基于PID控制的EPS系统建模仿真研究

在分析电动助力转向系统数学模型的基础上,构建了基于MATLAB/Simulink的电动助力转向系统仿真模型。采用曲线型助力特性曲线,基于PID控制策略对电动机目标电流进行闭环跟踪控制。分析结果表明:所研究的PID控制策略具有良好的助力性。     

基于PID控制的EPS系统建模仿真研究

在分析电动助力转向系统数学模型的基础上,构建了基于MATLAB/Simulink的电动助力转向系统仿真模型。采用曲线型助力特性曲线,基于PID控制策略对电动机目标电流进行闭环跟踪控制。分析结果表明:所研究的PID控制策略具有良好的助力性。     

基于PID控制策略的汽车电动助力转向系统的研究

电动助力转向(EPS)是汽车动力转向的新技术和新结构,助力控制是电动助力转向的基本控制策略,并决定电动助力的特性。EPS的控制系统主要由控制器、传感器、及信号处理电路、助力电机及驱动电路等组成,讨论了电动助力控制的一般过程、电动机目标电流的控制策略等问题。台架实验表明,提出的控制策略是有效的。     

沙滩车EPS系统助力电机控制算法研究

为了更好地研究沙滩车电动助力转向系统,分析了沙滩车电动助力转向控制系统结构,建立了沙滩车电动助力转向系统模型及转向助力电机简化模型。通过仿真模型测试结果初步确定了电动助力转向系统PID控制参数值。分析研究了PID控制程序流程图,并由实车测试数据对PID控制算法进行了验证分析,从曲线上可以看出,沙滩车电动助力转向助力电机运行平稳,响应速度快;从数据测试结果表明,所测试的数据结果达到了设计要求,说明所采用的助力电机控制算法是可行的。     

车辆半主动悬架与电动助力转向系统的模糊PID集成控制研究

建立了半主动恳架(SAS)与电动助力转向(EPS)的整车集成系统模型,将PID与模糊控制相结合,设计了模糊PID集成控制策略,并在Matlab环境中,对汽车在方向盘角阶跃输入工况下进行了大量的仿真研究.仿真结果表明:具有模糊PID控制策略的SAS与EPS集成控制优于二者的单独控制,提高了汽车的转向轻便性、操纵稳定性、乘坐舒适性、行驶安全性,从整体上优化了汽车底盘的综合性能.     

汽车电动助力转向控制研究

阐述了EPS的结构和控制原理,并分析了转向助力控制、回正控制、阻尼控制3种控制方式和PID控制在系统上的实现过程.仿真分析表明:基于PD控制算法的控制器能使转向更加轻便,减小车辆高速行驶时的转向超调量或摆振.     

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。     

电动助力转向系统(EPS)技术现状与发展

对电动助力转向系统的发展历程作了简要回顾。在对汽车电动助力转向原理的深入分析基础上,阐述了汽车电动助力转向系统的技术现状和发展前景。     

基于模糊PID控制的线控转向系统侧向稳定性分析

建立线控转向系统车辆侧向干扰下的非线性三自由度整车动力学模型,研究侧向干扰对汽车操纵稳定性的影响。分析采用PID控制的侧向稳定性控制效果,并采用模糊PID控制对转向电机主动控制。结果表明,线控转向系统中采用模糊PID控制实时整定PID控制参数,可有效提高各种侧向干扰下的整车侧向稳定性。     

班轮船舶调度多目标优化模型与蚁群算法

针对班轮船舶调度问题, 在将班轮合理配置到各往返航班上和不存在时间冲突的基础上, 以最小班轮变动成本、最小航线运载量缺口和最小班轮航次总绝对偏差为目标函数, 构造了基于港口时段与往返航班的时空网络, 建立了班轮调度的0-1整数规划数学模型。基于某船务公司实际运载数据, 利用蚁群算法求解模型, 并用邻域搜索技术提高求解效率。计算结果表明: 在运载量满足运营要求的前提下, 班轮运营的日均总变动成本从198 086.3元降低到170 472.2元, 下降了约13.9%;班轮航次数总绝对偏差从4.4次降低到2.4次, 下降了约45.5%, 班轮利用率更加均衡; 运载量缺口仍旧为0。可见, 模型可行, 算法有效。     

随机用户均衡交通分配问题的蚁群优化算法

研究了出行者对路网熟悉程度的指标与交通流分配均衡性之间的关系, 提出了具有指数形式信息素更新策略的随机用户均衡模型蚁群优化算法, 建立了从Logit模型加载, 到交通需求确认及路径流量、路段流量、路段阻抗、路径阻抗迭代计算的交通分配动态循环流程; 计算了Nguyen-Dupuis路网模型中各路段的流量与阻抗, 并与连续平均算法计算结果进行比较; 通过调节出行者对路网熟悉程度的因子, 分析了蚁群优化算法与连续平均算法的敏感性。研究结果表明: 采用连续平均算法和蚁群优化算法计算的路段流量分布分别为20~280、40~260pcu, 蚁群优化算法的流量分布区间减小了15.4%, 路段流量的最大值减小了7.1%, 因此, 采用蚁群优化算法计算的路段流量较为均衡; 采用蚁群优化算法时, 在Nguyen-Dupuis路网模型中各路段流量的标准差从65pcu降至48pcu, 88%可选路径的阻抗分布在61~64, 且84%的路径阻抗低于采用连续平均算法计算的阻抗, 因此, 采用蚁群优化算法减少了用户出行时间; 当路网熟悉程度分别为0.01、0.1、1、2、7、11时, 采用连续平均算法计算的路段流量标准差分别为75、65、50、47、45、45pcu, 采用蚁群优化算法计算的路段流量标准差分别为48、48、48、47、43、43pcu, 可见, 随着路网熟悉程度的增大, 分配在各路段上的流量范围逐渐减小, 标准差趋于稳定, 信息素更新策略对出行者的路径选择概率影响越明显, 出行者选择阻抗小的路径的概率变大, 因此, 采用蚁群优化算法对路段的流量分配逐渐优于连续平均算法。     

基于Ziegler—Nichols的PID控制系统仿真分析

介绍基于Ziegler-Niehols的PID参数整定方法和PID控制器设计,应用MATLAB／Simulink对所提出的PID参数整定方法进行仿真分析。仿真结果表明,此方法设计的PID控制器的各项性能指标良好。     

磁浮系统中免疫专家PID控制器的改进

磁浮系统是一种典型的非线性、不稳定性开环系统。由于传统的比例-积分-微分（PID）控制器的参数是固定的,因此,控制系统无法兼顾悬浮系统的静态和动态性能。本文提出一种基于粒子群优化（PSO）算法的分段专家免疫PID控制器。该控制器先利用免疫PID控制器给出悬浮系统的阶跃响应曲线,再根据误差变化将该曲线划分为五个阶段,分段实现基于PSO算法的专家PID控制器。该控制器的优点是能够在悬浮系统工作时在线对PID参数进行调节,适应误差的不同变化,使控制器响应速度加快、调节精度提高,稳态性能变好,而且几乎没有超调和振荡。利用Matlab仿真,结果表明在相同精度要求下,该控制方法与单一的专家PID控制器的相比,磁浮控制系统的过渡时间变短,调节时间变短且过渡性能较好。     

EPS对汽车操稳性的影响

通过建立EPS动力学数学模型,有助于研究装备EPS车辆在转向盘角阶跃输入下的稳态和瞬态响应,有助于数值仿真分析不同助力电机控制方式和参数．以及对汽车操稳性的影响。     

配送网络规划蚁群算法

分析了配送网络规划复杂的非线性组合优化问题, 以配送网络中的运行费用、设施投资费用及可靠性费用之和最小为目标函数, 建立了配送网络规划的数学模型, 设计了相应的蚁群算法。应用结果表明该算法的计算结果与实际的配送网络规划线路相符, 是可行的。     

公交出行路径蚂蚁算法

结合公交乘客出行的特点,基于Dijkstra算法站点查询的出行路径选择方法,提出了基于蚂蚁算法的具有最少换乘次数的公交出行路径查询算法.算法利用了蚂蚁寻食出行路径选择的行为特点,通过线路激素强度的更新机制,实现了以换乘次数最少和公交出行站点最少的公交出行路径选择优化目标.算法实际查询结果与实际相符.     

带时间窗车辆调度问题的蚁群算法

为求解带时间窗约束的配送中心车辆调度问题, 运用蚁群算法把时间窗约束转化为惩罚函数形式, 将其并入目标函数后, 建立了满足客户配送时间要求条件下的运输费用最低的车辆调度模型, 提出了模型的求解程序, 并以某算例进行了仿真分析。分析结果表明: 该模型通过参数的不同标定, 可以转化成旅行商模型、硬时间窗或软时间窗的车辆调度模型; 仿真算例中, 配送路线最优行驶距离为794 km, 车辆最长行驶时间为8.2 h, 该算法能有效求解配送中心车辆调度问题。     

基于蚁群算法的动态路径选择问题

论述蚁群算法在动态路径选择问题上应用。在蚂蚁寻径原理基础上,建立经济圈公路网蚁群算法模型,并对算法的参数进行标定。针对算法的缺陷,对信息素更新策略进行了优化改进,使其能更快的收敛到全局最优解。该模型算法对经济圈道路交通智能化动态诱导系统的建立大有帮助。     

基于单神经元智能PID控制的柴油机数字式电子调速系统

提出一种以经典ＰＩＤ为基础,用单神经元加以实现的智能ＰＩＤ控制算法,该算法既保留了神经网络控制的优点,又简单易行,将其应用于柴油数字式电子调速系统仿真结果表明,该控制算法不仅动态性能优良,而且具有较好的适应性和鲁棒性,为研究柴油机数字式电子调速系统的智能控制提供了一条新途径。