基于汽车电子机械制动系统的EBD/ABS研究

采用电子制动力分配(EBD)实现了采用电子机械制动(EMB)后的汽车前后轴间制动力分配,提出了基于EMB的制动防抱死(ABS)模糊PID控制算法.在建立EMB模型及整车模型的基础上对三种典型工况下的制动过程进行了仿真研究.结果表明,通过EBD能实现理想的制动力分配,基于EMB的ABS能把各车轮的滑移率精确地控制在目标滑移率附近,具有较强的鲁棒性.     

柴油机高压共轨压力控制的动态仿真与分析

为提高高压共轨系统压力控制效果,进行了高压共轨系统的压力控制动态仿真研究.简要分析了高压共轨压力控制的特征和要求;采用部件液压模型和流量边界模型组合法,给出了高压共轨系统压力控制计算模型;并用AMESim液压仿真软件建立了四缸柴油机高压共轨压力控制仿真模型,进行了PID的不同系数控制、控制周期和变目标控制仿真计算,对比了不同系数控制、控制周期和变目标控制的效果.仿真结果表明,该模型能满足共轨压力控制要求,反映不同参数的控制效果.     

时变时滞系统的灰色预测非线性PID控制

针对时变时滞过程提出一种新的控制结构.在此控制结构中,利用遗传算法自动跟踪系统的时滞变化,由灰色预测模型根据辨识的时滞提前预测出系统的输出,而系统的预测输出与输入的偏差以及偏差变化率为非线性PID控制器的输入.仿真结果验证了这种结构能很好地满足时变时滞系统的快速动态响应和稳定性要求.     

基于PIλDμ控制器的一种线性系统辨识方法研究

近年来,分数阶控制研究愈来愈被关注.传统系统参数辨识算法主要基于在某种意义下的最优数据拟合思想,往往比较复杂、计算量大.我们将辨识误差的抑制问题,看作是以误差方程来描述的系统的状态渐近稳定性来处理,从而将反馈控制的思想引入辨识算法中,提出了一种基于分数阶PIλDμ控制器的线性系统参数时域辨识算法,给出了递推算法的详细推导,并用已知系统仿真验证了算法的有效性.该算法简便、计算量小.仿真结果表明,该算法优于传统最小二乘法.     

基于@-合成算子的模糊控制器设计

用@-合成算子对模糊控制器进行设计,得到三种新的设计方案,并应用于工业锅炉锅筒水位模糊控制器的设计. 通过MATLAB编程,实现了常用的$ \odot$-合成算子所设计的锅炉锅筒水位模糊控制器和基于@-合成算子得到的三种新的控制器.对实验结果进行分析,发现用@-合成算子设计的一种方案比人们常用的$\odot $-合成算子所设计出来的方案更好,是四种方案中最好的.     

一种T-S型粗糙模糊控制器的设计与仿真

提出了一种新型的粗糙模糊控制器的设计方法,该方法将粗糙逻辑与模糊推理结合起来,利用粗糙集寻求输入输出空间的最小规则集,通过对粗糙规则输出控制信息的补充,建立起T-S型粗糙模糊控制系统。此方法能有效地从输入输出数据中获取控制规则,同时能够解决规则数目随系统变量呈指数增长的“规则爆炸”问题。对变杆长倒立摆控制的仿真结果表明,该方法能够以较少的规则实现高精度、非线性控制。     

基于改进PID神经网络算法的AUV垂直面控制

针对一类小型低速自主水下航行器(AUV)的垂直面运动控制问题,设计了一种改进的PID神经网络控制器,实现对水下航行器在垂直面内深度和俯仰角的全局控制。利用REMUS水下航行器模型搭建了Simulink下AUV垂直面仿真控制系统,仿真结果表明,改进的控制方法克服了原方法中饱和区过大的问题,具有良好的动态性能同时能够适应不同的学习速率和网络初始权重,对水下航行器的工程实际应用具有一定参考价值。     

基于泊位坐标的无人船自主靠泊仿真研究

针对神经网络自主靠泊控制器只能完成特定港口的靠泊,而无法拓展到其他没有训练数据的泊位这一问题,提出一种以泊位顶点为原点,岸线为y轴的坐标系(泊位坐标系)。采用泊位坐标系中相对位置来训练神经网络控制器,在V.Dragon-5000航海模拟器中选取集装箱船“银河号”,在大连港进行靠泊训练后,成功将靠泊控制器拓展到没有训练数据的深圳蛇口港与新加波樟宜港。仿真验证了采用新建立的坐标系可以拓展神经网络自主靠泊控制器适用范围,减小训练数据所需的成本。     

带有资格迹的模糊CMAC控制仿真研究

提出一种带有资格迹的模糊CMAC控制器(FCE),资格迹的引入可以对控制系统进行超前预测,提高系统的稳定性。研究了FCE系统的构成,并推导其学习算法。为适用于在线控制,给出了高效的FCE算法实现方案。应用于船舶航向控制的仿真结果表明,当存在风浪干扰海况下,船舶航向的控制仍能取得令人满意的效果。     

基于动态神经网络的PID参数整定与实时控制

提出了一种基于对角回归神经网络的PID控制器结构,给出了PID参数在线自整定的学习控制算法。为检验控制效果同时还使用了静态BP网络来整定PID参数,并在Matlab环境下,分别建立了基于对角回归神经网络和BP网络的液位实时控制系统。实际的控制效果说明,基于动态网络的PID控制器工作稳定,具有较好的鲁棒性。