基于微分几何的矿用汽车汽车油气悬架LQG控制

为了提高在矿山路面的行驶平顺性与安全性,建立了矿用汽车1/4车辆半主动油气悬架动力学模型,并分析了油气悬架弹性力和阻尼力的非线性特性;在微分几何理论的基础上,利用状态反馈线性化方法实现非线性模型精确线性化,应用最优控制理论设计了LQG控制器,并采用层次分析法确定LQG控制的各性能指标的加权系数;仿真结果表明:经层次分析法合理选择加权系数后,车身加速度、悬架动行程及轮胎动位移等分别较被动油气悬架降低了42.6%、21.9%和27.3%,显著提高了车辆在矿山路面的行驶平顺性、操稳性以及安全性。     

基于模糊PID控制的汽车半主动悬架系统的研究

论文通过建立1/4车体两自由度半主动悬架模型,设计了双输入单输出的模糊PID控制器,并在Matlab/Simulink环境下对半主动悬架系统进行了仿真研究。研究结果表明,与被动悬架系统和基于PID控制的半主动悬架系统相比较,基于模糊PID控制的汽车半主动悬架系统能够有效地降低车身的垂直加速度,并能提高车辆的平顺性,减小轮胎的动载荷。最后对基于模糊PID控制的半主动悬架系统在同一路面等级不同车速下进行了仿真研究,结果表明随着车速的增加车辆的平顺性、操纵稳定性以及安全性都会下降。     

车辆主动悬架的BP神经网络自适应PID控制

提出了一种主动悬架的基于BP神经网络的自适应PID控制方法,并借助于1/4主动悬架物理模型,探讨了该控制技术在车身主动减振方面的控制问题.以白噪声模拟路面输入,对车辆主动悬架系统进行计算机仿真研究.将BP神经网络PID主动悬架、PID主动悬架和被动恳架的车身加速度、悬架动挠度及车轮动位移三项指标的均方根值进行了对比分析.仿真结果表明,具有BP神经网络PID控制器的主动悬架控制效果明显优于PID主动悬架和被动悬架,可大大减少路面对车身的振动冲击,能显著地提高车辆行驶平顺性和乘坐舒适性,且鲁棒性好.     

高斯基神经网络的非线性PID控制方法

针对二阶非线性系统,提出了一种用高斯基函数作为神经元激励函数的PID（Proportion-Integral-Derivative）控制方法。该方法用高斯基函数模拟PID参数随误差变化的曲线,用神经网络算法在线调整各模拟曲线的系数,从而构造出具有非线性特征的PID控制策略,实现了基于高斯基神经网络的非线性PID智能控制方法。计算机仿真结果表明,该方法具有良好的非线性控制效果,因此在工业领域具有广泛的应用前景。     

改进卡尔曼滤波的PID控制

传统的基于卡尔曼滤波算法的PID控制,在滤除控制过程中和测量过程中的噪声干扰方面效果很好。但系统的收敛速度、超调等方面还存在问题,这主要是PID参数没有达到最优。针对卡尔曼PID的参数优化问题,结合遗传算法优化PID参数,引入增量的分段控制改进控制信号[u]的组成结构。经过Matlab仿真验证,方法数据量少、参数优化快、系统收敛快、超调小,方法可行。     

基于MC9S08GB60的汽车电控悬架控制系统设计

对空气悬架的控制是提高车辆行驶平顺性的有效方法。以MC9S08GB60为控制芯片,以YBL6891H型客车的1/4车辆模型为研究对象,设计了一种客车用空气悬架的电子控制单元。该控制单元通过调整空气弹簧的刚度,降低车身垂直加速度,并采用模糊PID控制算法,提高控制精度。试验表明:该电子控制单元能有效降低车身垂直加速度,在改善车辆行驶平顺性的同时,提高了操纵稳定性。     

车辆空气悬架PID控制优化仿真

考虑到空气弹簧的非线性特性,建立了2自由度车辆空气悬架系统的振动模型.为了提高车辆行驶平顺性和乘坐舒适性,设计将粒子群优化(Particle Swarm Optimization,PSO)算法与PID控制策略相结合后应用于车辆空气悬架系统控制,并在Matlab/Simulink环境下,对不同车速和行驶路况下的车辆空气悬架进行了仿真分析.仿真结果表明:与传统的PID控制比较,基于粒子群优化的PID控制器使得车辆空气悬架系统的车身垂向加速度(BA),悬架动行程(sws)和轮胎动位移(DTD)的均方根值都有所减少,改善了车辆的平顺性和操纵稳定性.     

非线性油气悬架的平顺性仿真研究

该文针对某工程车辆油气悬架系统建立了单气室油气弹簧的非线性刚度模型，在传统的定刚度车辆两自由度振动模型中加入了非线性的因素，使计算机仿真更接近工程实际。在Maflab／Simulink的环境下，对油气弹簧的刚度非线性、D级随机路面输入以及在随机路面输入下的车辆平顺性进行了计算机仿真。最后将油气悬架平顺性仿真结果和线性二次型最优主动控制悬架以及钢板弹簧被动悬架进行了比较，证明了油气悬架在降低车身加速度、改善轮胎接地性等方面具有显著的优越性和工程应用价值。     

Seamor300水下机器人的通信与控制系统

以Seamor300水下机器人为对象,研究水下机器人的通信协议和状态控制系统。控制技术是水下机器人研究的核心内容之一。Seamor300水下机器人通过RS485将机器人的运行状态的数据包传送到水面控制转换器,控制转换器再通过RS232与水面计算机实现通信;应用比例-积分-微分（PID）控制算法设计了水下机器人的状态控制系统,水池实验结果验证了控制算法的有效性。     

民用飞机供水热技术仿真研究

研究民机供水系统温度加热控制的优化问题,保证用水的舒适度.针对管道加热器是非线性、时变的控制对象,为实现即热、舒适节能,提出设计采用模糊/PID开关切换和自适应模糊PID控制的两种系统模型控制器,建立仿真模型,研究模糊控制器控制规则和参数优化设计,比较分析两种系统模型控制方法与基本PID控制方法的水温控制性能.仿真结果表明,利用模糊/PID开关切换控制的民机供水温度控制系统可达到供水即热,节能省水的效果.     

基于模糊PID控制的列车主动悬架振动控制研究

为了研究高速列车主动悬架系统横向振动控制,将研究对象简化为二自由度1/4车悬挂模型,研究了高速列车车体的横移、侧滚为变量的列车悬挂控制系统,采用德国轨道谱作为列车的激励拟合。算法控制器选择方面,在PID控制和模糊控制的基础上,建立模糊PID控制,并建立了基于模糊PID控制的高速列车主动悬架横向振动控制系统,通过MATLAB仿真生成关系曲线,验证了模糊PID控制算法具有更好的控制效果。     

磁悬浮系统的非线性PID控制

在磁悬浮控制系统中采用线性PID控制方法时，如果只是靠增加比例反馈来提高系统的刚度，很可能降低系统的性能，有时甚至会引起系统不稳定。为了提高PID控制方法的刚度，同时又不影响系统的性能，提出了一种非线性PID反馈控制方法。线性PID控制方法的控制量是通过位置和速度的线性组合来求取，而非线性PID控制的控制量是通过位置和速度的非线性组合来求取，因此采用位置和速度信号的指数组合形式来求取控制量。非线性PID控制方法相对于线性PID控制方法的最大优势是其刚度大、抗外力冲击能力强。实验结果验证了非线性PID控制方法的优越性。     

空间机械臂地面竖直方向重力补偿控制系统设计

为解决大型空间机械臂地面微重力模拟实验问题,设计了一种3维主动悬吊式重力补偿系统.系统主要由水平2维直线运动单元与竖直重力平衡吊挂单元组成,在竖直方向上通过恒张力控制思想实现微重力模拟,并给出了带负载的伺服电机的数学模型.提出一种基于模糊PID(比例―积分―微分)参数整定的力/位混合控制方法,并研究了在未知负载干扰、系统干扰以及机械臂不同运动速度下控制器的控制性能.仿真实验结果表明,该控制方法能够将重力补偿精度保持在0.3%F.S(全量程)之内,使得系统具有较强的鲁棒性和动态响应能力.     

Fuzzy Sliding Mode Control for Active Suspension System with Proportional Differential Sliding Mode Observer

In this paper, a generalized augmented transformation is considered for the quarter active suspension system with uncertainties. Specifically, the model uncertainties are converted to the augmented states and a new proportion differential sliding mode observer is used to estimate state variables and model uncertainties. A differential geometric method is applied to linearize the nonlinear suspension model. In order to weaken the vibration effect of sliding mode control force and reduce energy consumption, a fuzzy sliding mode controller is designed for the active suspension system and the fuzzy controller is applied to adjust switching control gain according to the reaching condition of sliding mode surface. The simulations are conducted to illustrate the effectiveness and advantages of this proposed observer and control strategy.     

Sliding mode neural network inference fuzzy logic control foractive suspension systems

In the automotive industry, suspension systems are designed to provide desirable vehicle ride and handling properties. This paper presents the development of a robust intelligent nonlinear controller for active suspension systems based on a comprehensive and realistic nonlinear model. The inherent complex nonlinear system model's structure, and the presence of parameter uncertainties, have increased the difficulties of applying conventional linear and nonlinear control techniques. Recently, the combination of sliding mode, fuzzy logic, and neural network methodologies has emerged as a promising technique for dealing with complex uncertain systems. In this paper, a sliding mode neural network inference fuzzy logic controller is designed for automotive suspension systems in order to enhance the ride and comfort. Extensive simulations are performed on a quarter-car model, and the results show that the proposed controller outperforms existing conventional controllers with regard to body acceleration, suspension deflection, and tire deflection     

Fuzzy Control for Nonlinear Uncertain Electrohydraulic Active Suspensions With Input Constraint

This paper presents a Takagi-Sugeno (T-S) model-based fuzzy control design approach for electrohydraulic active vehicle suspensions considering nonlinear dynamics of the actuator, sprung mass variation, and constraints on the control input. The T-S fuzzy model is first applied to represent the nonlinear uncertain electrohydraulic suspension. Then, a fuzzy state feedback controller is designed for the obtained T-S fuzzy model with optimized H _infin performance for ride comfort by using the parallel-distributed compensation (PDC) scheme. The sufficient conditions for the existence of such a controller are derived in terms of linear matrix inequalities (LMIs). Numerical simulations on a full-car suspension model are performed to validate the effectiveness of the proposed approach. The obtained results show that the designed controller can achieve good suspension performance despite the existence of nonlinear actuator dynamics, sprung mass variation, and control input constraints.     

基于自适应模糊PID的UCAV姿态控制

针对UCAV刚体六自由度模型非线性强耦合的特点,结合专家经验设计了一种自适应模糊PID姿态控制方法。利用小扰动原理对UCAV非线性模型线性化,得到了纵向和横侧向通道的状态空间表达式,实现了纵向和横侧向通道的解耦。针对纵向通道的俯仰角和速度以及横侧向通道的滚转角对设计的自适应模糊PID控制器进行了仿真验证,结果表明该控制器具有较快的响应速度和较高的稳定性,能够有效控制UCAV实现预期姿态。     

动物细胞悬浮培养过程神经网络逆解耦控制

动物细胞的悬浮培养以细胞增殖快、生产效率高等优势,成为动物细胞大规模培养的首选方式。而动物细胞悬浮培养过程是一个非线性、强耦合的多输入多输出系统,对一些生物参数(如细胞密度、基质浓度和产物浓度)的控制是提高整个生产水平的关键,应用神经网络逆系统方法对动物细胞悬浮培养过程进行线性化解耦控制,根据培养过程的特点,给出了相应的数学模型,并证明了系统的可逆性,利用神经网络的非线性逼近能力辨识出原系统的逆系统,然后串接在原系统前面构成伪线性复合系统,使动物细胞悬浮培养过程线性化解耦成三个子系统：一阶线性细胞密度子系统、一阶线性基质浓度子系统和一阶线性产物浓度子系统,最后设计模糊PID控制器对各解耦后的线性子系统进行控制,避免了传统PID控制器最优参数选取困难的问题。仿真结果表明,神经网络逆系统方法实现了对动物细胞悬浮培养过程的线性化解耦,系统对给定输入实现了高性能跟踪控制。     

基于模糊PID的风力发电机桨距角控制

模糊PID控制应用于风力发电机的桨距角控制,其中风力发电机采用具有强非线性的数学模型,模糊PID控制器使用二维线性规则库和高斯型隶属度函数的结构。在MATLAB平台上搭建仿真模型,仿真结果表明采用模糊PID控制比纯PID控制效果稳定,鲁棒性强,能够有效改善风力发电系统变桨距控制效果。     

基于模糊PID-Smith 控制策略的变频恒压供水系统的设计

针对恒压供水系统普遍存在的惯性大、非线性、随机性及纯滞后性的特点,设计了一种基于模糊PID-Smith控制策略的变频恒压供水系统.硬件部分介绍了系统的结构及组成,软件设计部分首先构建系统数学模型,研究了PID模糊控制与Smith预估控制理论.最终把PID模糊控制器与Smith预估器结合起来用于对系统的控制,并用Matlab将各种控制算法进行了仿真.结果表明:模糊PID-Smith控制器能够使系统的动态、稳态性能最优化,在时滞过程的控制系统中具有一定的应用前景.