基于PLPF方法的车辆ABS控制方法

建立了四通道车辆防抱制动系统（ABS）的状态空间模型，考虑到其非线性特性，提出了用PLPF（分段线性多项式）函数对其进行分段线性化的方法，并提出了修正的PLPF方法，利用车辆系统的状态参数得出系统矩阵和控制矩阵。用最优控制方法得出在下一个采样点时的车辆状态，即可按照基于PLPF的最优控制方法得到控制序列。     

基于鲁棒整定的球磨机系统多变量PID控制

基于内模控制原理，导出一种多变量系统的PID控制器参数整定新方法，可直接获得控制器的比例项、积分项、微分项系数以及考虑到微分项可实现性的实际微分环节的时间常数。该整定方法应用于严重多变量耦合的电厂制粉系统球磨机控制的仿真研究，结果表明：所整定的PID控制系统具有良好的调节品质，在系统特性变化的情况下具有很强的鲁棒性。     

电站仿真器PID控制参数的模糊整定

在归纳总结目前使用较广泛的一些控制系统参数整定方法的基础上,通过对热工过程对象特性的研究,提出一种基于模式识别的模糊整定方法,以此在电站控制系统中的汽温控制等回路上进行了仿真整定试验,并将其应用于东北电力局６００ＭＷ电站仿真器的控制系统参数整定,效果良好,证明了本文提出的整定方法的可行性     

基于遗传神经网络的自整定PID控制器

提出了一种基于遗传算法和神经网络的自整定PID控制器的设计方法。该控制器主要由三个部分组成。第一部分利用遗传算法搜索出一组准优的PID参数，作为PID控制器参数的初值，第二部分利用神经网络具有逼近任意非线形函数的能力，在线调整PID参数，以确保系统的响应具有最优的动态和稳态性能，第三部分是传统的PID控制器，直接对被控对象闭环控制。计算机仿真结果表明，这种控制算法鲁棒性强，响应速度快，可用于控制不同的对象和过程。     

参数自整定2自由度PID全神经元实现的仿真研究

2自由度PID控制器参数整定是一个复杂而又困难的问题，本文采用全神经元方法实现了2自由度PID控制。通过权值自学习解决了参数自动整定这一难题，只要选择适当的神经元权值系数，就可以是系统的抗干扰能力和跟踪给定的能力同时达到最佳，并使系统具有自适应能力和较强的 鲁棒性。     

基于ADAMS和Simulink联合仿真的ABS控制算法研究

为了减少车辆控制系统的开发时间和费用，联合仿真方法受到越来越多的重视。它结合了不同软件的优点，可以在设计阶段验证控制算法对车辆性能的影响。建立了ADAMS和Simulink的联合仿真模型，在各种工况下对防抱制动系统（ABS）的常用控制方法——逻辑门限值方法进行了验证。仿真结果与实验数据进行了对比，证明联合仿真方法对ABS系统设计切实可行。该方法大大提高了ABS匹配的效率。     

控制系统PID参数整定软件包CSLab

介绍了控制系统PID参数整定软件包CSLab。该软件包是以Matlab5．3为平台开发的，针对于单变量控制系统，采用了多种PID参数整定方法。具有丰富的控制系统仿真、分析计算和设计功能，并且建立了开放性的结构，具有高度的可扩展性，可以把新的参数整定方法扩充进来，同时还为用户提供了其它复杂控制结构，使得用户可以根据需要进行控制系统的设计。     

基于神经网络自整定PID控制策略及其仿真

提出了在RBF网络辨识Jacobian阵基础上，将BP网络引入PID控制参数在线整定的算法，算法可以实现PID控制参数的自动在线整定和优化；给出了在Matlab平台上实现算法的步骤；并通过实例仿真进一步证明了算法的可行性和优越性。     

基于群体智能免疫算法的PID自整定

传统的PID整定方法得到的结果通常不是最优参数,很多学者采用遗传算法和模拟退火方法来解决这个问题.针对遗传算法很容易陷入局部最优值和模拟退火算法收敛速度慢这些缺点,融合了粒子群算法和人工免疫机理的优点,提出了一种基于群体智能的免疫算法,对典型二阶对象进行PID控制器参数优化整定.仿真结果证明了提出的算法有效可行.     

基于BP神经网络PID参数自整定的研究

PID控制是迄今为止在过程控制中应用最为广泛的控制方法。但在实际应用中，其参数整定仍未得到较好的解决。本文把神经网络技术应用在PID控制中，充分利用神经网络具有非线性函数逼近能力，构造神经网络PID自整定控制器，并通过仿真试验，取得较好的结果。     

基于遗传算法的交通信号机器学习控制方法

通过对到达车辆数目的模糊分类,将交通信号控制方案以不同规则集的形式实施,根据实际控制效果利用遗传算法对规则集进行改进,形成了一种具有机器学习能力的单路口交通信号新控制方法.经过仿真实验,对该方法的控制效果与定时控制和感应控制进行了比较,仿真实验的结果说明该方法的控制效果明显优于传统控制方式.     

基于GA和LS-SVM的AGV变结构控制

为了提高自动引导车控制的精度,提出了一种基于遗传算法和支持向量机的变结构控制方法。利用遗传算法结合支持向量机在线调整变结构控制律中的参数,克服了常规变结构控制方法中需预先设定趋近律参数的限制,既保留了传统趋近律的优点,又有效的改善了系统的控制品质,消除了系统抖振,使系统最终以理想方式在滑模面上运动,理论分析和仿真结果表明了所提出方法的有效性。     

交通信号自适应遗传控制算法及其仿真研究

针对传统的交通信号控制方法时效性不强、运算量大等缺陷,提出了一种基于自适应遗传算法的单点交通信号控制策略。首先构建了多相位单交叉路口的数学模型,并推导出平均延误时间目标与绿灯配时之间的关系,在此模型的基础上采用自适应遗传算法进行优化,并对该方法的有效性以及相对于传统遗传算法的快速收敛性进行了仿真验证。结果表明,相对于固定配时方案和传统的遗传算法配时方案,该方法有效的提高了控制效果和时效性。     

汽车制动防抱系统的混合建模与仿真研究

在分析汽车制动防抱系统(ABS)工作特点的基础上,指出汽车ABS是由连续系统与离散系统组成的混合系统,进而提出基于有限状态机与Matlab/Simulink的ABS混合建模方法。利用混合建模方法建立了某轻型客车的ABS仿真模型并进行了低附着系数道路条件下的仿真研究,探讨了制动器制动力、电磁阀响应时间和车轮转动惯量对汽车ABS性能的影响。仿真结果表明基于混合建模的ABS仿真系统能很好的模拟汽车ABS的性能;制动器制动力、电磁阀响应时间和车轮转动惯量对ABS制动性能影响的分析为ABS的设计提供了依据。     

基于成长遗传算法的非线性模型预测控制及仿真

非线性预测控制在每个控制周期需要求取控制量,其实质为非线性优化问题。标准遗传算法时间消耗较大,难以用于控制周期较小的系统。首先证明了基于种子策略和精英保存策略的遗传算法能够保证闭环控制系统的渐进稳定性;继而模拟自然界成长过程,利用成长算子改进算法框架,并用爬山法进行实现。在具有强烈非线性的连续搅拌釜式反应器模型上进行仿真试验。试验结果表明,在不损失控制效果的情况下,成长遗传算法有效的降低了时间消耗。     

基于GA神经网络的自适应预测控制的设计与仿真

针对自适应预测控制抗干扰、鲁棒性与实时性的矛盾，根据遗传算法优化后的神经网络具有很强的自适应性和学习能力、记忆能力、非线性映射能力、鲁棒性和容错能力，文章提出了一种新的自适应预测控制，成功地避免直接矩阵求逆，仿真表明该算法具有良好的综合性能和鲁棒性。     

基于有限状态机理论的ABS模糊控制仿真研究

在分析汽车防抱死制动系统传统控制方法以及汽车稳定性控制系统集成控制基础上,提出了基于滑移率的模糊控制方法.利用Matlab的模糊工具箱建立了模糊控制系统;搭建了基于Simulink的7自由度车辆模型、Dugoff轮胎模型和压力调节单元模型;基于有限状态机理论的控制输出模型,在此模型搭建的环境中完成了单一路面和对接路面仿真.仿真结果表明:基于Matlab/Simulink/Stateflow的ABS仿真系统能很好的模拟车辆制动过程;基于滑移率的模糊控制方法能将滑移率稳定控制在理想值,为车辆稳定性系统集成控制提供了必要接口;能有效地缩短制动距离,提高车辆的方向稳定性,对路面的突变具有很好的适应性.     

基于横摆角速度的ABS整车控制方法的研究

ABS的控制策略一般都在单轮模型的基础上开发,显然这样的控制策略不能很好的满足汽车制动过程中的方向稳定性。在ABS逻辑门限控制策略的基础上给出了一种基于横摆角速度的ABS整车控制方法。结合14自由度的汽车动力学模型,利用数值仿真技术进行了ABS单轮控制策略、低选控制策略以及整车控制策略下汽车制动性能的分析,并从汽车制动效能以及方向稳定性等参数进行了各种控制策略的比较,结果表明控制方法不仅具有良好的制动效能,同时也有较好的方向稳定性。