飞机环境控制系统的模糊控制研究

地面实验表明,采用传统PID(Proportional-Integral-Differential)控制方法的飞机环境控制系统不能很好的解决电子设备和座舱的温度控制问题.采用了基于遗传算法优化的模糊控制方法,根据系统不同的工作任务,分别采用了2种模糊控制规则.通过优化输入输出变量的隶属度函数参数,使得新的模糊控制系统具有响应快、超调小、稳态精度高的特点.仿真表明,该模糊控制系统优于原系统并且能够满足飞机环境控制系统的设计要求.      

汽车DYC模糊PID控制方法

直接横摆力矩控制DYC(Direct Yaw-Moment Control)是提高汽车操纵稳定性特性的重要方法,其研究对于提高汽车的主动安全性具有重要意义.在深入研究汽车操纵动力学和先进控制理论的基础上,设计了具有智能积分模块的模糊PID(Proportion-Integral-Differential)控制器,将该控制方法应用于DYC控制.建立了能够反映车辆转向工况基本动力学性质的车辆动力学模型,在Simulink环境下对开发的智能积分模糊PID控制器进行了仿真测试与分析.仿真结果验证了算法的可行性和有效性,表明智能积分模糊PID控制方法可以实现较为理想的DYC控制效果,在该领域具有良好的应用前景.     

大型挠性结构基于独立模态空间的模糊PID控制

模糊控制器对于复杂不确定系统的控制具有很强的适应性,将模糊逻辑和PID控制器结合起来用于解决一类大型挠性结构空间桁架这一复杂系统的振动控制问题;并结合结构振动常用的独立模态空间控制方法,克服大型空间桁架不能建立精确的数学模型所带来的弊端,有效地抑制了由于模态溢出或耦合产生的差拍现象。仿真结果表明这一模糊PID控制器对于高阶、非线性的大型空间桁架振动控制是有效的。     

高精度交流伺服系统的模糊PID双模控制

交流位置伺服系统因其存在参数时变、负载扰动以及电机的非线性等缺点 ,很难为其建立准确的模型.模糊(fuzzy)控制具有无需建立被控对象的数学模型、鲁棒 性好等优点,但稳态精度差.将模糊控制和PID控制相结合,设计了Fuzzy-PID双模控制器. 在论域内用不同的控制方式分段实现控制,这样就综合了模糊控制和PID控制的优点,克服 了各自的缺点.该控制器结构简单、易于实现.在半闭环交流位置伺服系统上所做的实验表 明,采用Fuzzy-PID双模控制器与采用经典PID控制器相比,阶跃响应的调整时间减少了33.7% ,并且无超调,轨迹跟踪误差减小了47.2%.      

高速热气流模拟风洞的供油流量控制

根据高速热气流风洞模拟实验系统对供油系统的要求,设计了基于变频调速加旁路比例节流阀调节的燃油供给系统.通过分析系统各个环节的特点,建立了系统的数学模型.针对燃油供给系统流量反馈的大纯滞后特性,提出了模糊PID(Proportion Integration Differentiation)加预测控制的控制策略.仿真和实验表明:所提出的控制策略满足了高速热气流模拟实验系统对燃油流量控制品质的要求,控制效果优于普通的PID和模糊PID控制策略.     

推理合成法在炉温模糊控制系统中的应用

根据电阻炉温控制的特点,即只有升温单向控制、滞后较大且具有参数时变性,利用模糊推理合成法建立模糊模型并进行模糊控制器设计,为提高模糊控制的精度,引入模糊变量K,构成参数自调整模糊控制系统.该系统可根据误差和误差变化在线自动调整控制器参数,使系统的稳态精度得到改善.     

基于模糊逻辑的再入RCS控制方法

针对 RLV (Reusable Launch Vehicle)的再入控制提出了一种基于模糊逻辑的RCS(Reaction Control System).详细分析了RCS控制特性,建立了基于效率系数以及继电特性的RCS模型,提出了一种基于Mamdani模型的模糊逻辑三通道RCS控制器,该控制器利用专家控制经验,根据姿态角及角速率的偏差,产生不同的RCS控制指令输出给三通道对飞行器进行姿态控制.通过六自由度非线性仿真,验证了该控制系统与PID(Proportional-Integral-Differential)控制器相比具有更好的跟踪性能,且RCS的控制输出效率也更高.      

液压飞行仿真转台外框FNN控制器设计及仿真

以液压转台外框为控制对象,根据模糊控制理论,设计出直接自适应模糊控制器(DAFC,Direct Adaptive Fuzzy Controller)和同步模糊控制器(SFC,Synchronizing Fuzzy Controller)来解决外框负载干扰和双液压马达同步驱动这2个影响转台控制性能的主要问题;其中直接自适应模糊控制器还与PID控制器一起组成并行控制系统来抑制系统静态误差和动态干扰.针对模糊控制器自学习能力较差等缺陷,在模糊控制的基础上,根据模糊神经网络(FNN,Fuzzy Neural Net)模型设计出多输入多输出(MIMO,Multi-Input Multi-Output)的FNN控制器.软件仿真结果表明,当转台外框负载发生变化或外框两马达转速相差较大时,使用FNN模型的智能控制系统仍具有较高的位置跟踪精度和动态性能.      

采用BP算法的模糊自适应控制

在对不熟悉的过程进行模糊控制时,由于对过程的不了解,很难得到合适的控制规则.基于模糊控制器的一种解析结构,提出了将模糊控制器与神经网络相结合的方法.由神经网络对系统进行辨识,并为学习系统提供必要的信息,将控制对象视为神经网络的输出部分,采用BP算法根据神经网络提供的信息对经验规则进行修改,从而改善模糊控制系统动态响应.仿真结果表明该控制器对模型参数变化具有较好的适应能力,能够较快地修改系统的原控制规则,使对象输出较快地跟踪系统的输入.     

基于神经网络自适应稳定PID控制方法的研究

经典的基于对象精确数学模型的PID控制方法的自适应性较差,难以适应具有非线性、时变不确定性的被控对象.神经网络控制算法的稳定性又受到迭代初值的影响,且算法复杂.为此提出了一种基于RBF神经网络的、结构简单的、稳定的PID直接自适应控制方法.讨论了控制器参数迭代初值选取的基本原则,并给出了在保证系统稳定性前提下参数的迭代算法.仿真研究结果表明,该方法的鲁棒性和跟踪性能均优于经典PID方法.      

非对称液压缸对称性控制

阀控非对称缸两个运动方向上系统的开环增益及某些参数的不同,使得两个方向上的动态特性不对称,这种本质上的非线性和非对称性给系统控制带来困难.PБ-211机器人后3个关节是对称阀控制非对称液压缸伺服系统,为了使机器人运行平稳和提高控制精度,在控制中必须加以适当补偿.在分析非对称液压缸工作原理基础上,考虑液压缸伸出和缩回性能不同,提出了模型参考变增益自适应控制算法对非对称液压缸进行补偿.该算法包括单神经元自适应PID控制、模型参考自适应控制和输出增益的自动调节3个部分.仿真分析和实验表明该算法可以基本实现非对称液压缸的对称性控制,较普通PID控制算法具有明显优势.      

基于LADRC的无人机高精度定高控制

针对复杂气流扰动对无人机（UAV）航迹高度控制的影响,对存在复杂气流扰动下的定高控制策略、控制结构和控制器参数优化展开研究,实现高精度高度控制。基于线性自抗扰控制（LADRC）确定总体控制架构,设计扩张状态观测器（ESO）观测估计纵向高度通道和速度通道中存在的总扰动,在控制中引入扰动补偿,减小扰动对系统输出造成的影响。对UAV在飞行过程中存在的大气紊流扰动或离散突风等风干扰分析其功率谱密度,构造考虑风扰动对高度影响、时域响应特性和稳定裕度的综合目标函数,通过粒子群优化算法得到具有高精度、高抗干扰性能的控制器参数,优化中考虑风干扰的功率谱密度分布,减小了控制器参数设计的保守性。通过与常规比例-积分-微分（PID）控制器控制效果进行对比,说明基于线性自抗扰控制器的纵向高度控制的优异性能。      

电液伺服速度系统的模糊增益调度控制

针对电液伺服速度系统的非线性和参数时变特性,提出了模糊增益调度控制方法.根据系统的输出误差和误差的一阶微分变化,利用模糊推理在线实时更改比例积分微分(PID,Proportion Integral Differential)控制器参数以适应工作点的变化,使系统控制参数达到全局优化,解决了一般增益调度中控制参数只是对于某一工作点局部优化的问题;在确定P和I隶属度函数时,引入指数函数保证了系统稳准前提下响应的快速性.试验研究表明,与单纯PID控制器相比,模糊增益调度缩短了动态响应时间、降低了超调、减小了负载扰动,说明该方法对非线性系统和未能精确建模系统大范围控制的有效性.      

基于IFA-ELM的航空发动机自适应PID控制新方法

针对大涵道比涡扇发动机强非线性、变参数的特点,提出了一种基于优化极端学习机(ELM)对发动机参数进行预测的自适应PID控制方法.为提高ELM的预测精度和实时性,采用适用于多峰值寻优的改进萤火虫算法(IFA)优化ELM网络参数,形成优化的ELM训练方法IFA-ELM.该算法在保证预测精度的前提下,有效简化了网络规模,并提高了其泛化能力.利用该算法建立发动机风扇转速预测模型,基于该模型,采用梯度下降法在线调整PID参数,提升发动机动态性能.数字仿真验证表明,与常规PID控制相比,基于IFA-ELM的自适应PID法调节时间减少了0.2~1.4s,超调量降低了0.2%~1.5%,验证了该控制方法的有效性.      

具有尾缘襟翼的风力机动力学建模与恒功率控制

具有尾缘襟翼的风力机在大型风力机领域具有广阔的应用前景。在具有可变尾缘襟翼的智能风力机中,通过控制襟翼偏转角可以调节风力机叶片的气动特性,可达到控制风电系统输出的目的。采用叶素动量方法建立了具有尾缘襟翼的风力机气动模型,在此基础上建立了智能风电系统的非线性动力学模型。基于动态逆方法对非线性系统进行线性化,采用H∞状态反馈方法设计了反馈控制器。针对12~16 m/s的阶跃风况和基于四分量模型所建立的实际风况进行了仿真验证,仿真结果表明,所设计的控制系统能有效控制风电系统的输出功率。     

控制力矩陀螺框架高精度周期随动控制

为实现控制力矩陀螺框架伺服系统的高精度周期随动控制,采用比例积分微分(PID,Proportion Integration Differentiation)控制器结合重复控制器的控制方式,PID控制器实现框架伺服系统静态和匀速运动的高精度控制,插入式重复控制器实现对周期性输入信号的精确跟踪.对控制力矩陀螺框架系统进行了建模,设计了PID控制器与插入式重复控制器,并分析了重复控制器的稳定性条件、稳态跟踪性能和对扰动的抑制能力.仿真结果和实验结果表明:采用插入式重复控制器使控制力矩陀螺跟踪1Hz给定速度信号时的稳态跟踪误差大幅减少.PID控制器结合插入式重复控制器结构简单,两者可分开独立设计,参数设计容易.     

基于遗传算法PID整定的卫星姿态控制研究

文章针对新一代资源卫星建立了带有有效载荷的卫星姿态动力学方程,并且使用遗传算法PID参数自整定的方法进行了卫星姿态控制,有效地消除了可转动载荷对卫星姿态的影响。仿真结果表明,使用遗传算法PID参数自整定方法,对卫星的姿态系统具有较好的控制性能,并且克服了传统PID调参困难的缺点。