基于分布式控制的航空发动机智能转速传感器

依据航空发动机转速测量原理,提出并设计了一种基于分布式控制的智能转速传感器.分析了转速测量原理和软件采集实现流程,设计了传感器信号组合倍频调理电路与部分数字信号处理器(DSP)外围接口电路,编写了汇编程序.试验结果表明:该智能传感器测量精度高,误差小于0.02%,处理速度快,适用于航空发动机分布式控制试验研究.     

基于滑模变结构的发动机转速控制系统

针对工业中传统的发动机PID转速控制系统存在其经常性参数整定不良,运行工况适应性差,且很难同时很好地满足稳态精度、动态稳定性、平稳性和快速性的要求等问题,提出一种基于比例切换函数的滑模变结构发动机转速控制系统。进而介绍了发动机转速控制数学模型,并通过Matlab/Simulink仿真与传统的PID转速控制方法进行对比,验证滑模变结构控制在发动机这种高阶非线性多变量系统中具有响应速度快,超调量小和控制精度高等优点。     

航空发动机智能转速传感器的设计

根据航空发动机转速传感器的测量原理,提出一种基于DSP的智能转速传感器.设计了信号调理电路和DSP外围接口电路,编写了片内汇编程序.实验表明,该智能传感器不仅测量精度高,误差仅为0.047 33﹪,而且集成度高、处理速度快,可应用于航空发动机全权限数字式电子控制系统中.     

RBFNN在翻车机转速PID控制中的应用

根据当代物流的高速高效特点,对翻车机的转速进行基于径向积函数(RBF)神经网络辨识的自适应PID的控制,该方法是利用神经网络的自学习能力来弥补PID控制的在线运算能力,即利用RBF神经网络对PID控制中的3个重要参数实时调整,使得该种控制方法集合了神经网络的实时自适应性和PID控制快速方便的特点,比传统的单纯PID控制更适合当代大型工业系统控制,其能够针对受控对象的某一时刻的特征迅速进行在线运算,并且提出利用递推极大似然估计法对RBFNN网络权值进行训练,可以迅速达到稳定状态,超调量很小,渐进性好,克服了实际系统控制中的稳定性与响应速度的矛盾.将其应用于翻车机角速度的优化控制中,并进行仿真,得出该控制方法的准确性与鲁棒性可以达到满意效果.     

发动机测试台循环水温度智能混合控制

介绍了发动机测试台循环水温度控制对象的建模,针对大滞后强耦合的特点,构造了一种新型的智能混合控制器,在近似解耦的基础上,利用专家控制思想,将Fuzzy和PID两种控制算法相结合,根据温度误差和误差变化率实现选择控制,避免了过大的超调量,减小了静态误差,提高了系统稳定性;经实际使用表明,达到了发动机的测试需求.     

一种新型沥青疲劳试验机测控仪的研制与应用

在当前试验机领域,动态控制一直是试验机测控系统亟待解决的一个难点,现有的测控系统,难以做到高频率下的高精度控制,难以满足材料试验行业的动态试验需求.针对这一难点,设计了基于MSP430的沥青疲劳试验机测控系统.系统以16位混合信号处理器MSP430F149为核心,实现频率0.1～10 Hz可调,参数在线配置等功能.应用结果表明,该测量控制系统测量准确、控制精度高.     

2自由度PID控制的运动控制器参数自设计

提出了一种基于 2自由度PID控制 ,用于伺服系统 ,能够根据系统所要求的性能指标自动设计并调节参数的智能运动控制器的设计方法。仿真结果表明 ,这种控制器经过有限次的参数自动调整 ,能够满足性能指标的要求 ,对实际中工程技术人员调整控制器参数具有参考价值     

2自由度PID控制的运动控制器参数自设计

提出了一种基于2自由度PID控制，用于伺服系统，能够根据系统所要求的性能指标自动设计并调节参数的智能运动控制器的设计方法，仿真结果表明，这种控制器经过有限次的参数和自动调整，能够满足性能指标的要求，对实际中工程技术人员调整控制器参数具有参考价值。     

航空发动机智能转速传感器的设计

根据航空发动机转速传感器的原理,提出一种基于DSP与CAN的智能转速传感器。设计了上电自检电路、热电偶信号处理电路、DSP与CAN总线接口电路以及电源电路。该传感器系统集成度高,测量和处理速度快。实验表明,该转速传感器测量误差小,测量精度高、实时性好,可应用于航空发动机全权限数字式电子控制(FADEC)系统中,具有重要的实用价值。     

机械人移动轨迹的智能PID控制

过程控制系统广泛的采用PID控制,它的系统直接关系到生产过程的平稳和产品的最终质量,因而其优化设计十分重要。常规PID控制得到了广泛的应用,但是不难满足高精度要求。智能PID控制吸取了智能控制和常规PID控制的优点,能够满足很多场合的高精度的要求。用于机械人移动控制取得了很好的效果。采用神经网络,可实现对机器人动力学方程中未知部分的精确逼近,从而实现无需建模的控制。     

机械人移动轨迹的智能PID控制

过程控制系统广泛的采用PID控制,它的系统直接关系到生产过程的平稳和产品的最终质量,因而其优化设计十分重要。常规PID控制得到了广泛的应用,但是不难满足高精度要求。智能PID控制吸取了智能控制和常规PID控制的优点,能够满足很多场合的高精度的要求。用于机械人移动控制取得了很好的效果。采用神经网络,可实现对机器人动力学方程中未知部分的精确逼近,从而实现无需建模的控制。     

基于自适应PID的永磁同步电机转速控制研究

介绍了一种基于自适应PID算法的永磁同步电机转速控制,提出了一种简化型自适应策略,对PID参数进行在线自校正,与传统PID控制器相比,增强了控制器对电机非线性、时变性及扰动的响应性能。且该自适应策略结构简单,更易于工程实现,具有一定的工程实用价值。系统仿真结果表明,与传统PID控制效果对比,响应过渡时间更短,超调量更小。     

航空发动机智能转速传感器的设计

根据航空发动机转速传感器的原理,提出一种基于DSP与CAN的智能转速传感器.设计了上电自检电路、热电偶信号处理电路、DSP与CAN总线接口电路以及电源电路.该传感器系统集成度高,测量和处理速度快.实验表明,该转速传感器测量误差小,测量精度高、实时性好,可应用于航空发动机全权限数字式电子控制(FADEC)系统中,具有重要的实用价值.     

模糊自整定PID的航空发动机转速控制研究

航空发动机具有强非线性和强时变性的特点,使用定参数PID方法的转速控制系统的性能在全飞行包线内难以保证.针对上述问题,提出设计模糊自整定PID控制器,利用输入误差及变化率建立一组PID参数在线调整规则,运用模糊推理方法实时进行参数自整定.结合某型航空发动机核心机非线性实时模型,进行转速串级控制硬件在回路仿真.结果表明,提出的模糊自整定PID控制方法实现了控制器参数在线调整,参数切换扰动小,满足全包线内转速控制的指标要求.     

发动机电子调速系统的智能PID控制

在分析发动机运转状态的基础上,介绍一种以干扰抑制最佳整定和设定跟踪最佳整定为两个主要目标,利用发动机原电子调速系统的单片微机,实现实用智能PID控制的方法。     

电液伺服疲劳试验机控制系统的研究

被控对象参数的大范围变化、多余力、试件扭转变形对负载的干扰以及摩擦力矩干扰是影响试验机系统控制精度的主要因素.为了提高系統的控制精度,在对PID控制与多传感器信息融合控制方案进行分析、matlab仿真与比较的基础上,结合系统的实际情况和相关经验,确定了多传感器信息融合控制方案,系统得到了令人满意的效果,提高了控制精度.     

基于电液比例阀控制的液压万能试验机系统模糊PID控制器研究

电液比例阀控制的液压万能材料试验机由于时变性和非线性等差异,无法建立精确的数学模型。而常规的PID控制往往需要人工在线整定,既棘手又不经济,如果能运用模糊推理基本理论和方法,构成模糊自适应PID控制。将会极大地改善液压万能材料试验机的控制性能和控制精度。     

电控机械式自动变速车辆发动机转速控制系统的研究

针对传统PID算法在发动机转速控制中难以实现最佳参数问题,提出了利用神经元自适应PID算法对发动机转速进行闭环控制.由于神经元自适应PID 可以在线调整 其参数值,因此当发动机目标转速发生变化时可以通过改变控制参数来实现转速的快速跟踪.实验结果表明使用神经元自适应PID算法对发动机转速控制可以达到快速响应和较高精度的控...     

涡轴航空发动机转速的自适应模糊控制研究

常规的涡轴航空发动机转速的自适应模糊控制技术,对发动机转速扭矩参数的调整不太精准,导致转速控制效果较差;因此,提出涡轴航空发动机转速的自适应模糊控制研究;文章首先对逻辑进行模糊化处理,得到相应的隶属度函数,对其进行模糊推理,并采用重心法进行去模糊化;将模糊子集的参数作为控制器的主要参数,形成涡轴航空发动机转速模糊控制器;再基于此,构建转速模糊控制器系统结构,以便后续对实施自适应模糊控制;最后对变化率的调整规则进行设计,将转速波动控制在较小的范围内,并建立参数调整规则表,按照模糊自整定数值关系,对发动机转速扭矩参数进行精确调整,从而对发动机转速进行自适应模糊控制;仿真结果表明,使用文章设计的方法,对涡轴航空发动机转速进行自适应模糊进行控制后,能够较好地将发动机转速控制在3 000 rpm附近小波动振荡,说明该方法的控制效果较好;当阶跃干扰为10 N·m时,转速波动在11.38～17.77 rpm之间,当阶跃干扰为15 N·m时,转速波动的平均值在11.69～17.81 rpm之间,相对于对比方法均较小,说明该方法具有较好的应用价值。     

基于单神经元PID的航空发动机解耦控制

将神经网络应用到PID控制器的参数整定过程中,提出了一种基于改进单神经元PID的航空发动机解耦控制方法,通过在航空涡扇发动机多变量控制系统中的应用,得出了实际的仿真结果及结论。仿真结果表明,该改进单神经元PID解耦控制方法与传统的PID多变量解耦相比,具有响应速度快,自适应能力强,抗干扰能力强,实现简单的优点,因而可以广泛的应用于非线性系统的解耦控制中。