基于模糊神经网络的滑模变结构控制方法的研究与实现

针对交流传动不确定非线性复杂系统,结合滑模变结构和模糊神经网的优点,提出了一种模糊神经网络滑模变结构的跟踪控制方法.采用等值控制型切换超平面设计滑模变结构控制系统,使用模糊神经网络系统自适应调节切换增益,得到模糊神经网络滑模变结构模型跟踪控制器.仿真结果表明,所设计的控制器不但能使被控对象较好地跟踪参考模型,而且对系统的不确定性具有不变性,保证了被控系统在整个控制阶段都具有较强的鲁棒性.     

基于温度系统的模糊自适应PID控制器的设计与仿真

针对温度系统这类非线性、大惯性对象,常规的PID控制难以发挥良好的作用,设计了一种基于模糊控制的自适应PID控制器,根据偏差和偏差变化的需要实时调整PID参数.通过仿真表明,该模糊PID控制器既具有常规PID控制器高精度的优点,又具有模糊控制器快速、适应性强的特点,并可以迅速消除系统余差.     

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.      

基于模糊变步长神经网络的自适应PID控制

本文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。     

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...     

双横臂悬架动力学建模及模糊滑模控制器设计

针对传统双横臂悬架建模时直接使用悬架参数,所引起的模型准确率低不能完整反应悬架动态特性的问题,对双横臂悬架进行了机构动力学建模,计算了悬架阻尼系数和弹簧刚度的等效系数.为进一步优化控制效果,设计了带模糊切换增益调节的滑模控制器,把理想的天棚阻尼系统作为参考模型,将实际被控系统与参考模型之间的误差动力学方程作为模糊滑模控制器的控制对象,为了降低滑模控制中的抖振,对切换增益K(t)进行模糊化处理,通过MATLAB/simulink仿真验证并与PID、被动悬架进行对比.研究结果表明:模糊滑模控制器能有效降低车身的加速度,提高车辆的平顺性.     

基于模糊RBF神经网络的柴油机电液调速控制方法

介绍了电液调速执行器的动态特性,设计了电液调速控制回路,实现了模糊RBF神经网络对柴油机油门执行器位置的控制。将一种基于模糊RBF神经网络的PID控制器应用于柴油机调速控制中,详细说明了模糊RBF神经网络控制器的设计过程,它结合了传统PID以及神经网络和模糊控制的优点,可以在线调整得到一组最优的PID控制参数。仿真结果表明该系统比传统模糊控制的响应速度快、超调小,且适应性强,具有推广价值。     

基于模糊PID的卷纸输送系统恒张力控制研究

在纸卷机工作过程中,卷纸输送带张力的波动会影响到纸卷的质量,恒张力控制对于纸卷输送系统尤为重要.为此,提出了一种基于模糊PID控制的卷纸输送系统恒张力控制策略.首先,分析了卷纸输送系统的工作原理,并对其进行数学建模.其次,针对卷纸输送系统的特性建立了与其适配的模糊规则表.最后,对卷纸输送系统进行了仿真实验,并把模糊PID控制和传统PID控制的结果作对比.实验结果表明,模糊PID的控制性能优于传统PID,它对卷纸输送系统的恒张力控制精度更高、调节时间更短,并且提高了系统的抗干扰能力.     

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,超调适中,具有更好的动、静态特性。     

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.     

自动寻迹运输车舵轮模糊PID控制器的设计与仿真

建立了自动寻迹运输车舵轮控制系统的数学模型,设计了一种基于模糊PID控制的运输车方向控制系统。文中较详细地分析了控制系统数学模型的简化、模糊PID控制器的设计过程以及加模糊PID算法后系统的阶跃响应,同时对加控制算法前后系统的阶跃响应进行了对比仿真研究。仿真结果表明,加入模糊PID算法后系统的稳定性和快速性等动态性能得到了较好地改善。将仿真得到的数据应用到样机的试验中,发现该运输小车的方向控制系统能很好地满足其在前进过程中对方向调节的快速响应,样机系统具有较好的动态性能。     

一种神经网络自适应PID控制器

采用神经网络与模糊逻辑相结合的方式，构造了一种自适应ＰＩＤ控制器。该控制器用具有改进学习算法的神经网络作ＰＩＤ参数调节器，用模糊神经网络对被控对象进行模型辨识，综合了神经网络，模糊控制和ＰＩＤ控制的优点。结构简单，易于实现，且适应环境能力强。     

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。     

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。     

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.     

����ģ�����Ƶ����ܳ���������ʻ�����о�

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.