神经网络PID控制参数整定及仿真

PID控制器算法简单,鲁棒性好,可靠性高,但是参数整定通常是依靠经验来确定。神经网络具有很好的自适应能力和非线性映射功能,对智能控制有很好的效果。本文通过BP神经网络的自学习能力对PID参数进行在线整定,并通过matlab软件进行仿真研究。仿真结果表明:通过BP神经网络,可以对PID参数进行有效的整定。     

基于模糊变步长神经网络的自适应PID控制

针对具有非线性和不确定性的控制对象，提出了一种基于前向神经网络的自适应ＰＩＤ控制系统算法，并根据其特点，提出了学习步长模糊校正的方案。这种控制系统综合了神经网络、模糊决策和ＰＩＤ控制的优点，易于实现。仿真结果表明该控制系统对非线性被控对象具有比较好的控制效果。     

基于PID神经网络的车用锂电池SOC估算

为了更精确估算车用锂电池荷电状态(SOC)值,采用PID神经网络方法建立电池模型,设定电池电压、放电电流、电池累计放电量和电池电极温度4个变量为模型输入量,电池剩余电量为模型输出量,由此得到了全部神经网络训练数据,并仿真估算出电池SOC值.仿真结果表明,利用该方法对电池SOC进行估算,误差小于3.66％,方法有效.     

基于神经网络PID控制的变频恒压供水系统设计

本文就变频技术在伶俐糖厂供水系统中的应用,结合系统可靠性、实用性理论,基于当前神经网络控制技术,提出神经网络PID控制系统设计方案,实现了控制的需要。     

遗传算法优化的双线圈磁流变制动器模糊PID控制

针对磁流变制动器制动力矩输出不稳定的问题,采用遗传算法优化后的模糊PID控制器对双线圈磁流变制动器进行力矩控制。基于Bingham模型建立了双线圈磁流变制动器的制动力矩数学模型,同时推导了磁流变制动器的动态模型。完成了双线圈磁流变制动器的制动力矩实验,当励磁电流为1.0 A时,磁流变制动器制动力矩最大值为4.8 N·m;采用最小二乘结构模型,开展了双线圈磁流变制动器传递函数的参数辨识;基于遗传算法和模糊PID控制,设计了双线圈磁流变制动器的遗传算法优化的模糊PID控制器;搭建了磁流变制动器控制实验平台,开展了磁流变制动器力矩控制实验研究。研究结果表明,相比于传统模糊PID控制,在基于遗传算法优化的模糊PID控制下,双线圈磁流变制动器能实现较好的力矩控制效果,制动力矩阶跃响应上升时间为0.63 s,超调量为4.17%,制动力矩跟踪误差在0.2 N·m以内,具有较快的响应速度、较小的超调量以及较小的力矩跟踪误差。     

基于多维耦合仿真的冷却系统控制策略优化

电动车驱动系统冷却系统具有非线性、传热迟滞和时变性等特点,电机控制器功耗受工作温度影响较大,传统的冷却辅机控制策略无法满足最低功耗需求。针对此问题,利用STAR-CCM+和Amesim仿真软件建立冷却系统多维耦合仿真模型,研究电机控制器冷却系统最优门限值,并联合Matlab/Simulink仿真平台对比多挡、PID和自适应模糊PID3种控制方法的系统功耗。结果表明自适应模糊PID控制能够提升冷却系统的动态性能,降低整车能耗。     

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。     

PID控制算法在温度控制中的应用

温度是重要的物理量,温度的测量和控制,在工业生产和科研工作中都非常重要.本文介绍了以89s52单片机为检测控制中心的数字式水温自动控制系统.温度测量部分采用单总线集成温度传感器DS18b20,使系统简单可靠,且易于操作.键盘和显示部分采用I2C总线方式的数码管显示驱动及键盘扫描管理芯片ZLG7290,大大节省了单片机的I/O资源,提高了单片机的工作效率.温度控制采用PID数字控制算法.加热器驱动采用Motorola公司推出的单片集成可控硅驱动器件MOC3041芯片.     

基于神经网络PID控制的客车ECAS设计与实现

以飞思卡尔MC9S08GB60单片机为控制核心,以亚星YBL6891H型客车为试验对象,针对空气悬架系统本身的非线性特性,采用神经PID控制算法,设计了一种通过检测车身高度对空气弹簧进行充排气,进而改变弹簧刚度的客车电控空气悬架系统.根据悬架评价指标建立了电控悬架的2自由度1/4车辆模型,通过仿真验证了该悬架系统对悬架动行程、车轮动载荷及车身垂直加速度这3项汽车行驶平顺性评价指标的改善,最后通过试验验证了所设计控制策略的正确性.     

基于PID神经网络算法的新型电控液压动力转向系统

分析全液压转向系统的转向特点,提出一种基于PID神经网络算法的新型电控液压动力转向系统。介绍该系统的组成、工作原理和控制策略,并对转向关键技术进行理论推导。采用Matlab与AMEsim软件进行联合仿真试验,并和已有的全液压转向台架进行了对比试验。试验证明,该系统继承了全液压转向系统的特点,同时又具有实时响应快,转向舒适度高,简化液压回路的特点。     

基于PID控制的静液压驱动风扇冷却系统仿真

发动机冷却系统是整车热管理中最重要的部分。为了使重型汽车发动机冷却水温度保持正常值,文中介绍新型的液压驱动冷却系统。根据发动机水温对比例先导式溢流阀进行调节,实现液压电动机转速的自适应调整。针对液压驱动风扇冷却系统,对系统进行建模与仿真,制定控制策略,实现发动机的精确温控。     

基于神经网络的交通事故预测

提出了交通事故预测的新方法－改进型BP神经网络，运用该网络对我国交通事故进行了预测分析。     

基于模糊控制的大客车冷却系统

冷却系统是发动机的重要组成部分,分析了传统冷却系统的不足,设计了基于模糊控制发动机电子控制冷却系统,该冷却系统能够实现散热风扇的无级变速,使发动机工作在最佳温度,使之更经济、更环保,给出了模糊控制器的仿真结果以．及模拟情况下工作稳定可靠。     

基于BP神经网络的柴油机排气门故障诊断

介绍了BP神经网络的结构和算法,设计了一个适用于柴油机排气门故障诊断的3层BP神经网络.将4缸柴油机排气门存在故障的状态和其正常工作状态所对应的特征向量作为BP神经网络的输入样本进行训练,建立故障诊断库,并用此故障诊断库对输入的检验数据进行自适应分类识别,从而实现故障诊断.实验表明,该方法可行、适用.     

基于CMAC神经网络与PID并行控制的汽车电动助力转向系统

电动助力转向系统(EPS)已经成为世界汽车技术发展的研究热点,然而对EPS控制策略的研究大多仅限于传统的控制方式。比较了单纯PID控制和CMAC与PID复合控制下电动助力转向系统对各种输入信号的响应,证明复合控制对非线性信号有很强的跟踪能力,并且具有很好的抗干扰性。     

基于模型预测控制的水冷型燃料电池冷却系统研究

针对传统温度控制方法在水冷型质子交换膜燃料电池(PEMFC)冷却系统中应用时出现温度波动较大、调控时间长、能耗高等问题,以某款氢燃料电池冷却系统为研究对象,利用一维软件搭建氢燃料电池冷却系统计算模型,并对标台架试验,验证了计算模型的可靠性.在此基础上,设计开发模型预测控制器,经计算分析可得,相比于原有PID控制器,采用...     

基于BP神经网络的SOC估算策略研究

针对传统动力电池的SOC估计方法的不足,采用BP神经网络对SOC进行预测。通过编写Matlab程序对BP神经网络进行了训练,并用所建BP神经网络模型对电池性能进行预测,获得电池SOC预测值,最大误差小于0.5%,结果满足精度要求,从而验证了所建BP神经网络能够有效的预测蓄电池电压和SOC之间的映射关系。对提高动力电池的能量效率,延长电池的使用寿命具有重要意义。     

基于BP神经网络的短时交通流预测

对比分析短时交通流预测模型,对BP神经网络预测算法的原理进行分析说明,用BP神经网络建立短时交通流预测模型,利用华南快速路的实测交通流数据来验证模型的可行性。     

基于Matlab的BP神经网络的电控发动机故障研究

基于Matlab的BP神经网络,对电控发动机的故障进行研究。采集电控发动机故障数据,运用BP神经网络建立了故障诊断模型,并对几种常见故障进行了诊断,诊断结果表明BP神经网络在电控发动机故障诊断研究方面具有一定的实用价值。     

基于BP神经网络的发动机转矩估计

针对并联式混合动力总成在状态切换和换挡时动力协调控制的需要,完成了富康TU5JP/K汽油发动机的稳态和动态性能试验,建立了基于BP神经网络的发动机转矩估计模型:通过对试验数据的训练,完成了全工况范围内的发动机稳态和动态转矩的估计,并实际应用到在基于dSPACE的混合动力总成控制原型中,达到了预期的控制精度,为实现并联式混合动力系统在状态切换和换挡过程中发动机和电动机的协调控制奠定了基础.