汽车发动机正时齿轮的降噪

噪声多年来一直是世界各国非常重视的一个问题,特别是现在环境保护越来越重视的情况下,降低各类噪声已经成为各行业研究的课题之一。     

LJ465QR1E系列发动机正时皮带的改进设计

根据顾客反映及试验结果,发动机正时皮带出现了裂纹,甚至有断裂现象;通过对正时皮带与曲轴皮带轮配对及工艺分析,改进了设计及工艺,使正时皮带的寿命大大提高.     

流化床锅炉燃烧系统模糊-BP神经网络PID解耦控制

燃烧控制是循环流化床锅炉控制系统的重要环节.料床温度和主汽压力是循环流化床锅炉燃烧控制系统中的两个重要参数,维持正常的床温和主汽压力是循环流化床锅炉稳定、经济运行     

基于响应曲面法的煤油发动机气门正时优化

利用基于仿真的响应曲面优化方法,对改型的煤油活塞发动机气门正时多目标优化问题进行了研究。建立了发动机性能仿真模型,以进气/排气正时、点火提前角为优化变量,以提高有效功率和降低燃油消耗率为设计目标进行了响应曲面优化。分析结果表明：相对于原汽油机,改型的煤油机进气门开启时刻要推迟,排气门关闭时刻要迟后,并且要提前一定的点火提前角,以得到最佳的发动机性能;同时,应用响应曲面法可以提升仿真优化的效率。     

基于模糊RBF-PID的张紧装置电机控制研究

为解决某航炮射击时供弹系统易拥弹问题,设计双电机张紧装置,采用模糊控制方法与径向基神经网络相结合的控制算法对传统PID耦合控制器进行优化,提高两个电机的速度同步性能。通过仿真试验表明：该方案对双电机同步性能提升明显,对现有装备升级改造具有参考价值。     

发动机可变气门正时机构的动态响应与速度自动化控制

针对可变气门正时机构动态响应和速度控制效率低、能耗高等问题,提出发动机可变气门正时机构的动态响应与速度自动化控制研究.采用比例控制、积分控制以及微分控制,调整可变气门正时机构的静态误差、响应时间等,完成可变气门正时机构的动态响应;在此基础上,将可变气门正时机构各时间点的控制输入偏差当作基函数线性组合,通过基函数获取正时...     

对发动机可变气门正时凸轮轴的设计与研究

发动机采用可变气门正时技术可以提高进气克量,使充量系数增加,发动机的扭矩和功率可以得到进一步的提高.文章分析了本田VTEC发动机的可变气门正时技术.研制了一种组合式正时凸轮轴.可以灵活改变凸轮外轮廓(即凸轮曲线)的长度,改变气门的开起时间和气门处于最大开口的持续时间,可以改善发动机的配气效果.     

基于神经网络的涡轴发动机故障诊断仿真研究

为了避免基于专家系统、模糊参数等传统方法,对涡轴发动机进行故障诊断而导致的诊断速度慢、数据精确差、正确率低等缺点,提出一种基于神经网络的故障诊断方法。此方法通过建立三层神经网络模型,以径向基函数为中心运用MATLAB软件进行了仿真训练与测试,再分析对比前期研究经验,结果表明基于径向基函数的神经网络在训练速度以及诊断正确率上效果较好,能够有效的对涡轴发动机进行故障诊断。     

基于BP神经网络PID控制的AGV调速系统仿真

为了研究AGV小车的调速系统的优化设计方法,给定某款AGV的设计要求和主要参数,选择合适的直流电动机和电枢回路.利用MATLAB中的simulink模块,搭建AGV的双闭环直流调速系统控制模型,研究该系统的稳态特性.将BP神经网络参数自整定PID控制器应用到该调速系统中.结果表明:在两种调速系统的稳态转速均达到设计转速...     

基于神经网络PID的轧机AGC力控制

以PID控制器为基础,辅助以神经网络的自学习、自适应能力,将神经网络和PID控制融合为一体,设计出一种神经网络PID控制器,应用于具有高度非线性、时变性的板带轧机AGC力控制系统,仿真结果表明,能有效改善系统的动态品质,并具有良好的适应能力.     

基于线性预测模型的神经网络模糊PID控制

结合传统PID控制原理、神经网络技术、模糊控制技术及预测控制技术,提出了一种新型控制器结构.给出了在线调整PID参数的方法.仿真结果表明,基于线性预测模型的神经网络模糊PID控制使系统具有较好的鲁棒性.     

基于模糊神经网络的精密角度定位PID控制

针对精密角度定位系统存在非线性、时变性,传统PID控制难以获得理想控制效果的问题,提出一种基于模糊神经网络的PID控制方法,将模糊控制、神经网络与PID控制相结合,采用3层前向网络、动态BP算法,利用神经网络的自学习和自适应能力,实时调整网络的权值,改变PID控制器的控制参数,整定出一组适用于控制对象的kp、ki、kd参数,实现精密角度定位PID控制的自适应和智能化。实验结果表明,采用BP神经网络整定的PID控制较传统的PID控制,控制性能有较大的提高,能有效提高定位精度,缩短定位时间。     

基于RBFNN的非线性多变量大时滞系统的PID控制

针对非线性多变量大时滞系统，研究了一种基于神经网络的智能控制策略。该文给出了网络的结构和算法，对一组二变量强耦合时变系统进行了仿真。仿真结果表明，控制器能根据系统的运行状态获得对应于某种最优控制律下的PID参数，解耦后的系统具有较好的动态和静态性能。该方法具有控制精度高、响应速度快的优点，并具有较强的自适应性和鲁棒性。     

基于RBF神经网络在带钢厚度控制中的应用

轧钢厚度控制系统的数学模型难以精确建立,传统的PID控制器的自适应能力较差,很难达到满意的控制效果。本文根据以上问题。提出了一种新的控制方法,即基于RBF神经网络自整定PID控制方法。这种控制方法结合了RBF神经网络和PID控制器的控制优势,不仅具有很强的自适应能力、鲁棒性。而且充分发挥了PID控制优势,并且将这种控制方法应用在带钢厚度的控制系统中,取得了很好的控制效果,证明了控制方案的正确性和有效性。     

基于共轭梯度法的改进型BP神经网络PID控制算法

针对常规BP神经网络PID控制器存在收敛速度慢和易陷入局部极小的缺点,提出一种基于共轭梯度算法的改进型BP神经网络PID控制器,采用Polak -Ribiere线性搜索方法,对传统BP神经网络PID控制器进行改进,加快了网络训练速度,避免网络陷入局部极小.在Matlab平台下实现算法程序,仿真结果表明该改进控制方法的有...     

关于最近邻聚类的RBF网络自整定PID控制算法的研究

针对采用传统PID控制一类非线性滞后系统难以获得满意的控制效果,提出基于RBF神经网络的PID控制参数自整定的方法.利用具有在线能力的最近邻聚类学习算法,训练RBF神经网络.并引入优化策略对聚类半径进行自动调整,以保证聚类的合理性,从而自适应调整系统的控制参数.仿真结果证明了该控制策略不仅能使非线性滞后系统具有良好的动态跟踪性能,而且具有很好的抗干扰能力和鲁棒性.     

基于BP神经网络的模型参考自适应PID控制器的研究

基于BP神经网络误差的传播机制,探讨建立在BP神经网络基础上的模型参考自适应控制与传统的PID控制相结合的控制方法,控制器通过在线的自学习不断进行适应性控制,以保证系统的输出符合期望的性能要求。用MATLAB软件仿真后表明,该方法具有方法简单,实时跟踪误差,易于实现等优点。     

基于神经网络PID控制的系统非线性校正的研究

在对BP神经网络PID控制器系统研究的基础上，提出了单神经元的自适应PSD算法。该算法兼有单神经元和自适应PSD算法的特点，简单、实时性好、自适应能力强，可用于控制过程时变、有大滞后的较复杂的对象，是一种实用价值较高的自适应控制算法。文中采用BP神经网络PID控制与单神经元PSD自适应控制两种方法对压电式微位移系统进行非线性控制，并取得了良好的效果。     

串连盘式管道连续输送系统基于BP神经网络PID结构控制

利用BP神经网络,建立新型的串连盘管道连续输送机和螺旋运输机组成一个输送系统网络模型,并结合PID结构控制器优化训练,时时调节网络的输出参数KP,KI,KD,来达到控制输出最佳值.通过MATLAB模拟仿真,得到很好的收敛.     

基于BP神经网络的PID控制器参数寻优

详细介绍BP神经网络对PID控制器参数寻优控制算法，用高斯核函数作为节点激励函数对系统进行控制。试验表明系统操作方便．安全可靠．控制效果好。