基于PSO的改进的PID控制器在VAV空调系统温度控制中的应用

以变风量空调系统的温度控制作为研究对象,在现有的研究基础上,提出了粒子群优化算法改进的BP神经网络PID控制方法。应用BP神经网络进行PID参数在线整定,粒子群优化算法提高BP神经网络的学习速率和收敛性,结合三者各自的优势以提高变风量空调系统的控制性能。     

载重量变化对矿用车轨迹跟踪影响研究

针对矿用车载重量变化对车辆轨迹跟踪精度的影响，提出了一种与载重量相关的车辆模型，研究了载重量对轮胎侧向力和车辆转向系统的作用.采用粒子群PID控制（PSO-PID）算法优化了不同载重情况下横、纵向控制PID参数，采用转向前馈控制缩短了大质量情况下前轮转向角控制的过渡过程时间.仿真结果表明，与不考虑载重量变化的车辆模型相比，所述矿用车模型轨迹跟踪的精度更高，鲁棒性更强.      

基于改进粒子群算法优化的车辆运动侧倾控制研究

为了避免车辆在不同路面状况下发生侧翻现象,提高车辆行驶的稳定性,采用改进PID控制车辆侧倾角位移运动轨迹。创建车辆模型简图,给出车辆侧倾运动方程式。引用PID控制方法,对粒子群算法惯性权重系数进行改进,将改进粒子群算法用于优化PID控制,设计出车辆侧倾角位移控制流程,对控制器参数进行优化和调节。通过MATLAB软件对车辆侧倾角位移跟踪效果进行仿真验证,并与PID控制效果进行比较。结果表明:路面在无波形干扰条件下,采用传统PID控制和改进PID控制方法都能较好地完成车辆侧倾角位移跟踪,跟踪误差较小;路面受到波形干扰条件下,采用传统PID控制侧倾角位移跟踪误差较大,而改进PID控制侧倾角位移跟踪误差较小。采用改进PID控制方法,可以抑制路面波形的干扰,提高车辆侧倾角位移跟踪精度。     

基于粒子群算法的逆变电路PID控制

针对逆变控制系统中PID控制器参数整定困难的问题,提出了基于粒子群算法的逆变电路PID控制器设计方法.通过推导逆变电路模型得到逆变电路传递函数,以该传递函数作为PID控制对象,利用粒子群算法搜索PID参数.MATLAB仿真结果证明了该方法的可行性和优越性.与采用遗传算法相比较,该粒子群算法能更快的获得合适的PID控制参数,所需迭代次数更少.     

基于免疫粒子群算法的网络拥塞控制策略

为避免Internet路由器主动队列管理中PID参数整定试凑法的盲目性,提出免疫杂交粒子群算法用于PID控制器参数优化,构造一种基于免疫杂交粒子群的智能主动队列PID算法.仿真结果表明,基于免疫杂交粒子群的PID主动队列管理算法能够适应动态变化的网络环境,具有较好的网络控制性能.     

粒子群优化BP神经网络PID控制注塑机液压系统

注塑机液压系统是一个时变、非线性和高耦合的复杂系统,传统PID控制参数不易整定,超调量大,对注塑机液压系统控制效果欠佳,现提出一种粒子群优化BP神经网络算法改良PID控制。BP神经网络算法存在收敛速度慢和容易陷入局部最小值的缺陷,利用粒子群算法的全局最优和收敛速度快的特性改良BP神经网络,然后利用粒子群优化BP神经网络对PID的3个参数进行在线调整。仿真结果表明,经过粒子群优化后的BP神经网络对PID3个参数的整定效果要比BP网络要好,同时粒子群优化BP神经网络PID控制效果明显优于传统PID控制,可以有效提高注塑机液压系统的精度和响应速度,优化注塑过程。     

基于粒子群的欠驱动平面机械臂PID控制算法研究

由于对机器人轻量化和降低成本的要求越来越高,欠驱动机器人的优势日益凸显,也逐渐成为机器人的一个研究热点问题.以往欠驱动机械臂中的PID控制算法中参数依靠试凑获得,很难获得效果的参数.本文提出通过基于粒子群算法的欠驱动机械臂PID控制算法,通过粒子群对PID控制方法进行改进,对PID参数进行整定,以获得控制效果更好的参数.仿真结果证明了该算法的可行性与有效性,相比于传统方式更易于实现,收敛速度快.     

采用改进神经网络PID控制的移动机器人轨迹追踪控制研究

为了提高双轮移动机器人运动轨迹追踪精度,采用改进粒子群算法优化BP神经网络PID控制器,并对控制效果进行仿真验证。创建双轮移动机器人模型简图,给出运动轨迹误差方程式。在传统PID控制基础上增加BP神经网络结构,引用粒子群算法并对其进行改进,采用改进粒子群算法优化BP神经网络PID控制调整参数,给出双轮移动机器人PID控制参数优化流程。采用数学软件MATLAB对双轮移动机器人轨迹追踪误差进行仿真验证,并与传统PID控制追踪误差进行对比。仿真曲线显示:在理想环境中,双轮移动机器人采用两种控制方法都能较好地实现轨迹追踪,追踪误差较小;在干扰波形环境中,传统PID控制双轮移动机器人追踪误差较大,而改进PID控制双轮移动机器人追踪误差较小。采用改进粒子群算法优化BP神经网络PID控制器,可以提高移动机器人运动轨迹追踪精度。     

基于改进型RBF神经网络多变量系统的PID控制

针对工业控制中多输入多输出非线性时变系统,提出了基于改进型RBF神经网络的智能PID控制方法.采用最近邻聚类算法在线构造RBF神经网络辨识器并在线辨识被控对象,对PID控制器参数进行在线调整,实现了多变量非线性时变系统的解耦控制.仿真结果表明,控制器能根据系统运行状态获得对应于某种最优控制规律下的PID参数,解耦后的系统具有较好的动态和静态性能,与常规RBF神经网络PID控制方法相比,该方法具有控制精度高、响应速度快的优点,并且具备较强的自适应性和鲁棒性.     

采用改进神经网络PID控制的车辆悬架振动仿真研究

为了研究车辆悬架振动模型,创建了车辆悬架平面简图,并根据牛顿定律推导出车辆悬架振动微分方程式。引用BP神经网络PID控制器,对传统粒子群算法进行改进,将改进粒子群算法用于优化BP神经网络PID可知结构。通过MATLAB软件中对车辆悬架位移、速度和加速度进行仿真验证;同时,与BP神经网络PID控制器仿真结果进行比较和分析。结果表明,车辆悬架采用BP神经网络PID控制器,悬架行程、轮胎位移和车身加速度均方根值较大,车辆整体振动幅度较大;而采用改进BP神经网络PID控制器,悬架行程、轮胎位移和车身加速度均方根值较小,车辆整体振动幅度较小。采用改进神经网络PID控制车辆悬架,能够抑制路面噪声激励对车辆振动幅度的影响,提高车辆行驶的安全性。     

基于鲁棒比例-积分-微分控制的智能汽车自主换道轨迹跟踪控制

为了解决智能汽车自主换道轨迹跟踪所使用的比例-积分-微分(proportion-integral-derivative,PID)控制器参数难以整定的问题,提出应用于自主换道轨迹跟踪控制的鲁棒PID控制器设计方法。首先,构建车辆-道路系统动力学模型,将转向执行机构看作一阶惯性环节,搭建包括转向执行机构动力学模型在内的系统动力学模型;然后,基于分段多项式表达求解自主换道轨迹模型,并基于时间与误差绝对值乘积积分构建鲁棒PID控制器,确定控制参数,形成闭环系统的传递函数;最后,进行仿真及实车试验,结果表明,所设计的控制器具有较强的鲁棒性,能在保证换道工况下智能车辆较好的轨迹跟踪能力的同时,有效地提高乘员舒适性。     

基于转向响应特性的智能车辆轨迹跟踪双闭环控制

智能车辆轨迹跟踪的准确性与鲁棒性是车辆运动控制性能的重要表征,基于路径预瞄信息的跟踪控制研究使车辆性能显著提升. 然而,车辆转向系统响应不足给车辆实时准确的基于预瞄信息跟踪参考轨迹带来挑战. 针对此问题,实时引入转向系统状态建立双闭环轨迹跟踪控制结构,保证智能车辆轨迹跟踪控制算法对转向系统响应不足的鲁棒性. 具体结构外环基于预瞄信息使用模型预测控制求解最优转向角,内环基于转向状态误差使用PID方法设计反馈控制律以补偿转向响应不足. 双闭环结构耦合控制输入保证了车辆鲁棒最优跟踪控制. 最后通过Carsim与Simulink联合仿真,验证了该双闭环控制结构的有效性.      

车辆悬架系统与电动助力转向系统的集成控制

在建立悬架和转向系统整车动力学模型的基础上,分析主动悬架系统与电动助力转向系统性能之问的相互关系及协调机理,提出调整双系统控制参数的联合优化方法,对主动悬架系统进行自校正控制,对电动助力转向系统进行PID控制,研究集成系统结构参数和控制参数的耦合问题.仿真结果表明,与不加控制、单系统控制相比,集成控制下车辆转向助力效果增强,反应车辆姿态的质心加速度、横摆角速度、车身侧倾角等都有明显提高,车辆的行驶平顺性和操纵稳定性均得到明显加强,整车性能得到提高.     

静液传动履带车辆转向神经元自适应PID控制

为实现静液传动履带车辆快速稳定转向,且转向轨迹可控,基于双侧轮边液压驱动结构特点,提出了转向时外侧马达排量采用压力、发动机转速双参数控制,内侧采用神经元自适应PID控制以跟随外侧的转向控制策略. 在Matlab/Simulink中建立了包含基于S函数的神经元PID控制器和综合控制策略Stateflow模块的整车模型,对转向控制进行仿真分析,阶跃输入时,神经元PID比传统PID控制能有效抑制系统超调量,加快系统响应速度;不同转向工况仿真结果表明:神经元PID控制具有较好的目标跟随能力,提高了系统的实时性和鲁棒性,使得静液传动履带车辆具有良好的转向性能.      

基于飞思卡尔单片机的智能电动小车设计

针对交通堵塞、 交通事故频发等问题, 设计了一种智能电动小车。该设计采用MC9S12XS128单片机作为主控芯片, 结合摄像头、 无线模块等功能模块组成智能电动小车。主控芯片对摄像头采集的赛道信息进行分析处理, 采用PID（Proportion Integration Differentiation）控制策略驱动电机运转, 使智能电动小车能在跑道上完成单轨迹前行、 双轨迹中心线中的自动行驶和避障等动作。利用无线模块实现智能电动小车与目标靶之间的信息交换, 通过智能电动小车对舵机的调整, 完成在行驶过程中将激光光点投射在目标靶中心的实验。打靶成绩较高, 实验结果令人满意。该设计可为智能车辆无人驾驶和信息交互的研究提供参考。     

线控转向系统关键技术综述

汽车转向系统先后经历机械转向、液压助力转向和电动助力转向几个阶段,然而目前电动助力转向或电控液压助力转向等难以满足智能汽车对转向技术的需求。线控转向系统作为线控智能底盘重要组成部分,是智能汽车架构中必不可少的智能转向系统。为剖析线控转向中的关键技术和发展趋势,本文将从线控转向的发展概况谈起,之后分别针对线控转向系统关键软硬件技术进行了全面概述,包括对比分析了4种路感反馈策略、智能算法在位置闭环的应用及双电机协同控制策略、基于线控转向中主动前轮转向的车辆稳定性控制研究、面向功能安全方面的软件冗余方案和硬件冗余方案;最后,对线控转向系统的未来研究趋势进行了展望,指出线控转向系统将朝着真实舒适、精准快速、安全可靠和集成控制的方向发展。     

汽车EPS回正控制与仿真试验研究

为了改善汽车转向轻便性的问题以及解决传统EPS系统所带来的汽车回正性能降低的问题,建立了基于SIMULINK的电动助力转向系统仿真模型,创建了基于系统环和控制环的控制策略,提出了基于转向盘转角和目标操纵转矩的PID控制方法,通过仿真与试验拟合出转向盘转角θh——目标操纵转矩TdMap图.运用MATLAB仿真EPS助力效果与实车试验对比验证设计的控制策略,改善了汽车的助力回正性能,提高了汽车的转向轻便性和行车安全性.     

车辆主动转向与电子稳定控制系统的协同控制

为提高车辆行驶时的操纵稳定性和安全性,本文通过协同控制策略研究分析了主动转向与ESP对车辆操纵稳定性的影响。首先基于主动转向的二自由度线性车辆动力学模型设定上层协同控制策略,及下层主动转向控制器和ESP控制器,并结合CarSim与Matlab/Simulink平台完成主动转向系统、双PID控制的ESP系统、及其协同控制的整车模型搭建,然后再基于硬件在环试验台进行高附着路面和低附着路面的双移线试验,最后对比分析不同工况下主动转向与ESP协同控制相对其独立控制下的车辆质心侧偏角和横摆角速度响应曲线。结果表明本文设计的主动转向与ESP协同控制策略相对其独立控制,可更好地提高车辆的操纵稳定性。可见主动转向与ESP协同控制的稳定性控制效果明显提高,在极限工况下能将车辆控制在安全行驶的稳定范围内。     

四轮毂电机独立驱动车辆转向电子差速控制

对四轮毂电机独立驱动车辆全轮转向电子差速控制策略进行研究.通过对转向运动学进行分析,建立了3自由度转向动力学模型,构建了四轮毂电机独立驱动车辆电子差速控制系统,提出了神经网络PID(NNPID)电子差速转速转矩综合控制策略,计算四轮目标转速,采用4个神经网络PID控制器,协调分配四轮毂电机的转矩,实现电子差速控制的转向.对于不同给定转向角和车速的仿真结果表明,该策略可以提高车辆低速转向的操控性和平稳性.