基于RBF-PID的掘进机截齿动载荷平稳性控制方法研究

依据实际情况,运用有限元仿真对掘进机截割头水平截割、垂直截割与纵向钻进工况进行仿真。通过对仿真结果进行统计,得到了各截齿在截割过程中截割阻力的大小,并运用仿真结果对截割阻力计算公式进行了修正。通过建立多目标优化模型,运用NSGA-Ⅱ算法进行求解,得到了不同煤岩硬度下的最优截割参数。以上述研究为基础,提出了基于RBF-PID的掘进机截齿动载荷平稳性控制方法。采用MATLAB与AMESim联合仿真,搭建了截割头转速与摆速控制模型,通过仿真并分析仿真结果,验证了所提出方法的可靠性。

基于改进MPC与RBF-PID的智能车轨迹跟踪控制

为提升智能汽车轨迹跟踪控制的稳定性和精度,提出一种基于时域参数自适应MPC与RBF-PID的轨迹跟踪控制方法.首先搭建车辆横纵向动力学模型;其次分析控制时域与预测时域对跟踪精度的影响,设计时域参数自适应MPC横向控制器并进行仿真验证;然后基于径向基函数(RBF)神经网络整定PID控制参数,设计分层式纵向控制器,并设计折线速度曲线与PID算法进行对比;最后以车速为耦合点构建智能汽车横纵向综合控制系统,并在蛇形工况下对横纵向综合控制系统进行仿真实验.结果表明,所设计的横向控制器能保证低速时的跟踪精度和高速时的车辆稳定性,纵向控制器可有效提高速度跟踪精度,横纵向综合控制系统能实现车辆在变车速工况下对轨迹的精准跟踪,同时保证良好的行驶稳定性与舒适性.

基于RBF-PID的燃料电池空气压力控制

空气压力是影响车用质子交换膜燃料电池输出功率的关键参数之一。为使空气压力快速适应燃料电池输出功率的变化,采用基于RBF神经网络整定的PID控制,提高了控制系统的动态性能。仿真结果表明,相对经典PID控制而言,采用RBF-PID控制的空气压力响应时间短,响应速度快。

基于RBF-PID的啤酒灌装机贮液缸内液位控制

目的提高啤酒灌装质量和效率,对贮液罐液位进行精确控制。方法在传统PID控制的基础上,提出一种RBF神经网络与PID相结合的啤酒灌装机贮液缸内液位自适应控制方法。利用RBF神经网络的快速自学习能力调整PID控制的比例、积分、微分系数。结果与传统PID控制相比,RBF-PID控制响应速度快,超调量较小,系统达到稳定的时间得到大大缩短。结论文中方法提高了啤酒灌装机贮液罐内液位的控制精度,有效提高了啤酒的质量和产量。

基于黑箱模型和RBF-PID的HCCI发动机燃烧正时控制

由于均质充气压缩点燃(HCCI)发动机缺少直接控制其燃烧的手段,导致HCCI发动机的燃烧正时控制成为HCCI发动机的研究热点。以HCCI发动机进气歧管的温度和压力、燃油当量比、转速以及进气门关闭正时为输入,利用BP神经网络建立用于估计HCCI发动机燃烧正时的黑箱模型。在此模型基础上,以进气门关闭正时为控制量设计了PID控制器,并利用径向基神经网络对其参数进行整定,以实现对燃烧正时的反馈控制。实验结果表明,BP神经网络估计模型对HCCI发动机燃烧正时的估计误差小于0.4(CAD),能实现准确的估计;此外,与传统的PID控制器相比,设计的RBF-PID控制器在超调量、调节时间以及抗干扰性等性能方面均有改善。

基于RBF-PID控制器的带式输送机自适应调速系统

带式输送机是煤矿开采过程中重要的运输设备,运输距离长,耗能大。提出基于RBFPID控制器的带式输送机自适应调速系统,实现带式输送机自适应调速从而降低其能耗。通过对带式输送机的能耗与煤量、带速之间的关系进行分析,建立带式输送机的能耗模型。为实现功率平衡,采用RBF-PID控制器调节电动机输出电压。阐述了RBF-PID控制器的工作过程,完成了基于RBF-PID控制器的带式输送机自适应调速系统的硬件设计和软件设计。该系统能耗低,节能效果良好。

硅锭电火花线切割RBF-PID恒张力控制研究

针对硅锭电火花线切割电极丝存在张力不稳定、幅度变化大等问题,设计一种双边张力伺服控制系统。建立张力伺服系统数学模型,根据该模型设计一种基于RBF神经网络的PID控制算法并与传统PID控制算法进行仿真对比。仿真结果表明:优化后的RBF-PID可在15 ms内完成PID参数整定,实现了超调量<5%、调整时间<25 ms的控制性能,克服了普通PID系统参数改变后需再次整定、自适应性差的缺点。硅锭电火花切割实验表明:RBF-PID控制算法的张力波动率比普通PID算法降低了40%,显著抑制了走丝速度、预紧力变化等因素对电极丝张力稳定性的影响。

RBF-PID串级控制在加热炉温度系统中的应用研究

针对工业生产中加热炉物料出口温度的非线性、时变性、大滞后性等特点,无法建立精确的数学模型,并且为提高该系统控制的可靠性和安全性,达到精确控制。提出一种基于RBF(Radial Basis Function)神经网络的PID串级控制器,即先用建立的三层RBF神经网络在线辨识得到梯度信息,再用梯度信息在线整定PID控制的三个参数,最后将整定的PID控制物料出口温度-炉膛温度串级系统的主回路。仿真结果表明,RBF-PID串级控制较传统P I D串级控制有较强的鲁棒性,提高了控制品质,获得了更好的控制效果。

Smith-RBF-PID控制算法在工业平缝机脚踏板调速模块中的应用

针对工业缝纫机调速模块的伺服系统普遍存在耦合、大滞后的现象,提出了一种将Smith预估补偿和RBF神经网络算法与PID控制器相结合的Smith-RBF-PID控制算法。该方法利用了Smith预估补偿能克服纯滞后和RBF能处理非线性问题、在线自学习整定PID参数的优点,在调速模块的伺服控制系统中更加有效。

基于同步控制的行李电机ACA-RBF-PID控制

针对机场行李准确地从传送带导入分拣机的问题,提出将基于同步控制的ACA-RBF-PID算法应用于机场行李导入电机。该方法利用蚁群算法优化RBF神经网络避免了传统RBF网络方法带来的局部优化问题,实现了全局最优,并且电机同步控制系统保证了从导入电机与导入电机速度始终保持一致,避免了同时将两件行李送上同一个行李托盘。仿真结果表明,该策略大大地提高了行李导入效率,为行李的后续分拣带来保证。

基于视觉检测板球系统的RBF-PID控制研究

板球系统是一个典型的多变量、不确定、强耦合的非线性系统,一直被国内外许多学者作为研究非线性控制系统的实验平台。文中通过动力学分析得到板球系统的数学模型和相应的简化模型,针对系统震荡较严重的问题,在RBF神经网络参数调整中加入动量因子,减小系统震荡;对系统响应速度慢的问题,采用LM算法代替梯度下降法对PID参数进行在线优化。实验结果表明,该控制算法可使控制误差缩小在2 mm以内,控制时间减少了3 s且具有较好的鲁棒性。

基于RBF神经网络的汽车内饰皮革智能切割系统设计

随着汽车用皮革的迅速发展,开发一套满足汽车内饰皮革生产需求的智能切割系统具有重要意义。本文简述了汽车内饰皮革切割系统的发展,构建了基于径向基函数(Radial Basis Function,RBF)神经网络的汽车内饰皮革智能切割系统,介绍了系统主要硬件配置选型和软件的设计,提出了基于RBF神经网络PID(Proportional Integral Derivative,比例-积分-微分)控制算法;通过搭建试验平台,测试汽车内饰皮革智能切割系统的可行性、切割精度与效率。结果表明,该系统能够较好地满足汽车内饰皮革切割方面的需求。

基于RBF神经网络的PFC-PID主汽温串级预测控制

针对主汽温系统的迟延性、大惯性、时变性等特点,采用辨识工具箱对预处理过的数据分别建立导前区和惰性区的数学模型,便于拟合成一阶纯迟延的广义被控对象;采用RBF神经网络辨识一阶纯迟延对象模型的比例增益、时间常数和迟延时间,将此辨识模型作为PFC的预测模型克服系统的迟延性;利用PI控制内回路,PFC控制广义被控对象的策略,实现了基于RBFNN的PFC-PID主汽温串级预测控制。通过仿真结果可知PFC-PI对系统的控制效果优于PID-PI的控制效果;通过模型参数失配模拟系统时变性,由仿真结果可知在线PFC控制可以针对不同模型优化出不同的控制律克服系统时变性和非线性的问题;同时在1000 s时输出端加入20%的负荷,有效证明了运用此策略控制主汽温系统具有较好的抗外扰能力。

基于改进RBF-PID的板球系统位置控制

板球系统是一个典型的多变量、不确定、强耦合的非线性系统,一直被国内外许多学者作为研究非线性控制系统的实验平台。通过动力学分析得到板球系统的数学模型和相应的简化模型,针对系统响应速度慢的问题,在原RBF-PID控制PID参数调整采用梯度下降法的基础上,引入加速率的概念加快系统响应速度。实验结果表明,该控制算法可使控制误差缩小在2mm以内,控制时间也减少了2.8s,且具有较好的鲁棒性。

永磁同步电机RBF-PID控制系统建模与仿真

对于永磁同步电机的矢量控制,传统的控制算法存在参数自适应整定较难,转速到达平稳时间较长、转矩波动较大、转速及转矩控制精度不高等问题.为此,将RBF神经网络融合到PID控制器中,依靠前者较快的学习收敛速度来改进参数整定,设计出RBF-PID控制器的模型.Matlab/Simulink仿真结果表明:设计的RBF-PID系统相较于传统PID控制在电机启动后到达稳态的时间提高了81.92%,受到干扰后恢复速度提高了10.87%,运行更稳定,为永磁同步电机控制系统提供了有效的控制策略.

基于RBF神经网络的油气悬架平顺性研究

目的 提高整车的行驶性能,使车辆可以自主调节,以适应各种不同的路面,从而达到良好的缓冲效果。方法 以双气室油气弹簧为研究对象,对其组成和工作原理进行详细分析,推导出油气弹簧的阻尼力和刚度等非线性特性与车身位移的关系。根据RBF神经网络控制原理,设计RBF-PID控制器,依靠神经网络自学习性对PID参数动态整定,使整个车身振动衰减,快速达到稳定状态,并基于Matlab/Simulink平台建立仿真模型,在B级和C级不平路面输入的情况下,重点对轮胎动载荷、车身质心加速度以及油气悬挂动挠度等3项性能进行仿真和分析。结果 同普通PID控制相比,RBF-PID控制下,车身3项性能的RMS分别降低26%、54%、0.1%。结论 RBF-PID控制能够克服环境影响,实现油气弹簧特性的可靠控制,提高了车辆行驶的平顺性以及稳定性。

神经元放电模式同步的UKF-RBF-PID控制策略研究

目的针对具有参数时变、强耦合以及非线性等复杂特性的神经系统,提出了一种神经元放电模式同步的UKF-RBF-PID控制策略。方法首先考虑到神经元膜上离子运动的随机性以及测量的干扰性,提出一种基于UKF(unscented Kalman filter)的神经元滤波方法,应用采样点集迭代过程实现更高的滤波估计精度;其次定义Jacobian阵表示计算值对激励变化的灵敏度信息,利用RBF(radial basis function)神经网络构建从神经元的在线辨识模型;最后设计了PID(proportion integration differentiation)控制器参数动态调整的规则,给出了参数调整的梯度下降法,经迭代实现从神经元和主神经元放电模式的同步。结果针对主从神经元脉冲发放状态的规则性差异情况,以及主从神经元模型参数不匹配的情形,分别进行了相应的仿真计算实验。主神经元为周期状态,从神经元为混沌状态,系统相位相关度0.9996,同步误差0.3907,主从神经元呈现较好的跟随状态;主从神经元均为初始状态不一致的周期类型,系统相位相关度0.9994,同步方差处于合理水平,主从神经元呈现较好的跟随状态;主、从神经元均为初始状态一致的周期类型,其中主神经元为标准参数,从神经元参数失配,系统相位相关度0.9996,有噪声干扰时,神经元间同步方差可接受。结论在噪声的干扰下,主从神经元实现了神经元间的同步,证明了本文提出方法的有效性,有望应用到深部脑刺激治疗方案中。

RBF-PID偏差补偿在液压助力万向车中的应用

针对液压助力万向车转向控制系统自适应性差、同步误差大的问题,研究了万向车四车轮的同步控制方案。设计了适用于不同场合的5种驾驶模式,建立了阀控齿条液压缸数学模型和四缸同步控制系统模型,并利用人群搜索算法代替工程经验法整定PID控制器参数;将具有强大自适应能力的RBF神经网络与常规PID偏差补偿控制器相结合,对偏差补偿信号进行实时调整,从而提高控制系统的自适应能力。研究结果表明:加入RBF-PID偏差补偿控制器后,液压助力万向车转向控制系统的同步性能和抗干扰能力均得到提升。

基于RBF神经网络整定PID的电液比例系统位置控制研究

针对凿岩机械臂的电液比例系统位置控制精度问题,提出了一种基于径向基函数(RBF)神经网络整定PID的电液比例系统位置控制方法。首先,在AMESim中搭建了阀控非对称液压缸的电液比例系统简化模型,设置了各个模块的参数;然后,利用MATLAB/Simulink搭建了系统闭环控制模型,通过不断更新RBF网络模型并修正PID参数,实现了基于RBF神经网络整定PID的电液比例系统位置控制目的;结合AMESim搭建的电液比例系统模型和Simulink下搭建的控制器进行了联合仿真;最后,基于凿岩台车机械臂实验平台,进行了电液比例系统位置控制实验。仿真结果表明:在受到外部干扰的情况下,RBF神经网络整定PID控制系统能够在0.3 s内控制活塞杆重新运行至目标位置,平均响应时间为1.5 s,位置精度误差不超过5 mm。实验结果表明:与常规PID控制方法相比,RBF神经网络整定PID控制活塞杆位置精度误差降低了75%,位置精度误差在工程实际要求的10 mm范围以内,因此,RBF神经网络整定PID算法可以有效提高电液比例系统的位置控制精度,满足凿岩机械臂实际工作中对电液比例系统位置精度的控制要求。

基于改进RBF/模糊PID的锻压机双缸闭环同步信号控制

为了提高连杆驱动锻压机双缸同步控制精度,设计了一种推进过程改进RBF/模糊PID控制方案,采用闭环同步控制。构建了改进RBF/模糊PID控制器,并通过Simulink完成仿真测试,验证了推进过程的同步控制性能。研究结果表明:无论是高速还是低速,改进RBF/模糊PID相对模糊PID控制方式表现出来更低的双缸同步误差,可以获得更高的系统控制精度。