基于粒子群优化神经网络自适应控制算法的并联机器人仿真研究

针对传统控制算法对并联机器人轨迹跟踪精度控制效果不好的问题,提出了一种并联机器人的改进粒子群优化神经网络自适应控制算法,首先对粒子群优化算法进行惯性权重的优化和变异操作的改进,然后用改进的PSO算法优化神经网络的初始权值并进行在线调节PID参数。最后以六自由度并联机器人为研究对象,将传统PID控制与基于改进PSO优化的神经网络自适应控制算法分别进行了仿真实验。仿真结果表明,在快速性和稳定性能上,基于改进PSO优化的神经网络自适应控制算法比单纯的PID控制更加优越,在一定程度上减小了轨迹输出的误差并且提高了轨迹跟踪精度。     

基于单神经元自适应PID的精确流量控制

针对某流量标定系统中的精确流量控制问题,对流量对象的动态特性和稳态特性进行实验研究,分析了影响流量控制精度的原因.给出了一种基于改进单神经元自适应PID控制算法的精确流量控制方案.改进算法采用当前时刻之前的所有输出误差和控制增量加权平方和构成新的目标函数,利用牛顿法推导了采用新的目标函数的单神经元自适应PID控制算法的计算公式,并给出了K的自调整策略.对流量对象的控制实验表明,基于改进单神经元自适应PID控制算法的流量控制的动态性能和稳态性能可以达到流量标定的精度要求.     

金刚石压机冷却水温控系统的设计

针对当前金刚石压机冷却水温控系统使用传统PID算法控制精度低、温度波动大的问题,提出一种将改进鲸鱼算法与神经网络PID控制算法相结合的控制方法,实现PID参数的自适应调整。同时以GD32单片机为核心、步进电机为执行机构,设计循环冷却水温控系统硬件控制器来控制流量调节阀的开度,实现温度控制。仿真和实验结果表明：与传统PID算法相比,使用该温控系统进行温度控制时,超调量更小,控制精度更高,控制效果有很大提升。     

基于AC-PID控制器的焊接机器人仿真

焊接机器人系统的核心是伺服系统,该伺服系统电机位置的精确控制是焊接机器人技术的关键,传统的PID控制算法很难对其进行精确地自适应跟踪控制。本文介绍了一种执行-评价器的自适应PID控制(AC-PID)算法,并针对焊接机器人伺服系统的电机位置进行精确地自适应跟踪控制。仿真结果表明,基于改进的AC-PID算法的控制器在鲁棒性、控制精度和控制效果都优于传统的PID控制器。     

二轮平衡车的神经元控制算法及仿真

通过在MATLAB-Simulink-Simscape中搭建二轮平衡车的仿真物理模型和控制系统,直观、快速地验证控制算法的效果。使用神经元PID控制算法替代传统PID控制算法设计神经元PD平衡控制器、神经元PI速度控制器,并在此基础上组合成二轮平衡车的神经元PID控制系统。通过实验对比神经元PID控制算法与传统的PID控制算法的控制效果,验证了神经元PID控制算法具有更高的控制精度、更强的抗干扰能力、更快的响应速度,能及时适应模型的非线性变化。     

飞机起落架自适应模糊神经PID控制方法的研究

针对传统PID控制与模糊PID控制的飞机起落架控制系统存在达不到理想控制精度以及控制速度的问题,提出一种基于模糊控制和神经网络的模糊神经PID控制算法。通过对起落架运动特点以及动力学相关的理论分析建立飞机起落架的运动模型,将此智能PID控制方法应用到飞机起落架的姿态控制系统中。利用MATLAB/Simulink软件进行仿真,并基于树莓派装置进行了起落架单腿实验。仿真和实验结果表明：模糊神经网络PID控制系统的响应速度和抗干扰能力相较于传统PID和模糊PID都有了较大的提升,系统稳定性更强。在飞机起落架控制系统中,应用模糊神经PID控制可进一步提升系统的响应速度,降低系统运动的惯性冲击,提高整体机构的稳定性。     

基于改进型神经网络的焊接机器人焊枪控制算法研究

焊接是一个复杂、参数多变、时变非线性的过程,对于焊缝跟踪控制问题,传统的PID控制方法很难有效的对焊缝进行跟踪控制。在传统PID控制中引入神经网络,提出了一种双权值神经网络控制器的焊缝跟踪控制算法。通过控制伺服电机驱动的十字滑块运动,从而实现焊枪的精确定位。通过MATLAB仿真试验验证了双权值神经网络控制器的焊缝跟踪控制算法能够较好的实现焊缝的跟踪控制。     

基于同等方式控制的双缸同步液压系统仿真

针对传统采用"主从方式"控制的多缸同步液压系统存在的调整时间长、动态性能差等缺点,采用改进后的单神经元PID控制算法,实现了一种基于"同等方式"控制概念的同步控制,利用AMESim和Simulink软件对双缸同步液压系统进行了联合仿真,仿真结果表明:这种控制方式的同步性能好,控制精度高,并且同步调整所需的时间比传统控制方法短,较好地克服了传统控制方式的不足.     

脉冲MIG焊机优化控制

介绍了微机控制的脉冲MIG焊电源控制系统，比例一积分一微分(PID)控制算法选择及系统控制软件的优化策略。针对脉冲MIG焊接过程中比例一积分(PI)控制和焊接参数实时显示的矛盾，在研究分析了PID控制算法的基础上，为实现实时采样控制和显示焊接参数，着重分析了串行显示芯片MAX7219的工作时序，研究改进了MAX7219的数据和命令格式的传输方式，以及在防止系统振荡的基础上对PID控制算法优化的方法。改进后PI控制时间仅为80μs，而进行200次PI控制(约16ms)更新一位数码管，解决了频闪问题。试验结果表明，优化后程序执行效率高，响应速度快，控制精度高，实现了稳定的脉冲MIG焊接过程。     

Fuzzy-PID在反重力铸造液面加压控制系统中的应用

由于反重力铸造过程的时滞性、不确定性、复杂性,难以建立精确的数学模型。因此采用不依赖于数学模型的PID控制算法,而传统PID存在动态性能差、稳定恢复时间长、容易出现超调的缺点。为了实现对复杂系统的精确控制,引入Fuzzy控制,将二者结合起来,设计了Fuzzy-PID混合控制算法。该控制算法继承了PID控制无静差、静态性能好的特点,同时又兼有Fuzzy控制适应能力强,动态性能好的优势。实践证明,该控制算法对参数变化适应性好,抗干扰能力强,适合应用在反重力铸造液面加压控制系统中,并取得了良好的控制效果。     

基于改进遗传算法优化的双步进电机伺服阀控制研究

针对当前电液伺服阀控制系统响应速度慢、输出误差较大的问题,采用改进遗传算法优化控制系统,并对控制效果进行仿真验证。设计了新型电液伺服阀结构,建立了电液伺服系统动力学模型,推导了液压缸流量运动方程式。采用改进遗传算法优化RBF神经网络结构,通过MATLAB软件对双步进电机伺服阀改进的控制系统进行仿真验证,并且与传统PID控制效果进行对比。结果显示:在无干扰环境中,采用传统PID控制和改进RBF神经网络控制方法都能较好地提高活塞杆运动位移输出精度;在有干扰环境中,采用传统PID控制方法,活塞杆运动位移输出的误差较大,而采用改进RBF神经网络控制方法,活塞杆运动位移输出的误差较小。采用改进RBF神经网络控制方法,能够抑制外界的干扰,从而提高双步电机伺服阀控制系统的响应速度和输出精度。     

基于改进PSO算法的EHA叉车举升系统仿真分析

为改善EHA叉车举升系统的动态特性,建立系统的电机和液压部分数学模型.针对传统PID控制系统参数调整困难、超调量大、响应速度慢等问题,将改进PSO优化算法与PID控制器相结合,提出一种PSO-PID控制器.通过MAT-LAB/Simulink搭建整个系统的仿真模型,对比分析采用传统PID控制与PSO-PID控制的系统的...     

基于BP神经网络PID的高速清扫车摆臂控制系统

针对传统清扫车摆臂开环控制系统的动态响应特性不足、抗干扰能力弱,不能适应高速工况下清扫作业,设计了高速清扫车摆臂执行机构和闭环控制系统。为解决BP神经网络(BPNN)存在局部极值、收敛速度慢等问题,提出一种改进BPNN PID算法,其核心是通过主动串联校正,抑制PID前一次输出值u (k-1)对此次输出值u (k)的影响。通过搭建Simulink-AMESim联合仿真模型,研究了高速清扫车摆臂闭环控制系统的阶跃响应、抗干扰能力以及位置跟踪能力。研究结果表明:所改进的BPNN PID控制器能够动态调整PID参数,提高了系统的适应性、准确性和稳定性;改进BPNN PID控制器的抗干扰能力更强,鲁棒性更好,且系统近乎没有超调,超调量为0.5%,仅为PID控制超调量的2.34%,稳定时间0.62 s,相比PID提前了66.31%。     

位置伺服系统逆模型控制算法研究

运用逆模型算法控制新型驱动式阀控缸位置伺服系统,将系统线性化成伪线性系统,利用状态反馈和极点配置方法设计线性系统控制器,实现对系统的控制;并与传统的PID控制方案进行比较。仿真结果表明,采用逆系统控制方法的控制效果较传统PID控制方法好。     

基于模糊RBF的液压压裂泵同步研究

针对液压压裂泵的液压缸工作中的不同步导致整个系统流量和压力脉动大、输出效率低、液压元件使用寿命短的问题,以阀控缸为研究对象搭建其数学模型,提出利用模糊RBF神经网络+交叉耦合的控制策略对液压缸的同步动作进行控制。在传统模糊控制的基础上,将模糊控制与RBF神经网络控制融合在一起,根据系统数学模型,设计了跟踪控制器和同步控制器,实现对阀控缸系统的精准控制与同步反馈。仿真结果表明：与传统PID和模糊PID系统相比,模糊RBF神经网络+交叉耦合同步控制策略同步精度高,响应速度快,有较好的鲁棒性和稳定性。     

基于优化非线性控制的齿轮传动系统动态误差研究

针对齿轮传动系统运动角位移跟踪误差较大、振动幅度相对严重等问题,对直齿圆柱齿轮运动过程中产生的角位移和输出扭矩等进行研究。建立齿轮传动系统模型,给出齿轮传动系统动力学方程式。对传统线性PID控制系统进行改进,设计非线性PID控制系统。引入粒子群算法,对粒子群算法权重系数进行改进。采用改进后的粒子群算法优化非线性PID控制系统,通过反馈误差对PID控制器参数进行调节,从而达到控制系统输出误差的补偿目标。利用MATLAB软件对优化后的齿轮传动系统输出误差和扭矩进行仿真,并且与线性PID控制结果进行对比。结果表明:与线性PID控制系统相比,优化后的齿轮传动控制系统能够在线调节各项控制参数,从而提高齿轮传动精度。该控制系统反应速度快,稳定性较好,抗干扰能力强,具有较高的控制精度。     

间歇式轮转印刷机多轴同步的模糊PID复合控制

为解决国产间歇式轮转印刷机印刷重影、褶皱甚至断纸等问题,采用理论与实际相结合的方法,在详细分析其工作原理后,确定了影响印刷质量的主要原因是传动系统的多轴转动不同步。设计出基于虚拟主轴控制策略的,可根据偏差范围自动选用模糊控制、模糊自适应PID控制及两者线性叠加的模糊PID复合控制算法。经实验验证,该系统的响应速度、稳定性和印刷精度都得到大幅提高,重影、褶皱、断纸现象基本消失。该算法已投入使用,采用该算法的印刷机运行稳定、可靠,印刷效果远优于传统PID控制,满足使用要求。     

数字控制系统的PID算法研究

PID控制具有原理简单、无需精确数学模型、应用面宽等优点,因此在DDC控制系统中得到广泛应用;由于被控制对象的复杂性和特殊性,传统的PID控制算法往往不能很好地满足控制要求.本文基于数字控制原理,将传统的PID的控制手段与数字控制系统的逻辑判断功能相结合,针对特殊情况和控制要求讨论了几款改进型PID算法,并给出了算法模型.     

改进RBF神经网络挖掘机液压工装轨迹优化控制

针对挖掘机工装轨迹控制精度差的问题,提出一种基于改进RBF神经网络的挖掘机工装轨迹控制方法。分析挖掘机工作装置在纯机械控制策略和基于S-Function的RBF神经网络控制策略下的输出响应特性;提出基于遗传算法的RBF神经网络工装轨迹控制策略;通过水平挖掘模拟实验对工装轨迹控制精度进行分析。结果表明:提出的基于RBF神经网络的挖掘机工装轨迹控制方法比常规PID控制精度提升约10 mm,为进一步实现挖掘机自动化提供参考。     

基于CAPSO-RBF的磁悬浮系统控制研究

为解决传统控制器磁悬浮球系统快速性和稳定性易受干扰等问题,建立云自适应粒子群优化(CAPSO)的RBF神经网络监督控制器。通过RBF神经网络学习整定PD控制器的输出后采用云自适应粒子群算法对RBF网络的3个参数进行归一动态优化。采用原有RBF神经网络梯度下降法、粒子群算法、云自适应粒子群算法分别训练后进行对比控制仿真。结果表明：基于CAPSO-RBF的混合控制算法实现了磁悬浮球系统自适应控制,其动态性能和稳态性方面有较好的提升。