二次函数PD算法在智能转向车中的应用

智能车在转弯时的路径优化决定着是否能够快速稳定的过弯,通过对传统PID算法的研究和改进,提出了一种将二次函数模型和PD算法相结合的控制方案.提高了智能车舵机的响应速度,优化了小车的过弯路径,缩短了转弯时间.实践表明该转弯控制算法明显优于传统PID控制.     

基于K60的光电平衡智能小车设计

本文主要介绍第十届全国智能车大赛设计的智能车系统方案。该系统以"飞思卡尔"32位单片机Kinetis MK60DN512ZVLQ10作为系统控制处理芯片,采用野火智能车陀螺仪ENC 03MB+加速度MMA7361CL二合一模块获取直立车姿态信息,并控制2个直立驱动马达使车模直立,同时借助于线性CCDTSL1401的图像采样模块获取赛道图像信息,通过软件算法提取赛道边界,识别当前所处赛道位置,算出小车与黑线间的位置偏差,采用PID算法对2个驱动马达进行差速控制,实现了车模的转向控制。通过光电编码器实时获取小车速度,形成速度闭环控制。     

基于磁导航的两轮智能车系统设计

设计了一种基于磁导航的两轮智能车系统.该系统以飞思卡尔单片机为核心,利用加速度传感器和陀螺仪分别测量车模的加速度与角速度,通过编码器检测车速及车模运动方向,采用电感线圈检测路径信息.单片机采用互补滤波算法获得车模倾角信息,通过PID算法控制直流电机驱动模块来控制车模的平衡及其行驶速度和方向,从而实现智能车稳定、准确、快速地行驶.     

基于自适应模糊PID的石墨烯制备控制系统

石墨烯制备的电解过程具有非线性和不确定性,使用传统的比例积分微分（proportion integration differentiation,PID）控制算法难以精确掌控制备过程中的电解电流以及电解液离子浓度,导致在电解法制备石墨烯过程中,易出现团聚和剥离不均匀的问题,据此设计了一种自适应模糊PID算法并建立相应的数学模型,利用该模型可以更好地控制石墨烯制备的工艺精度。使用MATLAB进行自适应模糊PID算法和传统PID算法的对比仿真,并针对仿真结果进行分析讨论。自适应模糊PID算法的响应时间、抗干扰能力和稳定性等性能相较于传统PID算法都要更加优秀,更加符合石墨烯制备控制系统要求。     

PID控制器的粒子群多目标优化设计

提出一种基于粒子群优化算法的PID控制器设计方法,该方法定义一个包含系统超调量、上升时间和稳态误差指标项的适应度函数,根据控制系统的实际要求对各指标项进行适当加权。采用带收缩因子的粒子群算法对PID进行多目标寻优,实现了PID控制器的自动参数整定。应用该方法得到的PID控制器综合性能优于常规方法得到的PID控制器。     

基于红外反射式传感器智能车系统的设计

设计了以飞思卡尔公司16位微控制器MC9S12DG128B为核心的智能车系统,对该系统的硬件和软件结构进行了相应的描述.通过对路面信息的采集处理,由微控制器发出指令对智能车进行全程控制,实现了智能车的精确控制.     

基于大林算法的热压炉炉温PLC控制研究

本文以金属基复合材料制备中的热压炉为研究对象,分别采用传统PID控制和大林算法进行仿真研究。结果表明,大林算法较传统的PID控制可以更稳定地控制热压炉温度,而且大林算法在被控对象模型失配时,仍然可以得到较好的控制效果。     

基于改进粒子群优化算法的PID控制器参数优化

PID参数优化是控制领域的热点,其控制效果与比例、积分、微分参数有直接关系.为了改善系统性能,提出用一种改进的粒子群优化算法对PID控制器参数进行优化.该算法引入进化速度因子和聚集度因子对权值进行改进,进而改进了速度更新公式,并引入飞行时间因子以改进位置更新公式.通过3种典型函数证明了该算法的优越性,加快了收敛速度,提高了寻优效率.以典型二阶被控模型为研究对象,将上述算法与其他粒子群算法进行对比,表明改进的粒子群算法得到的PID参数具有更好的控制性能.     

利用BFO算法优化PID参数的机械臂控制设计分析

提出了一种基于细菌觅食(BFO)算法优化PID控制器参数的机械臂控制设计分析,用于不确定的2自由度旋转棱镜(RP)机械臂有效的轨迹跟踪和参数鲁棒性.提出的方法将BFO算法与PID控制器相结合,通过BFO算法在线对PID控制器的3个参数进行优化.最终,传统的动抗干扰抑制(ADRC)设计问题被转换成用于寻找最优控制器调谐参数的特殊优化问题.仿真结果表明,与传统方法相比,提出的方法能有效提高机械臂跟踪控制的快速性和准确性,具有更优越的控制品质和较强的抑制干扰能力.     

基于单片机的模拟灰度循迹小车设计

本文设计了一套以S9KEA128单片机为主控的模拟灰度循迹智能车系统。针对一般智能车采用按键控制式启动,本文采用非接触式启动智能车设计,将E18-D80NK作为控制信号的采集装置。本文介绍了差速控制、电机PWM调速、循迹模块的设计、非接触式启动的设计、指定圈数自动停止的设计等。经试验验证,该智能车可以自主完成铺设有直角弯、U型弯、梯形楼梯、双驼峰、悬崖等元素的赛道,并且速度不低于2m/s,循迹效果可靠稳定,而且提升空间较大。