基于增益调整型模糊PID的脉动真空灭菌器控制系统

针对目前脉动真空灭菌器控制效果不好而产生湿包的问题,结合Chien-Hrones-Reswicks整定算法,提出用模糊变增益PID的控制策略,控制器输入取控制舱内温度的偏差e和偏差变化率Δe。根据实际操作经验,加入模糊规则,输出取PID控制器2个参数的调整值,从而实现PID参数的在线自整定。在MATLAB/SIMULINK环境下进行了仿真实验,进行了传统PID控制与模糊变增益PID控制动态性能的仿真比较,结果表明采用模糊变增益PID控制策略可明显提高脉动真空灭菌控制系统的动态性能。.     

PID参数自整定方法在热风炉燃烧控制中的应用

热风炉是高炉生产系统中重要的组成部分,其燃烧控制是一个相当重要的部分。但是国内大部分的中小型热风炉参数的设置几乎都采用常规PID,这样受人为因素影响严重,不能达到节约能源和优化控制的目的。因此,运用合适的PID参数自整定方法来代替常规PID整定,对煤气和空气流量进行控制,进而改善热风炉的送风效果显得尤为重要。本文设计了热风炉的燃烧控制方案,然后具体对几种不同的PID自整定方法进行研究,并以工业控制系统中常用的带有时间延迟的一阶模型为例,运用MATLAB对具体的PID自整定方法进行研究与仿真。同时,对仿真结果进行比较,得到了各种自整定方法的控制效果和适用范围。以便将PID自整定方法运用到热风炉的燃烧控制中,进而改善其燃烧效果。     

改进SIFT融合五官特征的旋转人脸检测算法

针对传统PID控制算法对四旋翼飞行器的姿态角进行控制时,其控制参数很难随着环境的变化进行自整定,进而影响四旋翼飞行器的稳定性的问题,提出了一种改进的PID控制算法。该算法通过改进单神经元中的K值公式提高了Kp、Ki、Kd的学习速率,从而提高了系统的响应速度;通过增加超调惩罚措施,通过适当的放大或缩小超调,可以使系统超调达到最小。通过与增量型PID、标准二次型单神经元PID算法进行比较,并且进行仿真实验。结果表明：所提方法具有参数自整定能力强且快速响应、鲁棒性强及稳定性好。     

动平台视轴稳定控制的两种智能PID算法研究

分析了动平台下光电探测设备视轴稳定的基本原理,针对用于视轴稳定的伺服控制系统动态和稳态性能指标的高精度要求,设计了两种基于模糊控制的智能PID控制算法——FLCPID复合控制算法和PID参数模糊自整定算法。分别从理论上分析了这两种智能算法的可行性及技术特点,阐述了其设计过程。仿真计算表明,这两种基于模糊控制的智能PID控制算法均能获得优于常规PID的控制效果;FLCPID复合控制算法的调节时间小于0．05s,无超调,PID参数模糊自整定算法调节时间小于0．1s,超调量小于5％,显然前者的动态性能优于后者;后者对300ms时突加的1V扰动信号可完全抑制,有更强的鲁棒性。     

模糊PID控制在ATP伺服系统中的应用

针对空间光通信ATP伺服系统采用一种模糊PID参数自整定的控制方法,结合模糊控制与常规PID控制的优点,讨论了模糊PID参数自整定控制器的设计方法。利用MATLAB中的模糊控制工具箱进行了系统的辅助设计与仿真实验,并与传统PID控制系统进行比较。仿真结果表明,该控制方法明显优于传统PID控制,并能使ATP系统的视轴稳定性得到提高。     

基于感知模糊自适应蚁群算法的非线性PID控制

随着系统复杂度的提高和对象不确定性因素的增加,为克服线性PID动态性能和稳态性能差的缺陷,分析了非线性PID控制器各控制参数对误差的理想变化过程,构造非线性PID控制器。由于增益参数大量增加,传统参数优化方法不再适用,在分析蚁群算法的基础上,提出了基于感知自适应蚁群算法,并加入模糊自适应信息素更新机制,用于优化非线性PID控制器的设计方法。通过仿真实验将该控制器与基于蚁群算法的非线性PID控制器和基于蚁群算法、Z-N法的PID控制器进行对比,并对控制性能和收敛性能进行了分析,结果表明该算法有效克服了传统蚁群算法收敛速度较慢、容易陷入局部最优而停滞的缺陷,该控制器具有更好的动态性能和稳态性能。     

基于改进单神经元的四旋翼PID控制器设计

针对传统PID控制算法对四旋翼飞行器的姿态角进行控制时,其控制参数很难随着环境的变化进行自整定,进而影响四旋翼飞行器的稳定性的问题,提出了一种改进的PID控制算法;该算法通过改进单神经元中的K值公式提高了K_p、K_i、K_d的学习速率,从而提高了系统的响应速度;通过增加超调惩罚措施,通过适当的放大或缩小超调,可以使系统超调达到最小;通过与增量型PID、标准二次型单神经元PID算法进行比较,并且进行仿真实验;结果表明:所提方法具有参数自整定能力强且快速响应、鲁棒性强及稳定性好。     

基于模糊神经网络的自适应PID控制器

提出了一种应用于自适应PID控制器的神经网络与模糊控制相结合的算法,该算法可以有效地解决普通PID控制器依赖于对象的数学模型的缺点,可实现控制系统的在线自适应调整,可满足实时控制的要求。仿真结果表明,基于模糊神经网络整定的PID控制器具有较好的自学习和自适应性,具有较快的响应速度。     

小型固定翼无人机纵向姿态控制律的研究

针对无人机在实际飞行过程中受到外部环境影响大,控制精度不够高的问题;研究了一种模糊参数自整定PID控制方法来完成对无人机的纵向姿态的控制;该方法在传统的PID控制的基础上,利用无人机实际飞行中的数据,建立起模糊控制规则来实现PID参数自整定,最后在通过建立的纵向姿态模型上进行仿真控制,得出仿真曲线;仿真实验结果表明,所设计的模糊PID控制器,相比于传统的PID控制器具有更好的控制性能,并且具有很好的抗干扰能力,能够满足无人机控制系统的要求。     

定向战斗部随动系统新型模糊-PID复合控制

针对随动定向战斗部随动系统工作中存在的非线性与随机干扰问题,普通的PID控制器和模糊控制器不能满足快速性与适应性的要求,基于模糊自整定PID参数控制器与模糊-PID切换控制器,提出了一种新型模糊-PID复合控制算法,控制前段利用模糊控制加快控制速度,后段利用模糊逻辑整定PID参数提高精度与自适应能力;仿真结果表明,采用这种新型模糊-PID复合控制算法能够保持跟踪精度,减少调节时间,加快系统跟踪速度,减小切换冲击,提高抗干扰能力。     

基于蚁群算法的辊式涂布涂层厚度图像检测

针对目前辊式涂布涂层厚度检测效率低、准确率低等问题，提出一种基于启发式蚁群算法的辊式涂布涂层厚度机器视觉检测方法。采用Canny算子的原理提取出边缘信息，得到了边缘点的先验知识；然后建立了改进的蚁群算法的边缘追踪模型，实现了信息素和启发信息对蚂蚁的导向作用，同时较好地避免了蚂蚁在非边缘区域的分布和行走，解决了传统蚁群算法中随机性与正反馈两种机制的协调问题，使用改进蚁群算法的机器视觉法进行测量实验，与机理建模法对比最大误差为5.74%，平均误差为4.04%，满足实际生产需要。     

基于改进蚁群算法的无线传感器网络路由的优化

为了延长无线传感器网络(Wireless Sensor Network ,WSN)的生命周期,均衡各个节点间能量消耗,针对现有的WSN路由优化算法存在的问题,提出了一种基于改进蚁群算法的路由优化算法。首先通过对蚁群算法和遗传算法的优劣性比较,在蚁群算法的基础上,结合遗传算法的选择、交叉和变异的操作,从而提高蚁群算法的搜索速度和寻优能力。最优路径评价函数综合考虑节点能耗及节点的剩余能量,使剩余能量多的节点优先参与数据转发,均衡节点间的能量消耗。通过与经典蚁群算法及遗传算法的对比实验表明,随着数据转发轮数增加,改进的蚁群算法能耗小,剩余能量多,网络生命周期明显延长;随着整个网络运行时间的增长,改进的蚁群算法,节点均衡能耗性好,最优路径搜索的成功率也明显优于其他两种算法。     

利用地铁隧道风能发电的设计与研究

当今世界,随着社会发展,能源是经济之本,是人类生活的依存。本项目对地铁隧道风力发电展开研究,从了解地铁隧道风能的特征入手,通过理论分析结合实验验证,制作实体模型辅助研究,做出初步可行性分析,认定方案可行,然后提出有效利用地铁风力发电的创新设计方案,其中包括羽状风叶、差速装置和机械蓄能装置,并以此为基础设计了整套地铁隧道风力发电设计。该设计是对室内环境风力发电的率先探索,通过研究可得出：利用地铁隧道风力发电设计是一种新的能源利用形式,并有一定应用前景。     

基于STM32的低功耗智能定位阀控制器设计

针对工业控制中传统阀门定位器稳定性差、定位精度低、抗干扰能力差、智能化程度低等缺点,以及我国自主研发生产高精度阀门定位器上的不足。设计了以ARM Cortex-M3 内核处理器作为核心控制器的低功耗智能定位阀控制系统。设计中采用优化的PID控制算法,并采用齐格勒-尼克尔斯法则,自整定PID参数。通过二线制HART 协议实现与外界设备通讯。实践证明自整定PID参数能够更好的适应各种控制现场,控制系统能够稳定、快速的运行实现了阀门位置的精确定位和本安低功耗设计的要求。     

基于PI调节占空比的自适应MPPT方法

最大功率点跟踪(MPPT)技术是提高光伏发电效率的重要途径之一。扰动观测法是MPPT控制中最常用的方法,针对其无法兼顾跟踪速度与最大功率点跟踪过程的震荡问题,提出了一种基于PI调节占空比的自适应MPPT方法,该方法针对占空比采用基于PI调节的自适应策略。通过Simulink建模仿真,与其他方法进行对比分析,结果显示了该方法可显著地提高了最大功率点跟踪的速度与精度。     

Accuracy analysis and stabilization design of the Fabry–Perot frequency discriminator in double-edge wind lidars

The measurement error of a double-edge wind lidar caused by a disturbed Fabry–Perot interferometer (FPI) is analyzed. Several error sources such as air pressure variations, temperature changes, and mechanical vibrations are considered in the measurement-error model. The simulation results show that a double-edge wind lidar is so sensitive to environmental variations that the measurement error reaches ±60 m/s if the FPI is not stabilized. In order to compensate the external disturbance acting on the FPI, a nonlinear proportional–integral–derivative (PID) control scheme is designed based on the transmission measurement of the calibration channel. An arc tangent function is used to improve the feedback gain of the usual PID control design. The results show that with the new controller the measurement accuracy of the wind lidar can be improved 4–5 times in comparison with the usual control design, and the range of the measurement error is only ±3 m/s.     

风力发电统一变桨距的双模糊控制策略研究

风电机组输出功率有两个主要影响因素,一个是风速的波动性,另一个是不可控性,对该目标的实现带来了困扰,使得传统控制策略在其稳定性控制方面效果并不理想。针对这一缺陷,提出了统一变桨距的双模糊控制策略。该双模糊控制系统的主体部分由模糊PID控制器和模糊前馈补偿器两部分组成。与传统控制策略相比,双模糊控制策略减小了风电机组输出功率的波动范围,降低了控制器参数的调整频率。仿真结果证明了该控制策略的有效性。