基于PI建模和反步滑模控制的主动波浪补偿策略

海上起重船受风、浪、涌影响会产生剧烈的船舶姿态变化,造成起重机和货物的位姿变化,对货物和人员存在安全隐患,波浪补偿平台的稳定性控制能有效减少复杂海况下船舶运动对海上作业安全性、稳定性和精准性的影响,对浮式起重船海上设备精准装载作业极其重要。针对补偿平台的迟滞非线性导致的建模困难和控制不精确问题,本文提出基于PI(Prandtle–Ishlinskii)建模和反步滑模控制的主动波浪补偿策略。首先,通过实验得到补偿系统的迟滞效应曲线,分析系统迟滞环建立PI迟滞模型,并采用递推最小二乘法辨识模型的各个参数,从而求得系统模型。然后,基于李雅普诺夫(Lyapunov)稳定性设计反步控制补偿方法,并结合滑模控制规律加快初始控制速度。最后,将反步滑模法应用于补偿系统,采用MATLAB软件仿真在规则波和不规则波下的响应来验证算法和模型的正确性,并在工控机中用C#编写控制程序,驱动运动控制卡控制伺服电机带动电缸进行补偿运动,同时通过传感器采集系统运动的实时数据,并反馈给工控机形成闭环,以期验证补偿平台在补偿规则波和不规则波下的补偿效果。实验结果表明,所建立的斯图尔特(Stewart)浮式平台中,PI迟滞模型具有良好的精度,反步终端滑模控制算法在Stewart平台的实际控制中能够很好地补偿波浪运动,相比比例–积分–微分控制(PID)、反步法、强化学习等控制方法,反步终端滑模方法能快速较好跟踪期望位移,补偿精度达到0.9729。

模糊整定PI参数的双柔性机械臂振动抑制

机械臂伺服驱动系统中柔性因素的存在易导致机械臂输出转速波动,甚至引发系统谐振.为抑制系统转速波动,使机械臂传动系统性能稳定,使用模糊理论整定PI控制器参数的控制策略.根据假设模态法和拉格朗日动力学方程建立了考虑LuGre摩擦模型的双柔性机械臂传动系统动力学方程,并分析了动力学方程中耦合非线性项对系统传动特性的影响.使用极点配置策略确定PI控制器参数的取值范围,后根据模糊规则实时调整控制器参数,以减小伺服系统输出转速的波动,进而抑制系统谐振.最后,借助数值仿真分析和机械臂控制实验,与传统PI控制策略对比,发现本文所述控制策略可使电机端转角跟踪误差绝对值的平均值降低43.066%,柔性负载转角误差的标准差降低46.506%,更加验证了所提模糊规则整定PI控制器参数抑振方法的有效性.

基于改进灰色预测单神经元PI的全超导托卡马克核聚变发电装置快控电源电流控制

全超导托卡马克核聚变发电装置(EAST)快控电源负载电感的电流受多种不确定环境因素的影响而难以预测,灰色预测无需精确对象模型,只需少量已知信息即可实现输出电流短期预测,已在EAST快控电源中有了一定研究应用。为解决灰色预测在EAST快控电源中对突变信号边沿预测精度低和预测延时时间长的问题,提出一种改进灰色预测算法实现输出电流预测。在一个开关周期内对输出电流进行等时长间隔采样4次作为原始序列,将滚动式采样预测改为逐周期采样预测,在实现灰色预测的过程中不必依赖过去几个周期的历史采样信息,只需本周期的4个原始采样值即可实现输出电流的预测。根据预测电流与参考电流误差自适应调整单神经元比例-积分(PI)控制的输出增益,实现输出电流的快速准确控制。仿真和实验结果表明,在EAST快控电源电流预测过程中所提出的改进灰色预测,对比传统灰色预测具有更高的预测精度和更小的预测延时,改进灰色预测变增益单神经元PI控制能够在减小电流超调的同时加快输出电流响应速度。

基于板带厚度误差PI反馈的轧机辊缝调节方法

针对轧机刚度系数未知波动影响板带厚度控制精度的问题,提出了基于板带厚度误差PI反馈的轧机辊缝调节方法。首先,建立轧机弹跳方程、液压辊缝调节动态方程,以及从辊缝设定值到板带出口厚度的动态方程;其次通过测厚仪和测压计,获取轧机出口处的板带厚度,以及轧机施加的轧制压力;然后设计基于板带厚度误差量PI反馈的辊缝大小的设定值,同时引入比例反馈增益系数与积分反馈增益系数的单参数化设计;最后将辊缝大小的设定值输入轧机液压辊缝调节系统进行辊缝调节,最终形成一套完整的轧机辊缝调节方法。该方法提高了轧制参数的预设定精度,大大减小了轧机刚度系数波动对板带厚度控制精度的影响,从而提高了板带厚度精度。

Vision Navigation Based PID Control for Line Tracking Robot

In a controlled indoor environment,line tracking has become the most practical and reliable navigation strategy for autonomous mobile robots.A line tracking robot is a self-mobile machine that can recognize and track a painted line on thefloor.In general,the path is set and can be visible,such as a black line on a white surface with high contrasting colors.The robot’s path is marked by a distinct line or track,which the robot follows to move.Several scientific contributions from the disciplines of vision and control have been made to mobile robot vision-based navigation.Localization,automated map generation,autonomous navigation and path tracking is all becoming more frequent in vision applications.A visual navigation line tracking robot should detect the line with a camera using an image processing technique.The paper focuses on combining computer vision techniques with a proportional-integral-derivative(PID)control-ler for automatic steering and speed control.A prototype line tracking robot is used to evaluate the proposed control strategy.

基于滑模PI控制的电动汽车集群出力与调频联合优化

电动汽车(EV)集群在参与电网调频时,持续大量的出力可能会导致系统频率出现超调现象,且会增加系统的调频成本和对EV集群的补偿成本。在保证系统频率稳定的前提下,为了协调EV集群与发电机的出力,提出了基于滑模比例-积分(PI)控制的发电机和EV集群联合优化方法,并以系统调频成本和频率稳定为目标,对EV集群的车辆投入比例进行优化。考虑私家车、公交车、出租车这3种类型EV参与电网辅助调频,建立了EV集群参与微电网调频的单区域系统模型,通过滑模PI对EV集群进行控制,在保证频率稳定的情况下,显著减小EV集群出力;进一步对EV集群车辆投入比例参数进行优化,显著降低系统的调频成本。对发电机容量充足、不足的工况进行仿真,并对比参数优化前、后的结果,验证了所提联合优化方法的有效性和经济性。

基于NSGA-Ⅱ算法的ATR发动机PI控制器多目标优化方法研究

为了使空气涡轮火箭发动机(ATR)从慢车快速、稳定和准确地加速到最大状态,以ATR发动机燃气发生器流量和尾喷管喉部面积为控制变量,采用快速非支配排序遗传算法(NSGA-Ⅱ算法)建立了发动机控制器参数多目标优化方法。将超调量、稳态误差、上升时间及误差积分值四个指标以加权的形式作为目标函数,引入执行机构超调惩罚机制,建立了PI控制器参数Pareto最优解集,完成了ATR发动机从慢车加速到最大状态的动态过程仿真。结果表明,将双回路多个控制性能指标以加权的形式组合作为目标函数,可以获得均匀分布的Pareto前沿;联合应用多目标优化方法和基于熵权法的优劣解距离法(TOPSIS),能够在双回路耦合下获得满足设计要求的ATR发动机动态特性,极大地缩短了人工整定控制器参数的时间;在加速过程中,多目标优化方法将涡轮膨胀比上升时间作为目标函数之一,与尾喷管面积开环控制动态过程相比,可以使涡轮膨胀比更早到达目标值,共同工作线远离喘振边界。

Hybrid Optimized PI Controller Design for Grid Tied PV Based Electric Vehicle

Nowadays,researchers are becoming increasingly concerned about developing a highly efficient emission free transportation and energy generation system for addressing the pressing issue of environmental crisis in the form of pollution and climate change.The introduction of Electric Vehicles(EVs)solves the challenge of emission-free transportation while the necessity for decarbonized energy production is fulfilled by the installation and expansion of solar-powered Photovoltaic(PV)systems.Hence,this paper focuses on designing an effective PV based EV charging system that aids in stepping towards the achievement of a pollution free future.For overcoming the inherent intermittency associated with PV,a novel DC-DC converter is designed by integrating both Trans Z-source con-verter and Luo converter,which offers remarkable benefits of high conversion range,lesser voltage stress and excellent efficiency.A novel robust Lion Grey Wolf Optimized Proportional Integral(LGWO-PI)controller is designed for sig-nificantly strengthening the operation of the integrated converter in terms of peak overshoot,Total Harmonic Distortion(THD)and settling time.A 3’Voltage Source Inverter(VSI)is employed to convert the stable DC output from the PV sys-tem to AC,which is then used for driving the Brushless Direct Current Motor(BLDC)motor of EV.The speed of the BLDC is regulated using a PI controller.The BLDC motor gets the power supply from the grid during the unavailability of PV based power supply.The grid is integrated with the designed EV charging system through a 1’VSI and the process of grid voltage synchronization is carried out with the application of PI controller.The simulation for evaluating the operation of the presented EV charging system is done using MATLAB and the attained out-comes have validated that this introduced methodology delivers enhanced perfor-mance with optimal efficiency of 97.6%and lesser THD of 2.1%.

Performance of the Boost Chopper, Comparative Study between PI Control and Neural Control to Regulate Its Output Voltage

In this study, we investigate the performance of a boost converter regulating its output voltage using two control methods: Proportional-Integral (PI) control and neural control. Both methods are implemented on a simulation platform (Matlab/Simulink) and evaluated in terms of accuracy, response speed, and robustness to disturbances. Indeed, the output voltage of converters exhibits imperfections that require a control method to optimize efficiency when applying a variable load. Results show that neural control offers superior performance in terms of accuracy and response time, with faster and more precise regulation of the output voltage. On the other hand, PI control proves to be more robust against disturbances. These findings can help guide the selection of the appropriate control method for a boost converter based on the specific requirements of each application.

Gaussian PI Controller Network Classifier for Grid-Connected Renewable Energy System

Multi-port converters are considered as exceeding earlier period decade owing to function in a combination of different energy sources in a single processing unit.Renewable energy sources are playing a significant role in the modern energy system with rapid development.In renewable sources like fuel combustion and solar energy,the generated voltages change due to their environmental changes.To develop energy resources,electric power generation involved huge awareness.The power and output voltages are plays important role in our work but it not considered in the existing system.For considering the power and voltage,Gaussian PI Controller-Maxpooling Deep Convolutional Neural Network Classifier(GPIC-MDCNNC)Model is introduced for the grid-connected renewable energy system.The input information is collected from two input sources.After that,input layer transfer information to hidden layer 1 fuzzy PI is employed for controlling voltage in GPIC-MDCNNC Model.Hidden layer 1 is transferred to hidden layer 2.Gaussian activation is employed for determining the output voltage with help of the controller.At last,the output layer offers the last value in GPIC-MDCNNC Model.The designed method was confirmed using one and multiple sources by stable and unpredictable input voltages.GPIC-MDCNNC Model increases the performance of grid-connected renewable energy systems by enhanced voltage value compared with state-of-the-art works.The control technique using GPIC-MDCNNC Model increases the dynamics of hybrid energy systems connected to the grid.

含实时电流补偿的开关磁阻式机电作动器自适应PI控制

针对传统控制算法难以克服开关磁阻电机的非线性并有效抑制转向叶片的负载扰动,因而无法对开关磁阻式机电作动器进行快速高精度位置跟踪控制的问题,提出了一种含实时电流补偿的自适应PI控制器。首先,通过负载观测器对作用于转向叶片上的空气动力负载进行实时估算,进而转化为电流环的实时补偿电流来抑制负载扰动的影响;然后,基于开关磁阻电机的转矩电流特性拟合曲线与实时电流反馈值对转速环PI参数进行自适应最优调节,从而削弱了开关磁阻电机的非线性,增强了机电作动器的转速调节性能;最后,通过引入位置前馈环节,有效提高了机电作动器的响应速度和位置跟踪精度。仿真和实验结果表明:相较于传统PI控制器、自适应PI控制器和含前馈环节的自适应PI控制器,所提控制器将开关磁阻式机电作动器的响应速度分别提高了49.3%、44.4%和30%,位置跟踪精度分别提高了54.8%、49.2%和2.9%,从而使得机电作动器具备更强的位置跟踪性能。

DC–DC Converter with Pi Controller for BLDC Motor Fuzzy Drive System

The Brushless DC Motor drive systems are used widely with renewable energy resources.The power converter controlling technique increases the performance by novel techniques and algorithms.Conventional approaches are mostly focused on buck converter,Fuzzy logic control with various switching activity.In this proposed research work,the QPSO(Quantum Particle Swarm Optimization algorithm)is used on the switching state of converter from the generation unit of solar module.Through the duty cycle pulse from optimization function,the MOSFET(Metal-Oxide-Semiconductor Field-Effect Transistor)of the Boost converter gets switched when BLDC(Brushless Direct Current Motor)motor drive system requires power.Voltage Source three phase inverter and Boost converter is controlled by proportional-integral(PI)controller.Based on the BLDC drive,the load utilized from the solar generating module.Experimental results analyzed every module of the proposed grid system,which are solar generation utilizes the irradiance and temperature depends on this the Photovoltaics(PV)power is generated and the QPSO with Duty cycle switching state is determined.The Boost converter module is boost stage based on generation and load is obtained.Single Ended Primary Inductor Converter(SEPIC)and Zeta converter model is compared with the proposed logic;the proposed boost converter achieves the results.Three phase inverter control,PI,and BLDC motor drive results.Thus the proposed grid model is constructed to obtain the better performance results than most recent literatures.Overall design model is done by using MATLAB/Simulink 2020a.

精密平台磁敏智能隔振系统自适应PI控制研究

为抑制精密平台存在的时变振动,提出一种基于磁流变弹性体(magneto rheological elastomer,MRE)半主动自适应比例积分(proportional integral,PI)控制方法。首先针对MRE隔振系统,建立其动力学模型,并根据MRE变刚度隔振原理,推导半主动控制条件;其次以响应加速度和目标加速度偏差作为PI控制器输入,通过遗传算法获得不同频率、幅值激励下的最优PI控制参数,并基于被动参考模型获得频率幅值依赖自适应律。该方法无须通过复杂的傅里叶变换辨识频率,实时性高;最后通过仿真和试验验证了所设计控制器的有效性;结果表明,与传统PI控制器相比,自适应PI控制器对40~50 Hz、1.0~3.0 m/s^(2)时变振动具有更大的抑制。

基于自适应PI模型的压电陶瓷驱动器精密定位方法

由于具备较高的定位精确度,压电陶瓷驱动器在超精密加工、微纳米测试等领域应用广泛,然而压电陶瓷固有的迟滞性严重影响其定位精确度。研究了驱动范围对压电陶瓷驱动器迟滞性的影响,实验得出迟滞性随驱动范围增大而显著。而在压电陶瓷驱动器的实际应用中,驱动范围是其主要的设置参数之一。为此,提出基于自适应Prandtle-Ishlinskii(PI)模型的拟合方法,根据不同驱动范围下获得的迟滞曲线的斜率变化趋势设置分段区间,采用二次规划算法辨识PI模型的权重参数,基于分段区间对迟滞曲线进行拟合,大大提高了拟合精确度。设计基于自适应PI模型的逆模型作为前馈控制器对压电陶瓷驱动器进行迟滞补偿,并搭建基于Labview的实验平台验证了该算法的可行性。实验结果表明,基于自适应PI逆模型的前馈控制器将压电陶瓷驱动器的定位精确度提高至1.8 nm。

基于模糊解耦策略的小型注塑机料筒温度F-PI复合控制器

在塑料产品的生产过程中,注塑机料筒温度的响应速度和稳定性对最终塑料产品的质量具有重要影响。为了提高小型注塑机料筒温度的控制精度,针对料筒具有的惯性大、非线性、大滞后、强耦合等温度特性,在模糊控制不能满足控制要求的背景下,提出了基于相邻加热段之间温差的模糊解耦策略,通过利用相邻加热段之间的温差信息,建立模糊解耦控制器,对各段料筒之间的温度耦合进行解耦控制。实验结果表明,该控制方法效果良好,达到目标温度所用时间为1092 s,最大超调量只有3%,但稳态性能较差。为解决稳态性能较差的问题,在模糊解耦的基础上建立F-PI复合控制器,通过引入积分环节消除系统在稳态下的偏差。在Matlab/Simulink环境下进行仿真并在注塑机上进行验证,结果表明,F-PI复合控制方法不仅具有良好的动态响应,还具有更高的稳态精度,稳态偏差仅为±1℃。因此基于模糊解耦策略的F-PI复合控制方法不仅能对料筒的温度耦合进行解耦控制,还有效提高了系统的稳定性和控制精度,具有良好的鲁棒性。

基于COOT优化算法和改进型重复PI控制的三相LCL型光伏并网系统

为提高光伏并网发电的发电效率,提出了基于COOT优化算法和改进型重复PI控制的三相LCL型光伏并网系统。COOT优化算法用于前级MPPT算法,可以准确快速追踪到光伏发电系统全局最大输出功率;改进型重复PI控制用于后级逆变,通过阻尼因子设计LCL有源阻尼控制,在数学建模过程中把采样计算延时以及PI控制考虑进去,最后加入重复控制;为了减少奇次谐波,采用级联式重复PI控制结构;同时针对电网频率波动时重复控制策略控制效果降低的问题,采用一种基于拉格朗日插值原理的频率自适应级联式重复PI控制。基于所提出的控制策略,利用Simulink仿真平台对系统进行了建模仿真,仿真结果表明了所提控制策略的正确性和可行性。

无人驾驶农机装备的模糊PI-LQR转向控制算法

无人驾驶农机装备转向系统处于小流量、小角度控制时会出现非线性和时滞,这会导致转向控制超调或者控制时滞,进而导致无法快速准确地跟踪到路径预瞄点。针对这个问题,本文提出了一种模糊比例积分-线性二次型调节器(PI-LQR)数据融合的内外环控制算法。该算法以模糊PI控制为内环,基于转角误差和转角误差变化率,通过模糊逻辑运算自适应调节PI参数,进行转向角度的闭环控制。以LQR控制为外环,基于农机装备XY-横摆角控制,融合内环的转角误差,进一步提升无人驾驶农机装备转向的精准控制。Carsim和Matlab/Simulink联合仿真表明:通过100 m长的双移线路径下,最大横向误差为0.18 m,最大横向摆角误差为0.067 rad。实车测试表明:通过100 m长的双移线路径下,最大横向误差0.26 m,相较于PID纯跟踪控制算法,最大横向误差减少了0.19 m。

基于二自由度PI的微型涡喷发动机转速闭环控制

针对传统PI控制无法使微型涡喷发动机的扰动抑制性能与设定值跟踪性能同时最佳的问题,开展了微型涡喷发动机二自由度(Two-Degree-of-Freedom, 2-DOF)PI控制研究。首先基于Speedgoat实时目标机搭建了快速原型试验系统。根据发动机开环试验数据辨识得到不同稳态点下的传递函数模型,在此基础上设计了2-DOF PI控制器,并进行仿真验证。最后将控制算法部署至Speedgoat中开展实物试验。结果表明,设计的2-DOF PI控制器能够使微型涡喷发动机的扰动抑制性能与设定值跟踪性能同时最佳,并在发动机较大的工作范围内有良好的控制性能。

基于自适应神经网络的船舶航向保持预定义性能PI控制

为解决模型动态不确定和外部扰动未知的船舶航向保持问题,提出一种基于自适应神经网络的船舶航向保持预定义性能PI控制方案。在PID控制设计框架下,引入自适应神经网络和预设性能控制技术,从不确定补偿和设计角度提高船舶航向保持的精度和控制性能。在控制设计中,结合自适应神经网络技术与单参数学习技术,使得整个船舶航向保持闭环控制系统仅需要在线更新一个未知参数,系统的复杂度降低,且可以实现离线确定船舶航向误差的功能。基于李雅普诺夫稳定性理论进行分析,结果表明所提出的控制方案能保证整个闭环控制系统所有信号均有界。通过数值仿真验证了所提出方案的有效性和优越性。

基于频域分析的PMSM双闭环PI控制器整定方法

以永磁同步电机(PMSM)双闭环调速系统为对象,在对其数学模型进行合理简化的基础上,综合考虑了逆变器开关周期、电流和速度滤波等环节的影响,给出了一种在频域进行PI控制器参数设计的整定方法。通过建立双环的数学模型,得到关于开环频域特征量的解析式,根据电流环在中低频段的特性以及转速环中阻尼系数难以精确测定的问题,分析推导了电流环和转速环PI参数简化设计的方法。利用工程经验将闭环时域指标转化开环频域特征量,并结合各类约束条件合理界定其取值范围,由此得到的PI控制器可以兼顾快速性和稳态跟踪能力。仿真和实物实验验证了整定方法的可行性,该方法确立了双环控制器参数与其对应的开环截止频率和相位裕度的解析式,并明确了开环频域特征量与闭环时域指标的关系,具有较强的工程参考和应用价值。