工程车辆液压行走驱动系统模糊自适应PID控制策略研究

在现有工程机械PID控制器的基础上,利用模糊推理实现了对PID参数在线自整定模糊自适应控制,并且在MATLAB软件下将该控制器在车辆液压底盘试验台系统中的应用进行了研究,仿真结果表明,参数自适应模糊PID控制能使系统达到满意的控制效果.     

基于动态网络结构优化的神经网络的自学习稳定性控制算法

为了解决稳定性控制算法的PID控制参数的自适应调整问题,并针对控制算法大多无自学习功能的现状,提出了SORBF(Self-Organizing Redial Basis Function)算法自适应优化PID控制参数,同时通过增长型算法和修剪型算法自适应优化神经网络结构,解决了初始设定的网络结构参数需要丰富的经验和大量的标定工作,并且网络结构无法自适应调整而导致网络泛化能力下降,冗余的神经元占用计算资源的问题。验证结果表明其具有很强的自学习功能,大量减少了标定时间,并控制横摆角速度实际值在参考值附近,更好地体现了驾驶员意图,在极限工况下控制误差减小,并更容易通过试验规范路径。     

基于自适应的模糊PID算法的CVT起步离合控制优化

本文以某国产车型的离合器结构与发动机性能参数为对象,根据起步离合器的动态模型,确定了自适应的模糊PID控制算法,通过仿真计算及实际调试确定了模糊控制器的参数,成功地解决了该车型起步离合器的控制问题。     

基于模糊自适应PID的干混砂浆配料系统

针对目前干混砂浆配料系统采用传统PID控制的不足,提出一种基于模糊自适应PID控制的方法。新方法从系统输入取配料误差、误差变化率等参数修正,实现PID参数在线自整定。仿真结果表明:采用模糊自适应PID控制后,配料系统调节时间更短,响应更快,抗干扰能力和适应参数变化能力都优于常规PID控制。     

基于模糊PID的汽车防抱制动系统控制策略的研究

在基于滑移率的ABS控制策略的基础上,建立了11自由度的汽车急转制动仿真模型。提出了一种参数自整定模糊PID控制算法,并采用了Bang-Bang控制和模糊PID控制分别对汽车ABS进行了仿真,其结果表明:模糊PID控制比Bang-Bang控制可以达到更好的效果。     

重型汽车电控气动离合器的模糊免疫PSD控制

为适应未来汽车的电气控制发展趋势,利用电气与气动技术,建立了重型汽车电控气动离合器操作系统,并从理论上分析了系统的非线性特性。针对该系统的非线性控制问题,结合免疫PID控制算法与自适应PSD控制律,提出了模糊免疫PSD控制算法,实现了系统的智能控制。实验结果表明,采用该算法,系统可以获得良好的控制性能。     

基于自适应控制系统的智能车横向轨迹跟踪控制

智能车辆轨迹跟踪控制的研究中,由于不同工况下控制算法的适应性不强,存在着较大的跟踪误差。为提高智能车辆行驶的自适性、跟踪精度与鲁棒性,提出了一种基于模型参考自适应控制系统（MRAC）的自适应PID控制方法。利用车辆模型与参考模型输出误差自适应PID控制器的3个参数,从而得到一种基于MRAC的自适应PID控制方法。MATLAB仿真对比结果表明,2种工况基于MRAC的自适应PID最大侧向跟踪误差分别为0.036 m和0.076 m,相比传统PID控制模型,该控制模型的控制精度分别提升52.10%、11.76%,表现出更好的横向轨迹跟踪性能。     

单神经元PID控制对挖掘机液压泵控制的仿真

在现有PID控制器的基础上,利用单神经元的自学习性能实现了对PID参数的在线自整定自适应控制,并且在MATLAB软件下将该控制器在液压泵控制系统中进行了研究。仿真结果表明,单神经元PID控制能使系统达到满意的控制效果,对进一步应用研究具有较大的参考价值。     

基于门限自调整的车辆主动横摆力矩PD控制策略研究

针对目前主动横摆力矩控制算法存在的问题,提出了基于门限自调整的PD控制算法,即利用逻辑门限值方法产生并调整PID控制器参数,并由PD算法产生车轮制动力矩实现车辆稳定控制.利用MATLAB/Simulink软件建立了该控制算法的仿真模型,分别在高附着路面和低附着路面进行了仿真分析.结果表明,该算法在各种工况下均能很好保持汽车稳定性.     

基于微分几何的汽车主动悬架模糊PID控制研究

文章以汽车主动悬架为研究对象,结合二自由度非线性汽车主动悬架动力学模型,利用微分几何理论将非线性模型精确线性化后,首先设计PID控制器,为抑制干扰因素影响而引起系统参数或结构改变,提高悬架系统应对复杂工况下的自适应能力,然后设计了利用模糊控制原理对PID参数进行在线整定的自适应模糊PID控制器。仿真结果表明:相比于参数固定的被动悬架系统,采用该控制方法的主动悬架能够轻松应对各种工况,不仅在保证改善汽车乘坐的舒适性的情况下,同时进一步改善了车辆的行驶平顺性和行驶安全性,为汽车主动悬架系统控制策略设计提供实用性参考。     

基于扰动观测的客车ESC自适应神经网络滑模控制

为了提高客车电子稳定性控制系统（ESC）的控制精度,针对实际车辆系统建模中存在各种非线性扰动项以及传统滑模控制（Sliding Mode Control,SMC）中抖振较大的问题,提出一种自适应神经网络滑模控制算法。基于2自由度车辆模型,首先设计一个二阶滑模（Second-order Sliding Mode,SOSM）估计器对车辆的质心侧偏角进行估计,然后利用径向基（Radial Basis Function,RBF）神经网络对车辆系统建模中的各种非线性扰动项进行实时估计,并进行Lyapunov稳定性证明,RBF神经网络估计车辆系统建模的各种非线性扰动项可以有效减小滑模控制符号项的系数,从而减小滑模抖振水平。为了更进一步优化传统滑模控制的参数调节过程,减小滑模抖振并提高系统控制精度,再次利用RBF神经网络对传统滑模控制中的关键参数进行自适应调节。最后为了验证算法的有效性,搭建客车电控气压制动系统硬件在环试验台,在硬件在环试验台上对算法的有效性和精度进行试验验证。研究结果表明：客车ESC在自适应神经网络滑模算法的控制下,横摆角速度和质心侧偏角能够较好地跟随上理想的横摆角速度和理想质心侧偏角,横摆角速度和质心侧偏角的跟随误差降低;利用RBF神经网络估计客车建模中的各种非线性扰动项和利用RBF神经网络自适应调节传统滑模控制的关键参数,可以有效提高客车ESC的控制精度。     

串联式混合动力电动汽车发动机转速新型PID控制

在混合动力电动汽车中发动机转速的优化控制是降低油耗、减少排放的关键。而发动机转速系统是一个复杂的变参数非线性系统，且很难获得其准确数学模型。本文在常规的PID控制的基础上引入单神经元自适应控制，提出了发动机转速控制的优化目标。台架试验证明控制器能够较好地实现对发动机转速控制。     

汽车四轮转向非线性系统的神经网络控制

考虑了轮胎的非线性特性，引入Magic Formula建立汽车非线性力学模型，利用前向BP神经网络来辨识该非线性模型，并利用另一个神经网络进行PID参数的整定，进行离散控制系统和控制算法的设计，有效地提高了汽车四轮转向的稳定性。     

孤立交叉口多相位自适应模糊控制及其神经网络实现

针对城市中心区交叉口交通流分布的特点,综合考虑本相位和相邻相位车道上的车辆排队长度(以下简称“队长”),应用模糊控制和神经网络具有的学习功能,提出了一种孤立交叉口多相位自适应模糊控制算法,该算法采用两个规则前件进行模糊推理,并给出了基于3层神经网络实现的模糊控制器的网络结构及其改进的BP网络训练算法和运行程序,结合已有类似研究成果进行了仿真比较研究,结果表明:该控制方法在信号周期自动调节和减少车辆延误方面都有明显改进,在实现城市交叉口智能控制中具有推广应用价值。     

汽车ASR系统控制算法及其硬件在环仿真研究

研究了以节气门开度调节为主、制动干预为辅的汽车ASR控制算法.以常用节气门开度调节算法为基础,提出了自适应PID控制算法.制动干预采用传统的逻辑门限值法.为保证车辆加速的方向稳定性,研究了制动干预时的横摆力矩估算法,并根据横摆力矩限制制动压力来防止车辆的横摆运动.基于上述算法编写了程序代码写入自行开发的ECU,采用dSPACE硬件在环仿真系统进行验证.仿真结果表明控制算法行之有效.     

基于自适应模糊PID控制的ABS仿真研究

在Matlab/Simulink中建立一种两轮的汽车动力模型,以自适应模糊PID和道路识别控制器作为控制模块,通过在高低附着路面和高低附着对接路面进行紧急制动仿真的研究。仿真结果表明道路识别控制器能够快速准确的识别路面不同附着路面最优滑移率,自适应模糊PID控制的ABS相于常规制动性能有了很大程度的提高,具有在线自整定参数的特点,具有很好的稳定性、适应性和鲁棒性。     

A vehicle ABS adaptive sliding-mode control algorithm based on the vehicle velocity estimation and tyre/road friction coefficient estimations

A sliding-mode observer is designed to estimate the vehicle velocity with the measured vehicle acceleration, the wheel speeds and the braking torques. Based on the Burckhardt tyre model, the extended Kalman filter is designed to estimate the parameters of the Burckhardt model with the estimated vehicle velocity, the measured wheel speeds and the vehicle acceleration. According to the estimated parameters of the Burckhardt tyre model, the tyre/road friction coefficients and the optimal slip ratios are calculated. A vehicle adaptive sliding-mode control (SMC) algorithm is presented with the estimated vehicle velocity, the tyre/road friction coefficients and the optimal slip ratios. And the adjustment method of the sliding-mode gain factors is discussed. Based on the adaptive SMC algorithm, a vehicle's antilock braking system (ABS) control system model is built with the Simulink Toolbox. Under the single-road condition as well as the different road conditions, the performance of the vehicle ABS system is simulated with the vehicle velocity observer, the tyre/road friction coefficient estimator and the adaptive SMC algorithm. The results indicate that the estimated errors of the vehicle velocity and the tyre/road friction coefficients are acceptable and the vehicle ABS adaptive SMC algorithm is effective. So the proposed adaptive SMC algorithm can be used to control the vehicle ABS without the information of the vehicle velocity and the road conditions.     

针对自适应巡航的驾驶人风格辨识

车辆进入自适应巡航工况下行驶时,不同风格的驾驶人会对自适应巡航控制系统(Adaptive Cruise Control,ACC)有不同的需求。文章首先通过对不同驾驶人在9种跟随试验下获取的实验数据分析,选取表征驾驶人风格的驾驶特征参数;其次对所有驾驶人驾驶特征参数利用K-mean算法聚类分析,将驾驶人三类,并利用BP神经网络建立辨识模型对驾驶人风格进行辨识。结果表明;文章提出的方法可以较高的准确率对驾驶人风格进行分类,提高自适应巡航系统适应驾驶人的能力。     

车辆主动悬架的神经网络模糊控制

利用神经网络来实现在车辆主动悬架中的模糊控制，通过对主动悬架实体装置的台架实验研究，在不同激励信号的作用下，神经网络模糊控制器都具有很好地抑制车体振动的特点，其控制效果明显优于PID控制。在车辆主动悬架中，神经网络模糊控制具有设计新颖，实用性强，特别对于减振效果要求较高的车辆，更能发挥其优点。     

灭火智能车辆PID控制方法研究

为满足灭火智能车辆在火灾现场所需的精确运动要求和技术性能,充分利用BP神经网络能够逼近任意非线性系统的优点,将BP神经网络和PID控制相结合,把训练后的网络输出作为PID控制器输入,并不断调整其P、I、D参数,进而调整控制器的输出电压以控制灭火智能车辆的速度。