一种联合收获机脱粒滚筒转速的鲁棒预测控制

联合收获机的轴流式脱粒滚筒转速系统具有强非线性、不确定、滞后、大干扰等特点,以收获机的行走速度和喂入量为控制量,滚筒转速为被控量,建立闭环控制系统,设计时变的鲁棒稳定控制器.在频域内基于比例微分校正技术补偿无级变速传动的滞后环节影响;基于近似模型预测的连续预测控制律保证了大范围工作的控制系统性能;同时,设计收敛的非线性...     

神经元网络控制系统

人工神经元网络基于其特有的功能而被应用于控制系统中,为智能控制提供了一个有潜力的发展方向,本文讨论了神经元网络控制的三种方法:基于模式识别功能的BP网络控制器,基于联想记忆模型的模糊控制,以及基于神经元网络优化功能的控制优化调节,并分别指出其优、缺点及有待解决的一些问题。     

联合收割机脱粒分离试验台数据采集系统的设计及试验研究

利用PLC对联合收割机室内仿真试验台中脱粒滚筒的转速、转矩及喂入量等信号进行采集,并设计了PLC和上位机中LabVIEW的串行通信系统,将采集到的数据在上位机中存储、显示和回放.该系统已应用于仿真试验台的实际工作中,试验证明其工作性能稳定、界面友好、用户操作方便.     

STM8S的高速无刷直流电机恒速控制系统设计

为解决高速无刷直流电机恒速控制投入高、稳定性差、无法实现低功耗高速无刷直流电机恒速控制等问题,提出一种基于STM8S003微控制器的高速无刷直流电机恒速控制系统的解决方案.通过分析无刷直流电机控制时序,应用PID算法程序,实现无刷直流电机5万转恒速控制.实际应用表明,该方案的设计在高速电机控制方面,成本低、电机起速平稳、控速性能良好.     

联合收割机作业情况远程视频监控系统设计

针对联合收割机作业现场偏远和作业信息滞后、监控调度不便等问题,提出一种基于嵌入式Linux和ARM硬件平台的视频监控系统方案.该系统选用Tegra K1作为信息处理核心,完整构建了嵌入式Linux系统,利用USB接口摄像头采集联合收割机各主要部位的工况视频数据,主要包括粮仓、脱粒滚筒、驾驶室、割台.设计了视频采集、显示程序,采用JPEG软件压缩方式、移植嵌入式视频服务器并通过移动无线网络将监控画面传输至远程监控中心.在试验测试中,该视频监控系统运行稳定,资源占用率低,拥有较好的实时性与清晰度,实现了对联合收割机作业情况的机载及远程视频监控.符合农机远程监控调度的需求,有利于农机管理信息化发展.     

五种倒立摆控制器对比研究

针对水平导轨直线型倒立摆的稳定控制问题,论文设计了线性二次型调节器LQR和LQY、拟人智能控制器和模糊控制器,提出了一种基于泛组合模型的智能控制器。用这五种控制器对系统进行控制,实验证明了所提出的智能控制模型的有效性。对各控制器控制效果的比较研究说明智能控制比线性控制更适合解决这类非线性控制问题。     

基于时变盲混合高斯白噪声干扰的卫星姿态随机自学习控制

本文提出一种基于统计模式识别,针对盲混合高斯白噪声干扰下卫星姿态控制的方法.通过对噪声样本进行数据挖掘和模式识别,在线学习噪声的实时特性,获得其概率密度函数的先验知识,应用此先验知识进行样本聚类、分类、无监督学习并对噪声参数进行精确估计.学习系统将干扰白噪声参数的精确估计值传送至随机最优控制器以获得精度优良的控制效果,通过仿真研究表明了方法的有效性.     

一种新型仿人智能模糊混合控制器的研究

本文将智能控制算法和PI控制算法相结合,提出了一种基于PI的模糊混合控制器.新控制器在控制过程中借助仿人智能算法实现控制参数的在线调整.仿真结果表明,该控制方法对非线性时变系统有较好的控制效果.     

基于Bi-LSTM的质量控制图模式识别

为提高制造过程质量智能控制的控制效果,提出了一种基于双向长短时间记忆网络(Bidirectional LSTM,Bi-LSTM)的控制图失控模式识别方法。文中分析了其分类的基本原理,构建了控制图模式识别模型,并通过蒙特卡洛仿真方法生成仿真数据集,进行仿真实验验证。仿真实验结果表明,Bi-LSTM用于控制图模式识别,准确率相对多层感知机(MLP)、贝叶斯分类器有了显著提升,相比支持向量机(SVM)具有效率上的明显优势,且在大样本下识别准确率更高。     

柔性控制系统中七态控制器的仿真分析

基于智能控制的思想,在九点控制器的基础上,提出了七态控制器的概念.在控制器作用下对柔性控制系统中的二阶对象进行仿真分析,可得出结论:无论二阶对象是否稳定,七态控制器对不同的控制对象可以达到满意的控制效果.     

基于模式识别的自整定控制及应用

本文提出一种基于模式识别的自整定控制方法,以模式表示和模式分类来描述系统的动态特性和调节器的结构,用模式识别优化方法求取调节器的参数,当系统动态模型参数未知时,这种自整定方法是建立在系统测量数据序列基础上的。该方法在实验性二元精馏塔上用IBM-PC微机获得成功应用。其结果优于常规PID调节器。     

Development of expert control systems: A pattern classification and recognition approach

In this paper, a pattern classification and recognition approach to expert control systems is developed for use in the on-line analysis and design of dynamic systems. The approach used is based on the tuning of a three-term PID controller and, hence, it is not dependent on a specific form of the process model. A real-time experiment of implementing the developed controller using a microcomputer and associated hardware is presented. A sample set of production rules is discussed. The expert system reaches appropriate tuning parameters, using extracted features, such as oscillatory, underdamped, and exponentially monotonic properties.     

基于BP神经网络的捷联导引头控制系统设计

滚仰式捷联导引头稳定平台控制器的设计,是导引头完成闭环控制对机动目标实现快速稳定跟踪的关键.导弹在对目标进行跟踪攻击时弹体本身常常处于复杂的运动状态,这就对滚仰式捷联导引头的稳定控制产生严重影响.针对这一问题,提出了一种基于BP神经网络的PID控制器用于滚仰式捷联导引头位置回路校正环节,建立了导引头稳定与跟踪一体化仿真模型.仿真结果表明,针对滚仰式捷联导引头设计的基于BP神经网络的PID控制器的动态性能优于传统PID控制器,由此建立的导引头稳定与跟踪一体化仿真模型可以实现对导引头的闭环控制,能够对机动目标实现快速稳定的跟踪,在实际工程应用中为滚仰式捷联导引头的控制提供有益的参考.     

基于神经网络的恒温控制系统的研究与设计

由于恒温控制的数学模型很难建立,针对这一难题提出了基于神经网络的PID控制器,侧重介绍了BP神经网络PID控制器算法的基本知识以及控制器的设计原理,通过实验仿真证明了神经网络PID控制器的控制效果比传统的PID控制在静态特性和动态特性方面都有所提高,而且具有较好的鲁棒性,该控制器在工业控制中将会发挥越来越大的作用.     

双足机器人稳定步行模式预测控制实现方法的研究

针对现有的预测控制生成步行模式方法中忽略了参数间关系和参数取值范围的问题进行探讨.预测控制通过控制质心运动生成步行模式以实现ZMP目标轨迹跟踪,根据预测控制器模型研究参数间的关系,并通过极点分析讨论其取值范围,提出关键参数在容许取值范围内,可以保证系统的稳定性,并生成满足稳定步行的质心运动.通过仿真实验分析了在存在扰动情况下,关键参数取适当值,能够生成稳定的步行模式.     

Robust model predictive control of integrating time delay processes

This work focuses on the solution to the problem of model predictive control of time delay processes with both integrating and stable modes and model uncertainty. The controller is developed for the practical case of zone control and input target tracking. The method is based on a state-space model that is equivalent to the analytical form of the step response model corresponding to the system transfer function. Here, this model is extended to the time delay system. The proposed controller is evaluated through simulation of the of two control reactor systems and the results confirms the robustness of the proposed approach.     

Computational intelligence approach to PID controller design using the universal model

Despite the popularity of PID (Proportional-Integral-Derivative) controllers, their tuning aspect continues to present challenges for researches and plant operators. Various control design methodologies have been proposed in the literature, such as auto-tuning, self-tuning, and pattern recognition. The main drawback of these methodologies in the industrial environment is the number of tuning parameters to be selected. In this paper, the design of a PID controller, based on the universal model of the plant, is derived, in which there is only one parameter to be tuned. This is an attractive feature from the viewpoint of plant operators. Fuzzy and neural approaches - bio-inspired methods in the field of computational intelligence - are used to design and assess the efficiency of the PID controller design based on differential evolution optimization in nonlinear plants. The numerical results presented herein indicate that the proposed bio-inspired design is effective for the nonlinear control of nonlinear plants.     

工业加热炉的基于内模的分层递阶智能控制

针对加热炉的传统串级比值控制抗干扰能力不足。设计了基于内模的鲁棒性主回路控制器；对于加热炉的燃烧工况做了深入分析，指出燃烧过程存在两种异常工况。在两种异常工况下，常规串级比值控制必然使系统失去稳定，从而界定了串级比值控制结构控制能力的极限。针对此问题，增加了控制嚣的稳定性智能监督和智能优化层，构造了基于内模的分层递阶智能控制嚣。实际投运结果表明，这种分层递阶控制很好地解决了加热炉这种复杂的工业过程的控制，实现了加热炉平稳。经济燃烧。     

Adaptive process control using pattern-based performance feedback

Two adaptive control strategies using pattern-based performance feedback are studied. Both strategies are based on an analysis of patterns exhibited in the recent history of the controller error and focus on adaptation opportunities that arise as a result of sustained set-point changes. The strategies consider a two-parameter adaptation where model gain and time constant are updated after each pattern analysis. The first method uses a vector quantizing neural network for the pattern analysis task. The network is constructed using exemplar controller error patterns developed by deliberately mismatching parameters of a PI controller's internal model against those of an ‘ideal’ simulated system. Once on-line, the network then receives controller error response patterns from the actual application and outputs controller model parameter updates. The second method uses a rule-based pattern analysis to determine features of the controller error response pattern. These pattern features are evaluated relative to user-specified desired features, and rules and procedures again produce PI controller model parameter updates. Both methods are compared in setpoint tracking demonstrations to determine qualitative robustness for non-ideal situations such as measurement noise, constraint of the manipulated variable, model order mismatch and unmeasured oscillatory disturbances. Results reveal that rule-based feature analysis has the benefit of being time independent but the disadvantage of not being able to handle non-ideal situations without a cumbersome rule base. Although the neural network approach requires specification of a time window for pattern analysis, the method proves to be easier to implement and more robust when confronted with non-ideal operating situations.     

基于AFSMC算法的四旋翼飞行器控制策略研究

针对四旋翼飞行器在飞行过程中,控制系统存在非线性、强耦合、不确定性和鲁棒性差的问题,建立了关于四旋翼飞行器的动力学数学模型,将自适应控制、模糊控制和滑模控制相结合,提出基于自适应模糊滑模控制(AFSMC)的快速平稳控制策略。采用模糊系统推理方法实现理想控制律的逼近。在满足李雅普诺夫稳定性条件的前提下进行控制器的设计和稳定性分析,并结合四旋翼的数学模型和给定参数进行了MATLAB仿真。仿真结果表明,AFSMC控制器相比常规PID控制器具有良好的动态性能和抗干扰能力。