基于模糊LQR的Spar型海上浮式风力机载荷抑制

针对复杂环境变化易引起海上浮式风力机不稳定的问题,提出一种基于模糊LQR、模糊PI相结合且易于工程应用的桨距控制新方案,实现维持浮式风力发电机组输出功率稳定、抑制浮台运动、减少叶根及塔基疲劳载荷的目的。模糊PI根据发电机转子转速误差变化动态选择期望的PI增益,模糊LQR基于模糊规则自适应调整闭环反馈增益,在保证风力机输出功率和浮台稳定的基础上,进一步减小叶根和塔基疲劳载荷。基于FAST与Matlab/Simulink在不同环境条件下进行联合仿真,验证所提方案的有效性和优越性;通过时域、频域分析表明,与PI控制相比,所提方案在减少叶根处平面外载荷和塔基横向载荷方面有明显改善效果。

基于模糊LQR的汽车线束压接缺陷视觉检测法探微

针对目前汽车线束压接缺陷视觉检测方法存在的检测精度较差、速度较慢问题,基于模糊LQR研究了一种新的汽车线束压接缺陷视觉检测方法。通过LQR技术对汽车线束数据进行预处理,计算相机镜头焦距数值,清洗无效数据,完成线束对比,获取有效数据。对非铜线区域数值进行过滤,划分数值结果,分割数值区域,选取两个区域的共同结果作为实际需要的区域结果,实现汽车线束压接缺陷定位与特征提取,根据提取的线束部分提取区域数值,判断线束端子的区域,对比线束端子的上孔洞和下孔洞大小,识别线束压接缺陷。建立线束压接缺陷检测函数,综合分析多个不同线束区域的多个不同缺陷转化数值以及它们之间的相互联系,利用模糊处理技术LQR数据提高参数整定效果,完成汽车线束压接缺陷视觉检测。实验结果表明,基于模糊LQR的汽车线束压接缺陷视觉检测方法能够有效提高检测精度,确保检测时间在500 ms以内,检测精度为±0.05 mm,能够很好满足汽车运行和生产要求。

基于模糊LQR的智能汽车路径跟踪控制

为保证智能汽车在不同车速下路径跟踪的精确性与稳定性,本文中设计了一种带有预瞄PID转角补偿的模糊线性二次型调节器(LQR)以进行路径跟踪控制。首先,基于路径跟踪误差模型设计了LQR控制器,并采用预瞄PID方法进行转角补偿,消除稳态误差,提高跟踪精度。接着,针对固定权重系数的控制器对于不同车速适应性较差的问题,提出了一种基于车速的权重系数模糊调节策略。最后,通过实车试验,验证了控制器在实车环境中的控制性能。结果表明,设计的控制器具有较高的跟踪精度,且在不同车速下均能保持良好的精确性与稳定性。

基于前馈和多输入模糊LQR的路径跟踪控制研究

针对智能车路径跟踪控制问题,提出了一种基于前馈和多输入模糊LQR路径跟踪控制器。首先,建立了车辆二自由度动力学模型,构建了二自由度路径跟踪误差模型,设计了LQR控制器和前馈控制器。然后,针对传统LQR控制器对多变行驶工况适应性较差的问题,设计了一种以智能车行驶速度、道路曲率和路径跟踪的横向误差作为输入的模糊控制规则,对LQR控制器的权重进行调节。最后,使用AGV线控底盘进行实验,对该控制器进行了验证。结果表明,对于连续变道工况和双移线工况,设计的控制器能够较好地对目标路径进行跟踪。