混合动力电动汽车发动机转速智能控制系统设计

发动机是混合动力电动汽车动力设备的心脏,为了保证混合动力电动汽车可以快速稳定地运行,需要对其转速智能控制系统进行设计;使用当前控制系统智能控制混合动力电动汽车发动机转速时,无法快速检测到发动机转速,难以达到最佳的智能控制结果;为此,基于软切换提出Bang Bang-神经网络PID的混合动力电动汽车发动机转速智能控制系统设计方法;混合动力电动汽车发动机转速智能控制系统以Mcs-51系列8751单片机为核心系统,检测混合动力电动汽车发动机转速的数字信号,同时控制D/A模拟信号的输出,并在LED显示器上显示发动机转速数字信号,以PWM调制器放大混合动力电动汽车启动时发动机产生的PWM波,将放大后的PWM波供给电力发动机,再以分频填充脉冲装置测量混合动力电动汽车发动机转速,通过Bang Bang-神经网络PID算法计算出混合动力电动汽车发动机转速误差,达到实时控制混合动力电动汽车发动机转速的效果;实验仿真证明,所提设计方法保证了发动机转速的快速性和平稳性。     

模糊自整定PID的航空发动机转速控制研究

航空发动机具有强非线性和强时变性的特点,使用定参数PID方法的转速控制系统的性能在全飞行包线内难以保证.针对上述问题,提出设计模糊自整定PID控制器,利用输入误差及变化率建立一组PID参数在线调整规则,运用模糊推理方法实时进行参数自整定.结合某型航空发动机核心机非线性实时模型,进行转速串级控制硬件在回路仿真.结果表明,提出的模糊自整定PID控制方法实现了控制器参数在线调整,参数切换扰动小,满足全包线内转速控制的指标要求.     

强制循环蒸发系统的非线性自适应解耦PID控制

本文结合现场的实际过程数据,首先应用能量平衡建立了强制循环蒸发过程的动态模型.针对该过程的多变量、非线性以及强耦合特性,在常规增量式PID控制器的基础上提出基于神经网络与多模型切换的非线性自适应解耦PID控制策略.该控制器是由线性自适应解耦PID控制器和基于神经网络的非线性自适应解耦PID控制器以及切换机构组成.其中线性自适应解耦PID控制器可以保证系统的稳定,而基于神经网络的非线性自适应解耦PID控制器则可以有效地提高系统的性能.上述过程的PID参数是通过广义预测的方法得到,最后通过仿真表明,上述控制方法不仅消除了回路间的耦合,在稳定生产的同时提高了蒸发的效率.     

直流调速系统的模糊／PID控制器设计

本文采用模糊/PID控制策略对直流调速系统的转速环进行了设计,根据转速误差的阀值由模糊控制切换到PID控制,给出了模糊控制规则和PID控制器各参数确定的方法,并利用Matlab进行了仿真验证,结果表明模糊/PID控制器具有较好的控制性能。     

基于模糊神经网络PID控制器的EEC数字化设计

为实现航空发动机模拟式电子控制器(EEC)的数字化设计,以其低压压气机导流叶片调节通道为主要研究对象,提出一种模糊神经网络PID控制器,将模糊控制、神经网络、PID控制相结合,利用模糊控制专家经验优势和神经网络的自学习、自适应能力,优化PID控制参数,实现控制性能提升。仿真结果显示,基于模糊神经网络的PID控制器控制性能有较大提高,具有比常规神经网络PID控制器更小的超调量和更好的抗干扰性;适用于定常系统和非定常系统,具有更好的自适应性与鲁棒性;可应用于航空发动机模拟式电子控制器(EEC)的数字化设计。     

基于PSCAD/MATLAB接口的智能控制直流调速系统

使用PSCAD建立电机的转速、电流双闭环控制系统模型,并使用MATLAB编写神经网络PID控制器算法;通过PSCAD/MATLAB接口用神经网络PID控制器取代常规PID控制器,从而实现智能控制直流调速系统。     

基于BP网络的PID控制在滑油压力气动控制中的应用

根据实验室现场对控制的要求,提出了一种将常规PID控制与BP神经网络相结合的自适应PID控制器,该控制器运用神经网络和BP算法实现了对PID参数的在线调整。把该控制器应用于某航空发动机燃油泵调节器滑油压力控制中,实验结果表明,与传统数字PID控制器相比,该控制器具有更好的控制效果和更好的鲁棒性。     

基于控制器切换的涡扇发动机转速调节及安全保护

本文通过多个控制器间的切换改善了航空发动机加速过程的动态性能,并在转速过高时加以保护。首先,根据航空发动机控制系统模型利用区域极点配置方法对于每个子系统设计一个H∞输出跟踪控制器,并且设计滞后切换规则,使发动机高压转子转速既能快速跟踪参考加速曲线又能保证较小超调,同时由于滞后切换规则的存在避免频繁切换造成的执行机构不必要的损耗;然后设计安全保护控制器及事件触发的切换机制,在高压转子转速过高时保护转速使其不超过最高转速边界,保证飞行安全;最后通过数例仿真验证了本文方法的有效性。     

一种航空发动机导叶角度调节器控制方法研究

航空发动机静子导流叶片角度数字电子控制系统的性能和可靠性对发动机的正常工作十分重要;为获得发动机的最优性能,提高飞行可靠性,并保证压气机工作稳定性,文章提出了一种基于RBF (Radial Basis Function)神经网络的PID控制器,构建了3层神经网络数学模型;在AMESim软件平台上,建立了该航空发动机导叶控制系统的数学模型,在Matlab/Simulink中搭建了RBF神经网络控制器;仿真结果表明,在相同参数设置下,本文所设计的控制器与传统PID控制器相比能够实现导叶角度调节器作动筒位移的更加快速、精确控制,表明该控制器设计方法是可行、有效的.     

微型燃气轮机的新型神经网络控制的研究

燃机控制系统是一种多变量、非线性、时变的系统,对微型燃气轮机的转速控制器进行了深入研究.PID控制应用广泛,但在实际应用中,其参数整定仍未得到较好的解决.因此,设计了一种新的神经网络PID控制器作为主控制器,通过神经网络所具有的任意非线性表达能力,可以通过对系统性能的学习来实现具有最佳组合的PID控制,确保系统的稳定性、快速性和准确性.大量的仿真证明,该算法具有良好的控制效果.     

航空发动机分数阶PID控制器的参数自整定方法

控制器作为航空发动机的大脑,是保障发动机正常运行的核心部件,随着对发动机控制器精度和时效性的要求越来越高,传统PID控制器的性能亟需进一步提升.本文提出了改进的分数阶PID离线和在线参数整定方法,应用于涡扇发动机推力的控制中.首先,利用Caputo分数阶微积分定义建立分数阶PID模型,实现时域上的数值计算;其次,基于对数正态分布提出了改进的布谷鸟算法,实现了分数阶PID离线参数整定;然后,结合RBF网络设计参数线上整定方法,解决了参数在线整定问题;最后将相关理论应用于发动机推力的控制中,结果表明,相比其他几种优化算法,改进的布谷鸟优化算法对分数阶PID控制参数整定效果最好;利用RBF神经网络对分数阶PID进行在线整定时控制效果稳定,且分数阶PID的控制效果优于传统的PID控制,能提高对推力的控制能力.     

基于模糊神经网络的涡喷发动机控制系统设计

针对微型涡喷发动机ECU控制系统具有时变性和非线性的特点,为改善微型涡喷发动机控制系统的控制性能,将模糊神经网络PID控制方法应用于ECU的转速与推力控制系统中;首先,利用某微型涡喷发动机的试车数据通过系统辨识方法得到其数学模型,其次针对模糊PID无法在线调参的弊端,引入模糊神经网络控制方法对微型涡喷发动机ECU系统进行控制;为模拟发动机在工作过程中遇到的干扰问题,在仿真过程中加入了干扰信号,通过与传统PID、模糊PID的仿真结果对比验证得出,模糊神经网络PID在涡喷发动机转速控制系统中响应速度更快约为1 s,超调量更小约为0,在有干扰的情况下恢复稳定状态的时间更短,约为0.5 s。     

基于滑模变结构的发动机转速控制系统

针对工业中传统的发动机PID转速控制系统存在其经常性参数整定不良,运行工况适应性差,且很难同时很好地满足稳态精度、动态稳定性、平稳性和快速性的要求等问题,提出一种基于比例切换函数的滑模变结构发动机转速控制系统。进而介绍了发动机转速控制数学模型,并通过Matlab/Simulink仿真与传统的PID转速控制方法进行对比,验证滑模变结构控制在发动机这种高阶非线性多变量系统中具有响应速度快,超调量小和控制精度高等优点。     

无人机涡喷发动机的BP网络控制

该文介绍了由反向传播神经网络（BP网络）构成神经网络PID控制系统的基本结构和原理,针对传统BP算法存在的收敛速度慢、容易陷入局部极小值的缺陷,选用了标准的数值优化算法（LM算法）,此算法具有极好的快速性;对某无人机涡喷发动机的神经网络PID控制进行了仿真研究,并与常规PID控制进行了比较研究,仿真结果表明：采用此算法构成的神经网络PID控制具有响应速度快、稳态误差小、算法简单的优点;用一个神经网络作为控制器,控制地面和空中多点对象是可行的,但要进行实际应用,还有待于进一步的研究.     

基于规则引擎的无线传感器网络动态路由系统

无线传感器网络路由协议往往是针对特定的任务类型和网络状态设计的,动态路由系统可以在运行时,自适应地选择性能最优的路由协议.利用规则引擎设计了一种无线传感器网络动态路由系统.采用了模块化的设计方法,使得多路由协议共存时可以共享资源.利用规则引擎的灵活性和智能性实现路由协议的自适应切换机制.实验结果显示,在多任务网络环境下,动态路由在满足服务质量的同时可以有效地降低网络能耗.     

PID神经网络控制器在发动机油门控制中的应用

BP网络与PID控制器相结合,可以实现对PID控制器参数的优化调整。但是BP网络的隐含层层数和神经元节点数的选取尚无定则,需要反复的计算论证才能确定;并且网络连接权重初值选取为随机值,难以保证系统初始运行的稳定。本文提出一种将BP神经网络与PID控制规律融合的新方法--PID神经网络,该方法控制结构简单、系统参数物理意义明确,同时又克服了上述网络的诸多缺点。将该方法应用于对发动机油门开度的仿真控制,仿真结果表明该控制器大大改善了发动机油门控制系统的性能,仿真效果良好。     

基于模糊PID 软切换控制的列车自动驾驶系统调速制动

基于对列车自动驾驶(ATO)系统算法的分析,首先针对ATO系统停车阶段采取的一级调速制动过程,利用模糊PID软切换控制算法对ATO系统进行研究;然后利用模糊规则实现模糊控制与PID控制之间的切换;最后通过对系统的仿真表明,该算法不仅能够实现ATO系统调速控制的平滑过渡,而且使列车能够平稳运行,节约能源,同时提高了乘坐的舒适性和停车精度.