自适应混沌粒子群算法及在PID整定中的应用

针对微藻自动培养装置的温度控制,常规PID控制器的参数整定需耗费大量人力进行调节,提出一种采用自适应混沌粒子群的PID参数整定算法,充分利用多涡卷广义Jerk混沌序列的随机性及遍历性,对粒子群进行混沌初始化;采用非线性调整机制对惯性权重进行自适应调整;引入基于适应度方差的局部收敛判别机制,以混沌扰动的方式帮助种群跳出局部最优.仿真结果表明,相较于标准粒子群算法,改进算法能始终保持粒子群的多样性,系统响应超调量小,调节时间短,具有更好的全局搜索能力,控制精度较高,适应性和鲁棒性好.     

基于K60和BP神经网络的发动机ECU分析与信号仿真

通过Freescale K60系列微控制器、DAC数模变换器，以及数控电位器等组成的硬件系统，对发动机常用传感器，如曲轴位置传感器、节气门位置传感器、进气温度传感器等信号进行模拟，仿真汽车发动机的运行环境，测试ECU工作状况，并采集ECU输出的喷油和点火信号得到的数据导入MATLAB神经网络工具箱中，并用这些数据对网络进行训练，得到真车发动机ECU的模拟仿真网络，这样只需软件平台给定输入信号，就可通过训练后的网络得到输出信号，方便了发动机ECU研发和测试工作。