工程车辆自动变速器换挡的神经网络控制系统

通过BP（back propagation)神经网络对工程车辆“两参数换挡规律”进行系统建模和控制,并利用在ZL50装载机传动系统换挡实验中获得的数据进行验证性仿真,所得到的仿真挡位与实验挡位基本保持一致,表明该BP神经网络挡位控制系统可根据操作工况环境实现正确的变速箱挡位控制,这是实现工程车辆挡位决策智能化的一种行之有效的方法。     

模糊神经网络的自动变速汽车换挡规律分析

在分析目前汽车自动变速器换挡规律制定方法优缺点的基础上,提出了基于模糊神经网络的最佳挡位判断方法,研究了基于Takagi-Sugeno模型的神经网络结构及其算法。根据熟练驾驶员的经验和专家知识制定了汽车自动变速器换挡规律的两参数模糊逻辑推理规则和隶属度函数,利用人工神经网络的学习训练机制并按照试验样本修正了模糊系统的隶属度函数和模糊控制规则,进行了模糊神经网络的训练和仿真,仿真结果表明该基于Takagi-Sugeno模型的模糊神经网络的汽车自动变速器换挡规律制定方法的正确性和可行性。     

用虚拟仪器实现BP神经网络的PID控制

新建一个3层BP神经网络的虚拟仪器程序,通过设置隐含层层数、学习速率、惯性系数、输入信号类型和采样周期等控制单元,可将PID控制器的调控参数传递给后台程序.程序运行时,用户在控制面板中修改参数的输入值,系统做出实时响应,系统输出波形也会发生相应的变化.仿真结果表明,BP神经网络PID控制器参数调整简单,具有较高的精度和...     

基于反向传播神经网络的Ad Hoc网络PID拥塞控制

为了改进比例积分微分(PID)控制在Ad Hoc网络主动队列管理(AQM)中的动态性能,优化PID控制参数的整定,该文提出了一种基于反向传播神经网络的PID拥塞控制AQM方案。该文将Ad Hoc网络的分组丢弃分为拥塞丢弃和无线丢弃,考虑分组的到达与丢失为流体,推导了拥塞窗口和队列长度的随机微分关系,通过小扰动线性化理论,获得Ad Hoc网络AQM拥塞控制模型。根据该模型,设计了基于反向传播神经网络(BPNN)的PID队列控制器,该算法可以根据网络状况对控制器PID系数进行自适应的调整。MATLAB和网络模拟器(NS)仿真表明,在突发流、链路容量及时延时变的Ad Hoc网络中,新算法在收敛速度和队列抖动上优于PID。     

车辆起步过程神经网络PID控制研究

针对车辆起步工况的多样性, 笔者设计了神经网络PID(Proportion Integration Differentiation)控制器, 通过对离合器的转速跟踪控制, 在保证发动机不熄火的前提下, 实现了AMT(Automatic Manual Transmission)车辆快速平稳起步的控制目标。为了验证控制器的有效性,建立了中型卡车的传动系模型, 其中包括发动机、 离合器、 变速箱、 主减速器和车轮等, 并且根据实际起步情况, 设置了正常起步、 急起步、 载重起步和坡路起步4种工况, 进行了AMESim-Simulink联合仿真实验。通过与传统PID控制器的控制效果相比较, 分析得出,神经网络PID控制器能在变工况下很好地完成AMT车辆起步控制, 具有良好的自适应性。     

基于BP神经网络PID的直流电机调速系统设计

本文根据直流电动机的数学模型,建立了状态空间方程,分析了直流电动机的可控性。同时,本文根据BP神经网络算法的控制理论设计了双闭环直流调速系统的相关算法。并用MATLAB软件进行仿真,实现了闭环控制系统的响应速度快、跟随性能好等功能。     

液力自动变速器换挡过程动力学分析

提出了液力自动变速器换挡过程动力学模型 ,建立了液力自动变速器各换挡阶段的微分方程 ,探讨了升挡和降挡过程变速器各元件的运动和输出力矩的变化情况 ,明确了液力自动变速器换挡接合元件的搭接控制原则 .     

汽车自动变速技术的发展现状

文章讨论了车辆自动传动装置的类型,介绍了液力机械式、机械无级变速器和电控机械式3种自动变速器的原理、特点、关键技术和国内外的发展状况,分析了自动变速技术的发展方向和在中国的市场前景。明确指出自动变速器是汽车动力传动装置的发展方向,在中国有巨大的需求潜力;所以,要尽快发展适合我国国情的自主知识产权的自动变速器。     

基于神经网络PID控制器在交流调速系统中的应用

针对PID控制和神经网络控制在交流调速系统中的局限性,利用其各自的优点,采用神经网络和PID控制相结合的方法构建神经网络PID控制器,实现变频调速控制,得到了神经网络控制器模型和神经网络控制方法运行的结果。仿真结果充分表明了神经网络模型具有良好的稳定性、鲁棒性和跟随性,而且改善了原系统的动态特性,证明了该方法在交流调速系统中的应用价值。     

LMBP神经网络PID控制器在暖通空调系统中的应用研究

针对BP神经网络学习过程收敛速度慢及易陷入局部极小值的缺陷,研究了levenberg-marquart算法(即LM算法).为解决LM算法中学习速率的选择和逆矩阵的求解这两个严重影响训练时间和收敛精度的问题,采用LU分解法对LM算法进行改进和优化,并通过MATLAB语言编程实现,将得到的LMBP神经网络PID控制器应用于暖通空调冷冻水循环的控制回路中,将其控制效果与PID控制算法、BP神经网络PID控制算法进行仿真对比研究.研究结果表明,采用LMBP神经网络PID控制器在减少超调量、加快收敛速度、减少稳态误差等方面的性能都得到了明显的改善.     

基于BP神经网络的发动机怠速模型

发动机怠速模型是发动机怠速控制的基础.发动机怠速工况具有非线性特性.利用BP人工神经网络建立了发动机怠速模型,并利用实际发动机系统测得的怠速转速数据作为神经网络学习样本数据.理论分析和仿真研究均表明了该方法的有效性.     

基于PID神经网络的非线性系统辨识与控制

针对工业控制领域中非线性系统采用传统的控制方法不能达到满意的控制效果,提出一种基于P ID神经网络的控制方案,以对其进行辨识和控制。将P ID神经网络引入控制系统中,既具有常规P ID控制结构简单、参数物理意义明确等优点,同时又具有神经网络的并行结构和学习记忆功能及非线性映射能力。仿真结果表明:该控制系统响应速度快、超调量小、稳态精度高,能够快速跟踪系统输出并进行有效控制,且具有一定的自适应性和鲁棒性,满足实时控制的要求。     

基于小波神经网络免疫PID控制器的研究

针对PID控制器,本文介绍了一种基于小波神经网络的免疫PID控制器。由于小波变换具有较好的时频局部性．神经网络拥有较强大的非线性映射的能力、自适应、自学习等优势,将规范正交的小波函数与神经网络的基函数相结合构成小波神经网络．该网络同时具有小波和神经网络的优点,本文用小波神经网络来逼近免疫PID的函数,试验以及仿真结果表明,本文介绍的控制器性能优于其它类型免疫PID控制器。     

基于神经网络的速度估计方法

为解决无速度传感器感应电动机矢量控制系统的速度估计问题,以神经网络模式识别的理论为基础,结合神经网络在自动控制领域中的典型应用经验,提出了两种基于神经网络的速度估计方案,分析比较了各自的优点,并通过Matlab仿真,证明了所提方案的估计精度高,估计转速能很好地跟踪实际转速(即使负载发生变化或转速发生阶跃变化),而且对电机参数变化具有很强的鲁棒性,对考虑铁耗后所产生的影响也不太敏感,使相应的无速度传感器矢量控制系统具有良好的静、动态性能.     

基于BP神经网络的柴油发动机故障诊断

阐述了BP神经网络模型及原理,提出了基于BP神经网络的发动机故障诊断分析方法,在理论分析的基础上,对发动机故障的检测和分析进行了MATLAB仿真,仿真结果表明,利用BP神经网络对发动机故障进行检侧具有检测精度高、速度快的特点.     

Smith-RBF-PID控制算法在工业平缝机脚踏板调速模块中的应用

针对工业缝纫机调速模块的伺服系统普遍存在耦合、大滞后的现象,提出了一种将Smith预估补偿和RBF神经网络算法与PID控制器相结合的Smith-RBF-PID控制算法。该方法利用了Smith预估补偿能克服纯滞后和RBF能处理非线性问题、在线自学习整定PID参数的优点,在调速模块的伺服控制系统中更加有效。     

基于新型PID神经网络的自适应控制系统研究

提出一种新的PID型神经网络的自适应控制系统,该控制系统采用对角递归神经网络辨识对象的正向模型,采用一种新型神经网络控制器产生控制量,与常规PID控制不同的是,该控制量不再是误差信号的比例、积分和微分量的简单线性组合,而是这些信号的一种非线性组合,从而可以有效地解决常规PID控制器存在的快速性和超调量之间的矛盾.仿真实验表明,这种新型控制系统具有较强的自适应性和鲁棒性.     

基于神经网络辨识的自适应PID控制器

根据实际生产现场对控制的要求,提出了一种将PID控制与神经网络相结合,采用BP网络辨识未知的被控对象,使用单纯形算法寻找最优的PID控制参数,控制与学习并行的控制方案.并对二阶对象进行仿真研究,将其与单位阶跃响应进行了比较.