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。

基于改进粒子群算法的机械手抓取力自整定模糊PID控制

为提高欠驱动机械手在易碎零件分拣过程中的稳定性,通过改进粒子群算法,给出一种优化其抓取性能的模糊PID控制算法。首先,分析欠驱动机械手抓取力控制系统的特性,提出粒子群算法与模糊PID抓取力控制系统相结合的具体策略。其次,将动态惯性权重等方法引入粒子群算法中,以提高其迭代速度并防止其陷入局部最优。在此基础上,利用改进后的粒子群算法优化模糊PID控制器的相关参数,实现了对模糊规则权重及量化因子的在线自整定,解决了PID参数无法动态调整的问题。最后,对其进行仿真分析。结果表明:该控制算法可以在0.8 s内达到稳定抓取力,稳态误差小于0.2%,扰动整定时间为0.262 s,系统的瞬态响应速度、控制精度以及稳定性均有明显提高。

基于改进模糊PID果园双轮移动机器人运动控制

针对果园双轮机器人在果园路面移动时难平衡、易失稳的问题,提出了一种基于改进萤火虫算法优化的模糊比例-积分-微分(PID)控制策略。首先,根据机器人与果园不平整路面特点,建立其动力学状态空间模型;第二,阐述改进萤火虫算法原理并用其优化控制器模糊规则;第三,利用MatLab/Simulink软件对机器人运动控制进行仿真试验;最后,为检验所提出算法的可行性,建立对比试验。研究结果表明:改进萤火虫算法优化的模糊PID控制器实现了果园双轮移动机器人的稳定运动功能,到达稳定的时间与最大倾角较传统PID控制器分别减少了3.9s和20.4°。

基于改进粒子群算法的移相全桥模糊PID控制

[目的]为了得到具有良好性能指标的移相全桥(PSFB)控制方案,本文提出了基于改进粒子群算法(IPSO)寻优的模糊比例积分微分(PID)控制方法.[方法]在PSFB的小信号模型基础上,使用模糊控制器改善PID的参数,随后应用自适应惯性权重和压缩因子法优化PSO的全局特性和收敛性,进而计算模糊控制器的比例因子和量化因子,以提高系统的控制效果.在Simulink仿真环境中分别使用常规PID、模糊PID、IPSO优化模糊PID三种方式对移相全桥拓扑进行仿真,并设计了一台100 W的样机,验证所提控制策略的有效性.[结果]仿真结果中,IPSO优化的模糊PID控制相对于常规PID和模糊PID,其调节时间、超调量、稳态误差分别下降79.6%、99.4%、42.9%和40.2%、20%、87.5%;基于TMS320F28034硬件的实验结果中,IPSO优化的模糊比例积分(PI)控制相对于增量式PI和模糊PI,其调节时间、超调量、稳态误差、电压输出纹波分别下降52.4%、56.4%、46.7%、75.0%和12.1%、37.4%、20%、66.7%.[结论]将IPSO应用于PSFB的PID控制,相对于常规PID和模糊PID,具有更高的控制精度、更快的收敛速度、更强的抗干扰能力.

杆驱工业机械臂双缸RBF优化模糊PID同步控制研究

为了提高杆驱工业机械臂双液压缸同步控制精度,设计了一种RBF优化模糊PID控制方法,并在Simulink平台完成性能仿真。研究结果表明:速度信号发生了先加速,之后进入稳定速度,最后再减速。低速下,以RBF优化模糊PID控制的双液压缸最大同步误差约为0.08 mm,稳定状态下的误差约为0.01 mm;高速下,以RBF优化模糊PID控制的双液压缸最大同步误差降低至0.11 mm,在稳定状态下的误差减小为0.02 mm。该研究有助于提供工业机器人控制精度,提高双臂协作效率。

基于改进跟踪微分器与前馈的模糊自适应PID控制

经典PID控制器在工程领域应用广泛,但其快速性和超调量之间不能很好地实现协调控制,且误差信号在经典意义上不可微,导致微分难以被有效利用。基于此,在典型跟踪微分器研究的基础上,采用一种具有良好的动态响应和滤波功能的改进非线性跟踪微分器对输入信号进行快速、无超调跟踪。并结合前馈控制和模糊自适应PID控制提升系统的稳定性和快速性,设计了一种基于改进跟踪微分器与前馈的模糊自适应PID控制器。以移相全桥变换器为控制对象,用经典PID与其进行对比分析。仿真与实验波形分析发现,所提控制器的鲁棒性更高,同时可将调节时间缩短至40%,响应速度也更快。

基于改进PSO的液压无级变速器转速模糊PID控制

为了解决液压无级变速器模糊PID控制准确度不高的问题,设计了一种基于改进粒子群(PSO)优化模糊PID控制方法,并通过仿真手段分析系统中正弦信号和阶跃信号响应性能差异性。研究结果表明,阶跃信号下,改进PSO算法优化模糊PID控制器可以实现马达转速与目标马达转速之间达到良好跟踪效果,超调量只需1 s便可以完成调节。正弦信号下,改进PSO算法优化模糊PID控制器最大跟踪误差为3%,具备低超调量、高鲁棒性等优点,开发的液压无级变速器可以满足马达转速的高效、准确跟踪效果。

基于IPSO优化模糊PID的液压变速器转速控制

为了提高液压变速器转速跟踪能力,开发了一种改进粒子群(IPSO)优化模糊PID控制算法。利用Matlab/Simulink分析阶跃负载信号时响应性能差异性,在HMCVT段范围内完成无级调速的控制效果。研究结果表明:负载影响下,系统扰动幅值快速降低55rad/min。受系统闭环反馈影响,在0.1s内重新跟踪输入参数,可以使HMCVT泵控系统1s时间完成马达转速跟踪的功能。本次开发的HMCVT泵控系统可以满足马达转速的准确跟踪效果,具备低超调量、高鲁棒性等优点。

电子节气门在线参数优化模糊PID控制策略

为实现汽车电子节气门开度的快速响应和精确控制,考虑进气系统中的结构摩擦、弹簧以及齿轮间隙的迟滞非线性问题,建立电子节气门数学模型。针对模糊PID控制电子节气门中各参数依赖于线下调试的问题,提出一种基于改进鸡群算法在线优化控制参数的策略,从而减少电子节气门的响应时间,降低系统响应的超调量。仿真结果表明,在电子节气门工作过程中,在通过ICSO(改进鸡群算法)优化后的模糊PID控制下,系统在经典阶跃响应时间较未优化的PID控制响应时间减少0.616 s,超调量与震荡次数等方面有显著提升,在其他工况下,电子节气门系统跟随特性良好,稳态精度与减小误差均提升较大。通过实验验证,ICSO优化后的控制器自适应能力更强,显著的减少了控制时间和提高了控制精度,具有良好的工作特性。

冗余机器人运动轨迹模糊PID控制优化与仿真研究

为了提高冗余机器人控制系统输出精度,设计了优化模糊比例-积分-微分(PID)控制系统,通过仿真验证控制系统的可行性。建立了冗余机器人的运动学模型,应用了模糊PID控制系统。研究改进粒子群算法,通过修改交叉算子和非线性动态惯性权重,提高粒子群算法的全局搜索能力。根据冗余机器人模糊PID控制优化流程,利用改进粒子群算法迭代搜索能力在线调整PID控制参数,使得进一步提高冗余机器人控制系统稳定性。在无干扰和有干扰条件下,利用Matlab软件对冗余机器人输出精度进行仿真实验。结果表明:在无干扰状况下,冗余机器人采用2种控制系统,其输出精度没有明显差别。在有干扰状况下,基于改进粒子群算法优化模糊PID控制系统,冗余机器人抗干扰能力增强,输出精度更高。冗余机器人采用改进粒子群算法优化后的模糊PID控制系统,可以得到更稳定的控制效果。

基于模糊自适应PID的SRM直接转矩控制系统研究

针对传统模糊控制器在控制过程中存在超调量大、控制精度不高以及静差等问题,提出了一种基于优化模糊自适应PID的开关磁阻电机控制方法。利用改进蝙蝠算法对模糊控制器进行优化,以外环模糊自适应PID控制器的输出变量为内环控制系统的参考转矩,送入直接转矩控制系统。仿真结果表明,经过算法优化的模糊自适应PID控制器在动态性能和鲁棒性方面明显优于传统模糊PID控制器,成功克服了模糊控制中存在的稳态误差和抗干扰能力不足的问题,有效解决了系统上升时间和超调之间的矛盾,同时显著减少了电机转矩的脉动。

基于改进PSO模糊PID的管廊吊具同步控制

装配式综合管廊的截面尺寸大、吨位重,且质心与形心不重合,管廊吊装时易出现偏载现象。为保证管廊节段吊装的安全性和稳定性,提高吊具液压缸组的同步控制精度,研究了相邻交叉耦合与改进PSO模糊PID相结合的同步控制策略。根据吊具结构及液压系统,搭建了阀控非对称缸数学模型。通过在线性递减权重中引入混动因子对粒子群算法进行改进,采用改进PSO对量化因子和比例因子进行更新迭代,实现了模糊PID参数的优化。对吊具4个液压缸进行同步控制仿真,并与试验数据对比。结果表明:相较于传统PID和模糊PID,在改进PSO模糊PID控制下,管廊吊具系统运行稳定,响应速度更快;工程试验的液压缸组最大同步误差为2.43 mm,吊装最大倾角为-0.51°,验证了同步控制策略的有效性。

改进模糊神经网络PID的瓦斯掺混浓度控制

为解决瓦斯发电过程中瓦斯掺混浓度控制系统存在一定的时变与非线性导致控制精度不佳的问题,提出一种基于改进粒子群算法的模糊神经网络PID控制算法(IPSO-FNN-PID)。首先,根据瓦斯掺混配比原理及历史数据建立瓦斯掺混浓度控制系统的传递函数数学模型。其次,为解决模糊神经网络选定随机初始网络参数导致网络输出结果差异较大的问题,采用遗传算法中的交叉、变异操作改进传统粒子群优化算法,以此提高传统粒子群优化算法的搜索性能,利用改进后的粒子群算法优化模糊神经网络的初始网络参数。最后,用优化后的模糊神经网络实现PID控制参数的整定,基于真实瓦斯浓度数据进行试验,并与传统PID,模糊PID和模糊神经网络PID进行了对比。结果表明:基于IPSO-FNN-PID控制算法在超调量及调节时间等方面均优于另外3种控制算法,能够实现瓦斯掺混过程中2种动态实时变化瓦斯浓度的精确控制。

基于改进模糊PID算法的AGV控制系统抗干扰优化

以使用传感器和控制算法进行自动导航和运输的自动引导车为例,探讨基于改进模糊PID(Proportion Integration Differentiation)算法的AGV自动导引运输控制系统抗干扰优化的方法。自动引导车在运行过程中,AGV系统可能会受到各种干扰,如外界环境变化、传感器误差等。为了提高AGV系统的抗干扰性能,本研究提出了一种改进的模糊PID控制算法。该算法结合了模糊控制的自适应性和PID控制的精确性。实验结果表明,基于改进模糊PID算法的AGV控制系统在抗干扰能力方面取得了显著的优化。与传统的PID控制算法及模糊PID算法相比,该方法能够更好地抵抗环境变化和传感器误差带来的干扰,从而提高了AGV系统的导航精度和稳定性。

基于改进模糊PID的农用四旋翼飞行器姿态角控制

在农业植保的喷洒农药作业过程中,四旋翼飞行器的飞行姿态角不稳定,工作效率不高。为更好地解决四旋翼飞行器的姿态控制问题,运用遗传算法对模糊控制器中的比例量化因子和隶属度函数进行优化,将改进模糊控制应用到农用四旋翼飞行器的姿态控制,提高姿态控制能力。MATLAB软件的Simulink进行模型创建与虚拟仿真,然后对四旋翼飞行器进行测试。仿真实验结果表明,与模糊PID控制器相比,改进模糊PID控制器上升时间缩短了0.3 s,超调量减小了4%,调整时间缩短了约2.5 s.改进后四旋翼飞行器的响应速度快,控制效果好,鲁棒性较强,姿态控制性能提升,有效地提高工作效率。

基于改进灰色预测的变论域模糊PID温控方法

针对柱温箱非线性严重、时变和时滞大的问题,提出了基于改进灰色预测的变论域自适应模糊PID温控方法。为减小温控系统非线性和时变带来的影响,采用新型自适应函数伸缩因子对传统模糊PID控制器进行优化,构造新型变论域模糊PID控制器(NUVFP);同时结合改进型灰色预测模型(IDGM),实现了对控制系统的超前控制,提高了温控精度。结果表明,该控制算法有效提高了温控精度,精度可达到±0.03℃。

基于改进机器学习的图书馆机器人自主避障控制研究

为控制图书馆机器人在行进过程中自动躲避障碍,达到理想工作效果,提出基于改进机器学习的图书馆机器人自主避障控制方法;采集图书馆机器人与目标障碍物距离信息,感知环境特征向量,当成卷积神经网络输入,经卷积、池化等操作,输出图书馆机器人对当前环境感知结果,该结果经输入输出变量模糊化、模糊推理以及输出变量解模糊等操作后,实现图书馆机器人自主避障无冲突运行;实验结果表明:该方法自主避障控制效果较好,避障行驶距离短,高速运行时反应更快,能够避开多个障碍物,识别分类结果与实际感知环境类型一致。

PID与模糊控制算法的比较及其改进

分析比较了PID控制和模糊控制算法 ,针对一般PID控制容易产生超调、模糊控制的稳态精度不高的缺陷 ,提出了相应的改进算法—复合PID算法和带动态补偿的模糊控制算法 ,并通过水温控制仿真实验 ,比较了这几种控制算法的控制效果。实验结果证明 ,这两种改进算法不仅系统超调小 ,而且具有较高的稳态控制精度 ,可广泛应用于精确控制领域。

改进反激拓扑模式下远端稳压电源控制方案

为提高远端稳压电源的供电质量,最大限度的在高可靠性前提下保证发射设备输出电压快速、平稳地达到设定值,提出一种改进反激拓扑模式下远端稳压电源设计方式,并建立相应数学模型。设计了前置论域整定的模糊比例积分微分(PID)控制算法,通过论域整定模型将模糊PID参数直接映射到模糊规则下,消除试凑法偶然性的同时消除了量化因子对误差的放大作用,有效地避免了过度调整的现象;引用模糊逻辑来实时处理远端稳压电源的动态参量值,并根据反模糊映射函数将生成的量化值映射到控制元件。仿真环境模拟结果表明:与模糊PID控制相比,前置论域整定的模糊PID控制算法具有优良稳态性能,调节时间缩短48.1%,响应时间缩短了28.6%并降低到1.4 ms;与此同时,该控制方案能够有效地抵抗突发性干扰,稳压输出时间缩短了45.5%,响应时间缩短到37.5%。实验结果表明:前置整定模糊PID控制算法可以运用到实际工业环境中,与工业环境下传统控制算法比,前置整定模糊PID控制算法可以大幅提高远端稳压电源的供电质量,具备优良的鲁棒性。

基于改进型RBF神经网络多变量系统的PID控制

针对工业控制中多输入多输出非线性时变系统,提出了基于改进型RBF神经网络的智能PID控制方法.采用最近邻聚类算法在线构造RBF神经网络辨识器并在线辨识被控对象,对PID控制器参数进行在线调整,实现了多变量非线性时变系统的解耦控制.仿真结果表明,控制器能根据系统运行状态获得对应于某种最优控制规律下的PID参数,解耦后的系统具有较好的动态和静态性能,与常规RBF神经网络PID控制方法相比,该方法具有控制精度高、响应速度快的优点,并且具备较强的自适应性和鲁棒性.