基于PID神经网络的智能车舵机控制系统研究

针对传统PID控制算法在电磁导航智能车舵机偏差处理中存在比例、积分、微分参数一经确定,不能在线调整,不具有自适应能力的缺点,提出了将PID神经元网络（ PIDNN）控制器及其算法应用到智能车的舵机控制系统中来对传统PID控制进行改进。 PIDNN控制系统不依赖智能车舵机的数学模型,能够根据控制效果在线训练和学习,调整网络连接权重值,最终使系统的目标函数达到最小来实现智能车的舵机控制。仿真测试表明,PIDNN控制系统的响应快,无超调,无静差,与传统PID控制算法相比,大大提高了智能车舵机控制系统的性能。     

改进的单神经元自适应PID控制算法在智能车速度控制系统中的研究与应用

针对单神经元控制算法在电磁导航智能车速度控制中存在加权系数修正时间长、自适应能力差、系统不稳定的缺点,提出了将改进的单神经元自适应PID控制算法应用到智能车的调速系统中。改进的单神经元自适应PID控制算法优化了单神经元自适应PID控制算法中的加权系数学习修正部分,使得权系数在线修正不完全根据神经网络的学习原理,而是参考实际经验制定的,最终自适应地整定PID三个参数来实现智能车的速度控制。Matlab仿真测试表明,与单神经元自适应PID控制算法相比,改进的单神经元自适应PID控制算法在智能车速度控制中具有响应快,超调量小、自适应能力强的优点,大大提高了智能车控制系统的性能。     

基于RBF神经网络的智能车速度控制系统研究

针对传统PID控制算法在电磁导航智能车速度偏差处理中存在比例、积分、微分参数一经确定,不能在线调整、不具有自适应能力的缺点,提出了将RBF神经元网络控制器及其算法应用到智能车的调速系统中,对传统PID参数整定进行改进。RBF神经网络能够辨识智能车电机的数学模型,可以根据控制效果在线训练和学习,调整网络连接权重值,最终自适应地整定PID三个参数来实现智能车的速度控制。MATLAB仿真测试表明,与传统PID控制算法相比,RBF神经网络PID整定算法在智能车速度控制中具有响应快,超调量小、鲁棒性和适应性强的优点,大大提高了智能车电机控制系统的性能。     

基于功率平衡的直流母线电压控制策略研究

针对含有储能元件的分布式发电系统存在直流母线电压难以准确控制的缺点,提出了将PR控制器和PI-type调节器相结合的控制方法来实现直流母线电压的稳定控制。PR控制器对频率为谐振频率的正弦信号可以实现无静差控制,PI-type调节器在谐振频率处进行零极点的补偿来实现静态误差的控制。通过PI-type调节器后的电流与交流侧输出电流进行比较,产生的开关信号调节占空比来实现对直流母线电压的控制。仿真结果表明交直流混合微电网在孤岛模式下交流侧母线电压不稳定时,该文方法能使直流母线侧电压实现稳定控制,且交流侧电压和电流的畸变率都能够满足正常运行的要求,从而提高了整个系统的抗扰动能力。     

基于PID神经元网络的智能车控制系统研究

研究了基于PID神经元网络的智能车多变量控制系统。智能车的转向控制与速度控制相互关联、相互影响、且都具有时变性,针对智能车在行驶时要求电机的动态响应速度要快、舵机的动态响应时间要短的特点,提出了将PID神经元网络（PIDNN）控制器及其算法应用到智能车的控制系统中来对传统PID控制进行改进。PIDNN控制系统不依赖智能车电机与舵机的数学模型,能够根据控制效果在线训练和学习,调整网络连接权重值,最终使系统的目标函数达到最小来实现智能车的精确控制。Matlab仿真测试表明,PIDNN控制系统的响应快,超调小、无静差,与传统PID控制算法相比,大大提高了智能车控制系统的性能。     

基于子空间辨识的压电悬臂梁振动控制研究

针对柔性结构的振动普遍存在复杂性、非线性和建模难的特点,跳过了复杂的机械-电压建模,基于子空间系统辨识方法的基本算法和特点,设计出抑制悬臂梁振动的一种最优控制器,并在算法实现、算法性能方面进行了仿真和实时控制实验。实验结果表明,算法在提高系统辨识精度,降低计算量等方面都有显著提高,控制效果比较理想。     

国产PVDF中空纤维膜在炼油废水深度处理回用中的应用

中国石化海南炼油化工有限公司采用膜生物反应器（MBR）工艺处理炼油废水,以达到深度处理后回用的目的。采用国产PVDF中空纤维膜可保证MBR系统的处理效果,MBR出水的COD质量浓度平均值为41 mg/L、石油类物质质量浓度低于1 mg/L、 NH3-N质量浓度低于0.81 mg/L,可满足补充循环冷却水的标准。以国产PVDF中空纤维膜更换进口膜,保持膜产水量低于设计通量,能降低膜的污染速率,保持稳定的膜通量。通过保持适宜的污泥浓度,定期排泥,并采用空气擦洗、在线反冲洗、高浓度和低浓度交替的化学在线清洗及定期的离线清洗,国产PVDF中空纤维膜可保持来良好的过滤性能。