汽车电子感应制动模糊自整定PID参数控制

为了改善由电子感应控制汽车制动系统的性能,研究了汽车感应制动模糊自整定PID参数控制的方法.采用一阶延迟模型近似的曲线最小二乘拟合方法和最优PID控制器经验公式,依据单一路面下汽车感应控制的制动控制效果,确定PID的3个参数初值,设计了模糊PID参数调节器,并在单一路面和变化路面上,使用Matlab/Simulink软件,对模糊自整定PID参数控制的汽车电子感应制动系统进行仿真.结果表明:估计的纵向附着系数与设定的理想附着系数之间误差较小,当制动初速度为160 km/h时,在单一路面上,误差为-0.71~0.14,制动距离为114.5 m,制动时间为5.28 s;在变化路面上,误差为-0.71~0.15,制动距离为128.61 m,制动时间为7.625 s.     

动车组的多变量非线性预测控制研究

通过分析动车组的牵引-制动系统,建立动车组的各动力单元的线性模型,考虑到动车组运行过程中空气阻力、未知干扰等非线性因素,将实际输出与线性模型输出的误差描述为未建模动态,将动车组运行过程这一非线性问题描述成为线性模型与非线性未建模动态两部分组成的集成模型,利用BP神经网络在线估计未建模动态项,利用递推辨识算法在线更新模型参数。在控制器设计中将广义预测控制器、未建模动态补偿器相结合,设计了多变量非线性广义预测控制器。基于CRH380A型动车组为对象进行仿真,实现了对给定速度的高精确跟踪控制,以及动车组的准时、舒适、安全的运行要求。     

车辆ABS参数自调节模糊PID控制仿真

通过一个单轮车辆模型对ABS(antilock braking system)进行数学建模,将模糊控制理论与传统PID控制理论相结合,构造出满意的参数自调节模糊PID控制器;在不同路面下对所建立的汽车ABS数学模型进行仿真,并与传统PID控制下的ABS系统进行比较。仿真结果表明:基于参数自调节模糊PID控制器的ABS系统能实时地对参数进行调节,其制动性能优于PID控制器;无论是在干路面还是在湿路面、冰雪路面下,都能使车轮工作在最佳滑移率附近,缩短制动距离并有效的改善制动时的方向稳定性。     

电控空气悬架系统参数自整定模糊PID控制

提出电控空气悬架(Electronically Controlled Air Suspension,ECAS)的参数自整定模糊PID控制策略,设计参数自整定模糊PID控制器。利用AMESim软件建立1/4电控空气悬架系统模型,采用Matlab/Simulink和AMESim在不同路面、不同车速下对空气悬架系统分别进行PID控制与参数自整定模糊PID控制策略下的联合仿真。仿真结果表明:与PID控制仿真比较,采用参数自整定模糊PID控制策略使电控空气悬架的性能指标得到显著改善。搭建1/4电控空气悬架试验台,利用电液伺服激振台进行激励加载,完成硬件在环实时仿真测试,试验结果证明采用参数自整定模糊PID控制能有效提高悬架的总体性能。     

基于预测控制的动车组迭代学习控制方法

针对动车组运行过程中存在非线性扰动、参数时变等问题，以提高动车组的速度跟踪精度和乘客舒适性要求为目标，提出了一种基于预测控制的高速动车组迭代学习控制方法；通过采集动车组先前运行过程中的输入输出数据，使用带遗忘因子的最小二乘法实时辨识广义预测控制(GPC)中的预测模型参数并计算预测输出，根据以往过程的平均模型误差修正该预测输出，利用修正后预测输出引出迭代学习控制律，在线实时计算得到新的控制量，实现动车组速度跟踪；采用修正后预测输出设计二次型迭代学习控制律，通过充分学习列车系统的重复性特性来解决传统比例积分微分(PID)型迭代学习参数整定难、收敛速度慢和鲁棒性差等问题，并给出算法的收敛性证明；以实验室配备的CRH380A型动车组半实物仿真平台对该方法进行了测试，建立了列车的三动力单元模型，使其跟踪设定速度曲线，并与一些传统算法进行对比。仿真结果表明：在第8次迭代过程，基于预测控制的高速动车组迭代学习控制方法得到的动力单元速度与其设定的速度和加速度误差分别在0.3 km·h^-1和0.5 m·s^-2以内，且变化平稳，其性能优于PID、GPC和P型迭代...     

城市轨道交通列车行驶速度控制研究

针对城市轨道列车行驶速度控制要求,依次建立列车力学模型和传递模型,根据所建模型得到列车传递函数,分别计算了阻力系数kp、动力系数ki和速度系数kd,结合列车速度控制评价准则,以PID模糊控制器对列车的行驶速度进行分析,研究结果实现了列车速度精准控制,为我国城市轨道列车快速发展具有积极的推动作用。     

ģ������ӦPID����������ABS�еķ����о�

无论是经典还是现代控制理论,大多是建立在线性系统基础上,目前对非线性系统还没有比较成熟的理论.常规PID控制在对象变化时,控制器的参数不能自动修改适应.将模糊控制与PID控制相结合,利用模糊推理方法实现对PID参数的在线自整定,设计了一种模糊自适应PID控制器.在分析汽车模型的基础上,采用PID控制、模糊自适应PID控制两种方法,联合Simulink软件分别对汽车的防抱死制动系统（ABS）进行刹车运动仿真研究,极大地提高了模糊控制方法和PID控制算法的应用性能.结果表明,模糊自适应PID控制方法可以达到更好的制动效果,提高了系统的动态性能和安全性能.     

暖通空调系统的新型模糊自调节PID控制

针对暖通空调系统中由于存在高度非线性,外部扰动,多变量等因素而难以控制的现状,提出一种利用模糊控制器的解析表达式实时调节PID控制器各参数的新型模糊PID控制算法。闭环系统中的模糊模型在发挥控制作用的同时,作为调节器实现了对PID控制器各参数的在线自适应调节,并且给出了具体控制算法设计。仿真结果表明与传统PID控制器相比,这一新型模糊PID控制器具有超调量小,调节时间短,鲁棒性强等优良的控制性能。     

船舶主机缸套冷却水温度灰色预测模糊PID控制

针对船舶主机缸套冷却水温度控制系统的大惯性、纯滞后和时变性特点,提出了将等维新息灰色预测控制与模糊自调节PID控制相结合的新型控制策略,这种控制器可根据系统预测误差和变化率自动调整控制器参数,使控制器对系统响应具有适应性.仿真结果表明:灰色预测模糊PID控制比常规的PID控制与模糊PID控制有更多的优越性,自适应能力强...     

基于多质点动车组制动模型的动态牵引负荷

针对单质点模型不足以准确描述动车组制动情况的问题,根据多质点动车模型的制动力分配,建立了动车多质点制动模型.推导出多质点模型在制动工况下的基本阻力和附加阻力以及推算出牵引网侧时变功率,对多质点模型动车组在平直轨道、有坡道和弯道情况下进行制动过程仿真.通过仿真结果与动车制动实测数据的比较,其距离误差小于50 m,验证了多质点模型的准确性.      

在线跟踪时变最佳滑移率的汽车ABS仿真

最佳滑移率的确定是汽车防抱死系统研究的关键技术之一。针对影响最佳滑移率的因素,设计了车轮状态观测器,提出了一种最佳滑移率估算方法,并将这种方法运用在汽车防抱死系统模糊自整定PID参数控制中。结合汽车动力学模型,在单一路面和跃变路面上进行基于MATLAB/Simulink的制动模拟试验。结果表明,实际滑移率能迅速跟踪时变最佳滑移率,跟随性良好。相比常规的将不同路面最佳滑移率设为定值的ABS控制器,该方法控制精度较高,汽车获得的制动性能较好。     

非线性不确定系统的无撞击切换双重控制

对于具有非线性、时变特性和纯滞后等特点的不确定系统,传统的PID控制和单纯的模糊控制都难以达到所期望的效果.无撞击切换模糊PID双重控制吸取了两者的优点,减少了模型切换时所产生的跳跃,既不依赖于对象精确的数学模型,又具有鲁棒性较强等优点.仿真结果表明,采用无撞击切换模糊PID双重控制保证了系统的快速和稳态性能好.     

基于分层控制的车辆主动制动稳定性分析

为提高车辆行驶的主动安全性,引入分层控制思想。建立名义横摆角速度和名义质心侧偏角为输出的线性二自由度车辆模型。基于线性二次型调节器设计上层控制器,得到附加横摆力矩,采用差动制动原理,设计中层控制器对附加横摆力矩进行分配,根据中层控制器分配的附加横摆力矩计算滑移率增量,基于PID控制理论设计下层滑移率控制器,以控制车轮的制动压力;最后联合MATLAB／Simulink和CarSim进行鱼钩转向和双移线转向仿真试验。结果表明,采用分层控制能够有效地提高车辆行驶的主动制动稳定性。     

Composite Control of Precalciner Exit Temperature in Cement Rotary Kiln

Introduction　　Thecementkilnisalarge scaledcomplexsystem ,inwhichtheinvolvedcontrolobjectsincluderawmealflow ,exittemperatureofwettower ,negativepressureofkilnheadcover ,spoutwaterofkilnhead ,temperatureinprecalciner ,rotatingspeedofkiln ,strokeofcooling…     

Robust buffer management mechanism in quality of service routers

Active queue management (AQM) is essentially a router buffer management strategy supporting TCP congestion control. Since existing AQM schemes exhibit poor performance and even instability in time delay uncertain networks, a robust buffer management (RBM) mechanism is proposed to guarantee the quality of service (QoS). RBM consists of a Smith predictor and two independent controllers. The Smith predictor is used to compensate for the round trip time (RTT) delay and to restrain its negative influence on network performance. The main feedback controller and the disturbance rejection controller are designed as proportional-integral (PI) controller and proportional (P) controller by internal model control (IMC) and frequency-domain analysis respectively. By simulation experiments in Netwrok-Simulator-2 (NS2), it is demonstrated that RBM can effectively manage the buffer occupation around the target value against time delay and system disturbance. Compared with delay compensation-AQM algorithm (DC-AQM), proportional-integral-derivative (PID) algorithm and random exponential marking (REM) algorithm, the RBM scheme exhibits the superiority in terms of stability, responsiveness and robustness.     

基于Simulink的汽车稳定控制系统仿真研究

为了解决汽车行驶中的某些因素引起的失稳问题,在对汽车的失稳原因和控制方法的分析和研究的基础上,设计了以横摆角速度和质心侧偏角为控制量和失稳判据,以车轮的差动制动为控制手段的汽车稳定性控制系统。并分别设计了模糊 PID控制器和神经网络控制器,运用MAT-LAB/Simulink软件在7自由度汽车模型上进行了仿真。结果显示在危险状态下该控制策略能有效保持汽车轨迹对转向操作的跟随,该控制策略可靠有效。     

基于模糊控制的智能车辆自主行驶方法研究

车辆无人驾驶是智能交通系统的一个重要部分,其目标是开发在高速公路和城市道路环境下的辅助驾驶系统,旨在帮助乃至取代驾驶员,实现车辆自动控制和自动驾驶,减少交通事故发生,提高道路交通系统的效率,因此提出了一种基于机器视觉和模糊控制实现智能车辆自主行驶的方法. 该方法以CMOS摄像头为路径识别传感器,通过图像分析提取车道中心线,并引入速度反馈,形成闭环控制,建立一个由两个模糊控制器组成的分级模糊控制器控制车辆转向,并使用模糊控制代替传统的PID速度控制来控制速度. 和常规的PID算法及模糊控制算法相比,改进的模糊控制算法使智能车在道路上更快速、平稳地运行,并且在转弯处的超调更小.     

Intelligent Vehicle's Path Tracking Based on Fuzzy Control

Autopilot vehicle is an important part of intelligent transportation systems. The objective is to develop the driver assistance systems on highway and urban road, to help or even to replace the driver, which may reduce traffic accidents and improve the efficiency of traffic system. A method based on machine vision and fuzzy control is proposed to realize intelligent vehicles' autopilot. It uses the CMOS sensor as its path recognition device to draw its lane centerline through image analysis. Taking the feedback speed as the additional input, the study forms the closed-loop control and establishes one graduation fuzzy controller which controls vehicle direction with two fuzzy controller combinations and replaces traditional PID control vehicle speed by fuzzy control. Compare with the conventional PID algorithm and the fuzzy control algorithm, the improved fuzzy control algorithm ensures a high speed and steady running of intelligent vehicle with smaller over modulation in corner.