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.     

基于图像处理的混凝土表面裂缝检测研究

为了满足道路、桥梁、房屋等混凝土结构的表面裂缝快速检测的要求,利用图像处理技术对裂缝进行自动检测。对获取的裂缝图像进行灰度化处理、Gamma校正,基于加权中值滤波提出了一种改进的中值滤波方法并对裂缝图像进行去噪,采用阈值分割方法以及形态学处理提取出完整裂缝并判断其类型,最后提出了一种线型裂缝宽度的计算方法。实验结果表明裂缝目标能准确提取出来,所检测出的裂缝宽度值与实测值的相对误差在2%以内,方法具有有效性。     

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.     

基于多传感器信息融合的轨道交通列车轮径校正方法

多传感器信息融合是实现轨道交通列车高精度定位的发展趋势。针对列车车轮在运行过程中逐渐磨损导致轮径减小,从而影响轮轴速度传感器测速定位精度的问题,通过分析定位传感器的误差特性,采用轮轴速度传感器、加速度计和多普勒测速雷达构成列车组合定位系统,并结合卡尔曼滤波理论,提出一种基于卡尔曼滤波的轮径预测校正方法。该方法在各传感器工作正常时,通过多传感器信息滤波融合得到列车运动状态参数的最优估计,并完成轮径校正;在辅助传感器失效或故障时,通过过去和当前的传感器量测信息对未来一定时间内的列车运动状态做出定量的预测估计,进而完成轮径的预测与校正。仿真试验结果表明,本文所提出的方法能够达到较高的精度水平,提高了列车组合定位系统的可靠性和自主能力。     

基于神经网络的地铁牵引整流器直接功率控制算法研究

现代地铁交通车辆短间隔内重复起动停车、加速减速,车辆需要的电流处于不断变化的过程,难以建立复杂的精确数学模型,且对系统在短时间内抗负载突变的能力有较高要求。将直接功率控制理论和神经网络控制结合起来,应用于地铁整流器控制,通过建模仿真可以看出此系统动态响应较快,抗负载突变能力强,仿真结果验证了此控制方法的正确性与可行性。     

HXD型电力机车牵引整流器的分析

简述了HXD型电力机车牵引整流器的拓扑结构,得出PWM整流器的等效模型,给出了仿真结构和参数,分析了整流器在牵引工况和再生制动工况下的输入端电压电流关系,验证了理论分析的正确性.     

电子调速器设计原理及应用

PID参数的电路设计是电子调速器的核心,PID参数的整定调试,是发动机在不同工况下转速平稳运行的保证,是获得发动机最佳性能优化,提高发电品质的基础.     

高速磁悬浮列车悬浮控制中加速度信号数字滤波算法研究

在磁悬浮列车悬浮控制系统设计中,传感器信号的数字化滤波算法特性是影响控制效果的重要因素之一.其中加速度信号一般经过积分处理获得系统的绝对速度反馈,但实测加速度信号中包含了不稳定的重力分量,不能直接积分.结合加速度信号的特点和控制器实时性的要求,提出了数字高通和移动平滑滤波算法.计算机仿真分析和对实测信号的处理结果表明,移动平滑滤波算法获得了较理想的滤波效果,适合应用于控制器的数字化设计.     

Comparison of Three Control Methods in Penetration Control of Pulsed Gas Tungsten Arc Welding

An artificial neural network model for backside bead width was established and three control meth-ods——PID. fuzzy and neuron were designed, simulated and tested. The test results of bead-on-plate weld of GTAW indicate that the artificial neural network (ANN) modeling and learning control method have more advan-tages than the conventional method. They show that the ANN modeling and learning control method is an effective approach to real time control of welding dynamics and ideal quality.     

基于模糊神经网络的船舶调距桨控制系统仿真

利用人工神经元网络(ANN)的学习与联想能力,模拟人的经验操作,实现对船舶调距桨系统的智能控制.在实际控制过程中,当误差及其变化率与样本点匹配时,控制器直接复现所记忆的"原则";当与样本不匹配时,控制器通过联想以相近的"原则"处理,实现连续模糊控制.