填丝脉冲GTAW焊缝成形的单变量智能控制

针对填丝脉冲 GTAW过程的不同熔透状态 ,提出了焊缝正面和反面的成形控制问题。考虑到焊接过程的非线性特点 ,结合 PID控制器和神经元控制器的优点 ,设计了基于单个神经元的单变量自学习 PID控制器。在 2 m m厚的哑铃形 A3钢试件上进行对接闭环控制实验 ,试验结果表明 :在散热条件变化的条件下单独调节脉冲占空比可以保证焊缝反面宽度的稳定 ;单独调节送丝速度可以保证焊缝正面高度的稳定。     

机械压力机可编程控制器控制计算机模拟软件的研制

论述了对通用机械压力机可编程控制器（PLC）控制进行计算机模拟的必要性及可行性,研制了相应的模拟软件,叙述了模拟软件的基本功能,分析了模拟软件中PLC控制梯形图的绘制方法、梯形图等价逻辑语句程序的生成及文件保存的方式,并对锁值模拟、梯形图扫描跟踪、PLC控制及曲柄连杆机构运动过程的动态模拟进行了全面深入的研究,该模拟软件界面友好,通用性强,在机械压力机动作过程中实际电器的输入和输出可直观地显示在微机界面上,从而为程度调试、修改带来的极大的方便。     

双α射线冷却法测空气湿度的研究

介绍了双α放射线性同位素检测露点的方法。使用半导体探测器及半导体制冷器构成传感器,并利用无模型控制器进一步控制半导体制冷温度,达到对露点跟踪,实施在线检测并显示输出。实验结果表明,在-40～20℃范围内,具有很好的测量精度和重复性,测量精度优于±1℃。     

可编程控制器在供热网中的应用

论述了可编程序控制器的工作原理及结构，结合实际分析了它具体的工作过程，介绍了可编程序控制器在供热网中热力站本地控制器、便携式流量计等方面的应用，指出了利用可编程PLC实时、多任务的特点对热力站进行调控的效果。     

二次型性能的优化降阶控制器设计

在静态输出反馈控制器设计的基础上,设计线性系统在二次型性能指标下的优化降阶动态输出反馈控制器.动态反馈控制器可表示为一个最优降维状态估值器和一个最优静态反馈增益阵.控制器的输入阵,可用全维控制器输入阵的一个线性组合来表示.通过求解利用降维状态观测器的静态输出反馈,可得到降阶控制的最优反馈增益阵.最后,通过一个例子,说明本文提出的给定解控制器设计方法.     

PLC控制的步进电机频率曲线优化技术研究

PLC(Programmable Logic Controller)控制步进电机在许多工业控制中应用广泛,本文介绍了PLC通过发送脉冲和方向信号给步进电机的驱动器,由驱动器来控制步进电机工作的原理.并研究了步进电机的频率曲线,分析总结出用PLC控制步进电机使运动小车的运行速度最优化,并在中药自动配药系统中以实验数据证明了步进电机在PLC控制下的频率曲线优化的可行性.     

基于遗传算法整定PI控制器的PMSM简化矢量控制系统

简化矢量控制系统控制结构简单,能有效地降低生产成本,常被用于永磁同步电机控制系统中,但该系统的速度响应及转矩响应性能欠佳．本文采用遗传算法整定简化矢量控制系统中三个PI控制器的参数,使之达到与传统矢量控制系统相似的控制性能．通过仿真实验,验证了基于遗传算法整定PI控制器的永磁同步电机简化矢量控制系统,在连续时间域和离散时间域内都取得了良好的速度响应和转矩响应性能．     

NJ1062型货车电控液压动力转向系统开发

针对NJ1062型货车的液压动力转向系统存在的转向助力不随车速变化的缺陷,研究开发了一种电控液压动力转向系统,可在不更换原车转向系统的情况下,通过增加一个直流电机及控制器来控制转向泵以调节系统的助力特性,使汽车获得理想的助力,该系统已通过台架试验得出其可行性.     

基于免疫遗传算法的移动机器人轨迹跟踪

为实现移动机器人轨迹的准确跟踪,提出一种基于免疫遗传算法的移动机器人控制器参数整定方法.首先建立移动机器人的结构模型、运动学模型、电机控制系统模型,然后针对所建立的模型,采用一种改进的免疫遗传算法对电机控制系统模型参数进行了整定.该算法在选择下一代的过程中,既考虑了抗原的适应度函数,强调抗体的个人竞争,保证了算法的收敛速度,又引入了抗体浓度概念来体现抗体间的相互交流,从而强化了算法的全局搜索能力,弥补了传统遗传算法搜索能力不足的缺陷.文中最后利用移动机器人的实验平台,进行了带负载下驱动电机的阶跃信号响应和移动机器人运动轨迹的跟踪实验,电机的阶跃信号响应良好,移动机器人也能较好地复现所规划的轨迹.仿真与实验结果表明,所提出的基于免疫遗传算法的机器人轨迹跟踪控制算法有较高的可行性与优越性.     

基于遗传算法PID控制器在张力控制中的应用

采用遗传算法进行PID参数的优化设计．根据控制任务的要求建立综合优化指标，在此基础上提出采用遗传算法进行PID参数优化的基本步骤，并具体以数字控制系统PID参数的优化为例进行了仿真计算．研究表明，对比传统的优化方法，遗传算法是一种十分有效的优化方法，遗传算法不要求优化对象的数学模型连续，而具有更宽的适用范围，同时遗传算法还具有较好的鲁棒性和稳定性．