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。

基于模糊自适应PID的机器人视觉伺服控制算法研究

机器人的动态跟踪精度是机器人实现精准实时操作的一个关键性难题。设计了一种基于模糊自适应PID的机器人视觉伺服动态跟随算法。针对机器人三维空间的动态跟踪任务,首先搭建了以NDI光学定位跟踪系统作为视觉系统,以思灵Diana高精度力控协作臂作为载体的实验系统,确定了视觉伺服的基本方法,然后通过两步法标定获得了手眼矩阵,设计了视觉伺服控制器,之后利用双机械臂模拟主动运动和跟随运动,对所设计算法进行了实物验证。实验结果表明机械臂能够精确地跟随目标的匀速移动。

模糊PID控制算法在空调用制冷机组控制系统中的应用

空调用制冷机组通常采用PID进行控制,在实际应用中发现,水冷制冷机组的超调量较大,导致能耗偏高。为了提高温度调节控制的精度,在研究过程中建立了模糊PID控制算法,其设计重点包括温度传递函数、模糊化接口、模糊规则以及清晰化接口。利用MATLAB建立算法的仿真模型,将传统PID控制模式和模糊PID控制模式作为对照,观察制冷系统的超调量。结果显示,后者的最低超调量为6.95%,传统PID控制模式的29.60%。由此证明,模糊PID控制算法的调节精度更高。

Smith预估模糊PID控制算法及其在粉末定量称重中的应用

针对上海科源电子科技有限公司研发的定量称重系统(由高精度抖粉装置与万分之一天平组成),在工作中因粉末密度、粉末流动性、颗粒大小、湿度、天平延时等因素造成的非线性和滞后等问题,采用Smith预估模糊PID控制器优化控制方法。首先通过理论分析,得出系统的传递函数,再构建Smith预估的模糊PID控制器,以适应系统的非线性、滞后等特性,最后将此算法代入MATLAB进行仿真并于实际系统中进行1 g定量抖粉实验。Smith预估模糊PID控制算法和传统PID算法的标准差分别为0.0020和0.0042,表明Smith预估模糊PID控制算法在实际环境中稳定性更好,能有效减小系统的称重误差。

基于改进双闭环模糊PID控制算法的桥式起重机控制系统

针对起重机在吊装作业时产生的负载摇摆以及行车定位的问题,提出了一种改进双闭环模糊PID控制算法,利用拉格朗日方程建立工业起重机防摇摆及行车定位控制系统数学模型。将该算法运用在建立的模型中,并在Simulink仿真平台上分别设计了PID控制系统、模糊PID控制系统和改进双闭环模糊PID控制系统进行对比实验。仿真实验的结果表明,与PID控制系统以及模糊PID控制系统相比,改进双闭环模糊PID控制系统对摆角的抑制能力分别提高了32.6%、16.5%,对小车的位置调节时间分别减少了5.442、2.743 s,且无超调量。改进双闭环模糊PID控制系统的精确性更好、稳定性更强,可以更好地满足桥式起重机系统的控制要求。

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.

基于模糊PID的悬浮液液位与密度耦合控制算法研究

在矿石分选过程中,悬浮液的密度决定了分选效果。本研究针对重介质分选钨矿石过程中悬浮液密度与介质桶液位二者存在非线性的时变特征,基于模糊PID(即比例Proportion、积分Integral、微分Differential)控制设计了悬浮液液位与密度耦合控制算法,用于控制分流箱和补水阀,并开展了选矿实验,实现了对重介质悬浮液密度和介质桶液位的在线实时控制。结果表明,与传统PID控制相比,模糊PID控制具有响应快、无超调、准确率高、节约成本等优点,可满足重介质选矿过程中的控制要求和工业需要。

基于模糊PID的智能制造生产线控制算法设计

生产线控制过程具有复杂性高、动态性强及变量多等特点,导致智能制造生产线控制难度大幅度上升。因此,提出基于模糊PID的智能制造生产线控制方法。利用传感器采集智能制造生产线的运行数据,剔除数据采集结果中的异常数据。使用LAD-LASSO算法从处理后的数据中提取实时状态数据的重要特征,利用这些重要特征识别智能制造生产线的运行状态,根据智能制造生产线运行状态来确定模糊控制器(PID)的参数,实现对生产线的精细控制。实验结果表明:本文方法的控制精度最高达到97%,执行效率与响应时间最高分别为299个/h、16s,具有实用性。

模糊PID控制算法对起重机防摇控制效果的仿真分析

为解决起重机在实际工程应用时由于吊重摆动所引发的作业效率降低和运行安全性隐患大的问题,在对其防摇控制原理分析的基础上,基于模糊控制算法得出PID控制器相对应的位移和摆角的模糊控制规则查询表,并基于MATLAB软件对自由停摆控制和模糊PID控制算法防摇控制下起重机的停摆过程进行仿真对比分析,充分得出模糊PID控制算法防摇控制的优势.

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。

基于自适应模糊PID算法的锂电池组双层均衡控制

为提高电池重组时的均衡效率,在传统Buck-Boost均衡拓扑电路的基础上,设计了一种锂电池组双层均衡拓扑电路。组内采用Buck-Boost电路均衡,组间利用双向反激变压器进行均衡。均衡控制策略采用自适应模糊PID算法,以电池荷电状态(state of charge, SOC)为均衡变量,利用模糊控制算法对PID参数进行调节,缩短了均衡时间,提高了均衡效率。在Matlab/Simulink中搭建了锂电池组双层均衡拓扑电路和自适应模糊PID控制算法模型。实验结果表明:在不同工作状态下,所提出的电池组均衡拓扑及其控制策略将均衡时间效率平均提高了58.36%,验证了该方案的有效性。

基于模糊PID算法的食用菌大棚温度控制系统研究

食用菌大棚温度控制系统是一个具有时滞性的复杂系统,传统的开关量或常规PID控制很难满足设计要求。该研究设计一种基于STM32F103CRT6单片机为控制核心,加入模糊自适应PID控制算法,利用DHT11温湿度传感器进行温度实时采集,单片机运算处理,光耦固态继电器驱动电路对热风机进行控制,从而达到温度调节的目的。并在MATLAB/simulink环境下建立常规PID控制和模糊自适应PID控制的仿真模型,通过仿真结果,对比验证了该方法比常规PID控制方法具有低超调量和调节时间短等较好的控制效果。

遗传算法优化的双线圈磁流变制动器模糊PID控制

针对磁流变制动器制动力矩输出不稳定的问题,采用遗传算法优化后的模糊PID控制器对双线圈磁流变制动器进行力矩控制。基于Bingham模型建立了双线圈磁流变制动器的制动力矩数学模型,同时推导了磁流变制动器的动态模型。完成了双线圈磁流变制动器的制动力矩实验,当励磁电流为1.0 A时,磁流变制动器制动力矩最大值为4.8 N·m;采用最小二乘结构模型,开展了双线圈磁流变制动器传递函数的参数辨识;基于遗传算法和模糊PID控制,设计了双线圈磁流变制动器的遗传算法优化的模糊PID控制器;搭建了磁流变制动器控制实验平台,开展了磁流变制动器力矩控制实验研究。研究结果表明,相比于传统模糊PID控制,在基于遗传算法优化的模糊PID控制下,双线圈磁流变制动器能实现较好的力矩控制效果,制动力矩阶跃响应上升时间为0.63 s,超调量为4.17%,制动力矩跟踪误差在0.2 N·m以内,具有较快的响应速度、较小的超调量以及较小的力矩跟踪误差。

基于麻雀搜索算法优化的模糊PID控制方法研究

为解决肥料和水的配比过程中,酸碱度(pH)和电导率(EC)的稳态时间长、超调量大等问题,在模糊PID控制的基础上融合麻雀搜索算法对控制器的三个增益参数(比例、积分、微分)进行有效优化。在MATLAB/Simulink下分别做传统PID控制pH和EC值的仿真试验、模糊PID控制pH和EC值的仿真试验以及基于麻雀搜索算法优化的模糊PID控制pH和EC值的仿真试验,将三者仿真试验中pH和EC值的稳定时间以及超调量进行对比。试验结果表明:基于麻雀搜索算法优化的模糊PID控制与传统的PID控制相比,酸碱度和电导率的稳定时间分别减少475 s和261 s,超调量分别减少5.4%和12.19%,与模糊PID控制相比,酸碱度和电导率的稳定时间分别减少356 s和95 s,超调量分别减少1.4%和2.34%。所提出的控制方法能够使系统具有更小的超调量和更快地达到上升稳态时间,可以精准的控制肥料和水的配比。

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PSO算法优化模糊PID控制器的灵巧手抓取控制研究

随着仿生学的进展,机器人领域中五指灵巧手作为主要执行机构的重要性不断增强。然而,在抓取过程中,五指灵巧手常常面临内部作用复杂、速度缓慢和效率低等问题。为了应对这些挑战,该文提出了一种基于角度闭环模糊自适应控制算法。该算法采用模糊策略来推断灵巧手关节角度偏差与控制器参数之间的关系,并制定相应的模糊规则。通过实时调整控制器参数,该算法能够提高系统的稳定性和抓取效率。此外,通过建立ADAMS模型和相应的闭环控制系统,以提高实验过程的可视化程度。实验结果表明,通过采用粒子群算法(Particle Swarm Optimization Algorithm)优化模糊自适应PID算法并改进系统参数,相较于传统的PID算法,可以显著减少灵巧手在抓取过程中的关节抖动,并展现出更好的手指指尖接触力控制性能。

改进麻雀算法在模糊PID温度控制系统的应用

为满足标准金属量器检定的温度控制要求,本文提出了改进的麻雀搜索算法。利用改进的Sine混沌映射初始化种群和萤火虫干扰策略,避免麻雀搜索算法过早陷入局部最优的状况,提高了算法的收敛速度;建立基于模糊PID控制器的温度控制系统的数学模型,并使用改进后的算法优化模糊PID控制器参数。结果表明:利用该算法优化模糊PID控制器,各方面性能都优于其他算法。

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.

基于遗传算法-模糊PID的双喷头FDM型3D打印机温度控制方法

熔融沉积成形(fused deposition modeling,FDM)3D打印需要将打印喷头加热至材料所需温度后才能开始打印。由于单喷头FDM型3D打印机的打印效率较低,以及其加热系统的滞后性较大且稳定性差,使得整个成形过程既耗时又浪费资源,且成形件的质量不高。为解决上述问题,结合打印材料物理性质和化学性质的差异性,提出了一种基于遗传算法-模糊PID(proportional-integral-derivative,比例-积分-微分)的温度控制方法,以实现对双喷头FDM型3D打印机加热方法的控制,并建立温度控制系统的MATLAB/Simulink仿真模型,以验证所提出的控制方法的可靠性。仿真和实验结果表明,与传统PID控制、模糊PID控制相比,遗传算法-模糊PID控制的响应时间缩短了36.03%和32.45%,调节时间缩短了28.06%和20.99%,具有响应速度快、调节时间短、超调量小和控制效果稳定等优势。研究结果可为复合材料的双喷头FDM 3D打印提供参考。

模糊PID算法的水下机器人控制系统优化

为应对复杂的水下工作环境,提高水下机器人工作时的稳定性、灵敏度和抗干扰能力,提出一种模糊PID算法对水下机器人原控制系统进行优化。优化后的水下机器人机械结构、控制系统硬件架构不变,仅通过改变软件程序对水下机器人进行模糊PID控制。水下机器人工作时,各类传感器把现场的环境参数转化为电信号,经预设的模糊库进行模糊化处理后发送给STM32控制器;STM32控制器按预设的程序对模糊化信号进行处理,处理完去模糊化后的电信号后发送给执行元件,从而实现水下机器人的模糊PID控制。MATLAB/Simulink仿真和水下测试结果显示:与经典PID算法比较,经模糊PID算法优化后的水下机器人反应更灵敏、系统更稳定、抗干扰能力更强,达到了预期的效果。