激光自动寻迹智能车设计与改进

以一种模型汽车为硬件平台,以单片机为核心控制单元,激光传感器为检测手段,设计制作一种自动寻迹智能车控制系统。系统采用双排激光传感器探测路径,快速准确地提取赛道信息,并结合闭环PID算法,控制舵机的转向和电机的转速,使小车能够沿着固定的跑道高速稳定行驶。重点介绍了系统的硬件电路设计及传感器的布局和控制策略。通过多次测试和试验,相比于传统的单舵机控制方案,灵敏的双舵机控制系统能很好地满足智能车对路径自动识别功能和抗干扰能力的要求,速度调节响应时间快,稳态误差小,具有较好的动态性能和良好的鲁棒性。     

基于合作粒子群算法的PID神经网络非线性控制系统

PID神经元网络 (PIDNN)模型为一种新型的神经网络模型,兼有PID与神经网络的共同优点,应用于复杂的控制系统.取得优良控制性能,但其后向传播算法 (BP)限制了该模型的应用范围.为实现对非线性多变量系统的有效控制,扩展神经网络的应有范围,本文采用PIDNN神经网络设计了多变量PIDNN神经网络 (MPIDNN)控制器,并用本文作者提出的合作粒子群算法 (CPSO)取代了传统BP后向传播算法,通过比较MPIDNN_CPSO、MPIDNNCRPSO、MPIDNN_PSO和MPIDNN_BP4种控制器的控制性能,仿真结果表明,基于CPSO算法的MPIDNN控制器实现了对非线性多变量不对称系统的有效控制.与传统的BP算法相比,CPSO算法提高了控制系统的稳定性、精确性与鲁棒性.     

基于PID神经网络的研究和改进

针对PID神经元网络(PIDNN)将静态神经元扩充到动态神经元的特性,通过分析PIDNN控制算法存在的局限性,对变量系统的激励函数提出了改进方案,扩大了PID神经网络控制的适用范围。Matlab仿真测试表明,改进后的PIDNN系统具有良好的稳态性,试验验证了算法的有效性。     

工业锅炉燃烧过程智能控制系统

针对典型的大时滞，非线形的工业锅炉燃烧控制系统．本文提出了一种基于PID神经元网络的工业锅炉燃烧控制系统．在仿真实验的基础上。对PID神经元网络控制与传统的PID控制进行比较和分析，仿真结果表明．PID神经元网络控制方法具有良好的鲁棒性和抗干扰性。其控制效果优于传统的PID解耦控制。     

基于多传感器的智能车系统设计

主要介绍电磁、光电、CMOS摄像头和测速传感器在智能车控制系统中的应用.以MC9S12XS128单片机作为系统的控制核心,设计了能够自主循迹的智能车,着重叙述信号检测模块.信号检测包括路径和反馈速度检测,分别使用了电磁、光电、CMOS摄像头和编码器等传感器,并运用PID算法计算PWM对电机和舵机的控制.实际测试表明,智...     

基于PID神经元网络的四旋翼飞行器姿态控制系统

针对PID控制对于四旋翼飞行器这类强耦合系统参数整定困难和控制稳定性不足的问题,提出了基于PID神经元网络(PIDNN)的新型控制算法,并设计了基于STM32微处理器的微飞行器。MATLAB系统仿真和飞行测试结果表明,相比于传统PID控制,PID神经元网络控制具有较快的稳定时间和较小的超调量,提高了系统的稳定性和自适应能力,同时实现了广义解耦。     

超声波电机转速的PIDNN控制

针对行波超声波电机运行过程中的较强时变性与非线性特征,引入了一种比例—积分—微分神经元网络(PIDNN)电机速度控制器.控制器网络融合了状态转换函数,具备动态映射能力,利用PID控制律先验知识确定权值初值,通过可变学习速度反传算法(VLBP)在线学习,使训练结果快速收敛,不易陷入局部极小,从而实现对超声波电机稳定快速的控制.采用参数变化电机模型对控制器进行仿真校验,仿真结果表明:方法具有较快的响应速度和较高的鲁棒性,能通过在线学习补偿电机运行过程中的非线性.     

基于MC9S12DG128单片机智能车设计与实现

本智能车控制系统采用飞思卡尔16位单片机作为唯一的核心控制单元,加以直流电机、舵机、光电传感器和电源电路以及其他电路构成。由安装在车前部的反射式红外传感器负责采集信号,并将采集到的电平信号传入核心控制单元,核心控制单元对信号进行判别处理后,由PWM4发生模块发出PWM波,分别对转向舵机和直流电机进行控制,完成智能车的转向与前进。智能车后轮上装有霍尔传感器,用来采集车轮转速反馈的脉冲信号,并经由核心控制单元进行PID控制算法处理后会自动调节输入到电机驱动模块的PWM波占空比,从而控制小车的速度。寻迹由RPR220型光电管完成。     

基于MC9S128的电磁导航智能车的设计与实现

介绍了一种基于电磁导航路径识别的智能车控制系统。该系统基于第五届全国大学生飞思卡尔杯智能汽车大赛的设计要求,使用飞思卡尔16位单片机MC9S128为核心控制单元,设计了赛道信号源、电磁导航传感器、电源管理模块、电机驱动电路、停车磁铁检测电路等硬件电路;在控制算法方面利用PID、BangBang及模糊控制相结合的方式,使得智能车能够自动采集信号,分析引导线信息、控制舵机转向,实现了智能车的自动寻迹功能。     

电磁导航智能车检测和控制系统的研究

对电磁导航智能车的信号检测、控制系统的设计和实现做了介绍。通过Matlab对不同路径进行了磁场分析,确立了传感器的排布方案,并针对采集的信号进行了后续信号处理电路的设计,完成了信号的采样,确定了控制策略,单片机根据传感器采集的跑道信号通过A/D转换进行分析,通过增量式PID来控制智能车的速度,并通过脉宽控制舵机转角来实现智能车的拐弯,最终实现了能够针对不同路径稳定快速运行的电磁导航智能车的制作。     

基于改进型粒子群算法的PID神经网络控制系统

针对传统的PID神经网络(PIDNN)应用范围受限及积分误差规则难以获取的问题.为实现对非线性多变量系统的有效控制,拓展神经网络控制系统的应用范围,提出了基于改进型粒子群算法在PID神经网络控制系统设计中的解决方案,取代了传统的BP反向传播算法.仿真结果表明,与传统的PIDNN相比,系统的稳定性、鲁棒性及精确性都有了明...     

基于差速高速智能车控制算法

提出一种高速智能车控制算法,以CMOS摄像头采集赛道信息。包括图像定距,舵机控制,电机控制,通过舵机与电机差速配合实现弯道处高速转弯,小弯稳定运行,从而很好解决了智能车实现高速和稳定冲突这一问题。     

改进的单神经元自适应PID控制算法在智能车速度控制系统中的研究与应用

针对单神经元控制算法在电磁导航智能车速度控制中存在加权系数修正时间长、自适应能力差、系统不稳定的缺点,提出了将改进的单神经元自适应PID控制算法应用到智能车的调速系统中。改进的单神经元自适应PID控制算法优化了单神经元自适应PID控制算法中的加权系数学习修正部分,使得权系数在线修正不完全根据神经网络的学习原理,而是参考实际经验制定的,最终自适应地整定PID三个参数来实现智能车的速度控制。Matlab仿真测试表明,与单神经元自适应PID控制算法相比,改进的单神经元自适应PID控制算法在智能车速度控制中具有响应快,超调量小、自适应能力强的优点,大大提高了智能车控制系统的性能。     

基于STC89C52单片机的循迹智能车控制系统设计

该文采用STC89C52单片机为核心控制单元,通过控制2个L298N电机驱动模块控制四个电机的正反转,实现智能车的差速控制;利用4个红外光电传感器以阶梯状均匀分布模式布置在智能车前部,用于采集路面的信息以实现循迹功能。该文详细论述了智能车控制系统的具体设计方案,以及智能车控制系统的软硬件实现过程,并且具体分析了智能车的车身结构对其速度和转向的影响。实验证明,该系统能很好地满足智能车对路径的识别和抗干扰能力较强的要求,智能车速度调节响应时间快,稳态误差小,具有较好的动态性能和良好的鲁棒性[1-4]。     

具有路径记忆功能的智能车控制系统

研究一种具有路径记忆功能的智能车控制系统。该智能车使用红外光电传感器实现路径识别,依靠电机驱动前进,使用舵机帮助智能车转向。该系统采用路径记忆算法对智能车进行控制,将记忆下的赛道信息作为主要控制信息,通过提前判断弯道的曲率大小,从而得到一个最佳过弯速度,使其运行更平稳、快速。     

基于电磁传感器的智能车控制算法研究

介绍了基于MC9S 12SX128单片机的电磁智能车的整体结构,对数据采集和处理的具体方法进行了描述,并且详细论述了数字增量式PID的积分分离法和带不灵敏区的两种控制算法在舵机控制上的应用,以及PID和Bang -Bang相结合的控制算法在电机控制上的具体实现方法.     

大视觉智能巡线车控制系统开发

针对常规的智能车传感器固定,视觉范围小,影响智能车的运行速度和准确性问题,提出了基于双舵机的大视觉智能巡线车控制系统。采用激光传感器、将路径识别传感器安装在车架上随动舵机的轮盘上,MCU通过控制随动摆头舵机来带动传感器的运动,使智能车的路径识别角度范围增大。经试验证明,此控制系统紧密结合双舵机的特点,充分发挥装在车架上的随动舵机带动路径识别传感器的优势,增大了智能车巡线过程中能识别到的路径范围,使智能车模实现高速稳定行驶。在不"丢线"的情况下,速度得到较大的提升,能适应各种赛道。     

基于光电传感器的智能车控制系统设计

介绍一种基于红外反射式光电传感器路径识别的智能车控制系统;系统采用Freescale 16位单片机MC9S12XS128为核心控制器,利用8个红外光电传感器构成的光电传感器阵列采集路面信息,单片机获得传感器采集的路面信息和车速信息,经过分析后控制智能车的舵机转向,同时对直流电机进行调速,从而实现智能车沿给定的黑线快速平稳地行驶;实验证明:系统能很好地满足智能车对路径识别性能和抗干扰能力的要求,舵机调节响应时间快,稳态误差小,具有较好的动态性能和良好的鲁棒性.     

基于PIDNN的六旋翼无人机飞行控制算法研究

针对六旋翼无人机比例-积分-微分(PID)控制器参数优化困难的问题,采用了PID神经网络(PIDNN)控制方法,利用其非线性映射和自学习的特性,实现了姿态控制参数的动态调整,增加了系统的自适应性.为验证方法的有效性,通过Matlab的Simulink模块构建了六旋翼无人机数学模型;利用S函数实现了基于反向传播(BP)算法的PIDNN控制器;将仿真结果与传统PID控制效果进行对比,结果表明:在缩短姿态调整时间与减少超调量方面,PIDNN方法控制效果优于PID方法.     

三相异步电机的模糊自适应PID控制系统

在传统PID控制系统的基础上,针对电机起动存在超调、动态稳定慢及精度低等问题,基于三相异步电机调速系统采用PID控制技术与模糊控制相结合的模糊自适应PID控制法,对其进行系统研究并与传统PID控制系统进行比较。然后在电机起动到稳态的情况下进行仿真,仿真结果表明,相比单独使用PID控制器,采用模糊自适应PID控制系统的调速系统控制性能更好。