基于微分几何法的非线性分数阶悬架主动控制

现有主动悬架的研究主要以线性弹簧和线性阻尼组成的悬架系统为研究背景,但油气悬架、空气悬架和磁流变悬架等实际悬架不仅具有非线性特性,而且同时具有黏弹性材料的特点。因此含有非线性刚度和分数阶阻尼的悬架模型能更准确地描述悬架的动力学性能。针对含有三次方非线性刚度及分数阶阻尼的二自由度1/4汽车悬架模型进行研究,利用Oustaloup滤波器算法对悬架系统中的分数阶微分进行近似计算,分别采用PID控制器和基于微分几何理论反馈线性化的LQR控制器对该悬架系统进行主动控制。结果表明,基于PID控制器的主动悬架和基于反馈线性化LQR控制器的主动悬架都能有效提高汽车悬架的舒适性和稳定性,其中反馈线性化LQR主动控制效果明显优于PID控制。     

强横风作用下车辆半主动悬架模糊PID控制研究

为提高汽车高速行驶时的抗横风性能,提出一种阻尼系数修正的半主动悬架控制方法。基于Carsim 和MATLAB平台建立整车动力学模型和A级路面模型,设计一种基于横风的半主动悬架模糊PID控制系统,并利用粒子群算法优化PID控制器参数。PID控制器依据车辆质心垂直加速度确定各轮悬架系统的基本阻尼系数,模糊控制器根据横风强度和方向对阻尼系数进行修正。通过MATLAB和Carsim 联合仿真和实车道路试验与被动悬架系统相比,经过半主动悬架控制后的质心垂直加速度峰值和标准差均下降30 %以上,侧倾角速度标准差下降25 %以上,车辆在强横风作用下的行驶平顺性和安全性得到有效提高。     

基于改进PID控制的汽车主动悬架系统研究

为了提高乘坐舒适性、保证行驶的安全性,该文提出一种改进PID控制算法,以满足乘客的要求。该文以汽车主动悬架系统作为研究对象,在CarSim软件中建立了整车模型和路面模型,在MATLAB/SIMULINK中设计了一种改进的PID控制器,两者进行闭环联合仿真。结果表明,相比于被动悬架,改进PID控制算法下的汽车主动悬架系统,不仅能满足悬架的性能评价指标,还可以使车辆平稳、安全的行驶。     

基于磁流变阻尼器的车辆悬架半主动控制研究--间接自适应控制与实验

在分析磁流变阻尼器车辆悬架非线性特性的基础上，设计了一类神经网络间接自适应控制器，并根据系统的低频特性和作动器的快响应，实现了悬架振动的神经网络实时控制。计算机仿真和悬架实验的结果均表明，神经模拟器能够逼近非线性系统，神经控制器能在时域和频哉内以较高的精度控制悬架系统的振动。     

半主动抗俯仰液压互联悬架俯仰动力学的研究

在城市交通中,车辆频繁的加速和减速会引起车身俯仰振动,从而导致乘坐不适,甚至晕车。基于粒子群算法的类天棚控制和PID控制,研究一种阻尼连续可调的抗俯仰液压互联悬架系统。建立包含制动系统、轮胎和液压互联悬架系统的半车模型;分析液压互联悬架刚度阻尼特性和阻尼阀孔径对车身俯仰角平顺性的影响;设计类Skyhook和PID控制器,采用粒子群算法整定控制参数;利用Simulink和Amesim联合仿真模拟直线制动工况,分析平顺性优化效果和制动安全性。结果表明,与被动悬架相比,半主动抗液压互联悬架有效地提高车辆的平顺性。     

基于CPSO-BP神经网络-PID的热熔胶机温控系统研究

针对热熔胶机加热温度存在惯性大、滞后性强、非线性等缺点,且常规PID控制难以达到温控要求,提出了一种基于CPSO-BP神经网络的PID控制器参数自适应调整算法。该算法先用CPSO算法将BP神经网络的初始权值和阈值优化到全局极小点附近,然后用传统BP神经网络学习算法在线调整PID参数。采用MATLAB对设计的CPSO-BP神经网络-PID控制器进行了温控系统仿真分析,仿真结果显示该控制器可实现对热熔胶机温度的精确控制,具有良好的自适应性和鲁棒性;实验测得采用CPSO-BP神经网络-PID控制器的温控系统能够在3.5min内达到设定温度,温控精度为±2.5℃。CPSO-BP神经网络-PID控制器作为嵌入式系统的一个控制单元,已投入热熔胶机温控系统实际应用,使用效果表明:温控系统性能稳定,温控精度高,有效实现了热熔胶机加热温度的自动控制,具有良好的实际应用及推广价值。     

无菌包装预热系统温度控制方法研究

目的为了提高无菌砖包设备预热系统温度控制精度,设计一种温度控制器。方法基于模糊神经网络算法设计一种温度控制器。在预热系统硬件结构的基础上,建立被控对象数学模型。利用模糊控制的良好收敛性和对模糊量的运算优势,以及神经网络自学习、自适应的特性,将常规PID控制与模糊控制、神经网络结合起来,提出一种基于模糊神经网络的PID控制策略,以实现对PID参数的实时在线整定。结果试验结果表明,与其他方法相比,所述控制方法能够将温度超调从2.6℃减小到0.9℃,稳态偏差从±1℃减小到±0.4℃。结论该方法能够满足预热系统温度控制需求。     

车辆半主动座椅悬架自适应模糊滑模控制

针对含有人体模型的五自由度半主动座椅悬架系统,设计一种基于趋近率的滑模控制器。通过引入自适应控制算法,对系统模型简化过程中产生的扰动及外界干扰进行估计,并在简化模型的基础上采用模糊算法,对滑模控制中趋近速率参数进行优化,在保证趋近速率的同时,提高系统的鲁棒性;采用双曲正切函数替代切换项中的符号函数使得系统在切换过程中更加连续,有效降低滑模控制中的抖振问题;根据Lyapunov稳定判据证明了系统的鲁棒稳定性。数值仿真表明,采用该控制器的座椅悬架较采用PID控制及被动控制的座椅悬架减振效果得到了明显改善,C级路面上时座椅悬架振动加速度值相较于PID控制与被动控制的座椅悬架分别下降25.1%与57.2%,冲击工况下分别下降16.9%与63.7%,并具有较好的跟踪性能。     

车辆磁流变座椅悬架的模糊自适应整定PID控制

构建磁流变半主动座椅悬架系统。针对此系统建立了人体-座椅的五自由度动力学模型,其中磁流变阻尼器采用改进的Bouc-Wen模型。设计模糊自适应整定PID控制器,根据实时加速度信号在线整定PID参数,达到最优减振效果。用MATLAB／SIMULINK建立系统的仿真模型。仿真结果表明,该控制器能有效地改善座椅的减振效果。     

电液主动悬架单元测控技术研究

对由流量伺服阀构成的电液主动悬架进行了系统分析,设计了基于力、位移作为主要测量和反馈信号的PID控制器,仿真和台架实验结果表明,利用PID控制器进行电液流量伺服结构主动悬架控制,机构简单可靠,对于簧上质量加速度有明显的衰减作用.     

六自由度运动平台控制系统的神经网络优化

阐述了六自由度运动平台的控制原理，并根据控制系统的特点，提出采用基于RBF和BP神经网络来改进常规PID控制器实现系统控制性能。在该控制系统结构中，提出了在RBF网络辨识Jacobian的基础上，将BP神经网络引入了平台控制系统中PID控制器的控制参数在线整定的算法，最后给出了在MATLAB下的具体仿真算法。     

空调系统神经模糊控制器-仿真和优化

以恒温空调系统为控制对象，对神经模糊控制器、常规模糊控制器和PID控制器进行了数字仿真，并用单纯形法对控制比例因子进行了参数寻优，获得了最优参数和动态响应曲线；通过对神经模糊控制器的优化学习，大大提高了神经模糊控制器的控制精度和稳定性，其性能优于最优化的PID控制器和最优化的常规模糊控制器，能有效地满足温度控制要求，并具有较好的鲁棒性；由于神经模糊控制器具有模糊控制和神经网络的智能，经过优化学习后，它具有艮好的控制性能和自适应能力。     

粉状饲料动态定量称量包装控制系统设计与实现

目的 为提高粉状饲料包装过程的称量精度,提高包装效率,基于RBF神经网络设计一种粉状饲料定量称量包装控制系统.方法 首先介绍系统总体结构,以动态定量称量为主要研究对象,重点分析包装机的给料过程.针对精细给料过程,建立被控对象数学模型,结合传统PID控制和RBF神经网络设计称量控制器.通过RBF神经网络实现PID控制器参数的在线调整,从而提高称量精度.最后进行实际称量试验.结果 试验结果表明,静态和动态称量偏差均可以控制在0.5％以内,计量为25～50 kg,生产能力可以达到900包/h.结论 所述控制系统称量精度较高,具有比较理想的可靠性和稳定性,能够满足包装需求.     

基于能耗最低的挤出机温度控制

目的研究挤出机的温度对流涎薄膜生产质量的影响。方法针对流延机组挤出机料筒温度控制具有时变、非线性及大时滞等特性,以单螺杆挤出机为对象,利用PID神经元网络较强的解耦能力,并根据料筒内物料温度变化特点,提出一种分区比例控制方法,设计分区比例式PID神经元网络控制器,最后通过仿真和实验方法对其进行验证。结果分区比例式PID神经元网络控制器的阶跃信号超调量为5.9%,脉冲干扰稳定时间为162.8 s,正常生产时电耗为12.04 k Wh。传统PID控制器的阶跃信号超调量为16.4%,脉冲干扰稳定时间为192.4 s,正常生产时的电耗为13.42 k Wh。结论分区比例式PID神经元网络温度控制系统控制精度高,且优化了料桶内物料温度上升曲线,使系统单位产量的能耗得到了有效降低。     

枕式包装机包装材料供送速度控制

目的 为了提高包装袋的袋长精度,提升包装袋体外观质量。方法 提出一种基于神经网络PID自适应的三伺服枕式包装机包装材料速度控制方法,将传统的PID控制方法同神经网络控制相结合,设计一个神经网络PID控制器,包括控制器结构和学习算法,可用于解决相关非线性问题。结果 仿真和实验结果表明,采用神经网络PID控制方法,包装材料速度达到稳态时,所用时间约为2 s,最大超调量不超过2%,包装袋长误差能够有效控制在±1 mm以内。结论 所设计的控制方法与传统的PID控制相比,具有响应速度快、抗干扰能力强、控制输出稳定等优点,能够显著提高包装袋长精度。     

锂电池悬浮式烘箱数值模拟分析与结构优化

目的 为提高盐业包装线封口温度控制精度,融合果蝇优化算法和径向基神经网络设计一种温度控制系统。方法 介绍控制系统结构,利用RBF神经网络的自学习、自适应能力实现PID控制器参数的在线调节,可确保封口温度的自适应控制。通过果蝇优化算法实现神经网络初始值优化,提高神经网络的全局搜索能力。最后,进行仿真和实验分析。结果 结果表明,温度偏差可以控制在1%以下,该控制算法具有较好的稳定性,达到稳定状态耗时较少,系统超调量明显变小,在一定程度上提升了封口温度控制的精确性和稳定性。结论 所述控制系统控制性能比较理想,可满足食用盐包装封口温度控制需求。     

动态定量称量包装系统BP神经网络PID控制算法

目的针对动态定量称量包装控制系统具有大惯性、滞后、非线性且无法建立精确数学模型等缺点,研究提高动态定量称量包装系统控制精度的方法。方法提出了一种改进型BP神经网络PID的定量称量包装控制系统,将BP神经网络与PID控制方法相结合,通过神经网络的自学习、加权系数的调整,优化PID控制器参数K_i,K_p,K_d,并将粒子群算法引入到神经网络中作为其学习算法,以有效提高BP神经网络算法的收敛速度。结果仿真和实验结果表明,改进型BP神经网络PID控制响应速度快、超调量较小,系统称量误差得到大幅度减小。结论所述控制方法可以明显提高定量称量控制过程的稳定性、精确性以及鲁棒性。     

基于神经网络优化的交流自抗扰伺服系统控制

目的 为了解决传统交流永磁同步电机伺服自抗扰控制系统中外界扰动、非线性特性和本身自抗扰控制中参数较多且整定难的问题.方法 利用小波神经网络对自抗扰控制中的扩张状态观测器的误差校正系数进行在线整定,设计出基于小波神经网络优化的自抗扰控制器及相关的控制系统,以实现对整体控制系统的性能优化,并通过在Matlab/SIMULINK仿真实验与传统PID伺服控制系统和未进行优化的交流自抗扰伺服系统进行对比验证.结果 仿真结果表明,基于小波神经网络优化的交流永磁同步电机伺服自抗扰控制系统对目标位置动态响应快、稳态误差小、抗干扰能力强,稳态时转矩脉动小.结论 与常规未优化自抗扰伺服系统和传统PID伺服系统相比,基于小波神经网络优化后的自抗扰伺服系统,能有效地提高伺服系统控制性能和鲁棒性.     

MODELING AND NONLINEAR CONTROL OF A CONTINUOUS KCI-NaCI CRYSTALLIZER

A controller is developed by combining the extended linear quadratic matrix control (EQDMC) and neural network algorithms. The dynamic neural network scheme is used to identify the process and generate a nonlinear model. The control algorithm is applied to a multi-input multi-output (MIMO) evaporative cooling KCl-NaCl-H₂O crystallizer. Closed loop responses of the system using the proposed algorithm and those of PID controllers are compared. It is shown that in all cases, the response of the proposed controller to step changes in setpoints is faster than the PID controllers.