基于BP神经网络的静液压变速器控制研究

静液压变速器(HST)的操控性是农用车辆性能提升的关键,采用一种基于BP(back propagation)神经网络的新型控制策略,对HST马达输出转速的动态特性进行研究.基于变量泵—定量马达静液压传动系统的数学模型,首先对比研究了传统PID控制、模糊控制以及BP神经网络控制3种方法的控制效果,结果表明:与传统PID控制和模糊控制相比,BP神经网络控制能有效抑制系统超调量并降低马达转速波动,减小系统达到稳态的调节时间,具有良好的鲁棒性.基于此,提出采用BP神经网络控制方法对具有更大马达转速变化范围的变量泵—变量马达传动系统进行调查,研究结果表明,在对变量泵、变量马达分段控制中,该方法能实现较稳定的切换效果;在不同的负载等效转动惯量下,马达转速均能达到稳定状态,且由负载引起的转速波动也得到降低.研究结果表明,BP神经网络控制方法对变量泵—变量马达传动系统具有潜在的控制优势.     

基于RBF-PID控制的直流调速系统仿真

针对工程设计中PI控制直流调速系统启动时转速必然超调、自适应性差等问题,在分析双闭环直流调速系统数学模型的基础上,确定了系统的控制策略,并设计了一个RBF-PID控制器。利用RBF网络的自学习能力实时调节PID控制器参数,最终实现系统转速的调节。仿真测试表明:与工程设计的PI控制相比,采用RBF-PID控制的直流调速系统超调量小、动静态性能好、抗扰性能优、鲁棒性强。     

液压机械传动装置模式切换滚动协调控制

为提高液压机械传动装置(HMT)模式切换过程稳定性,提出了一种HMT模式切换滚动协调控制方法。该方法通过对HMT模式切换原理分析和切换过程模型建立,制定了基于模型预测控制的模式切换机构转矩和液压调速系统排量比调节的滚动协调控制策略;以减小HMT输出转速误差和车辆冲击度为目标,设计了具有状态约束的滚动协调控制器。仿真和试验结果表明,与未采用滚动协调控制方法相比,该方法可减小模式切换过程输出转矩、转速波动,动载荷降低32.9%,冲击度减小37.31%,模式切换时间减少0.28s,且排量比调节使得模式切换前后稳定输出转速基本保持一致,对模式切换过程有较好的控制效果,切换品质得到较大提高。研究结果对液压机械传动装置的实际工程应用具有一定的参考价值。     

永磁同步电动机神经网络速度控制仿真研究

提出利用神经网络作为控制器，取代常规的PID控制器，能达到对变化对象、随机扰动等因素的良好的控制效果，使系统既具有快速的动态响应，又有较高的稳定程度。实现永磁同步电动机调速系统速度控制的研究。仿真结果表明：当突加负载扰动或参数突变时，神经网络控制与PID控制相比，具有恢复时间短，超调和震荡小等特点，证明了神经网络控制的比常规PID控制优越。     

模糊反馈增量式比例积分微分油气悬架控制

为了提升工程车辆的行驶平稳性,以工程车辆油气悬架为研究对象,以车身加速度为主要优化目标,设计了基于模糊反馈的增量式PID油气悬架控制系统。对被动悬架,增量式PID和模糊反馈增量式PID控制器进行仿真,对车身垂向加速度,车轮动载荷,悬架动挠度和控制力四个指标进行分析。选取C级路面和车辆行驶速度作为油气悬架系统输入激励,在降低车身垂直加速度的前提下,着重解决增量式PID控制器存在的问题。仿真结果表明,与传统被动悬架系统相比,基于模糊反馈的增量式PID控制油气悬架系统的车身垂向加速度的均方根值降低52%、悬架动挠度降低24%、车轮动载荷降低了44%。与增量式PID相比,悬架动挠度降低了69%,且基于模糊反馈的增量式PID控制器相比较于传统增量式PID控制器其输出控制力降低了86%。因此可以证明,基于模糊反馈的增量式PID控制器,不仅可以提升油气悬架系统综合动态性能,对改善车辆行驶的平顺性和操作稳定性,具有较好的应用前景,且其在经济性和环保性方面同样更具优势。     

基于RBF神经网络整定的热风炉温控系统设计

为了提高热风炉的燃烧效率,改善热风炉温控系统的自动化程度,提出了一种基于RBF神经网络整定的PID控制策略。首先,通过RBF神经网络算法和增量式PID控制器的结合,将神经网络强大的自学习能力应用于对增量式PID参数的调整。然后,在常规热风炉温控系统的基础上,将其外环改为采用RBF神经网络整定的PID控制。热风炉温控系统中内环以煤气阀门开度为变量,外环以拱顶温度为控制变量,通过改进的串级控制来实现热风炉的燃烧优化调整。Matlab仿真分析和实际应用效果表明,RBF神经网络整定的PID控制曲线几乎无超调量,系统抗干扰能力相对传统的PID控制提高了50%。与传统的手动控制相比,所提出的控制策略使得原系统的抑制干扰能力明显增强、鲁棒性更好,在热风炉温控方面具有良好的研究和应用价值。     

基于模糊变步长神经网络的永磁同步电机控制系统

永磁同步电机在传统工业生产、调速系统中应用较为广泛,但是该电机拥有非线性、强耦合、多变量等特性,使系统的响应能力和抗干扰能力降低。为保证系统平稳的运行,本文将RBF神经网络辨识器应用到永磁同步电机控制系统中,并使用模糊逻辑优化神经网络的学习步长,提高了RBF神经网络的辨识精度。仿真结果表明,这种优化后的神经网络辨识器对永磁同步电机速度控制有着良好的运行性能,比以往的传统PID控制转速超调量更小,更快地趋于平稳。     

一类非线性离散系统的神经网络自适应控制

针对一类控制方向未知的单输入单输出非线性离散系统,将常规增量式数字PID控制器与自适应神经网络控制项相结合,提出了一种能够保证闭环系统稳定的自适应神经网络控制方法.常规PID控制器用来保证近似线性系统的稳定,自适应神经网络项用来处理非线性项对闭环系统的影响.在神经网络权值修正律中引入离散Nussbaum增益来解决被控系统控制方向未知的问题.证明了闭环系统的所有信号有界,且跟踪误差收敛于紧集,并通过仿真验证了所提方法的有效性.     

基于RBF神经网络的PID控制在锅炉温度系统中的应用研究

目的提高电厂锅炉温度系统控制的可靠性和安全性,达到精确控制。方法提出一种基于RBF(Radial Basis Function)神经网络的PID控制器,建立3层神经网络模型。结果在RBF-PID控制过程中,由神经网络RBF在线辨识得到梯度信息,然后根据梯度信息对PID的3个参数进行在线调整,从而改善系统的控制品质。结论仿真结果表明,基于RBF神经网络的PID控制较传统PID控制有较强的鲁棒性,提高了实时性能,获得了更好的控制效果。     

基于FPGA的增量式PID智能湿度控制器的设计

该设计运用增量式PID算法在FPGA内实现智能湿度控制系统中的控制核心模块。增量式PID算法相比传统的PID算法具有计算误差对控制量影响小,手动自动无冲击切换,可靠性高等优点。且基于FPGA进行硬件电路设计方法相比对单片机采用软件编程的方法来实现PID控制在控制精度、速度、稳定性等多个方面具有不可比拟的优势。     

基于FNNC的转速闭环变频调速系统研究

针对交流电动机这种复杂的被控对象,传统的PID控制器难以获得理想的控制效果。提出一种采用结构简单的BP网络构建的模糊神经网络控制器(FNNC),并将该控制器在VC 软件平台上编制成相应的控制算法,组成了由工控机为控制器的转速闭环变频调速系统。通过实际系统运行实验表明,笔者提出的基于FNNC的转速闭环变频调速系统,具有良好的动态性能和较强的抗干扰能力。     

模糊PID控制的电子节温器对油耗的影响

针对传统内燃机水温控制系统不能准确、快速、稳定地调节发动机水温的问题,在Simulink环境下设计了模糊控制器,建立了基于模糊比例-积分-微分(PID)控制的冷却水系统的仿真模型,对使用模糊PID控制的电子节温器与传统机械节温器进行油耗对比试验。仿真及试验结果显示:采用模糊PID控制系统比传统PID控制效果更佳,能减少水温的超调及系统调控的时间。使用模糊PID控制的电子节温器能提高发动机工作时的水温且能有效控制水温的波动,减少风扇开启时间。发动机水温升高能降低发动机的油耗,在新欧洲行驶循环(NEDC)工况下,其节油效率为0.7%;低速小负荷稳态工况下,其节油效率最高可达4.7%。     

神经网络控制在双闭环调速系统中的应用研究

应用BP神经网络对直流双闭环调速系统中转速调节器的比例和积分参数进行在线自学习调整。仿真结果表明,用这种控制方法得到的转速调节器参数比传统的工程整定方法得到的参数控制性能要好的多,有响应快、过渡过程时间短、基本无超调的优点。     

基于双体结构的无人测绘艇航向控制

无人艇在海洋测绘中的应用越来越广泛,而航向稳定性是实现其自主航行的重要基础。设计了一种双体结构的无人测绘艇,用于搭载测量设备并实现测绘功能。为了实现无人艇的航向控制,将RBF(radial basis function)神经网络与PID(proportion integration differentiation)算法相结合,利用RBF神经网络的自学习能力实现对PID控制器参数的整定。在仿真过程中,将RBF-PID自适应模型、单一PID模型以及作为对照组引入的BP-PID自适应模型分别仿真,并在同一时刻加入随机扰动,观察系统响应效果。结果表明,基于RBF-PID算法的无人艇航向控制器的超调量为零、稳态时间最短,同时能够及时有效地纠正随机扰动的影响,保障无人测绘艇的航向稳定性。     

纯电动汽车车载电源性能在环测试平台研究

为研究纯电动汽车车载电源性能,提出并搭建了由异步电动机和直流电动机组成的在环测试平台.异步电动机用来模拟纯电动汽车的牵引电动机,直流电动机用来模拟汽车行驶时的阻力和惯量,对异步电动机和直流电动机分别实施转速控制和转矩控制.分析了电动汽车行驶工况,给出了简单循环工况下参考转速、转距和功率.设计了异步电动机调速系统转速控制器和电流控制器,建立了异步电动机调速系统的数学模型,提出了基于自适应模糊神经网络控制的异步电动机调速系统.仿真和实验结果表明,基于自适应模糊神经网络控制的调速系统明显优于PID控制的交流调速系统,在环测试平台能够较好跟踪参考转速和参考转距的变化.     

基于DSP的直流斩波调速模糊控制器

传统PID控制本质上是一种线性控制,其自适应性及鲁棒性相对较差,不能实现高性能的控制.为了解决传统矿井电机车电阻调速时效率低、动静态性能差的问题,提出了基于DSP的直流斩波调速系统模糊自整定PID参数控制方法.该方法利用DSP 的数据处理能力,在线检测电机转速,通过模糊控制选择自整定PID参数,对PWM开关器件的占空比加以控制.仿真结果表明:该方法应用于矿井电机车调速系统中,模糊控制的调速系统动静态性能明显优于传统调速系统,系统抗干扰性强,满足直流电机车调速的要求.     

某船用柴油机匹配STC及EGR系统试验研究①

针对传统船用增压柴油机低负荷时动力性较差及NO_x排放较高问题,对某船用增压柴油机进行相继增压(STC)结合EGR系统改造,通过试验,研究推进特性负荷下,STC结合不同EGR率对柴油机动力性、经济性以及排放性能的影响。试验表明:在低负荷且0≤η_(EGR)≤0.06时,相比原机,P_k上升,P_z上升、g_i下降、Soot值下降,同时,NO_x值在STC的基础上显著降低;在高负荷且0≤η_(EGR)≤0.06时,可保证P_k、P_z、g_i及Soot值与原机变化不大的基础上显著降低NOx值,弥补STC系统在高负荷时降NO_x排放能力上的不足,如100%负荷、η_(EGR)=0.06时,相比原机,P_k降低4.32%,P_z降低1.45%,g_i上升2.56%,Soot值增加0.037 m~(-1),NO_x值降低18.8%。     

不确定磁悬浮轴承模型的自适应PID控制研究

针对磁悬浮系统具有开环不稳定、非线性以及传统PID控制器由于固定参数无法达到很好的控制效果问题,提出一种RBF神经网络前馈逆补偿-模糊RBF神经网络反馈控制方法,将模糊控制和RBF神经网络融合到PID控制器参数调整中,满足磁悬浮系统静态和动态性能要求。实验结果表明,采用常规PID控制有大约4%的超调,改进后的控制基本没有,且响应时间提前0.3s,具有更好的适应性和鲁棒性,可以更有效地控制磁悬浮系统。     

基于改进模糊PID的轮式机器人速度控制器设计

针对轮式机器人在行走过程中存在速度平衡超调较大与调节时间较长、速度平衡效果较差的问题,采用Matlab/Simulink与Carsim仿真软件建立轮式机器人四轮差速运动模型,对于无刷直流电机(BLDCM)系统,在原有模糊PID的基础上,结合抗积分饱和算法与变速积分算法,提出一种改进模糊PID控制的调速方法。仿真结果表明,通过抗积分饱和与变速积分算法改进后的模糊PID控制器与传统模糊PID控制器相比,在机器人速度平衡控制过程中,超调降低30%,调节时间降低33%,具有速度响应时间短、速度响应曲线波动小的优点。搭建了轮式机器人实验验证平台,实验结果表明,改进后的模糊PID控制调速方法的速度响应快,满足轮式机器人速度控制需求。所提设计可为轮式机器人速度稳定系统调试提供理论指导,并可应用于以速度调控为主导的控制系统。     

LQR优化的BP神经网络PID控制器设计

针对传统神经网络PID(比例 积分 微分)控制器和传统线性二次调节器(LQR)优化型PID控制器对无刷直流电机转速控制恢复时间长及抗干扰性较差等问题, 提出一种LQR优化的BP神经网络PID控制器, 用于无刷直流电机的转速控制. 首先, 利用BP神经网络对PID增益进行调节, 提高控制器的动态适应性和鲁棒性； 然后, 采用LQR优化BP神经网络最优输出, 使其更接近目标PID增益. 仿真结果表明, 该控制器有效提高了响应速度, 减小了稳态误差并增强了抗干扰能力.