喷涂机器人关节的PID自适应模型

针对喷涂机器人各关节传递函数的时变性,建立了一种比例积分微分(PID)控制器参数自整定模型.首先,对喷涂机器人进行动力学分析,应用数值法简化关节动力学方程,建立各关节的传递函数;在此基础上,通过试验,设计在不同位置的PID控制器,获取相应的PID参数,并应用最小二乘法建立PID参数与关节转角位置的数学模型;最终利用该模型设计了下一时刻关节的PID控制器,并进行了仿真试验.结果表明,基于该模型设计的PID控制器响应速度快,机器人的位置精度小于±0.1mm,基本可满足喷涂作业要求.     

神经网络与PID结合的机器人自适应控制

提出了一种基于神经网络与ＰＩＤ控制相结合的机器人自适应控制系统。为加快神经网络的学习过程，研究了有效的启发式学习算法。以二关节机器人为对象仿真表明，该控制系统能使机器人跟踪希望轨迹，其系统响应跟踪精度及鲁棒性优于常规的控制策略。     

经济型喷涂机器人控制器

介绍了经济型喷涂机器人实时控制系统，包括软件和硬件，它适合示教／再现型机器人，是在ＳＴＤ工控机基础上开发的多ＣＰＵ、多轴联动实时控制器     

基于模型参考的自适应PID控制器

提出了一种基于模型参考的自适应 PID控制器 ,通过引入一自适应误差信号 ,根据模型参考自适应控制原理的方法 ,推导了 PID参数整定的自适应率 .仿真结果表明 ,该控制器与典型的PID控制器相比 ,显著提高了系统的动态响应性能 ,系统输出能够很好地跟踪参考模型的输出 ,具有一定的抗干扰性 ,鲁棒性较好     

基于改进模糊PID的轮式机器人速度控制器设计

针对轮式机器人在行走过程中存在速度平衡超调较大与调节时间较长、速度平衡效果较差的问题,采用Matlab/Simulink与Carsim仿真软件建立轮式机器人四轮差速运动模型,对于无刷直流电机(BLDCM)系统,在原有模糊PID的基础上,结合抗积分饱和算法与变速积分算法,提出一种改进模糊PID控制的调速方法。仿真结果表明,通过抗积分饱和与变速积分算法改进后的模糊PID控制器与传统模糊PID控制器相比,在机器人速度平衡控制过程中,超调降低30%,调节时间降低33%,具有速度响应时间短、速度响应曲线波动小的优点。搭建了轮式机器人实验验证平台,实验结果表明,改进后的模糊PID控制调速方法的速度响应快,满足轮式机器人速度控制需求。所提设计可为轮式机器人速度稳定系统调试提供理论指导,并可应用于以速度调控为主导的控制系统。     

单神经元自适应PID控制器的研究

将二次型性能指标引入单神经元并利用自学习功能构成了自适应ＰＩＤ控制器;分析了神经元自适应控制系统的稳定性和学习算法的收敛性。仿真结果表明,这种控制方案具有良好的自适应性。     

多模型自适应PID解耦控制器

对于一类非线性、强耦合、离散时间系统,提出了基于多模型的多变量自适应PID解耦控制策略,取消了系统平衡点参数已知的条件.控制策略包括一个完全自适应PID解耦控制器,一个参数重赋值自适应PID解耦控制器,多个参数固定PID解耦控制器和一个切换机制.理论分析表明,通过合理地选择切换函数,自适应PID控制器保证系统BIBO稳定,参数重赋值自适应PID控制器和参数固定PID控制器改善系统性能.     

AQM中基于神经网络自适应的PID控制器

将神经网络和PID控制器有机结合,形成一种基于RBF网络在线辨识、单神经元网络在线整定的自适应PID控制器,用于对主动队列管理（AQM）的拥塞控制.仿真结果表明,该控制器对负载队列的控制效果明显优于传统PID控制器.     

神经网络仿PID参数自适应控制器及其应用

介绍了基于BP神经网络的仿PID自适应控制器，给出了控制算法，推导了基于变形Elman网络的系统辨识算法，仿真及应用表明此方法是可行的。     

PID控制算法在智能灭火机器人中的应用

讨论PID控制算法在灭火机器人沿墙走运动控制中的应用,在机器人搜索前进过程中,由于机器人两侧驱动电机的特性差异以及驱动轮与场地之间的打滑等现象,常常会导致机器人前进偏离方向,要保证机器人不碰撞墙壁,必须要根据机器人的行进位置进行实时控制。     

自适应神经网络PID控制器

提出了一种新型神经网络PID控制器，其学习速率是通过三层前向BP网络在线辨识学习，使神经元有较强的智能性、自适应和自学习的能力；同时，将Smith预估器与神经元PID控制器相结合，能更有效地抑制纯滞后的影响。仿真结果表明该控制器有较好的控制效果和鲁棒性。     

一种新型PID参数自适应模糊控制器

在PID工程整定法的基础 ,提出了一种基于模糊规则的模糊PID复合控制算法,算法根据Z－N工程整定等方法将PID公式简化,通过模糊控制规则和模糊推理确定一张模糊控制表,在实时控制中通过对模糊控制表的查询,在线调整PID控制参数,仿真实验表明,该控制算法具有简单,鲁棒性强和动态品质优良等特点。     

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.     

基于自适应PID控制器的异步电机矢量控制

为了克服传统PID控制器自适应性及鲁棒性相对较差的缺点。实现高性能的异步电机矢埴控制，提出了采用人工神经网络技术构造自适应PID控制器。在保证调速系统全局快速收敛的情况下，运用有监督的Delta学习规则和合理的控制算法。实现自适应PID控制器参数的在线自动调整。应用MATLAB软件设计基于自适应PID控制器的异步电机矢量控制模型并进行仿真研究，结果表明，自适应PID控制器不仅能够满足异步电动机矢量控制的实时性要求。而且可以大大改善异步电动机的动态性能与静态性能，表现出较强的自适应性与鲁棒性，因而可以取代传统PID控制器以实现高性能的异步电动机矢量控制。     

喷涂机器人轨迹编程技术综述

机器人喷涂在现代智能涂装系统中发挥着重要作用。运动轨迹规划是喷涂机器人的核心功能和喷涂工艺的关键环节。通过研究国内外喷涂机器人运动轨迹规划的应用现状,介绍和对比了人工示教和自主轨迹规划两种轨迹编程技术的工作原理和特点。针对产品个性化生产要求的提高和AI大模型的快速发展,对AI柔性喷涂技术进行了展望,为未来进一步深入研究提供参考。     

基于灰色预测的自适应内模PID双重控制器设计

针对一类非线性系统，提出一种基于灰色预测的自适应内模PID双重控制方法．把由系统的输入输出数据得到的灰色预测模型作为系统的内部模型，并在基本的内模控制结构上增加PID控制器，加快了跟踪误差收敛速度，内模控制的性能明显改善．仿真结果表明，该控制方法简单而有效，内模PID双重控制较单一内模控制具有更好的系统性能．     

模糊遗传算法的自适应PID控制器

针对遗传算法运算速度慢不利于实时控制现象,提出一种基于模糊推理的遗传算法,并将其应用于自适应PID控制器上．仿真实验表明,该算法具有较好的寻优能力,能满足实时控制的要求。     

机器人自适应模型跟随控制系统

对工业机器人控制要求的不断提高,提出了不少现代控制方案。建立在超稳定性理论基础上的自适应模型跟随控制系统(AMFCS)就是一种很有效的方案。本文提出了一种自适应控制算法:单位向量加积分校正自适应算法。设计方法简单,能保证系统大范围渐近稳定,计算工作量小,易于实时控制。对机器人系统期望的解耦特性可以通过选择适当的参考模型来实现。计算机数字仿真实验证明了该方法的有效性。     

一种改进的自适应PID控制器

提出了一种新型的PID控制器，其基本思想是把神经元非线性映射和权值的自适应修正功能引入到PID控制器中，利用神经元收敛和权值在线修正，动态改变对偏差、偏差变化率、变化率之变化率的不同加权，从而获得较好控制性能。实验表明该算法使用可靠、精度高，而具有较强的抗干性能和鲁棒性。     

机器人等离子喷涂控制系统设计与研究

采用组态软件编程实现了对喷涂工艺参数(如电流、电压、皮膜温度、机器人状态等)的实时监测和控制．对实际系统进行了喷涂工艺试验，给出了不同工艺参数条件下，采用红外测温仪进行皮膜温度检测的试验结果和理论分析．结果表明：在等速运行的周期性“Z”字形平移路径的喷涂中，工件边缘温度高于工件中心处的温度，两者相差60℃左右．因此在机器人等离子喷涂中，必须对路径进行规划和采用变速控制，才能获得一致的皮膜温度，从而防止皮膜起皮、脱落等工艺缺陷的产生．讨论了在基体预热温度相同而喷涂参数(如电流)变化的情况下其基体温度变化的趋势．即：当电流变化50A时，温度的变化只反映在上升段，而在温度达到稳态时，工件的温度分布基本相同．研究成果能够满足机器人等离子喷涂工艺控制的要求，具有开发周期短、用户界面友好、易于维护和使用的特点．