一种无人机姿态智能PID控制研究

姿态控制是无人机自主飞行控制的基础，其控制律设计结果对无人机飞行特性的影响至关重要。它决定了无人机是否能够满足自主飞行要求。为了解决在整个飞行包线中都能获得好的控制效果．本文引入了仿人智能比例，积分和单神经元控制等智能控制方法，设计出了一种用于无人机姿态控制的智能PID控制器。控制品质主要表现为响应快、精度高、超调量小，能进行稳定的大范围调适，鲁棒性强。仿真研究表明，这种控制器算法简单．易于实现，且比常规P1D控制器具有更强的鲁棒性和自适应能力。     

用仿真实验研究装备中一类非线性混沌振动的主动隔振

笔者运用主动隔振原理 ,对Duffing非线性振子 ,设计了参数自调节的PID控制算法 ,对Duffing振子混沌振动进行了主动隔振数值仿真实验 ,实现了对混沌振动的良好隔振。仿真结果表明 :在混沌振动中应用主动隔振技术的有效性。     

机载光电系统平台稳定控制算法

在分析研究机载光电系统原理的基础上,对其稳定控制回路进行了分析和建模,提出了稳定回路的构型;研究了影响系统稳定精度的因素,分析了经典控制算法存在的不足,提出了基于线性自适应神经网络原理的改进算法.仿真及实验平台测试表明,改进后的算法克服了经典控制算法存在的问题,能够有效地抑制非线性扰动的影响,提高了机栽光电系统的稳定精度,与其他神经网络算法相比具有在线学习、实时性好、控制精度高的特点.     

数字电子气动式座舱压力控制系统模型及性能分析

在分析数字电子气动式座舱压力控制系统结构的基础上,建立了座舱及控制系统中执行机构各部件的数学模型.分析系统的传递函数得到了系统稳定所需的PID控制参数取值范围,通过对系统动态性能的仿真进一步确定PID各参数的关系.结果表明:为了满足数字电子气动式座舱压力变化速率和稳定性的要求,PID参数需满足一定的关系:在一定范围内,控制器的比例参数应大于微分参数,而微分参数应大于积分参数.     

一种新的多维随机振动试验控制算法——矩阵微分法

介绍了多维随机振动试验的应用必要性和前景,就多维随机振动试验控制算法问题进行了讨论,提出了一种新的多维振动控制算法--矩阵微分法,在国内现有的公开发表的文献中该方法首次实现了对自功率谱密度、互谱密度、互谱相位和相干系数的同时控制,用双台振动试验模型进行了数值仿真,证明了该方法的有效性.     

铰接式履带车深海直线行走在EASY5仿真平台上的实现

提出铰接式履带车液压系统的设计方案,并在EASY5下完成液压和铰接式履带车直线行走下的数学建模,针对履带车辆在复杂地形中行走跑偏的问题,提出对方位偏差信号的PID控制;仿真结果表明,该控制方案可以很好地消除大扰动对车辆直线行走的影响,抑制车辆的跑偏问题。     

导航星座自主运行平行系统的轨道计算方法CSCD

构建一个能够与实际卫星导航系统长期保持时空一致的平行系统,可为导航星座自主运行提供一个监视与评估平台。针对建设该平行系统所需的高逼真轨道计算问题,引入平行系统理论的思想,在分析历史精密轨道的基础上,提出高精度轨道计算与预报方法。该方法以不断更新的精密轨道作为输入,利用PID增量式算法或时变加权法进行数据平滑,使得轨道计算结果始终与实际系统保持高度一致性。试验结果表明,该方法可使卫星轨道计算的结果与实际卫星轨道长期保持在分米量级。     

基于同步控制的行李电机ACA-RBF-PID控制

针对机场行李准确地从传送带导入分拣机的问题,提出将基于同步控制的ACA-RBF-PID算法应用于机场行李导入电机。该方法利用蚁群算法优化RBF神经网络避免了传统RBF网络方法带来的局部优化问题,实现了全局最优,并且电机同步控制系统保证了从导入电机与导入电机速度始终保持一致,避免了同时将两件行李送上同一个行李托盘。仿真结果表明,该策略大大地提高了行李导入效率,为行李的后续分拣带来保证。     

一种涡扇发动机加减速转速变化率闭环控制技术

针对涡扇发动机加减速的特点和控制需求,在对比现有控制算法的基础上提出一种新的转速变化率(N-dot)闭环控制技术。通过引入积分补偿,消除了原理性稳态误差,且控制参数机理清晰,易于设计,具备较高的工程应用价值。针对控制回路切换带来积分饱和的技术难点,设计工程实用的输出回归抗积分饱和方法,实现与其它控制器协调工作。基于涡扇发动机开展了Matlab桌面仿真研究和台架试验验证,结果表明,本文提出的控制技术能够取得满意的控制效果:N-dot反馈能够很好跟随N-dot期望指令,跟随误差在当前期望值的±10%以内,控制算法对噪声不敏感,对于涡扇发动机加减速过程多控制回路切换场景,不存在回路干扰和积分饱和现象。     

基于粒子群优化的PID神经网络在热电偶数学建模中的应用

为提高热电偶的测温精度,在对热电偶进行数学建模时,结合粒子群算法对PID神经网络进行优化,并设计了实际多路电偶数据采集电路对温度数据进行采集和验证。通过实验验证,粒子群算法的运用加快了PID神经网络的收敛速度、提高了系统稳定性,从而得到了更加精确的热电偶模型,提高了系统的测温精度。