基于dsPIC30F5011的ABS电子控制器设计

在分析了ABS制动原理和控制器结构的基础上,选用dsPIC30F5011数字信号控制器设计了ABS电子控制器.结合ABS系统芯片优化了控制器的电源管理、电磁阀驱动以及故障检测等功能.采用逻辑门限值控制算法,对该ABS控制器进行了硬件在回路仿真验证,并得到了良好控制效果.     

基于神经网络的飞机静液刹车系统设计

针对无人机的滑跑安全问题,为有效缩短刹车距离,提高刹车效率,设计了一种新型的静液刹车系统;根据新型刹车系统的特点,并综合考虑飞机机体、机轮、跑道状况的特性,以及刹车系统的非线性和不确定性,难以精确控制的特点,设计了神经网络控制器(NNC);并将神经网络控制器,新型刹车系统和飞机滑跑模型应用于仿真环境,建立了整体的仿真模型;仿真结果表明,采用神经网络的刹车系统鲁棒性增强,刹车效率提高,明显优于采用传统控制律的刹车系统。     

汽车ABS模糊参数自整定PID控制方法的仿真研究

防抱死制动系统(ABS)是汽车安全系统的重要组成部分,对行驶路面状况进行实时准确的自动识别和提高ABS控制算法的鲁棒性具有重大意义。通过仿真分析,提出了一种简单有效的路面识别算法,并设计了以最优滑移率为控制目标的模糊PID控制器。结合车辆模型,对该系统在变附着系数路面的运行情况进行了仿真。结果表明,该系统能够及时判断出路面状况的变化,自动调节控制器参数,使车辆获得最大地面制动力。     

基于嵌入式SOPC的ABS控制器设计

SOPC作为一种特殊的嵌入式微处理器,它融合了SOC和FPGA各自的优点,并具备软硬件在系统可编程、可裁减、可扩充、可升级等功能。利用EDK工具在FPGA上设计了以NIOSII为处理器的嵌入式ABS控制器,说明了控制器的硬件和软件设计,并介绍SOPC嵌入式系统软硬件协同开发的设计方法和流程。     

基于滑模变结构的飞机防滑刹车控制器设计

以飞机全电刹车为研究背景,采用滑模变结构控制策略,设计刹车防滑控制策略,解决传统刹车效率低、机轮深度打滑、低速刹车性能差等问题.在控制策略中,以最佳滑移率为目标函数,设计滑模面,实现刹车防滑控制.由于滑模控制的强鲁棒性,可有效提高系统的抗干扰能力.仿真结果可知,滑移率控制在最佳滑移率附近,刹车效率高,可消除机轮深度打滑现象,防滑效果优良.     

基于MATLAB/Simulink的汽车ABS的半实物仿真系统

本文所研究的是一种基于MATLAB／Simulink的汽车防抱死刹车系统(ABS)的半实物仿真的方法。本方法利用Simulink提供的模型建立车辆的传动系模型、自动变速箱模型和ABS模型等。所建成的这套半实物仿真系统既可在软件环境下对汽车进行仿真，也可以通过I/O接口与ABS系统相连接以观察系统的仿真效果。检验控制算法的合理性。通过合理改变相应参数。本系统还可以模拟实际汽车在不同工况下的工作情况。极大提高了汽车电子设备的研发工作的效率，同时，本系统也可用于教学演示。     

基于Q-学习的模糊神经网络控制器

神经模糊系统在机器人的智能控制中具有巨大的应用潜力,但已有的系统构造方法几乎都面临着样本资源匮乏这一巨大困难。为克服传统系统构造方法可能因样本获取困难而引起的“维数灾难”等问题,该文在模糊神经网络中引入了Q-学习机制,提出了一种基于Q-学习的模糊神经网络模型,从而赋予神经模糊系统自学习能力。文章最后给出了其在菅野模糊小车控制中的仿真结果。实验表明,在神经模糊系统中融入智能学习机制Q-学习是行之有效的;它可以被用来实现机器人智能行为的自学习。值得一提的是,该文的仿真实验在真实系统上同样是容易实现的,只要系统能提供作为评价信号的传感信息即可。     

基于RBF辨识的模糊神经网络控制器的设计与实现

随着众多新型模糊神经网络被提出,针对模糊神经网络具有的典型特点,即需要对输入输出数据范围进行转化和处理,所涉及到的对量化因子和比例因子的实时调节问题,该文提出一种优化方案。其依据神经网络具有的自学习能力,通过增加模糊神经网络的层数,提出一种包含对量化因子和比例因子调节的改进型模糊神经网络,以减少系统的辅助优化环节。同时,引入辨识性能较好的径向基函数神经网络（RBF）为系统提供精确的Jacobian信息,取代常规的近似做法。最后结合实例仿真证明了该优化方案的合理性。     

基于最佳滑移率的ABS复合控制器设计

针对目前的防抱制动系统(ABS)控制算法只局限于理论研究,不能在实际的ABS系统中得到应用的现状,提出了一种实用的ABS复合控制方案.研究了基于最佳滑移率的ABS控制器设计目标,提出了一种实用的鲁棒、逻辑门限复合控制方案,给出了控制器的设计方法.在单轮ABS系统上进行了试验,试验结果表明,在两种不同路面条件下,实际滑移率都能保持在最佳滑移率附近.因此,所提复合控制方案是可行和有效的.     

一种飞机防滑刹车控制系统的设计

介绍了基于DSP芯片的飞机防滑刹车控制系统。该系统利用DSP强大的处理能力和较高的处理速度,在系统中通过网络控制算法,解决了系统中存在的部分非线性问题,提高了自适应性和实时性,控制系统在惯性模拟实验台上进行了测试,实验结果表明：本系统响应快,刹车效率高,鲁棒性好。     

基于T-S逆模型的航空发动机解耦控制

为了解决发动机控制系统中存在的耦合现象,以自适应逆控制原理为基础,提出了一种基于T-S逆模型的解耦控制器;该方法利用模糊T-S模型来辨识发动机的逆模型,从而得到实现解耦效果的伪线性化模型,再运用神经网络PID控制器的在线整定功能提高系统的动态性能和鲁棒性,使系统综合性能最优;仿真结果表明,该控制器具有理想的解耦效果,在发动机工作包线范围内具有良好的自适应能力.     

基于人工神经网络的自适应模糊电梯群控系统

针对电梯客流的随机性、离散性及电梯群控系统智能调度的复杂性。综合考虑了电梯运行的评价标准,结合了人工神经网络和模糊控制各自的优点,用神经网络的学习机制为模糊控制器自动提取并调整模糊规则及模糊隶属函数。提高了电梯群控的智能性。合理分配电梯应答,防止聚堆和忙闲不均情况的发生。大大减少了平均候梯时间和长候梯率。仿真实验及初步应用结果表明这种电梯调度方法是有效的。     

基于RBF的模糊神经网络控制器设计与仿真分析

介绍一种基于RBF的模糊神经网络设计与仿真分析的实现方法。该方法利用MATLAB中的神经网络工具箱图形用户界面GUI结合模糊控制规则表给定的输入/输出样本数据设计、构建RBF模糊神经控制器,并在Simulink中建立系统仿真模型。通过对阶跃输入信号作用下系统动态性能的仿真分析,结果表明基于RBF的模糊神经控制器有良好的控制性能。     

基于RTW的汽车ABS的软件设计与实现

利用Simulink建立了汽车转弯制动模型,设计了防抱制动模糊PID控制器,运用Real-time Workshop将所建立的模型转换成C代码形式,并将其下载到目标机里,通过Simulink的外部模式运行该程序.程序运行结果表明,所设计的模糊PID控制器能较好的实现防抱制动性能,采用C程序形式解决了仿真程序实时性问题,缩短了开发周期.     

基于HGA的模糊神经控制器设计及其应用

将神经网络与模糊控制相结合,实现了模糊控制器的自学习和自适应。给出一种基于递阶遗传算法的模糊神经网络优化算法,通过对每个染色体采用递阶编码,可以同时优化模糊神经网络结构和权值参数。将这种模糊神经网络控制器应用于镍氢电池的充电控制中,证明了算法的有效性。     

基于神经网络的广义预测控制

本文将神经网络快速计算的性能应用于广义预测控制中,以便克服广义预测控制算法的不足之处。仿真研究表明,这种方法实为改进控制算法性能的有效途径。     

基于离散Hopfield神经网络的字母识别研究

基于离散Hopfield神经网络理论,对带噪声的字母识别进行研究。根据神经网络的联想记忆功能,在考虑实际情况的条件下进行模型建立,通过MATLAB软件进行函数创建与设计实现,并对结果进行分析,同时提出应用扩展。     

基于神经网络的模糊自适应PID控制方法

提出一种基于BP神经网络的模糊自适应PID控制器。该控制器综合模糊控制、神经网络与PID调节各自的优点，既具有模糊控制的简单和有效的非线性控制作用，又具有神经网络的学习和适应能力，同时具备PID控制的广泛适应性，仿真实验表明该控制器对模型、环境具有较好的适应能力和较强的鲁棒性。