自动送钻模拟加载实验的自适应模糊控制

自动送钻实验装置是为探索和研究自动送钻技术和控制方法而开发研制的，它是一个具有时变、时滞的埋线性系统。因此，对于系统中模拟井下钻压变化和模拟自动送钻子系统的控制至关重要。将自适应模糊控制策略应用于加载控制，跟踪实际钻压实现加载，为钻压优化自动送钻技术的研究提供载荷条件。实验结果表明，自适应模糊控制在自动送钻加载子系统中的应用是成功的，它具有良好的跟踪控制特性，控制算法亦具有通用性。     

自动送钻实验系统的优化加权模糊控制

针对自动送钻实验系统，设计了一种带优化加权因子的模糊控制器，以ITAE积分性能指标为寻优目标函数，通过对误差和误差变化的加权因子的优化来获得系统的最佳模糊控制规则，并将其控制效果与一般模糊控制器的效果进行了仿真比较。结果表明，一般模糊控制器作用于自动送钻实验系统时，由于超调量太大，系统难以正常工作；带优化加权因子的模糊控制器可使系统的超调量降到4％，调节时间为17s，稳态误差小于0.1%，其他性能指标均满足要求，大大改善了系统的动态性能。     

自动送钻模拟加载实验的自适应模糊控制

自动送钻实验装置是为探索和研究自动送钻技术和控制方法而开发研制的 ,它是一个具有时变、时滞的非线性系统 .因此 ,对于系统中模拟井下钻压变化和模拟自动送钻子系统的控制至关重要 .将自适应模糊控制策略应用于加载控制 ,跟踪实际钻压实现加载 ,为钻压优化自动送钻技术的研究提供载荷条件 .实验结果表明 ,自适应模糊控制在自动送钻加载子系统中的应用是成功的 ,它具有良好的跟踪控制特性 ,控制算法亦具有通用性     

自动送钻实验系统的优化加权模糊控制

针对自动送钻实验系统 ,设计了一种带优化加权因子的模糊控制器 ,以 ITAE积分性能指标为寻优目标函数 ,通过对误差和误差变化的加权因子的优化来获得系统的最佳模糊控制规则 ,并将其控制效果与一般模糊控制器的效果进行了仿真比较 .结果表明 ,一般模糊控制器作用于自动送钻实验系统时 ,由于超调量太大 ,系统难以正常工作 ;带优化加权因子的模糊控制器可使系统的超调量降到 4% ,调节时间为 1 7s,稳态误差小于 0 .1 % ,其他性能指标均满足要求 ,大大改善了系统的动态性能     

国内外钻机自动送钻技术发展现状

自动送钻技术以其独特优势被广泛应用在石油钻机上,经历了带刹车自动送钻技术、盘式刹车自动送钻技术和能耗制动自动送钻技术三个阶段。阐述了不同发展时期典型产品的工作原理和结构,比较了不同方式的自动送钻装置及不同的使用范围和用途。现在自动送钻装置都以恒钻压钻进为基础,研究发展钻压优化自动送钻技术,为以后建立钻井专家系统提供技术支持。     

单神经元PSD控制器在自动送钻模拟加载中的应用

自动送钻实验研究为其在现场的推广应用奠定基础 .针对钻井过程中井况的非线性、不确定性和实时性要求 ,采用单神经元 PSD控制器实现自动送钻模拟加载 .给出了自动送钻实验系统的结构和原理 ,介绍了单神经元 PSD控制器的设计 .实验结果表明 ,单神经元 PSD控制器结构简单 ,易于实现 ,效果明显优于 PID控制器 ,值得推广 .     

基于遗传算法的模糊控制送丝系统

高质量的焊接在很大程度上决定于送丝机构的性能,模糊控制相对于传统的PID控制,具有更高的系统鲁棒性和稳定性,而模糊控制的三个因子对控制器的性能有很大的影响,常规的模糊控制都是采用人工的多次现场调试来确定,而且了不能得到最优的控制性能。采用遗传算法来寻优整定模拟控制器的参数,以送丝系统的跟踪误差为目标函数,采用二值编码的遗传寻优整定,不仅得到了最优性能的模糊控制送丝系统,而且使其设计过程大大简化,最后通过仿真比较,证明了遗传寻优模糊控制送丝系统的性能明显优于常规模糊控制的性能。     

参数自适应模糊PID控制器在自动励磁调节系统中的应用

在参数自适应模糊PID控制器的基础上，利用模糊推理的方法实现了对PID参数的在线自动整定，并且在MATLAB软件下将该控制器在自动励磁调节系统中的应用进行了研究，仿真结果表明，参数自适应模糊PID控制能使系统达到满意的控制效果，对进一步应用研究具有较大的参考价值。     

单神经元PSD控制器在自动送钻模拟加载中的应用

自动送钻实验研究为其在现场的推广应用奠定基础．针对钻井过程中井况的非线性、不确定性和实时性要求，采用单神经元PSD控制器实现自动送钻模拟加栽．给出了自动送钻实验系统的结构和原理，介绍了单神经元PSD控制器的设计，实验结果表明，单神经元PSD控制器结构简单，易于实现，效果明显优于PID控制器，值得推广。     

焊接自动送丝控制系统模糊控制的计算机仿真

利用在数值积分法基础上编制的计算机数字仿真程序,根据系统的动态结构图.针对变速送丝系统PID控制的问题提出了采用模糊控制的改进措施,并进行了计算机的仿真实验研究.     

石油钻机综合性测试实验装置研制

为更新改造石油机械实验室的旧设备,研制了新的石油钻机加载装置及自动送钻控制装置和配套测试仪器;设计和开发了一系列与机械工程测试技术、电液自动控制技术、交流变频技术、可编程控制器、传感器应用技术及信号处理技术相关的实验项目;为实验教学和科研创造了良好的工作条件和试验平台,并在实验教学和科研工作的实际使用中取得了较好的效果。     

数控机床伺服系统自适应模糊控制研究

为了提高数控机床伺服系统的稳定性和控制精度,使系统具有较好的抗干扰和自适应能力,建立了数控机床伺服系统的数学模型,论述模糊自适应控制原理,确定了e、e&和U的隶属度函数及其赋值表,通过计算求出K1、K2、K3的值,在此基础上建立系统的控制规则,利用MATLAB/Simulink与模糊控制相结合对系统进行动态仿真,从仿真曲线分析得出结论:在加入白噪声后,系统依然稳定.由此可得:自适应模糊控制的自适应能力强,可以提高机床伺服系统的稳定性和控制精度,使机床伺服系统有较强的鲁棒性.     

基于遗传算法的模糊控制送丝系统

高质量的焊接在很大程度上决定于送丝机构的性能 ,模糊控制相对于传统的 PID控制 ,具有更高的系统鲁棒性和稳定性 .而模糊控制的三个因子对控制器的性能有很大的影响 ,常规的模糊控制都是采用人工的多次现场调试来确定 ,不仅费时 ,而且也不能得到最优的控制性能 .采用遗传算法来寻优整定模糊控制器的参数 ,以送丝系统的跟踪误差为目标函数 ,采用二值编码的遗传寻优整定 ,不仅得到了最优性能的模糊控制送丝系统 ,而且使其设计过程大大简化 .最后通过仿真比较 ,证明了遗传寻优模糊控制送丝系统的性能明显优于常规模糊控制的性能     

非线性系统的直接自适应模糊控制

对非线性系统的直接自适应模糊控制进行了研究。通过对直接模糊控制方案的自适应律进行修改 ,来减小逼近误差对跟踪精度的影响。所给方法不但能保证闭环系统的稳定性 ,而且可使跟踪误差收敛到原点的小邻域内。此外 ,还克服了外界干扰对系统误差的影响     

参数自调模糊控制方法在机器人中的应用

设计了用于水下船体表面清刷机器人系统运动控制的参数自调整模糊控制器,仿真结果表明,通过调整模糊控制器的参数K1,K2和K3,使机器人系统具有良好的鲁棒性,满足机器人控制性能要求．     

基于参考模型的移动机器人直接自适应模糊控制

移动机器人是一个多种功能为一体的综合系统．在控制和规划方面缺乏智能性和鲁棒性。本文提出利用参考模型的直接型自适应模糊控制方法．即直接调整控制器的参数,直到把控制对象和参考模型之间的输入误差减少到10^-6的范围为止．运动控制效果很好。     

遗传算法参数自适应控制的新方法

根据遗传算法参数自适应控制方法的不同分类,采用基于启发式规则的参数控制方法对遗传算法的种群数进行了宏观调控和微观调控。并采用不同特点的模糊控制器分别控制交叉率和变异率,使种群数、交叉率和变异率都能够随进化的实际情况发生自动调整,形成了一种新的种群数变化的模糊自适应遗传算法。实验数据表明这种算法能够有效防止遗传算法早收敛,同时也说明对参数进行自适应控制能够使遗传算法性能大大提高。     

基于模糊控制的自适应播放算法

自适应媒体播放(AMP) 技术是提高流媒体播放性能的一种有效方法.为了减轻传统的AMP由于播放速度突变而对播放质量带来的影响,提出一种基于模糊控制的自适应媒体播放算法.通过当前缓冲和播放速度的情况来动态调节播放速度,产生比较平稳变化的播放速度,同时保持缓冲在一定范围内变化.仿真结果表明: 该算法能够在保持缓冲下溢概率和播放延迟基本不变的前提下,使播放速度变化幅值和变化增量减小到原有AMP算法的10%以下,该算法优于原有AMP算法.     

基于遗传算法信息组合的自适应模糊控制

利用模糊理论分别建立了与控制对象和控制知识信息相对应的控制系统，应用遗传算法获取2个系统在不同时间段的最佳组合因子，消除了对组合因子赋值的主观性和不准确性．基于李雅普诺夫函数的方法推导了模糊控制系统中参数的自适应控制律，并且证明了系统的稳定性和收敛性．将遗传算法信息组合的自适应模糊控制方法应用在达芬混沌系统的控制中，仿真结果对比表明，虽然组合型自适应控制方法可以有效地控制达芬强迫震荡系统，但文中提出的方法能使各控制状态有界，并且能够迅速准确地跟踪目标．     

基于模糊控制的自动引导车实验研究

近年来国内外对自动引导车的理论及应用研究受到越来越广泛的关注,特别是对所进行的实验研究,具有深刻的实际意义.该文介绍了一种自行研制的三轮自动引导车,其两前轮为驱动轮,后轮为一万向轮,车体采用金属框架结构.主控单元为P87LPC769单片机,通过模糊控制技术对自动引导车直线、转弯行驶进行实时控制.实验结果表明该模糊控制算法的有效性.