起落架磁流变减摆器模糊PID控制算法的研究

为了减小飞机机轮的摆振,提高飞机乘坐的舒适性和驾驶的安全性,将磁流变控制技术应用于飞机起落架减摆器,实现减摆器阻尼力的实时智能控制。针对磁流变减摆器,建立了飞机起落架摆振的半主动控制非线性动力学模型,设计了模糊PID控制算法,并使用Matlab/Simulink建立了半主动控制仿真模型。通过调节流过磁感线圈的电流大小改变磁流变减摆器的阻尼力,从而减小机轮摆动实现半主动控制。通过动力学仿真,在给定速度下分别对比未安装减摆器、被动控制下以及半主动控制下机轮摆角、侧向位移、侧滑角随时间变化的曲线,结果表明了模糊PID控制算法的正确性和可行性,该控制策略可以较好的抑制机轮的摆振,同时也表明模糊PID控制算法具有良好的可控性,减摆效果也明显优于传统的被动控制。     

特殊天气污水溶解氧浓度的自适应广义预测控制

污水处理过程具有非线性、时变、大滞后的特点,尤其在雨天暴雨等特殊天气下,污水的入水波动会对控制器造成严重干扰。文中提出一种基于模糊神经网络模型的自适应广义预测控制算法,实现对污水处理过程中溶解氧浓度的实时控制。该算法利用反馈线性化思想实现自适应广义预测控制器的设计,在证明其李雅普诺夫稳定的同时,得到修正系统的受控自回归积分滑动平均模型参数自适应规则,动态调整模型参数使系统跟踪误差达到最小。仿真实验结果表明,该算法能够稳定、快速地控制溶解氧浓度,具有较强的抗干扰能力和鲁棒性,该控制算法特别适合用于污水处理过程的特殊天气（如雨天和暴雨天）中。     

基于Sarsa算法和蚁群优化的监测网络路由控制设计

为了克服已有监测网络路由控制方法所具有的传输路径长和能量消耗高的缺点,设计了一种基于Sarsa算法和蚁群优化算法混合模型的路由控制策略;首先,建立了以MA(Mobile Agent)为基础的路由控制模型,并以访问时间和能耗消耗为基础设计了目标函数,然后,基于改进的蚁群算法设计了一种从数据发送节点到Sink节点的路由设计方法,采用节点之间的距离作为冗余度标准获取合理的下一跳邻居节点集,并采用Sarsa算法来对各路径的信息素进行更新,最后,对基于Sarsa算法和蚁群优化算法混合模型的路由控制算法进行了描述;在NS2环境下进行仿真实验,结果证明文中方法能有效实现网络路由控制,最优路由的获取过程的总仿真时间为300ms,是一种适用于监测网络路由控制的有效方法。      

基于自适应单神经元PID的四旋翼飞行控制研究

针对传统增量式PID控制算法在四旋翼飞行器的姿态控制中自整定参数不足的缺点,提出了一种改进的自适应单神经元PID控制算法,该算法在单神经元加权系数调整的基础上引入PSD自适应控制方法,增加了对比例系数的自适应调整;通过建立四旋翼飞行器的动力学模型和飞行试验平台对该改进算法进行仿真验证;仿真结果表明,采用自适应单神经元PID算法的控制器结构简单且响应速度快,精度高,具有更高的鲁棒性和自适应能力,能有效的实现四旋翼飞行器姿态的稳定控制。     

同时抑制低频振荡和次同步振荡的多通道广域自适应阻尼控制

设计了一种的自适应控制算法并证明了其正确性. 通过总体最小二乘旋转不变技术辨识出系统降阶模型及相关振荡模态,利用带通滤波器将不同的振荡模态分解到多个通道,然后基于所提的自适应算法对每个振荡模态设计了自适应控制器,减小了各个控制器间的影响. 在电磁暂态程序PSCAD/EMTDC中对向上直流孤岛运行方式进行了仿真验证. 结果表明：所提控制方法相对传统比例积分微分控制有更好的控制效果;对于系统发生不同故障时具有鲁棒性. 对于系统信号传输引起的时滞导致的控制器效果变差的问题,可以通过相位补偿解决. 关键词： 超稳定理论 系统辨识 振荡 自适应阻尼控制     

磁流变减振器控制研究

从混合工作模式推导出了磁流变减振器的阻尼力与控制电流之间的关系,并以此为依据设计出磁流变减振器的控制器,经实验测试控制器具有响应速度快、输出精度高等特点,对磁流变减振器的控制效果令人满意。     

基于DBN-PID的木材干燥窑参数检测系统

针对目前在木材干燥过程中检测参数精度低的问题,设计了一种木材干燥窑参数检测系统。该系统对干燥窑有关参数进行实时采集、调理,经ARM处理器进行数据处理后,将采集的数据通过WiFi无线网络上传至PC机。为改进系统的控制算法,引入深度学习方法,提出了一种基于DBN-PID的控制算法,并与BP-PID算法进行了实验比较。实验结果表明,DBN-PID控制算法应用在木材干燥窑参数检测系统中具有更高的检测精度。为进一步说明DBN-PID算法的性能,还与BP-PID算法进行了仿真比较。仿真表明,DBN-PID算法能够很好的近似非线性对象,具有较强的自适应能力。     

基于改进CKF的光电跟踪伺服系统二阶滑模控制

传统的光电跟踪伺服系统滑模控制中,对目标位移信号微分以求取速度、加速度等运动状态的方法会影响控制的精度和稳定性。针对这一缺点,提出了基于改进容积卡尔曼滤波(CKF)的二阶滑模控制算法。基于系统原理,建立了系统模型;应用限定下界法改进了CKF算法以提高目标状态估计的准确度;应用超螺旋算法设计了二阶滑模控制器,并将滤波预测的目标状态作为系统输入进行仿真实验。结果表明,相对于传统的二阶滑模控制,所设计的控制方法提高了控制精度,减小了抖振,且具有更好的稳定性。     

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。     

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。