基于灰狼优化算法的茶园拖拉机转角控制器

比例积分微分(proportional⁃integral⁃derivative,PID)控制算法被广泛用于茶园拖拉机的转角控制系统,但是PID控制器带来大量的参数整定以及滞后性,必然会降低控制精度和控制效率.为了解决这一问题,提出了基于灰狼优化算法(grey wolf optimization algorithm,GWOA)的茶园拖拉机转角控制器.首先,建立了简化的茶园拖拉机电动助力转向(electric power steering,EPS)系统的数学模型;其次,采用了基于PID的电动机电流-转向盘转角双闭环的控制策略;接着,设计了灰狼优化算法来对传统PID控制器的参数进行优化,构建了基于灰狼优化算法的PID转角控制器(GWOA⁃PID);最终,利用CARSIM和MATLAB实时模拟拖拉机运行情况,对提出的基于灰狼优化算法的茶园拖拉机转角控制器进行验证,结果表明:传统PID控制器的电流总谐波畸变(total har⁃monic distortion,THD)为11.46%,基于粒子群算法(particle swarm optimization,PSO)的PID控制器的THD为8.12%,所提出的GWOA⁃PID控制器的THD为6.28%,使得电流谐波在原来的基础上降低了45.2%.

基于模糊神经网络的茶园拖拉机远程故障诊断系统

针对茶园拖拉机传统故障诊断对故障信息的采集存在严重滞后性的问题,提出一种基于模糊神经网络(fuzzy neural network,FNN)的茶园拖拉机远程故障诊断系统(remote fault diagnosis system,RFDS).该方法融合模糊算法和神经网络的优点,通过对车辆运行的实时监控,远程处理车辆信息,获取车辆潜在的故障和实时故障信息,避免了传统方式需进行的大量检测,为维修争取到了更多的时间,提高了生产效率.该系统以仿真软件Carsim为基础,利用Carsim实时模拟车辆运行情况,通过训练集和测试集对算法模型进行训练和验证,结果表明:FNN诊断算法满足系统性能要求,准确率可以达到90%以上,可远程准确诊断茶园拖拉机故障.此外,RFDS技术对于车辆的开发也有重要的作用,可以在车辆的研发阶段通过远程故障诊断系统进行车辆性能评估,节省了大量的人力资源.