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。     

基于粒子群-模糊PID的织网机主动穿线板多电机协同控制

针对织网机主动穿线板多伺服电机协同控制问题,以3台电机为被控对象,将粒子群算法与模糊PID(proportion integration differentiation)控制相结合,设计基于粒子群算法的模糊PID控制器,粒子群算法优化控制系统的初始参数,结合模糊PID完成对多伺服电机协同控制系统的动态调整。为保证系统的同步控制性能,采用偏差耦合控制策略,引入了速度补偿器调节电机间的同步误差。仿真结果表明,相较于传统PID控制和模糊PID控制,改进后的控制器响应速度快、超调量小、稳健性较好,能更好地实现多伺服电机的协同控制,提高织网机成品的品质。     

采用混合算法优化神经网络滑模控制的机器人跟踪误差

为了避免机器人关节角位移受外界影响,提高运动轨迹的跟踪精度,采用混合算法优化神经网络滑模控制器,并对优化后的控制器进行仿真验证.建立机器人平面简图模型,利用拉格朗日定理推导出机器人关节运动方程式,采用神经网络算法构建RBF神经网络自适应滑模控制系统.为了增强控制系统的稳定性,削弱外界波形对机器人运动轨迹的干扰,利用粒子群算法和差分进化算法在线优化RBF神经网络滑模控制律参数,设计了改进RBF神经网络滑模可调参数的自适应控制律,保证机器人控制系统的稳定性.通过MATLAB软件进行仿真实验,并且与优化前机器人关节角位移输出误差形成对比.仿真结果显示:随着干扰波形幅度的增大,采用神经网络滑模控制器,机器人关节输出角位移误差逐渐增大,系统不稳定,而采用混合算法优化神经网络滑模控制器,系统反应速度较快,机器人关节输出角位移误差较小.机器人采用混合算法优化神经网络控制器,能够提高控制系统的抗干扰能力,稳定性较好、输出精度较高.     

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。     

车辆轨迹的预瞄与模糊分数阶比例-积分-微分控制

为提高无人车辆轨迹控制的精度,提出了一种基于预瞄误差建模和优化模糊分数阶PID控制的车辆路径跟踪方法。根据车辆动力学特性,引入预瞄横向误差模型,以预瞄横向误差为输入,车辆前轮转角为输出,调整转角角度减小偏差实现轨迹跟踪,设计模糊分数阶PID跟踪控制器。该控制器在PID的基础上结合分数阶理论,同时利用粒子群算法优化的模糊控制器对参数进行在线调整。在CarSim/Simulink联合仿真平台进行仿真研究。研究结果表明,本文所设计的控制器可行有效,为轨迹控制的研究提供了参考。     

改进多目标PSO算法优化机器人轨迹跟踪模糊PID控制器

为进一步提高模糊PID控制器应用于关节机器人轨迹跟踪控制的效果,本文提出了一种改进的多目标粒子群(PSO)算法优化机器人轨迹跟踪模糊PID控制器的方法。首先,设计了一种关节机器人轨迹跟踪模糊PID控制器;其次,考虑控制器输出力矩和轨迹跟踪控制偏差2个优化目标,设计了改进多目标PSO算法实现模糊PID控制器隶属函数与模糊规则的优化调整;最后,分别采用多目标PSO算法和改进多目标PSO算法优化轨迹跟踪模糊PID控制器获得了2个优化目标的向量集合,并对比分析了优化结果。实验结果表明,所设计的改进多目标PSO算法具有更优的非支配解集,验证了该算法优化机器人轨迹跟踪模糊PID控制器的有效性和优越性。     

基于PSO优化算法的模糊PID励磁控制器设计

针对优化发电机励磁控制器控制问题,研究模糊理论及人工智能控制方法,建立数学模型分析励磁控制器,找到将粒子群算法与模糊PID相整合的励磁控制途径,并设计了适用于低压水轮发电机的励磁控制器.粒子群优化算法优化控制系统的初始参数,模糊PID完成对系统的动态控制.仿真结果表明,改进的控制器算法相比传统PID控制和模糊控制PID,响应速度较快(上升时间少于1s),超调量小(超调量少于5%).能够满足控制器快速、准确和稳定的要求,是一种先进的控制方法.     

采用模糊免疫PID控制的移动机器人避障误差仿真研究

当前,移动机器人运动规划路径较长,实际运动轨迹与理论运动轨迹误差较大。对此,设计了移动机器人模糊免疫PID控制系统,并对控制系统输出误差进行仿真验证。建立移动机器人平面简图,给出机器人运动方程式,采用平面栅格来描述机器人运动规划路径。引用传统PID控制器并进行改进,设计了模糊免疫PID控制系统,给出了移动机器人PID控制输出系统在线调节流程。采用MATLAB软件对机器人输出误差进行仿真,比较PID控制和模糊免疫PID控制输出误差大小。结果显示:移动机器人采用传统PID控制系统,稳定调节时间为1.0 s,产生的最大误差为0.83 mm,系统输出误差较大;移动机器人采用模糊免疫PID控制系统,稳定调节时间为0.5 s,产生的最大误差为0.59 mm,系统输出误差较小。移动机器人采用模糊免疫PID控制系统,响应速度快,追踪误差较小,从而提高系统的稳定性。     

基于改进PID控制的机床滑台运动位移跟踪误差研究

采取改进PID控制方法,通过仿真验证机床滑台跟踪结果.采用直角坐标系建立机床滑台二维简图模型,设计机床滑台闭环控制流程,定义机床滑台位置传递控制函数.采用BP神经网络结构对PID控制器进行改进,给出机床滑台位置输出误差评价指标函数.采用MAT-LAB软件检验不同控制系统跟踪结果.结果表明:在无干扰状态下,采用传统PID控制系统,滑台位置跟踪误差最大值为0.05m,采用改进PID控制系统,滑台位置跟踪误差最大值为0.02m.两种控制系统跟踪误差相差不大,都能实现滑台位置的精确定位.在有干扰状态下,采用传统PID控制系统,滑台位置跟踪误差较大,误差最大值为0.19m,而采用改进PID控制系统,滑台位置跟踪误差较小,误差最大值为0.02m.采用改进PID控制系统,能够实现机床滑台位置的精确定位,提高机床主轴对零件的加工精度.     

热障涂层加热系统的自适应模糊预测控制

针对航空发动机热障涂层加热过程中的时变、大惯性、滞后以及高度非线性等问题,提出了一种基于T-S模糊模型的广义预测控制策略来控制涂层的温度。首先,针对模糊C均值(FCM)算法容易陷入局部最优的问题,采用自适应遗传粒子群优化(GA-APSO)算法来优化模糊C均值(FCM)算法的全局寻优能力,并对T-S模糊模型的前件参数进行辨识;其次,采用自适应遗忘因子的递推最小二乘法来估计T-S模糊模型的后件参数。 最后,根据得到的T-S模糊模型设计模糊预测控制器并进行仿真实验。仿真结果表明,在利用自适应遗传粒子群算法对FCM算法进行优化后,算法的初始适应度值、收敛适应度值以及辨识模型的均方误差都有较大程度的降低,说明改良后算法的全局寻优能力得到了很大提升,对样本的模糊聚类效果也更好。在有干扰的情况下利用PID控制器和模糊预测控制器分别跟踪期望温度,相比传统的PID控制,模糊预测控制的控温精度更高,达到稳定期望温度所需时间更短,仿真结果验证了控制方法的有效性。     

铝粉雾化炉铝液温度模糊-PID复合控制

铝粉氮气雾化生产过程中，保持雾化炉铝液温度的稳定非常重要，但铝粉雾化炉是一个非线性、大滞后、不确定性系统，采用常规PID控制器很难保证控制效果．为此针对雾化炉的铝液温度变化特性，结合模糊控制器和PID控制器的特点，设计了一种模糊-PID复合控制器．利用加权因子，将模糊控制器的输出和PID控制器的输出加权综合，使得控制器在误差较大时，主要由模糊控制器起作用，而在误差较小时主要由PID控制器起作用．模糊-PID复合控制器既保持了PID控制的稳定误差小、稳定性好的优点，又具有模糊控制自适应和调节速度快的特点，能够很好地保持铝液温度的稳定，在现场应用中取得了较好的控制效果．     

带修正因子模糊PID控制的PMSM交流伺服系统

为了克服永磁同步电机(PM SM)伺服系统的非线性和不确定性因素的影响,提高伺服系统的控制精度和性能特性,提出了带修正因子的模糊比例、积分和微分(PID)控制。它是集PID控制和模糊控制的优点于一体的控制系统,根据转速偏差来决定速度控制器采用模糊控制算法还是PID控制算法,并且根据控制系统的转速偏差和速度误差率,利用修正因子对模糊控制器的参数进行在线修改。仿真结果表明:带修正因子的模糊-PID控制优化了系统的动静态特性,满足系统的高性能要求,验证了该控制策略的优越性和可靠性。     

基于STM32的机械臂运动控制系统设计研究

为了提高机械臂运动的准确性以及提高机械臂的控制效率,运用STM32处理器设计了一种机械臂运动控制系统。采用STM32作为主控系统的核心,通过角度位移传感器构成机械臂的感知模块,利用舵机驱动电路构成机械臂的运动模块,从而形成机械臂运动控制系统的硬件单元。以模糊PID控制理论为软件核心,对机械臂运动过程中的轨迹偏差进行计算,形成控制量。主控器STM32将根据控制量对机械臂的运动模块发出调控信号,使得机械臂能够快速回归预定的运动轨迹。实验结果表明,本文所设计的机械臂运动控制系统,能够快速、准确地对机械臂的运动状态进行控制,提高机械臂运动的准确性。     

基于FPAA的模糊控制参数整定PID控制器的设计

针对PID控制器的增益系数难以实现最优整定的问题,本文通过分析模糊控制器的解析结构得到模糊控制器与PID控制器参数之间的解析关系,采用常规模糊控制器的正规化因子间接整定PID控制器的增益系数,避免了建立系统的精确数学模型.采用这种新型参数整定方法在FPAA开发软件AnadigmDesigner2中完成PID控制器的设计并验证其性能.仿真和实验结果表明:基于FPAA设计出的模糊PID控制器适应强、跟踪迅速、控制性能良好并且表现出很强的鲁棒性.     

机床控制中的双模参数自调整模糊控制器

为提高超精密机床的加工精度,设计了一种双模参数自调整模糊控制器,其能根据误差和误差变化的大小实现两种模糊控制规则的自动切换和参数的自调整.针对所给定的超精密机床交流伺服系统,将该模糊控制器和PID控制器控制性能进行了仿真分析,仿真实验中模糊控制器的动态跟随性能和定位精度都明显优于PID控制器.结果表明,该模糊控制器能很好地适应交流伺服系统的非线性特点,其性能优于PID控制器.     

凸轮磨削的仿形跟踪误差补偿

为提高凸轮磨削的加工精度, 减小凸轮的轮廓误差, 并进一步提高磨削系统的鲁棒性, 采用了新的误差补偿方法--仿形跟踪误差补偿, 将实际的仿形跟踪误差值补偿到X 轴的给定数值序列。运用Matlab 搭建了两轴联动反馈系统, 并设计模糊PID(Proportional-Integral-Derivative)控制器以实现对系统的在线补偿。采用一种形状较难加工的凸轮片作为实验对象验证补偿效果和控制器的性能。仿真实验结果表明, 该方法不仅能有效减小凸轮的轮廓误差, 简化了计算过程, 并且使系统的响应速度加快, 与传统PID 控制器相比还具有较好的鲁棒性。     

改进的模糊滑模控制在机械手上的仿真研究

采用一种改进模糊滑模控制器(MFSMC),用以改善机械手的跟踪性能,并采用模糊逻辑系统作为调节滑模控制器增益之适应机制.为满足机器人系统之实时需求,区域线性化技术亦引入此MFSMC系统.仿真结果显示此控制器可表现出较优异的性能:较小响应时间、平稳的控制行为.此外,此控制器对参数变量和外界干扰亦表现出有效性.