适用无人机的小型燃料电池控制方法

燃料电池动力系统作为一种长航时电动无人机的动力方案,其燃料电池的控制技术是决定动力系统可靠性和高效性的关键技术。针对用于无人机的小型空冷型开放阴极的质子交换膜燃料电池,考虑面向工程应用的燃料电池整体控制过程,兼顾电堆温度控制和水管理,提出了一种前馈型模糊PID的电堆温度控制方法,同时设计了一种基于安时积分门限法的膜水含量调节策略,以实现对整个燃料电池系统的高效控制。通过搭建燃料电池温度控制与水管理试验平台,对所提出的控制技术进行了试验验证,并与现有温控和水管理方法进行了对比分析。试验结果表明：所提前馈型模糊PID方法在较长时间的燃料电池启动过程中能够较快地达到目标温度,相比于PID方法减少了7%的调节时间,与传统模糊PID方法相当;燃料电池电流持续减小时,所提前馈型模糊PID方法对超调量的抑制效果具有明显优势,其超调量仅为PID方法的34%,为传统模糊PID方法的43%;所提安时积分门限排水控制方法既能防止水淹故障,又可提高燃料经济性,在所给工况中相比现有方法节约了15%的氢气。     

微小型飞行器的神经网络动态逆控制方法

微小型飞行器(MAV)精确的数学模型很难得到,限制了单纯动态逆控制方法的使用,比例-积分-微分(PID)等传统的控制方法已不能满足要求。针对这一问题,研究了应用动态逆控制方法的新途径──神经网络动态逆。选取串接积分器的多层前向神经网络训练飞行控制系统的动态逆模型,并自适应补偿逆误差。用MATLAB的NNCTRL20工具箱并结合NNSYSID20工具箱建立了仿真系统。升降舵和方向舵联合控制转弯。用PID控制器、近似神经网络动态逆模块、在线神经网络补偿器构建了飞行控制系统。仿真结果表明,神经网络动态逆有较强的鲁棒性、稳定性和指令跟随能力,比PID更适合于微小型飞行器的姿态控制。     

基于小波神经网络PID的永磁同步电机转速控制

提出了基于小波神经网络PID的永磁同步电机(PMSM)转速控制策略。根据系统运行参数的变化,采用三层前馈式人工神经网络,基于梯度下降纠正误差法在线训练实时更新PID参数值。采用小波神经网络和增量式PID共同构成转速环控制器。建立PMSM数学模型,设计PMSM速度环控制器,构建S函数,对控制算法进行仿真试验,验证了该控制算法的先进性。试验结果表明,所提控制策略比传统PID转速控制具有更好的动态性能和抗干扰能力。     

多输入多输出随机振动试验变参数PID控制

 对多输入多输出(MIMO)随机振动试验控制的基本过程进行了系统分析。定义了一种新的在对数坐标下的控制误差表达式,然后在控制算法中引入了新的比例-积分-微分(PID)控制策略,并给出了PID参数随误差变化的规律。以悬臂梁为控制对象,完成了两输入两输出随机振动试验。结果表明：变参数PID控制方法能在保证快速均衡的基础上,有效地减小功率谱和参考谱之间的相对误差以及加速度总均方根值的控制误差,提高随机振动试验的控制精度。     

基于DSP的模糊PID舵机控制算法设计与实现

针对导弹舵机驱动控制系统,设计了一套基于DSP 2812的数字单闭环模糊PID舵机控制系统,同时分析了控制算法、控制器软件设计等问题.并对采用模糊PID参数自整定算法和传统PID算法所得的结果进行了对比分析.试验结果表明:采用基于DSP 2812的数字单闭环模糊PID舵机控制系统后,不仅简化了系统外围设备,而且舵机控制...     

非线性系统的神经元自适应PID控制

针对一类具有时滞的非线性系统,提出了一种神经元自适应PID控制方法.根据被控对象响应的控制品质要求,利用神经元的权值在线调整功能,可以实时调整控制系统的PID参数,克服了经典PID控制算法中参数不易实时在线调整的缺点.仿真结果显示了该设计方法的有效性.     

稳定跟踪平台的FKAPID控制算法

针对传统PID控制算法在稳定跟踪平台控制中的诸多问题,提出一种带有卡尔曼滤波器的基于前馈补偿和抗积分饱和PID(FKAPID)控制的控制方法。计算机仿真实验表明,控制方法使系统的单位阶跃响应的超调量减小到6%,调节时间缩短至1.4 s,跟踪误差的均方差值减小了1个数量级以上,动态响应性能、对周期性信号的跟踪性能和对干扰的抑制能力明显提高。     

基于模糊PID的飞机机轮静态性能测试装置

机轮是飞机的重要组成部分,其安全性能直接影响飞机的安全起飞和着陆.机轮的性能指标包括动态性能指标和静态性能指标.静态性能指标主要包括机轮的静强度和刚度,一般采用传统PID控制算法实现飞机机轮静态性能指标的测试,但由于传统PID控制算法鲁棒性差,对非线形、时变等系统难以获得满意的控制效果,本文基于S7-300PLC,将先进智能控制方法与传统PID控制相结合,提出了模糊PID自整定算法在PLC上的实现方法,并完成对飞机机轮静态性能测试装置的有效控制,试验结果显示该控制系统在控制性能上明显优于传统PID控制算法.     

神经网络PID在电机调速中的应用

针对传统PID控制器参数不能随直流电机转速变化而适时整定的缺点,将常规PID控制器与具有自学习功能的神经网络相结合,提出了基于BP神经网络的PID控制算法。通过工控机与PLC之间的通信,实现用户自行开发的神经网络对PID参数的适时整定,其控制效果已经通过实验进行了充分验证,较传统参数固定式PID调速器具有更快的调节速度和更高的调节精度。     

基于零空间方法的四旋翼无人机避障与协同编队控制

针对四旋翼无人机在编队飞行执行任务时可能遭遇障碍物问题,考虑多无人机避障及机间避撞的需求,提出 1种基于零空间方法的四旋翼无人机避障与协同编队控制算法。首先,建立四旋翼无人机动力学模型,并建立虚拟控制量简化控制模型;其次,基于零空间方法进行避障与协同编队控制算法研究,将无人机任务执行分解为目标趋向任务、避障避撞任务和协同编队任务,并根据优先级进行任务融合得到期望速度;再次,基于 PID方法设计控制律;最后,通过仿真验证所提控制算法的有效性。所提方法可保证四旋翼无人机在编队飞行中遭遇障碍物时的飞行安全。     

基于改进遗传算法的飞行控制律参数设计

在进行大包线飞行控制律设计中,需将飞行包线分为几个区域,针对各个区域设计线性控制律,采用多个线性控制律来近似替代所需的非线性控制律,本文中线性控制律采用PID控制结构,若用传统PID控制律参数整定方法,工作烦琐、设计时间长,而且控制效果不是很好,提出运用遗传算法优化控制律参数,并针对遗传算法局部寻优能力差、收敛速度差、易早熟等缺点,对其进行了几点改进,为提高鲁棒性,对其适应函数进行了设计,针对某机型某个区域的俯仰控制进行了PID控制律设计仿真,利用改进的遗传算法对其参数进行优化,结果表明,该方法在23代就能得到最优控制参数,而且使系统动态性能有了较明显的提高。     

基于支持向量机回归和RBF神经网络的PID整定

针对工业控制领域中非线性系统控制,在基于梯度下降法的RBF网络PID整定的基础上,对整定算法作出改进,控制目标不再是使当前跟踪误差最小,而是使当前跟踪误差和下一时刻跟踪误差的平方和最小。实现过程为:先由RBF神经网络在线辨识被控对象离散模型,得到被控对象的Jacobian信息,采用梯度下降法对PID控制器参数进行初步整定;然后,将系统跟踪误差和PID参数输入支持向量机模型,通过回归预测系统下一时刻的误差,改进的整定算法利用预测误差信息对参数进行再整定。仿真结果表明,引入支持向量机回归优化的RBF神经网络PID整定收敛速度更快,精度更高,跟踪性能优于RBF神经网络PID整定。     

遗传神经网络PID控制技术研究与应用

针对空调控制系统非线性、大滞后、时变性等特点,通过对中央空调总风量控制法的研究,提出了采用遗传算法神经网络PID控制方法,使空调控制系统具有较高的控制精度和良好的动态特性。仿真及实验结果表明该方法有效可行。     

PID Controller Optimization by GA and Its Performances on the Electro-hydraulic Servo Control System

A proportional integral derivative （PID） controller is designed and attached to electro-hydraulic servo actuator system （EHSAS） to control the angular position of the rotary actuator which control the movable surface of space vehicles. The PID gain parameters are optimized by the genetic algorithm （GA）. The controller is verified on the new state-space model of servo-valves attached to the physical rotary actuator by SIMULINK program. The controller and the state-space model are verified experimentally. Simulation and experimental results verify the effectiveness of the PID controller adaptive by GA to control the angular position of the rotary actuator as compared with the classical PID controller and the compensator controller.     

基于迭代学习控制的导弹PID控制器参数寻优

针对设计导弹PID控制器时存在的对比例、微分、积分3个控制参数大量盲目试凑的问题,利用迭代学习算法对控制参数进行自动寻优,最终得到最佳控制参数,从而实现了对PID控制器参数自动寻优的目的,简化了控制器的设计过程。通过仿真结果验证该方法在PID控制器参数自动寻优上是有效的,同时也为导弹控制器参数整定提供了工程适用的方法。     

基于智能神经元PID的异步电机直接转矩控制

针对异步电机直接转矩控制系统PID转速调节器的适应性、鲁棒性及抗干扰性较差的问题,提出了基于智能神经元PID转速调节器的异步电机直接转矩控制方法。智能神经元PID转速调节器采用2个神经元控制器进行设计,同时实现了控制器参数的在线调整,磁链调节器和转矩调节器分别采用滞环调节器进行设计。仿真结果表明,基于智能神经元PID的异步电机直接转矩控制系统能快速跟踪参考转速变化,具有很强的抗干扰能力、自适应能力和较强的鲁棒性。     

基于自适应PID的异步电机电流控制

在异步电机矢量控制电流环中采用参数自适应PID算法。该算法采用带遗忘因子的递推最小二乘算法对PID参数进行在线估计,能够根据不同情况实时调整PID参数。试验结果表明,该算法鲁棒性强、稳定性好、自适应性强、计算量小,能够满足对电流控制的要求,并且提高了速度的抗干扰能力。     

基于模糊PID算法的六自由度并联机构控制研究

针对六自由度并联机构难以实现高精度及快速响应的问题,分析六自由度并联机构模型,提出基于模糊PID的六自由度并联机构的控制算法.介绍了六自由度并联机构的运动学反解模型及机械系统模型;在此基础上确定模糊算法的模糊语言变量、隶属函数和模糊规则,完成了六自由度并联机构模糊PID控制器的设计.针对一组PID控制参数进行了仿真和实验,结果表明,加入模糊算法的PID控制提高了系统的动态响应特性及运动精度.     

基于模糊自适应PI策略的并网逆变器死区补偿

IGBT死区效应的存在使三相并网逆变器输出电流不能准确跟踪参考电流,导致系统控制性能较差,而传统的死区补偿方法在相电流过零时存在电流极性判断不准确的问题。针对以上问题,提出一种基于模糊自适应PI策略的三相并网逆变器死区补偿方法。该方案将扰动观测器应用到电流双环模糊自适应PI控制系统中,将死区效应引起的电压误差视为外部扰动,经过扰动观测器估算后,反馈到输入端用以抵消死区效应的影响。模糊自适应PI电流双环控制策略可以解决实际系统响应速度慢、动态特性差的问题。通过MATLAB/Simulink仿真和试验验证了所提方案能够有效降低死区效应的影响,提高系统动态响应。     

磁轴承基于扩展卡尔曼滤波的改进PID控制算法研究

提出了一种基于扩展卡尔曼滤波的改进PID控制算法。该算法以传感器测量的转子位移信号为量测量,功率放大器的输出电流为输入量,通过系统状态方程和噪声统计特性估计转子的实际偏心位移,有效解决了信号噪声对控制精度的影响问题。最后,通过仿真和试验,对比验证了算法的有效性。