大功率空冷自增湿PEMFC温度控制方法

为研究大功率空冷自增湿质子交换膜燃料电池(PEMFC)温度控制对电堆输出性能的影响,分别采用模糊控制、PID控制、模糊-PID切换控制、自适应模糊PID控制对电堆进行试验测试.实验结果表明,不同控制方法在负载变化时的动态响应特性存在较大差异:模糊控制对电堆输出性能影响较大,在大电流输出时会造成明显的浓差极化;模糊控制、PID控制、模糊-PID切换控制在负载变化时动态响应存在较大的超调量,调节时间长;模糊自适应PID控制超调量小,调节时间短.与PID温度控制相比,自适应模糊PID温度控制超调量降低了75%,调节时间加快了20%.综合考虑调节时间、超调量、稳态误差、电堆输出性能等因素,自适应模糊PID温度控制有利于提高大功率空冷自增湿PEMFC输出特性.      

柴油机中压共轨系统共轨油压控制研究

介绍了一种柴油机中压共轨系统，并分析采用PID控制，模糊控制及模糊-PID控制对共轨油压进行控制研究，实验结果及分析表明采用模糊PID控制方法可以获得较好的控制效果。共轨油压在宽广的工作范围内，响应速度快，静差小，超调小，系统稳定。     

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.     

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.     

公路隧道通风的模糊PID控制

通风控制就是要在节约电能消耗的前提下,将隧道内CO浓度和烟雾浓度控制在允许的范围内.对于这样一个大滞后的检测控制过程,利用模糊控制不需要建立被控对象精确数学模型的特点,提出了一种基于CO浓度和烟雾浓度检测的变频通风模糊PID控制方法,实现了在控制过程中对不确定的条件、参数、延迟和干扰等因素进行检测分析,采用模糊推理的方法对PID参数的在线自整定,可减小系统超调量、提高系统反应速度、缩短调节时间,从而改善了系统的动态性能,能降低电能消耗,延长通风机使用寿命,降低运营成本.     

基于单神经元自适应PID控制的共轨压力控制研究

对共轨系统油轨压力的控制方法进行了理论与实验研究.设计了单神经网络自适应PID控制器,相应的控制程序在Labview环境下进行了实现.在试验台上对单神经元自适应PID控制与常规PID控制进行了对比.试验结果表明:对共轨系统油轨压力采用单神经元自适应PID控制,其控制效果好于常规PID控制,并且其控制误差更小.     

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...     

模糊PID控制在冷藏集装箱制冷容量控制中的应用

将模糊控制理论应用于冷藏集装箱制冷系统的“过热度”和“制冷容量”控制中,把常规的PID控制模式改造为比例、积分、微分三增益按模糊控制规律自动优化调整的模糊PID控制模式,从而可使整个系统的工作状态更加合理、稳定、节能,获得较理想的控制效果。     

模糊PID控制策略在电动助力转向系统中的应用

助力转向控制策略是EPS系统的核心技术之一。为提高电动转向系统的动态响应速度和抗干扰能力,经分析采用模糊PID控制策略实现助力控制。模糊控制器以电流误差及误差变化率为输入,电机电压为输出,根据设定的模糊控制规则在线调整比例系数、微分系数和积分系数,以使系统性能达到预定要求。应用Matlab软件进行了计算机仿真,仿真结果表明基于模糊PID控制策略的EPS比传统PID控制具有更好的助力特性和抗干扰能力。     

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.     

基于改进模糊PID-Smith控制器的高速动车组停车方法

为解决动车组制动过程中电制动与空气制动切换时控制模型参数变化和空气制动延时大的问题, 以提高动车组停车的精确性, 提出了一种改进模糊PID-Smith控制器; 通过分析动车组制动过程中单个车厢的力学模型, 考虑列车制动过程的特点, 建立了关于运行速度和制动力的二阶纯延时传递函数; 将离散化的二阶纯延时传递函数与单个车厢的力学模型结合, 建立了动车组多质点控制模型, 并分析了该控制模型的特点; 提出了一种改进的模糊PID-Smith控制器, 通过引入Smith预估控制器解决了动车组制动过程中空气制动系统延时大的问题, 使用递推最小二乘法在线辨识了模型参数, 以解决动车组制动过程中电制动切换到空气制动时的模型参数变化问题; 采用模糊PID控制器代替Smith预估控制器中的PID部分, 解决了PID参数整定难和鲁棒性差的问题; 采用MATLAB软件对CRH380A型高速动车组进行仿真, 在不同进站速度、不同减速度和不同程度干扰下, 使控制器控制动车组跟踪设定速度, 并与模糊PID控制器的结果进行对比。仿真结果表明: 改进模糊PID-Smith控制器得到的动力单元速度与其设定速度的误差在0.4 km·h-1以内, 而模糊PID控制器的误差在1.0 km·h-1以内; 采用提出控制器得到的停车误差在0.3 m以内, 而模糊PID控制器的停车误差在1.5 m以内; 提出的控制器满足高速动车组运行过程中停车误差小于0.3 m的要求。      

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,超调适中,具有更好的动、静态特性。     

汽车怠速停止与起动模拟试验系统开发

针对当前内燃机车辆怠速工况燃油经济性差等相关问题,分析了汽车怠速停止与起动系统的工作机理;开发了汽车怠速停止与起动系统的模拟试验系统。通过对行驶车辆工况参数进行测控,判断车辆处于怠速、制动、停止或起动(再起动)的工作状态,利用自行研制的控制逻辑部件对系统进行控制,并对发动机停止和起动工作测试过程进行了分析;基于模拟试验系统,利用Matlab/Simulink在城市循环工况NEDC下对车辆再生制动性能进行了仿真分析。结果表明车辆燃油经济性有较大提高。     

基于反馈线性化的船舶航向保持模糊自适应控制

针对诺宾（Norbin）非线性船舶模型,基于反馈线性化方法和由径向基函数（RBF）神经网络构建的模糊系统的逼近能力,提出了基于反馈线性化的船舶航向保持模糊自适应控制算法。运用泰勒级数展开的线性化技术,使模糊系统的所有参数均可实时调节,引入了鲁棒控制消除模糊逼近系统带来的误差,在李雅普诺夫稳定性理论的基础上导出了自适应控制率。该算法可以确保闭环系统渐近稳定,使系统的模型跟踪误差为0,优于传统的PID控制策略,具有良好的自适应能力。     

基于模糊自整定PID的原点反共振振动筛振幅控制

针对原点反共振振动筛在反共振点附近工作时振幅不稳定的问题,应用模糊自整定PID控制策略对其振动系统进行了控制。设计了模糊自整定PID控制器的结构,确定了隶属函数和模糊规则,给出了反模糊化方法。仿真研究结果表明,原点反共振振动筛的振幅得到了很好的控制。     

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.