速度,减小超调量,减小稳态误差,设计了模糊控制和PID控制相结合的多模态控制器,实现了分段控制;并由卡尔曼滤波对控制信号进行滤波处理,减小路面随机干扰和传感器测量噪声的影响,从而进一步提高了控制效果。仿真和试验结果表明,该控制方法能够明显改善控制性能。     

Smith-RBF-PID在锻造操作机大车行走速度控制系统中的研究

针对传统锻造操作机在作业过程中因自身惯量较大而导致行进速度不稳定的问题,本研究结合锻造操作机大车行走机构建立了其速度的动力学模型,采用基于径向基函数神经网络的PID控制与Smith预估器相结合的控制方法,实现对锻造操作机大车行走速度的精确控制。通过MATLAB/Simulink仿真对比分析得出：基于Smith-RBF-PID算法的控制效果与传统PID相比,其超调量以及调节时间都显著减小;与RBF-PID控制算法相比,缩短了响应时间,大大提高了操作机大车行走速度的控制精度。     

基于贝叶斯网络控制算法的智能电梯探讨

基于物联网学习算法的智能电梯控制系统在现实生活中对于提高多层建筑的可持续性和便利性方面发挥着重要作用,随着物联网及大数据的智能时代到来,传统电梯控制算法对应随机人流带来的不确定性已略显乏力。与传统的电梯控制方法不同,贝叶斯网络控制算法利用了图像采集系统和预处理系统为其提供的乘客群体大小和等待时间信息样本,然后利用这些信息样本进行概率决策模型的贝叶斯推理、更新变量参数,利用变量消除技术降低了计算边际概率和条件概率的复杂度。其目的是构建一个决策引擎,能够控制电梯的行动,以提高不同楼层、不同时间段和不同需求乘客的满意度。研究表明,根据不同的场景,对该模型算法进行了敏感性分析和评价研究,在94%的测试场景中,整个算法被证明达到了相应的预期期望值。在总结前者研究经验及成果的同时,提出了一种基于贝叶斯网络控制算法的智能电梯工作的基本建模方法,为工程师提供了一种开放式思路应用于实际工作中。     

大众up!

大众up!共设计了三种版本：入门版“take up !”、舒适版“move up!”和顶级版“high up!”，不同配置的up!采用的内饰配色也有所不同。up!量产车首次引入了大众PID概念，这是一套同顶级导航厂商Navigon 合作的产物，     

电能质量谐波控制研究

本文主要分析了近年来谐波的产生原因以及各种分析和控制谐波的理论方法 ,通过对各个电能质量谐波控制方法的比较分析,确定采用电源电流预测控制算法对谐波进行控制具有有效性和优越性。     

基于改进入侵杂草算法优化的PID生物质废弃物发酵热能控制模式

生物质废弃物发酵系统是一个大时滞系统，针对生物质发酵系统中的热能控制存在波动大、振荡多和超调大的问题，提出基于改进入侵杂草算法优化的PID生物质废弃物发酵热能控制方法，运用改进入侵杂草算法对PID控制器的参数进行在线调整。算例仿真表明，所提方法能够快速、稳定且高精度地实现对生物质废弃物发酵系统的热能控制，为沼气制取提供了稳定的热能环境，实现了沼气的稳定供应。      

基于改进B样条神经网络-PID控制器的温室温度控制技术

针对温室温度控制系统所存在的大惯性、非线性等问题,提出神经网络PID控制算法,并利用知识局部存储且具有较快学习速度的B样条函数作为网络隐层神经元函数,同时,提出了β参数型-B样条曲线的重新参数化方法,通过学习算法对β参数搜索来动态调节B样条基函数,从而建立B-BP神经网络,并利用其对PID控制器的比例、积分和微分参数进行优化调整,从而为B-BP-PID控制器的参数自适应调整提供更好的保证,使温度控制系统有效跟踪系统模型并达到较高的辨识精度。仿真试验获得B-BP-PID控制器的最佳β因子为3.2,其温度控制超调量为27%,调节时间为0.8 s,而BP-PID控制器的超调量为25%,调节时间为4.8 s,RBF-PID控制器的超调量为40%,调节时间为1.2 s,新算法有效提高了温度控制过程的稳定性、精确性与鲁棒性。