基于系统辩识的PID参数自整定

This paper presented a metnod of self-determining PID parameters by using system idenification and gave a engineering sample.     

柔性坐标测量机参数辨识方法

设计了一种六自由度关节式柔性坐标测量机,并对该测量机测量方程中的参数进行了辨识,提出了一种快速简易的单点锥窝标定方法。该方法基于单点锥窝提供的空间单点基准,利用非线性最小二乘中的高斯-牛顿法,求解测量机测量方程的参数值。实验结果表明,该方法能够有效提高测量机的整体精度,且操作简单、计算效率高。     

浅谈中低云与农林业航空作业飞行安全的关系

通用航空在执行农林作业、航拍航摄及教学训练等任务时,飞行高度80%~90%在5000m以下,中低云云底高度恰好在5000m以下,复杂的天气现象也多集中在此高度范围内,所以通用航空飞行活动受中低云影响最直接、最显著。而云的观测是目前航空测报和地面气象测报中难度较大的项目之一,也是目测项目中较为复杂部分。这就要求在通用航空飞行活动中,气象观测员能够准确辨识中低云,了解其对飞行安全的影响,充分利用有利条件,避开不利因素,对于安全飞行、顺利完成任务具有重要意义。     

荷兰:采摘机器人大规模应用尚有时日

在设计采摘机器人时,视觉辨识系统设计是关键。机器视觉算法的改进和多光谱相机的使用,有助于机器人更快地找到采摘目标。瓦赫宁根大学荷兰园艺研究所设计的早期机器人最先用于采摘黄胡椒,这是低垂生长的果实,训练机器人上的摄像头来寻找绿叶中黄色或红色的辣椒相对简单。在技术工人短缺、全球人工费增长的情况下,机器人研发人员和园艺从业人员正合作开发机器人,以提高生产率。     

东北地区种植业机械化水平的灰色关联辨识

发展农业机械化是东北老工业基地振兴的重要内容.为此,对现阶段东北地区种植业机械化装备水平、生产经济系统的投入产出状况以及环境状况进行了科学的分析,运用灰色关联分析方法对其进行系统的辨识,这对于东北农业的发展、增加农民收入、加快农村富余劳动力转移,优化农业和农村经济结构具有重要意义.     

基于UEGO的柴油机EGR系统的模型辨识

由于EGR系统存在严重的非线性、较大的时延和复杂的进排气动力特性,为了达到满意的控制效果,用伪随机二进制信号对系统进行了辨识.在大量预试验的基础上,对具有代表性的2种工况进行了系统辨识,得到了受控的自回归模型.模型降阶后得到2个具有时延的2阶模型.用交叉检验法检验了模型,检验结果表明模型完全可用于控制器的设计.     

基于RBF网络的联合收获机脱粒滚筒恒速控制

对联合收获机行走、收割、脱粒系统进行分析,提出了系统数学模型的基本形式.针对该模型的高阶次、非线性和难以准确获得具体参数等问题,将模型差分方程的基本形式分解为与控制信号无关和有关的2个部分,利用RBF神经网络技术分别对2个部分进行在线辨识,控制器根据辨识结果进行控制,构建了自适应控制.利用该系统进行了不同条件下的仿真和试验,试验证明利用RBF网络可快速有效地拟合被控对象.当对象参数发生变化时,系统可实现跟踪适应,达到较好的控制效果.     

浅谈实施现场标准化作业

实施现场标准化作业,将标准化管理、规范化作业的要求,落实到每项作业过程中,对增强作业风险辨识与控制能力,实现安全管理的可控、能控、在控起到尤为重要的作用.笔者结合当地实施现场标准化作业的具体做法,对如何实施现场标准化作业谈点浅见,供大家交流探讨.     

考虑非线性摩擦模型的机器人动力学参数辨识

针对机器人动力学参数辨识的问题,提出了一种基于人工蜂群算法的辨识方法。考虑到关节摩擦特性,引入非线性摩擦模型,推导了机器人动力学模型的非线性形式。设计满足速度、加速度边界条件的五阶傅里叶级数作为激励轨迹来采集实验数据;利用人工蜂群算法,以蜂群为搜索单位,通过群体间的信息交流方式与优胜劣汰机制,对模型中的未知参数进行了辨识。最后,对得到的辨识模型进行了分析与验证,结果表明通过辨识得到关节预测力矩与测量力矩有较高的匹配度,所建立的非线性模型能够更好地描述机器人的动力学特性。     

异步电动机调速系统自适应辨识的CMAC-ADRC算法

针对异步电动机调速系统快速响应时启动超调量大的问题,提出了一种基于自适应参数辨识的小脑模型神经网络复合自抗扰控制(CMAC-ADRC)的控制算法。将CMAC与ADRC各自的优点相结合,利用CMAC神经网络实现前馈控制,通过在线学习来抑制系统的超调量,增强系统的鲁棒性能,提高系统的快速性能,利用ADRC技术实现反馈控制,进一步增强系统的抗干扰能力。利用参考模型自适应参数辨识技术对转动惯量进行辨识,优化自抗扰补偿系数。以变频器结合异步电动机为控制对象,进行仿真,基于自适应参数辨识的CMAC-ADRC控制算法的干扰响应幅度是一阶优化自抗扰控制下干扰响应幅度的44.57%,是小脑模型神经网络复合比例-微分(CMACPD)控制下干扰响应幅度的17.69%,干扰恢复时间是一阶优化自抗扰控制下干扰恢复时间的50%,是CMAC-PD控制下恢复时间的60%。搭建MCU-CPLD-DSP控制平台进行了实验,基于自适应参数辨识的CMAC-ADRC控制算法的超调量是一阶优化自抗扰控制的45.49%,上升时间是一阶优化自抗扰控制的53.33%,干扰响应幅度是一阶优化自抗扰控制干扰响应幅度的71%,干扰恢复时间是一阶优化自抗扰控制干扰恢复时间的76.47%。