模糊控制在模块化风冷热泵机组中的应用

在模块化空调水温控制中应用模糊控制,解决水温超调量大,缩短调节时间,提高控制精度,在实际应用中达到良好的控制效果.     

混行交叉口下智能车辆驾驶轨迹控制方法

考虑车辆之间的相互影响和交通环境的不确定性，且混行交叉口的路况较为复杂，导致驾驶轨迹跟踪控制误差较大。为此提出混行交叉口下智能车辆驾驶轨迹跟踪控制方法。构建智能车辆驾驶模型，在IDM场景计算车辆加速度，确定车速和安全距离。利用线性时变模型将智能车辆驾驶轨迹线性时变表达，并建立轨迹预测方程，求出预测时域状态量和输出量；构建驾驶轨迹限制条件，引入前轮转角的控制量、控制增量与重心偏移角度，通过构建目标函数，计算实际控制量，通过设定理想时间，获取时域内外纵速度，结合欧拉积分完成驾驶轨迹跟踪控制。仿真结果表明，所提方法驾驶轨迹跟踪控制误差小，保证智能车辆安全稳定运行。     

机器学习在列车精确停车问题的应用

列车精确停车是实现轨道交通自动控制系统的关键技术之一。传统的精确停车技术需要依赖于复杂的物理模型及昂贵的传感设备,且难以达到较高的精度。从数据本身出发,利用机器学习中高斯过程回归和Boosting回归算法对列车精确停车问题进行了研究,并与线性回归方法进行了比较,实验表明,机器学习的方法对于解决列车精确停车问题是行之有效的。其中以高斯过程回归的性能最优,而基于梯度的Boosting回归方法在缺乏先验知识的条件下达到接近高斯过程回归的性能,在实际应用中具有更大的灵活性和适应性。     

基于粒子群算法的抄纸过程PID神经元网络优化控制

抄纸过程中定量和水分的控制是一个大纯滞后、强耦合和非线性的系统,本文提出使用粒子群算法优化的PID神经元网络来解决这些控制问题。设计的双PID神经元网络闭环控制系统中,网络结构简单,使用增加动量项的误差反向传播算法,提高了学习速度,减少了系统的反应时间,并采用粒子群算法优化网络的初始权值,克服PID神经网络学习过程中由于权值易陷入局部最优值的缺点,提高了系统的控制精度。仿真结果表明：初始权值优化后的PID神经网络控制系统具有更高的控制精度和更快的响应时间,能更好地实现抄纸过程的解耦控制。这为抄纸过程定量水分的自动控制提供了一种新的方法。      

基于BP+RBF神经网络PID高压热动力试验台研制

针对高压热动力试验台测控系统需要控制的参数多,控制任务要求复杂,控制精度要求高,且各参数间存在耦合的情况,提出了基于BP+RBF神经网络PID的智能控制的方法;应用智能控制的方法解决传统的PID控制无法解决的问题;实际应用表明基于BP神经网络整定的PID控制器具有较好的自学习和自适应性,能保证控制精度等要求,控制效果比较令人满意。     

数字孪生下的液压缸机械运行位置自动控制

液压缸机械系统非线性特征复杂,机械运行行为特征不明确,位置控制结果存在偏差,对此,该文提出数字孪生下的液压缸机械运行位置自动控制方法。连续检测液压缸机械系统运行状态,构建非线性状态方程,对比实际测量数据与输出数据的差异,选取RBF核函数与支持向量机,机械运行位置变化量,描述机械运行行为特征,建立位置控制目标函数,将最高适应度值对应的位置点自动更新为副本位置点,引入猫群算法求解目标函数,对位置控制目标函数的全局最优解展开更新,实现液压缸机械运行位置自动控制。实验结果表明,所提方法应用后,位移检测曲线与实际位移曲线之间的偏差较小,且在恒负载工况下和变负载工况下,位移稳态误差均较小,说明其机械运行位置自动控制结果精度高、控制效率高、控制精度高。     

批量加料控制系统中的精确定量控制

批量加料控制应用广泛,且具有其特殊的功能和精度要求.对影响批量加料控制精度的各个因素分别作了简要分析,并提出了相应的改进措施和补偿方法.C3000过程控制器实现了批量加料系统的自动控制.该系统在实际应用过程中,取得了很好的效果,计量精度始终保持在+5‰以内,具有很高的推广应用价值.     

灰色预测模糊自适应PID控制的城轨列车智能驾驶系统研究

为提高城轨列车驾驶系统的智能化程度，将灰色预测控制与模糊自适应PID控制技术相结合，应用到城轨列车驾驶系统中。在对城轨列车驾驶系统进行需求分析的基础上，针对其对各种性能指标的要求，提出了基于灰色预测模糊自适应PID控制的城轨列车智能驾驶系统的设计方案。将灰色预测控制与模糊自适应控制应用到经典PID控制中，设计出了系统的智能控制器，有效满足了城轨列车在运行时对跟踪误差、准点率、停车误差、舒适度和节能性等多个性能指标的要求。仿真结果表明：采用灰色预测模糊自适应PID算法的控制系统具有良好的控制精度且系统的智能化程度得到了相应的提升。     

基于BP神经网络的加药控制系统研究

浮选是最重要的选矿方法之一,煤矿浮选工艺自动加药控制问题是影响浮选效果的重要因素;传统加药控制主要是由加药工根据生产经验来控制,为了解决浮选精度低这一问题,文中提出采用BP神经网络作为加药控制系统加药量的预测模型,并采用动量项方法对其进行优化,通过仿真得出动量项法网络和测试样误差曲线,说明带动量项改进的神经网络更容易满足网络精度的要求,并且该方法能够有效地降低误差、减小浪费。     

非牛顿流体减速带二次优化方案

为增强非牛顿流体减速带的泛用性,使得在面对不同实际情况下仍能得到合适的应用,提供了一种实际生产非牛顿流体减速带的算法参考.首先通过利用非牛顿流体剪切稀化特性,选用水泥生浆[1]作为减速带填充物,建立幂律流体本构方程模型;之后运用推理的方法仿真,研究非牛顿流体减速带的高度即水泥生浆填充量与环境温度、车速之间的关系.结果显示:这种非牛顿流体减速带的高度与环境温度之间存在密切联系,即低温下使减速带减速效果生效的临界车速较高,高温下的临界车速较低,两者差值较大.减速带垂直高度与临界车速之间存在正相关性并与给低车速下机动车提供的支持力之间存在负相关性.因此在实际生产中需要注意当地环境温度以及过带平均车速等指标,进而确定出合适的水泥生浆填充量确保减速舒适度与减速效果.     

基于模糊PID控制的选煤自动控制技术研究

选煤自动控制过程中介质的流动稳定性会直接影响液位和密度的测量精度，导致选煤自动控制的精度较差。为了提升油位、密度和灰分含量控制效果，提高选煤的质量，提出基于模糊PID控制的选煤自动控制技术。首先，采用PLC技术设计了选煤生产线架构，分析了选煤生产线的物理特性和信息输出特性；其次，建立选煤系统的数学模型，分析煤炭质量效果与介质液位与密度之间的关系；最后，设计了模糊PID控制器，将介质液位与密度的误差以及误差变化率输入模糊PID控制器中，实现选煤的自动控制。实验结果表明，所提方法可有效控制介质的液位与密度，输出的煤炭灰分含量为设定的最优值，具有良好的控制效果。     

基于CMAC的飞机液压脉冲台自学习控制

飞机液压脉冲台是产生压力脉冲，考核飞机液压元件寿命的重要设备。该设备在产生液压脉冲的过程中，管内流体处于非恒定流动状态，其流态非常复杂，且受试验件特性的影响，难于有效的控制。采用常规的控制方法不易处理控制精度与收敛速度的矛盾。论文应用了一种CMAC自学习控制方案，通过CMAC的在线学习适时的自适应调整控制量，以达到对波形快速、准确控制的目的。该方法在飞机液压脉冲台中得到应用，仿真研究和实际控制效果均表明，该方案对不同试验件的水锤波控制具有良好的效果。     

废水中和过程的RBF神经网络预测控制

废水中和过程有较强的非线性、时变性和滞后特性,对于过程模型的辨识与控制较为困难,采用常规的线性化模型或传统PID控制方法存在模型过于复杂,算法难以在线实施,控制精度不能保证等问题,很难取得满意的控制效果、针对该问题,应用酸碱中和的强酸当量模型,提出了一种基于敏感度(Sensitivity Analysis,SA)和动态粒子群优化算法(Dynamic Particle Swarm Optimization,DPSO)相结合的RBF神经网络模型辨识方法,通过调整网络结构和辨识出系统的滞后时间来提高模型辨识效率和预测精度,将RBF神经网络辨识器与神经网络控制器相结合构成电厂废水处理pH中和过程的预测控制系统。经过仿真研究和试验验证,与电厂实际应用的PID控制方法相比较,该方法能有效地对pH值进行控制,并实现较小的控制误差和节约药剂的效果。     

水泥粉磨系统的DCS控制

介绍了水泥粉磨系统计算机集散控制系统的实现方法 ,着重讨论了水泥磨配料的自动控制和水泥磨负荷的智能控制。实际应用结果表明 :该系统提高了磨机喂料量和负荷的控制精度 ,可靠性高 ,具有明显的经济效益     

基于模糊PID控制的生物发酵温度过程控制系统

根据生物发酵过程中温度的特性，采用模糊PID控制算法对发酵过程中温度进行自动控制，并利用MATLAB的Simulink和Fuzzy工具对模糊PID温度过程控制进行了仿真。实际运行结果表明：与常规PID控制相比，该方法提高了控制精度并减少了静态误差，缩短了调节过程时间，使发酵温度更有效地保持在生物发酵的最适范围，从而提高了产物产量，表明了模糊PID的优越性。     

具有多时滞的不确定多变量反馈系统的鲁棒稳定化

１引言在实际控制过程中，虽然复杂工业过程与控制对象可以用线性数学模型来描述，但由于模型的误差、测量的误差和线性化近似等，不确定性就会出现在控制系统中．这些不确定项给原来稳定系统的鲁棒稳定性分析带来了许多研究课题，已经引起了自动控制界和应用数学界的极大...     

BP神经网络预测算法的改进及应用

BP算法是应用广泛的神经网络算法,具有较强的非线性拟合能力,可以用来预测非线性时间序列数据的发展趋势。但在实际应用和仿真过程中,由于算法本身的限制和不足,对于仿真和计算都会带来很多问题,比如网络训练过程中程序异常中止、训练时间过长、仿真精度不高等。针对这样的情况。通过分析算法本身和训练仿真过程,找到了相应的原因和解决方法,研究了传统BP神经网络模型的缺陷并提出附加动量的方法来改进BP神经网络,最后通过在Matlab仿真环境下的实际仿真过程,验证了改善效果。     

基于免疫遗传算法的PID控制器参数优化研究

PID控制器参数优化一直是自动控制领域研究的热点问题.由于自动控制过程中被控对象具有非线性、时变不确定性等特点,传统的PID控制多采用试凑方式进行优化,往往费时而且难以满足控制的实时要求,导致控制精度不高.为了解决PID控制器参数优化问题,改善系统性能,提出一种基于免疫遗传算法的PID参数优化方法.该方法将PID控制器参数作为抗原,最优参数作为抗体,通过免疫算法的记忆细胞和抗体浓度调节机制,在控制过程中动态调整PID控制参数,从而实现PID控制器参数实时优,最后将该参数优化方法应用于实际的自动控制系统.实验应用研究表明,相对于传统参数优化方法,该方法在处理非线性和时变系统时,减少了超调小,响应速度提高,改善了系统性能,系统稳定性增强,控制精度相应提高,更能适应实际的自动控制系统需要.     

浮动车车速处理分析系统中的数据融合技术

利用浮动车技术可以方便地获取路网车速,但由于采集的原始数据存在误差等原因,使得处理后的车速不能反映路网实际车速,利用数据融合技术可以解决这些问题。结合数据融合的三个级别,提出利用关联检验的方法过滤误差数据,利用统计车速与历史库车速的融合解决由于浮动车少造成车速代表性差的问题,利用浮动车同固定检测器的融合解决复杂路网下车速的处理问题。     

基于遗传算法的LQG/LTR航空发动机性能优化

针对飞行控制系统控制器的设计中存在建模误差以及飞行过程中外界干扰的影响,采用LQG/LTR鲁棒控制方法完成某型战斗燃油机控制系统控制器的设计。为了提高战斗机控制精度,解决LQG/LTR鲁棒控制方法中存在的权矩阵Q和R选择困难的局限性,加入遗传算法,进行在线寻优。同时针对不同飞行条件下系统以及系统建模过程中造成的参数不确定性问题分别进行仿真,并与传统PID以及控制效果较好的基于遗传算法的PID控制进行对比仿真。理论研究和系统仿真结果表明,基于遗传算法的LQG/LTR控制系统与基于遗传算法的PID控制相比,不但具有良好的鲁棒性,而且响应快速,控制精度高,满足了战斗机飞行控制的要求。