基于红外激光管的智能车设计

介绍了一种基于红外激光管的快速路径识别智能车系统.该智能车使用红外激光管作为路径检测装置,PD算法控制舵机转向,增量式PID算法控制直流电机驱动智能车前进,同时采用模糊控制算法进行变速,通过加长舵机转臂加速舵机响应,解决了系统的滞后问题,使小车能按照任意给定的黑色引导线平稳地寻迹.     

基于CCD图像识别的HCS12单片机智能车控制系统

介绍了一种基于飞思卡尔HCS12单片机控制的智能车系统.该系统以CCD摄像头传感器作为路径识别装置,通过图像识别提取路径信息,采用PD算法控制舵机转向,通过模糊设定速度和PID调整速度相结合的算法控制直流电机.较之常规的光电传感器识别路径方案,该摄像头传感器可以获取更多的路径信息,使智能车按任意给定的黑色引导线更能以较快的速度平稳地运行.     

基于MC9S12DG128单片机的智能寻迹车设计

设计了一种基于飞思卡尔MC9S12DG128单片机控制的智能寻迹车系统.该系统以MC9S12DG128为控制核心,采用CCD图像传感器检测路面信息,利用加速度传感器检测加速度,红外传感器检测速度,采用PID算法控制智能车直流驱动电机和模糊控制算法控制舵机转向,从而实现智能车快速稳定地寻黑线行驶.     

基于模糊控制的路径识别智能小车设计

本文介绍了一种C语言实现的基于模糊控制的智能小车系统,通过小车的位置值和位置差值建立模糊系统,配合以速度PID控制,达到智能寻迹和速度匹配的目的。文章着重阐述了智能车的路径识别方法和用C语言实现模糊算法的方法。智能车系统核心控制单元采用了具有模糊指令的MC9S12DG128单片机。实践表明,采用模糊控制的智能小车在路径识别的精准度,稳定性,及速度控制上具有明显优势。     

一种智能车寻迹算法的研究

智能车自动寻迹技术,是体现其智能水平的一个重要标志.在利用光电传感器寻迹技术中,光电传感器的排布及其算法尤为重要.文中设计了一种传感器阵列"伞"型布局方式,并提出了相应的PID控制算法.试验证明,用此算法即使在路面导引线复杂的情况下,也能很好的保证智能车沿正确的方向前进,同时保证了运行时的平稳性.     

基于光电管寻迹的智能车舵机控制

分别从智能车舵机的硬件和软件控制角度,提出了2种基于红外光电管寻迹的智能车舵机控制的方法:硬件闭环法和软件开环法.采用硬件闭环或软件开环法控制转臂加长的舵机,有效解决了舵机响应滞后的问题,提高了智能车系统的路径识别能力和抗干扰能力.     

基于MC9S12DG128单片机的智能寻迹车设计

设计了一种基于飞思卡尔MC9S12DG128单片机控制的智能寻迹车系统。该系统以MC9S12DG128为控制核心,采用CCD图像传感器检测路面信息,利用加速度传感器检测加速度,红外传感器检测速度．采用PID算法控制智能车直流驱动电机和模糊控制算法控制舵机转向,从而实现智能车快速稳定地寻黑线行驶。     

光电智能车硬件优化与控制算法研究

设计以9S12XS128为核心控制器的光电智能车自控系统,通过硬件改进和控制算法优化,实现小车高速稳定寻迹行驶。在保证传感器准确性的前提下,通过缩短传感器采集周期并添加摇头舵机,实现传感器模块智能跟踪引导线,扩展传感器视野,大大减小了丢线风险。控制算法的研究体现在转向舵机、摇头舵机及电机速度三方面PID控制算法的选择与优化。软硬件优化后的智能车在行驶稳定性、平均速度以及最高速率等方面均有显著提升。     

基于增量式PID控制算法的智能车设计

智能车的控制是一个既关键又复杂的问题,需要考虑到道路形状和智能车自身等各种因素的影响。阐述了采用增量式PID控制算法对智能车控制的方法。试验表明,增量式PID控制算法的采用使得智能车舵机的响应速度加快,方向控制更流畅,小车的稳定性和速度也得到了很大的提高。     

PM2.5测量系统中改进神经网络控制算法优化补偿

针对现阶段PM2.5测量系统的测量精度较低的问题,提出了改进的BP神经网络PID控制算法对其进行优化补偿。通过对粒子群优化算法的速度公式进行了改进,采用优化的粒子群算法优化了BP神经网络,将其用于PID的在线参数调节,以PM2.5测量系统作为研究对象,将改进的BP神经网络PID控制算法与传统PID分别作了仿真研究。研究结果表明,基于改进的粒子群优化算法改进的BP神经网络PID控制算法与传统的PID控制相比,提高了测量精度,在一定程度上减少了误差。     

基于激光传感器的自主寻径智能车设计

设计了一种基于激光传感器的自主寻径智能模型车系统,以飞思卡尔公司16位单片机MC9S12XS128为核心控制器;系统采用激光传感器阵列检测路径信息,得到智能车与路径的横向偏差,采用比例控制算法控制舵机转向,并对直流驱动电机进行增量式PID闭环调节控制,从而实现智能模型车快速稳定地自主寻径行驶。     

基于双线性变换法的智能车数字控制器设计

为了使智能车更稳定地行驶在跑道上,引入了PID算法以增加速度和角度的控制精度,使小车更快更准地到达既定参数。在传统的PID算法中通常使用后向差分法来实现从连续化数字控制器到离散化的转换,这种方法精度低且不能保证相同的频率响应。文中引入双线性变换法来实现离散化过程,实验证明,该方法变换简单、精度更高,且可以使小车更加稳定快速地在不同轨道上行驶。     

船舶用自动控制智能辅助系统设计

针对传统技术采用PLC等通用控制器已无法满足现代化自动控制智能系统要求的问题,文中利用高速、实时性好且内置CAN 控制器接口的DSP,采用变论域PID控制算法,设计基于DSP/F28335的船舶用自动化控制智能辅助系统控制器。文中搭建系统结构并介绍变论域PID算法,并在系统的实时混合仿真平台上进行了相关的干扰实验,用以对比基于传统PID控制器系统的控制效果。实验结果表明,使用变论域模糊PID控制算法的DSP控制器,可较大幅度提高船舶用自动智能控制辅助系统的实时性、抗干扰性和自适应性。     

基于驾驶特性的ACC系统安全间距策略研究

为自适应巡航控制系统(ACC)提出一种基于驾驶特性的行车安全间距策略,在分析对比现行CTH和VTH算法各自的优劣后,考虑驾驶员动态跟车特性,以此为基础对VTH算法进行改进设计。在Matlab/Simulink和Carsim联合仿真平台下使用经典PID控制算法设计的ACC系统上层控制器对CTH、VTH及本文改进VTH策略进行稳态波动速度、急加/减速、恒定车速的复合工况仿真对比。结果表明,基于驾驶特性设计的改进VTH能够在传统VTH及CTH之间获取良好的平衡性能,既能对前车速度激变做出快速响应,也能以平滑且较低的加速度跟踪期望加速度,保证舒适性。     

基于智能PID的直流电机控制算法仿真分析

近些年来由于连续变焦等新型伺服控制技术在红外成像中的应用,对于直线位置伺服控制系统的要求日益增高,提高其控制速度与控制精度已经成为当前一个热门课题。在直流电机伺服控制系统中,由于被控对象的非线性以及不确定性,传统PID(Proportion Integral Differential)控制在应对不同的工况变化时,其参数调整不及时,自适应能力差。针对这种情况,本文提出一种智能PID控制策略,将前馈与模糊PID结合起来形成复合智能控制,通过仿真实验进行验证,证明了此控制策略具有响应速度快、超调量小、自适应能力强的特点。为直流电机伺服控制系统的设计提供一定的参考。     

基于BP神经网络PID控制在热力站的应用

热力站的换热器是一个非线性、时变的控制系统。常规的PID控制对热力站是不能达到较好的控制效果,于是提出了基于BP神经网络的智能PID控制方法对热力站控制。本文在介绍了BP神经网络模型的基础上,使用基于BP算法的PID控制器对热力站的换热器进行优化和整合,实现了对PID参数的在线调整,并使神经网络的学习和收敛速度加快,结果表明,采用神经网络PID控制对非线性系统及其参数有良好的整定,具有更好的适应性和鲁棒性。     

基于改进PID神经元网络的多变量系统控制算法

PID神经元网络具有动态特性,在系统控制应用中相比于传统的PID控制方法可取得更优的效果,但其学习算法为梯度学习算法,初始权值随机取得,为了提高其控制量逼近控制目标的速度和系统响应时间,引入粒子群算法对初始权值进行优化,最后应用Matlab软件对改进后的PID神经元网络算法进行仿真。仿真结果表明,该方法具有较好的控制性能。     

RBF神经网络在薄膜厚度控制系统中的应用

针对双向拉伸薄膜厚度控制系统中,经典的PID控制器难以达到理想控制效果的问题,设计一个基于RBF神经网络整定的PID控制器。该控制器由RBF网络对系统进行在线辨识,找到最佳控制参数,并将其反馈给PID控制器,从而实现控制器参数的在线调整。仿真结果表明,本控制器具有超调量小,响应速度快和自适应性强等优点,可有效提高双向拉伸薄膜厚度控制系统的性能。     

基于红外光电传感器的智能寻迹小车设计

寻迹小车可以看作是缩小化的智能汽车,对智能汽车的研究有一定的借鉴意义。采用飞思卡尔公司的MC9S12DG128B作为核心控制芯片,设计了通过红外光电传感器检测路径信息的智能寻迹小车。该系统由处理器模块、路径识别模块、电机驱动模块、舵机驱动模块、车速检测模块、液晶显示模块与电源模块等组成。实际应用表明,该小车可以在专门设计的跑道上快速平稳地实现寻迹功能。     

一种时滞网络自适应主动队列管理算法研究

主动队列管理(AQM)算法的自适应能力和克服滞后性不良影响的能力是该文研究的重点。在分析AQM采用传统PID存在的问题的基础上,提出了一种时滞网络的自适应主动队列管理(FAGPID)算法。由模糊控制器实现PID参数对动态网络环境的在线自适应调整;成功引入灰预测算法实现反馈数据的超前预测,补偿滞后。仿真对比AQM环境中FAGPID,传统PID以及基于模糊免疫PID(FIGPID)的算法,可知FAGPID相对于FIGPID复杂度低,但FAGPID与FIGPID性能相当,均能克服滞后的影响,能快速稳定地适应动态网络环境,收敛于期望队列长度,具有较小的丢包率,优于传统PID算法。