船用天然气发动机电子节气门自适应高阶滑模控制

针对船用天然气发动机电子节气门非线性控制问题以及高阶滑模控制存在的边界难以估计问题,提出了一种基于高阶 滑模理论的节气门自适应控制算法,设计了基于系统相平面轨迹收敛过程的自适应策略,为了增加控制算法的实用性,在自适 应策略的基础上设计了检测区域,通过判断系统状态与该区域的相对位置双向调节控制增益,以防止增益过大而导致控制精度 降低、控制能量浪费的问题;同时,采用鲁棒微分估计器,对不可观测量进行估计;最后,设计 3 种测试方案,将该算法与传统高 阶滑模算法进行实验对比。 实验结果表明:在阶跃信号下,该算法使系统响应速度提高 35% ,稳态误差均方根减小 37. 5% ;在正 弦信号下,系统最大稳态误差和稳态误差均方根分别减小 30% 和 22% 。     

基于超稳定性理论的位置伺服系统自适应控制

建立了发动机节气门伺服系统的非线性模型,并进行了线性化处理,得到了简单有效的控制模型;以波波夫超稳定性理论为基础,设计了伺服系统的自适应控制律;通过计算机仿真验证,在保证伺服系统响应速度的同时,自适应控制算法有效地提高了伺服系统的控制精度和稳定性;采用微控制器进行了机载实验,实际超调量仅为0.1%,跟踪控制误差小于0....     

基于AVR单片机的电子节气门实验控制系统研制

电子节气门是现代汽车发动机管理系统中的重要部件,也是汽车发动机教学仪器的组成核心。以ATmega128为主控芯片,以电子节气门为研究对象,基于PID控制算法,设计并实现了电子节气门实验控制系统。试验表明,该系统可以直观地展示节气门开度对踏板位置信号的响应,满足汽车发动机电子节气门教学仪器的使用要求。     

基于自整定模糊PID的电子节气门控制

本文介绍了电子节气门的结构和特点。由于电子节气门系统是非线性的．其数学模型较难建立．所以本文提出了自整定模糊PID控制算法．给出了试验曲线。最后．试验结果表明自整定模糊PID控制算法对于电子节气门控制具有较好的效果。     

金属带式无级变速器速比控制的改进算法

针对常规PID算法在无级变速器(CVT)速比控制中产生积分饱和与对干扰敏感的问题,分析了CVT速比控制及其常规PID控制算法原理,在对遇限削弱积分与不完全微分两种算法分析的基础上,提出了CVT速比控制改进PID算法。采用改进PID算法和常规PID算法,分别进行了发动机节气门开度6%～55%的汽车起步加速、55%～80%急加速、80%～25%减速等工况的MatlabSimulink对比仿真试验。试验结果表明,改进PID算法有效的减少了CVT速比控制系统的超调量、缩短了滞后时间、提高了系统的控制性能。     

基于自适应PID控制高频手术器的应用研究

提出一种基于自适应PID的高频手术器控制系统。在高频手术器系统切割和凝血过程中,须及时根据情况改变相应的功率输出给定值,传统的PID控制方法的动态响应速度和超调不能够满足高频手术器系统的需要。因此文章提出了自适应改变系统PID偏差大小的控制算法,实验结果表明该控制算法动态响应速度快,控制效果较好。     

柴油机共轨压力自适应神经模糊PID控制研究

针对高压共轨柴油机共轨压力的精确控制问题,对共轨压力的控制方法进行了归纳研究,提出了一种基于T-S型自适应神经模糊推理系统(ANFIS)与PID控制器相结合的共轨压力控制算法。在Matlab/Simulink环境中,利用已完成的自适应神经模糊PID控制器搭建轨压的控制算法仿真模型,与常规PID控制进行了初步的仿真比较;通过实验监测到共轨压力的波动曲线,对两种控制方法在起动和加速两种过渡工况下的控制效果进行了分析比较。研究结果表明:自适应神经模糊PID控制的稳态、动态特性以及抗干扰性都明显优于常规PID控制;在起动和加速两种过渡工况下,自适应神经模糊PID控制的共轨压力波动幅度均较小,符合实际应用中对共轨压力稳定性的要求。     

模糊自适应PID在光电系统探测器温度控制中的应用

该文在实验的基础上建立了光电系统中探测器的工作环境温度的数学模型，采用模糊自适应PID控制算法对其控制，并使用Simulink构建仿真系统，仿真表明模糊自适应PID控制能很好的满足光电系统中探测器对环境温度的要求。     

基于自适应模糊PID控制的恒压供气系统

设计了一套基于步进电机的恒压供气系统,并将一种模糊自适应PID控制器应用于其中.该控制器将模糊控制原理与常规的PID控制算法相结合,实现了对PID参数的在线调整,并通过控制步进电机调节气流截面积,进而实现对气体的恒压控制.实验结果表明, 该模糊自适应PID控制器较常规PID控制器具有更好的控制效果.     

磁轴承BP神经网络PID控制算法研究

针对传统PID控制算法难以解决磁悬浮系统非线性的问题,设计一种BP神经网络PID控制算法。通过仿真分析与试验研究,比较普通PID控制算法与BP神经网络PID控制算法对磁悬浮系统的实际控制效果。研究结果表明：BP神经网络PID控制算法可以改善磁悬浮系统的静动态性能,并使系统具有自学习、自适应的能力。     

基于高速开关阀的均衡风缸压力精确控制研究

首先从高速开关阀的数学模型入手,建立了均衡风缸压力的控制系统,然后设计了该系统的两种控制策略---常规PID控制、模糊PID控制。运用AMEsim与Simulink联合仿真,对两种控制策略进行了分析比较,最终选择模糊P ID控制策略,完成均衡风缸压力的精确控制。     

车辆动力总成试验台动态模拟控制方法

利用交流测功机模拟车轮受到的路面负载与惯性负载,以实现在室内台架上实现对车辆动力总成系统的动态模拟。进行了车辆纵向动力学模型和台架系统动力学模型的构建,计算出整车等效到主动车轮的转动惯量,利用转速跟踪方法动态模拟了实车工况;采用基于迭代反馈整定理论的二自由度PID控制算法来控制油门踏板,使节气门快速准确地达到目标位置。３次迭代后,油门踏板控制系统超调量降低至14.7%,稳定时间缩短为0.5s,提高了动态模拟的控制精度和响应速度。     

钢厂循环发电工程中煤气压力的模糊PID控制

设计了混合煤气稳压系统,建立了混合煤气稳压系统的数学模型,并在此模型的基础上利用MATLAB/Simulink仿真工具对系统进行了模糊PID控制仿真。仿真结果表明,模糊PID控制能改善系统的性能,提高系统对压力扰动的抑制能力。     

模糊PID参数自整定控制器的设计

将模糊控制理论与经典的PID控制理论结合,以锅炉温度控制系统为例,设计了一种模糊PID参数自整定控制器.仿真结果表明,和常规PID控制器相比,所设计的模期PID控制器改善了温度控制系统的动态性能,提高了系统的鲁棒性.     

自适应PID控制在火炮随动系统中的应用

火炮随动控制系统是一个典型的非线性、大时滞系统,常规PID控制难以实现火炮随动控制系统参数在线自整定,针对该问题提出一种基于单神经元的自适应PID控制器,通过神经元的自学习、自校正能力实现了PID参数的在线自整定。仿真结果表明单神经元自适应PID控制响应快,自适应能力好,鲁棒性强,稳态精度高,采用该方案的火炮随动控制系统能够较好满足控制要求,具有一定实用价值。     

双闭环直流调速系统的自适应模糊PID控制

介绍了双闭环直流调速系统的工作原理,设计了基于自适应模糊PID控制的双闭环直流调速系统,并在MATLAB/Simulink中分别对自适应模糊PID控制的调速系统和常规PID控制的调速系统做了仿真分析。仿真结果表明自适应模糊PID控制的控制效果要明显优于常规PID控制。     

基于二进制编码遗传算法的发电机PID励磁控制设计

随着电力系统的发展,传统PID励磁调节已经不能满足同步发电机运行的动态和静态性能要求。为了克服这一缺点,提出了基于二进制编码遗传算法的PID励磁控制,将发电机励磁系统简化为一个二阶系统,采用遗传算法的PID励磁控制,利用Matlab工具对参数的整定进行了仿真。根据仿真得到的阶跃响应曲线,得出了系统的超调量、响应时间等参数。结果表明,经过遗传算法优化的PID励磁控制具有较高的精度和较强的适应性,能获得满意的控制效果。     

先导式电液比例阀非线性位置自适应补偿控制

为了提高先导式电液比例阀的位置控制性能,解决大批量先导式电液比例阀生产带来的不一致性问题,首先,建立了比例阀的非线性数学模型,针对比例阀死区不一致且难检测的问题,提出死区在线检测方法,采集主阀开始运动时的先导阀电磁铁电流值来表征死区大小,将当前死区值通过上位机在线读出并进行补偿;然后,针对普通PID固定增益带来的控制效率和精度低下的缺点,设计了基于死区在线检测的模糊PID自适应位置控制器,实时动态调整控制器各项参数;最后,基于MATLAB软件和先导式电液比例阀测试平台,验证所提出的控制方法的有效性。研究结果为先导式电液比例阀的批量化生产奠定了理论基础。     

模糊PID进出口独立控制装载机摇臂液压系统

传统装载机常采用四边联动滑阀的多路阀控制液压缸运动,致使进出液压油口节流损失大,尤其对于负载复杂多变工况的摇臂液压缸,能耗损失更为明显。为改进这些不足,提出了一种基于模糊PID泵阀协同进出口独立控制的装载机摇臂液压系统。采用AMESim,LMS Virtual.Lab Motion仿真软件建立了原机的机液联合仿真模型,并通过试验验证了所搭建模型的准确性。在原模型的基础上,构建了基于模糊自适应PID泵阀协同进出口独立控制的装载机摇臂液压系统仿真模型,并进行了动力性、能效特性的研究。结果表明,采用进出口独立模糊PID控制方法可显著降低阀口节流损失,在保持摇臂机构动力性不变的前提下,泵功率峰值在摇臂油缸阻抗和超越工况下分别降低了13.6%和46.8%。