首页 | 官方网站   微博 | 高级检索  
相似文献
 共查询到16条相似文献,搜索用时 140 毫秒
1.
设计了以PWM信号高速开关控制为核心的气动抛光力加载控制系统,采用滑动平均滤波PID算法调节,通过Simulink仿真和实验调整PID参数,提高系统动态性能,保证变抛光力的控制要求.借助五轴混联机器人动平台,搭建五轴变抛光力试验系统,进行跟随轨迹的变抛光力加载实验.实验结果表明,设计的滑动平均滤波PID控制能够在力控制要求改变时快速响应,使抛光力跟踪至设定值,力实测值误差在±1N以内,波动范围小,具有足够的稳定性和准确性,满足变抛光力的控制要求,实现了跟随五轴加工轨迹的变抛光力控制.  相似文献   

2.
水下焊缝跟踪过程复杂,不确定因素多,并且焊接过程具有非线性特点,传统PID控制效果不理想.本文提出了单神经元自适应PID控制器,通过神经元的自学习能力,能够在线自适应调整PID参数,同时利用差分进化算法对单神经元自适应控制器的参数进行优化.经仿真结果可知,该单神经元自适应PID控制器响应速度快,精度高,控制效果好.  相似文献   

3.
水力发电机组是一个复杂的非线性控制对象,为保证水电站发电机组功率调节具有快速、稳定的控制特性及良好的鲁棒性,本文提出在水电站计算机监控系统有功功率调节中采用单神经元自适应PID功率调节方式.PID控制的关键问题是PID参数的整定,单神经元自适应PID控制器由于其权值可以在线调整,具有较强的自学习和自适应能力,仿真结果表明改进的单神经元PID控制器比传统的控制器拥有更好的稳定性、动态性能和鲁棒性.  相似文献   

4.
以间接集中供热系统为研究对象,针对传统PID控制算法无法动态跟踪现场实际达到控制要求,智能控制算法大多仍处在理论研究阶段,实际应用中效果不好等问题,研究将单神经元PID智能控制通过PLC程序得以实现,并与传统PID控制进行对比。仿真和在现场实际运行结果表明,采用单神经元PID控制器响应时间缩短了一半。  相似文献   

5.
为实现静液传动履带车辆快速稳定转向,且转向轨迹可控,基于双侧轮边液压驱动结构特点,提出了转向时外侧马达排量采用压力、发动机转速双参数控制,内侧采用神经元自适应PID控制以跟随外侧的转向控制策略. 在Matlab/Simulink中建立了包含基于S函数的神经元PID控制器和综合控制策略Stateflow模块的整车模型,对转向控制进行仿真分析,阶跃输入时,神经元PID比传统PID控制能有效抑制系统超调量,加快系统响应速度;不同转向工况仿真结果表明:神经元PID控制具有较好的目标跟随能力,提高了系统的实时性和鲁棒性,使得静液传动履带车辆具有良好的转向性能.   相似文献   

6.
为了提高三相逆变电源的电压输出波形质量,减少输出电压的谐波分量和总畸变率,提出模糊神经元PID控制策略。以DSP芯片为控制系统核心,对输出电压进行Clarke和Park矢量变换,采用人工神经网络方法与PID控制理论构成神经元PID控制器,对PID控制器参数进行在线调整,将模糊控制理论引入神经元PID控制器形成模糊神经元PID控制策略,并将基于60°坐标系的SVPWM算法用于逆变电源控制系统中,对系统稳态负载、动态负载、不对称负载情况下分别进行仿真实验。仿真结果表明:采用模糊神经元PID控制策略控制下的三相SVPWM逆变电源,在不同负载情况下的输出电压谐波分量小,总畸变率少,达到电压输出波形质量性能要求。  相似文献   

7.
针对PID控制器的缺点,提出一种用于锅炉水位控制的单神经元自适应PID控制器。通过Simulink的仿真证明,该控制器利用神经元的学习特性,自动调节PID参数,控制效果优于传统PID控制。  相似文献   

8.
针对传统PID调节不易在线实时调整参数,难以有效控制复杂和时变系统的不足,以及单神经元PID控制不能实时调整增益、响应慢的缺点,介绍了一种通过免疫反馈机理实现增益自调整的单神经元自适应PID,并将其应用于永磁交流伺服系统.系统转速环控制器采用基于单神经元的自适应PID控制算法,实现PID参数的在线实时调整.在单神经元中引入免疫反馈机理,实现增益自调整,提高其响应速度.仿真和实验结果表明,该算法可以在一定程度上增强系统的抗扰动能力,改善系统的速度控制效果,使转速的超调更小、振荡减弱、响应速度加快、稳态误差减小,提高了系统的动态和稳态性能.  相似文献   

9.
无刷直流电机是一种多变量、非线性、参数时变以及强耦合的复杂系统,利用传统比例积分微分(proportional integral differential,PID)算法控制无刷直流电机存在参数调整困难、自适应能力差、控制精度低以及抗干扰能力弱等问题.为实现无刷直流电机的高精度控制,在转速环中引入了基于单神经元神经网络PID控制算法,研究了无刷直流电机的数学模型及运行特性,提出了单神经元神经网络PID算法,最后比较分析了在电机双闭环控制系统中转速环采用不同控制算法下的转速阶跃函数响应,以及三相电流、反电动势和电磁转矩的运行状态.结果表明:单神经元神经网络PID算法控制下的无刷直流电机其转速的阶跃函数响应具有更快的上升时间、更小的超调量以及更加稳定的运行状态.  相似文献   

10.
针对过程工业对气动调节阀的控制精度与稳定性有较高要求,而常规PID控制策略自适应性与实时性差,难以取得较好的控制效果的问题,根据GM(1,1)模型灰色作用量具有的动态特征来改进灰色预测模型,结合改进灰色预测控制与模糊PID控制的优点,提出了改进灰色预测模糊PID控制策略.仿真结果表明:改进控制策略明显优于常规PID、模糊PID、灰色预测模糊PID控制策略,使系统响应速度加快,超调量减小,且适用于不同的阀门定位系统.  相似文献   

11.
单神经元自适应PID(Proportional integral derivative)控制系统,具有自学习和自适应能力,而且结构简单、易于计算、响应速度快、设定参数少等特点,可以在一定程度上解决传统PID控制器不能对参数时变系统进行有效控制的问题,在离子流除静电装置中引入单神经元自适应PID控制,显著提高了现有离子流除静电装置的自动化程度,实现了自动检测、自动调整,实时监控,提高了工作效率,减少了人为误差,取得了较好的效果.  相似文献   

12.
为了提升工程车辆的行驶平稳性,以工程车辆油气悬架为研究对象,以车身加速度为主要优化目标,设计了基于模糊反馈的增量式PID油气悬架控制系统。对被动悬架,增量式PID和模糊反馈增量式PID控制器进行仿真,对车身垂向加速度,车轮动载荷,悬架动挠度和控制力四个指标进行分析。选取C级路面和车辆行驶速度作为油气悬架系统输入激励,在降低车身垂直加速度的前提下,着重解决增量式PID控制器存在的问题。仿真结果表明,与传统被动悬架系统相比,基于模糊反馈的增量式PID控制油气悬架系统的车身垂向加速度的均方根值降低52%、悬架动挠度降低24%、车轮动载荷降低了44%。与增量式PID相比,悬架动挠度降低了69%,且基于模糊反馈的增量式PID控制器相比较于传统增量式PID控制器其输出控制力降低了86%。因此可以证明,基于模糊反馈的增量式PID控制器,不仅可以提升油气悬架系统综合动态性能,对改善车辆行驶的平顺性和操作稳定性,具有较好的应用前景,且其在经济性和环保性方面同样更具优势。  相似文献   

13.
考虑到软起动过程中电机和调压装置模型参数的变化及电机负载类型的多变性,导致经典PID难以实现软起动全过程的最优控制,提出了一种单神经元自适应PID控制算法。该算法以经典PID为基础,既保留了神经网络控制的优点,又简单易行。仿真结果表明,该控制算法不仅动态特性优良,且具有较好的适应性和鲁棒性。  相似文献   

14.
为实现挖掘机作业过程自动控制,需要对铲斗位姿准确定位。建立了挖掘机工作装置运动学模型及电液控制系统模型,针对挖掘机电液控制系统的时变性与外界干扰的不确定性特点,设计了一个单神经元自适应PID控制器,并采用二次型性能指标对控制器参数进行在线优化。仿真试验表明,该控制器响应快速、平稳,对参数时变与不确定扰动具有一定鲁棒性,能有效地对挖掘机铲斗位姿进行精确控制。  相似文献   

15.
基于PID神经网络的非线性系统辨识与控制   总被引:2,自引:0,他引:2  
针对工业控制领域中非线性系统采用传统的控制方法不能达到满意的控制效果,提出一种基于P ID神经网络的控制方案,以对其进行辨识和控制。将P ID神经网络引入控制系统中,既具有常规P ID控制结构简单、参数物理意义明确等优点,同时又具有神经网络的并行结构和学习记忆功能及非线性映射能力。仿真结果表明:该控制系统响应速度快、超调量小、稳态精度高,能够快速跟踪系统输出并进行有效控制,且具有一定的自适应性和鲁棒性,满足实时控制的要求。  相似文献   

16.
基于参数自调整模糊PID算法的前馈共轨压力控制   总被引:1,自引:0,他引:1  
阐述了电控共轨燃油喷射系统结构及压力调节基本原理,针对压力控制传统PID算法的不足,引入参数自调整模糊PID算法,通过Matlab仿真确定了不同误差输入时的参数调整规律.为提高压力控制动态响应,设计了前馈参数自调整模糊PID算法,并通过试验确定了前馈量与相关影响因素的定量关系,最后进行了系统对比试验.结果表明,该算法在工况过渡时的性能优于常规PID控制,压力控制超调量及稳态误差精度得到明显改善,从而为电控共轨系统精确喷油计量和控制奠定了基础.  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司    京ICP备09084417号-23

京公网安备 11010802026262号