自适应模糊 PID 与 PI 复合控制变量施肥系统研究

针对农业生产中变量施肥量很难精确控制的问题，提出了变参数自适应模糊PID与变参数PI控制相结合的方法。系统初期采用 P主导型PI控制，以提高系统快速性；系统中期采用自适应模糊 PID ，同时兼顾系统快速性和稳定性；系统末期采用I 主导型PI控制，充分体现系统的稳定性。实验结果表明：自适应模糊 PID 与变参数PI复合控制施肥系统的最大超调量不超过2．21％，响应时间为0．23 s。自适应模糊 PID 与变参数 PI 结合的方法优于传统的PID 控制，可为变量施肥精确控制提供一种有效的途径。

前馈神经网络的模糊 PID 算法及其在电力系统负荷预测中的应用

提出了多层前馈神经网络的模糊ＰＩＤ学习算法（ＦＰＢＰ）。这种算法是把多层前馈神经网络的学习过程当作一个动态控制系统来处理，确定出动态控制系统达到稳态时的ＰＩＤ控制器参数，然后再基于模糊控制的思想，对确定出的ＰＩＤ控制器参数进行模糊调整。文中给出了这种算法在电力系统负荷预测中的实际应用，并与标准ＢＰ算法作了比较。结果表明，该算法提高了网络的学习速度和预测的精度。

基于遗传算法的汽车主动悬架变论域模糊PID控制

针对1/4车主动悬架系统,提出一种基于遗传算法(genetic algorithm,GA)的变论域模糊比例-积分-微分(proportional-integral-differential,PID)控制方法.在建立主动悬架系统模型的基础上,引入变论域思想设计模糊PID控制器.为进一步改善控制器减振效果,采用GA来优化变论域中伸缩因子描述函数的参数.结果表明:相比PID、模糊PID与未优化的变论域模糊PID等控制方法,基于GA的变论域模糊PID控制方法在降低车身垂向加速度、改善乘坐舒适性方面具有优越性;所提控制方法对簧载质量和车辆行驶速度不确定性具备较强的鲁棒性.

基于变论域模糊PID的金属热处理过程温度控制方法

为高效且安全地提取金属合金内的可用材质并分析其性能,利用变论域模糊PID技术,实现对热处理过程的温度控制。设定在金属规则状态不变的情况下,论域会随着偏差的缩减出现伸缩,即需要增添新的规则。若偏差率能够支持模糊量化取整,控制器的伸缩因子可能会陷入无法取值的情况。此时,通过二元函数分片双一次插值法计算伸缩因子,在临近分档之间填充新规则,确保伸缩因子取值的连续性。然后,在模糊PID控制过程中加入变论域,依靠控制器实现对金属热处理过程温度的控制。根据实验验证情况可知:该方法有效提高了控制效果,在应用该方法后,缩短了温度控制时间,在100s内就可以是加热温度到达拟定值。

直线倒立摆变论域模糊PID控制系统研究

针对传统的直线倒立摆PID控制器参数整定方法主观性强,系统响应性能不佳等问题,提出了一种基于变论域模糊PID参数整定方法用于直线倒立摆系统的控制。首先采用机理建模法建立了直线倒立摆数学模型,其次利用MATLAB/Simulink搭建了直线倒立摆双闭环控制模型,设计了变论域模糊PID控制器与PID控制器对比分析,最终在某公司的直线倒立摆上实现了基于变论域模糊PID控制的直线倒立摆稳摆控制。通过仿真与实验结果分析,相较于PID控制器,采用变论域模糊PID控制器对直线倒立摆系统控制具有较好的稳定性与更强的抗干扰性。

基于模糊PID算法的播种机播量自动化控制方法

自动化控制是智能播种机技术体系中重要组成部分,现行控制方法在实际应用中存在着超调率较高,自动化控制效果较差的问题,为此本研究提出基于模糊PID算法的播种机播量自动化控制方法。本设计在播种机播箱侧面安装拉力传感器,在播种箱下方氮气弹簧上安装压力传感器,利用传感器采集拉力信号与压力信号,根据拉力与氮气弹簧支撑力的变化,反映出播种机播量的变化,采用加权滤波算法对播种机播量测量信号进行滤波处理,根据播种机播量方程计算播量偏差与偏差变化率,利用模糊PID算法对播量偏差与偏差变化率模糊化,得到播量比例系数、微分系数与积分系数修正值,利用控制器对播量偏差调控,以此实现基于模糊PID算法的播种机播量自动化控制。经实验证明,本设计方法超调率在3%以内,具有较高的控制精度,在播种机播量自动化控制方面具有良好的应用前景。

基于模糊PID控制算法的温度控制系统

本文指出现代的工业生产环境下,由于控制目标的复杂性、动态特征和不可预测的特点,使得传统的PID控制无法满足控制要求。在使用PID技术来调节电锅的温度控制的背景下,将模糊控制与传统控制技术相结合,通过设计模糊控制器的结构、制定模糊控制规则,对PID的参数进行自动调整。结果表明模糊PID控制算法的控制优势显著提升。

基于串级模糊PID控制的NB-IoT智能保温箱

针对农产品冷链物流中存在的运力不足和无法混装小批量冷链农产品等问题,提出一种基于NB-IoT技术的智能保温箱解决方案。该方案基于半导体制冷片、PT100温度传感器和NB-IoT技术构建了系统的硬件部分,实现了远程温控和冷链物流追溯,同时利用串级模糊PID算法实现了全程精确控温。此外,基于Simulink搭建了智能保温箱温度控制系统模型,通过仿真对比验证了智能保温箱的温度控制效果。结果显示,与PID算法和模糊PID算法相比,保温箱应用的串级模糊PID算法具有更快的调节速度和更小的超调量,并在受到干扰时表现出更好的稳定性,为农产品冷链物流领域提供了高效可靠的温度控制方案。

一种量化因子改进型的模糊自适应PID控制算法

针对模糊PID控制下的动态性能问题,提出一种量化因子改进型的模糊自适应PID(Fuzzy-PID)控制算法。在模糊量化环节引入模糊论域量化因子在线调整函数,实现对模糊量化因子的实时调整;将传统PID控制、传统模糊PID控制和量化因子改进性模糊PID控制,分别在100 kHz和200 kHz的系统频率下,进行单位阶跃输入信号下的动态性能对比实验。结果表明:该算法在2种系统频率下均能实现无超调,调节时间不超过0.15 s,其动态性能相较传统控制算法具有明显提升。

基于模糊神经网络PID的煤矿掘进机俯仰控制研究

目前煤矿掘进机俯仰控制主要采用PID控制方法,在掘进机俯仰控制时变性与液压系统非线性情况下的控制精度不高。掘进机俯仰控制通过控制液压缸行程实现,将传统PID算法与模糊控制、神经网络等相结合,可有效提高液压缸行程控制精度。提出了一种基于模糊神经网络PID的煤矿掘进机俯仰控制方法。通过分析掘进机支撑部运动学关系,得到俯仰角与支撑部液压缸的数学关系;介绍了掘进机俯仰控制液压系统工作原理,建立了液压系统及其传递函数模型;将模糊控制与神经网络相结合,形成模糊神经网络,利用模糊神经网络优化PID控制参数,再结合支撑机构数学模型和液压系统传递函数模型,建立掘进机俯仰角模糊神经网络PID控制模型,实现煤矿掘进机俯仰机构自动精确控制。该方法可使掘进机俯仰机构更加快速、准确到达预设位置,解决掘进机俯仰控制中的时变性与非线性难题。仿真结果表明:模糊神经网络PID控制算法相较于模糊PID和PID控制算法,跟踪误差分别降低了69.34%和74.49%。通过液压缸位移控制模拟煤矿掘进机在突变工况和跟随工况下的俯仰控制,结果表明:模糊神经网络PID控制算法相比模糊PID和PID控制算法,俯仰控制跟踪误差最小,对位置信号的平均响应时间分别缩短了27.22%和50.33%,动态控制性能更好。

爆胎车辆动力学分析及模糊PID控制优化策略研究

车辆通过控制系统提高行驶的稳定性,但在爆胎时容易导致车辆行驶失去稳定性,从而造成车辆发生侧翻现象。为改善车辆动力学控制系统输出效果,建立了车辆轮胎动力学模型。引用模糊比例-积分-微分(PID)控制器,给出了模糊PID控制器输出参数与误差和误差变化率的关系图。提出人群搜索算法,利用人群搜索算法迭代搜索原理对模糊PID控制器参数进行寻优。以车辆2种行驶路况为例,利用Matlab软件对爆胎车辆的稳定性进行仿真,比较和分析爆胎车辆优化控制系统的输出效果。结果显示:采用模糊PID控制系统,爆胎车辆产生的偏航角、俯仰角加速度和侧倾角加速度较大。采用人群搜索算法优化模糊PID控制系统,爆胎车辆产生的偏航角、俯仰角加速度和侧倾角加速度较小。爆胎车辆采用人群搜索算法优化后的模糊PID控制器,不仅响应速度快,而且行驶的稳定性较好。

双缸液压驱动系统灰色预测模糊PID控制研究

为了提高双缸液压驱动系统非线性变化力的跟踪精度,使驱动力变化相对稳定,设计了灰色预测模糊比例积分微分(PID)控制器,并对驱动力跟踪效果进行仿真验证。为了对双缸液压驱动系统工作原理进行介绍,绘制了双缸液压驱动系统装置简图。针对传统PID控制器进行改进,结合模糊推理和灰色预测理论,设计出灰色模糊PID控制器,并且给出了双缸液压驱动系统控制过程。利用灰色补偿提高控制器的抗干扰能力,采用Matlab软件对双缸液压驱动系统非线性力的变化跟踪进行仿真,与改进前的控制效果进行对比。结果显示:在无干扰环境中,采用PID控制、模糊PID控制和灰色预测模糊PID控制方法,均能提高双缸液压驱动系统力的变化跟踪精度,这3种控制器控制效果相差不大。在有干扰环境中,灰色预测模糊PID控制方法明显优于PID控制和模糊PID控制方法。双缸液压驱动系统采用灰色预测模糊PID控制方法,能够抑制外界波形的干扰,从而提高控制系统的稳定性。

电液负载敏感-变转速复合流量调节与模糊PID控制

针对伺服电机驱动的电液变量泵系统,提出一种负载敏感-变转速的复合流量调节策略,设计模糊PID控制器,采用电控方式实现变压差负载敏感控制。采用AMESim-Simulink软件建立仿真模型,搭建试验平台并进行试验。研究结果表明:与PID相比,模糊PID具有更快的响应速度,更小的超调量。与单负载敏感流量调节相比,复合流量调节策略的流量调节范围提高36%,流量超调量减少20%;主控制阀开口为阶跃信号时,全流量(7~81 L/min)调节的上升时间约0.5 s,下降时间约0.2 s,与单负载敏感流量响应时间基本一致。

基于模糊PID汽车变速箱自动控制方法

为改善汽车变速箱的目标速度跟踪水平,提升汽车的动力性,基于模糊PID汽车变速箱自动控制方法,确定汽车行驶的目标车速,计算目标车速与实际车速之间的偏差,以及速度偏差的变化率,将上述结果作为PID控制器的输入,利用参数整定后的PID控制器,确定汽车变速箱的控制变量,控制汽车传动机构输出理想车速。实验结果表明,汽车以阶跃信号、斜坡信号和正弦信号状态行驶时,该方法均可以精准跟踪汽车变速箱的速比,控制效果与动态跟踪性能优异,为保持汽车的最佳动力性能提供了良好的控制策略。

正压呼吸防护面罩中无刷电机的模糊PID控制

正压呼吸防护面罩是作为医护工作者抗击新型冠状病毒(SARS-CoV-2)所使用的个体防护装备。本文忽略呼吸扰动等因素对送风子系统所产生的干扰,以送风子系统中的无刷直流电机为研究对象,建立无刷直流电机的数学模型;在MATLAB/Simulink环境中建立无刷直流电机转速PID控制模型,但由于无刷直流电机存在非线性、时变性等特点,导致PID控制对送风子系统中无刷直流电机的控制效果并不理想。然而,由于模糊控制不需要被控对象的精确模型,所以可以使用模糊PID来完成对送风子系统中无刷直流电机的控制优化。通过仿真实验结果表明:使用模糊PID控制系统的稳定性优于PID控制系统,无刷直流电机控制性能得到提升。

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。

基于模糊自适应PID的汽车硅油风扇离合器性能测试系统研究

以汽车硅油风扇离合器为研究对象,结合单片机和传感器技术,开发出性能测试系统.提出模糊自适应PID动态控制算法,设计控制器控制温度,利用速度传感器检测风扇转速,对测试系统进行整体设计,给出了硬件总体设计框图,设计模拟量输入输出电路,并设计对应的软件系统.实验结果表明:测试系统升降温速率最高不超过8.5℃/min,耦合区加温速率约为2.3℃/min,分离区降温速率约为6.6℃/min,系统性能稳定,符合标准.

基于预瞄模型的农机路径跟踪模糊PID控制方法

为提高农机路径跟踪控制性能,提出一种基于预瞄模型的模糊PID控制方法。以农机预瞄模型中的预瞄航向角偏差为输入、前轮转角为输出构建农机路径跟踪PID控制律,再将预瞄航向角偏差作为航向角变化量的目标值引入农机运动学模型,得到能够适应速度变化的前轮转角基础值,并替换PID控制律中的比例部分,最后使用模糊控制实时动态调整控制参数。CarSim与Simulink联合仿真分析表明,当初始横向偏差3 m时,在作业速度1.5、2.0和3.0 m/s情况下,农机上线时间分别为10.85、8.35和5.15s。与传统预瞄控制相比,该方法在确保跟踪精度的同时能够显著提高系统的响应速度。

基于改进麻雀搜索算法模糊PID控制器设计

为了提高无刷直流电机输出转速与转矩的平稳性,提出了一种通过时变惯性权重改进的麻雀搜索算法模糊PID控制器控制无刷直流电机。通过在Matlab/Simulink中对无刷直流电机进行控制仿真,仿真结果表明,时变惯性权重改进麻雀搜索算法模糊PID控制器控制无刷直流电机,其转速与转矩的平稳性符合要求,并且能够实时响应负载的变化。

基于复合模糊PID的植保无人机变量喷雾系统设计

为提升现有植保无人机喷雾流量随飞行速度变化自适应调整的精准性,降低施药偏差,设计了一种基于复合模糊PID控制算法的植保无人机变量喷雾系统,可根据无人机飞行速度,以基于复合模糊PID控制算法的PWM调制实时调整喷雾流量。通过测试平台分别对比了此控制算法与PID、模糊PID的响应情况,并进行了无人机喷雾流量随飞行速度变化的响应测试。结果表明:基于复合模糊PID控制的系统响应较PID超调量降低63.64%,较模糊PID调节时间缩减23.08%,复合模糊PID与模糊PID的稳态误差控制在3.125%内,小于PID的4.688%;基于PID、模糊PID、复合模糊PID的喷雾系统喷雾流量平均偏差分别为2.67%、3.85%、1.90%;基于复合模糊PID算法的喷雾系统跟随飞速变化自适应调整喷雾流量的最大偏差为6.29%,满足植保无人机施药作业要求,可为农业航空精准变量喷雾系统设计提供参考。