共查询到20条相似文献,搜索用时 406 毫秒
1.
2.
3.
4.
针对传统的MAP图控制天然气发动机燃气喷射数据量大、更新困难、自适应能力差的缺点,对模糊控制及PID闭环控制算法进行了分析和研究,提出一种模糊控制和模糊PID控制相结合的控制算法,采用该控制算法对燃气喷射脉宽进行控制.利用MATLAB搭建控制结构,仿真结果表明,该控制算法能够自适应精确控制燃气喷射,缩短脉宽控制的响应时间,精确快速控制燃气喷射. 相似文献
5.
6.
通过建立基于论域调整的自适应模糊PID控制算法对电控直列泵柴油机转速控制的位置环PID参数进行自整定.根据执行器的工作特性建立了执行器模型,与控制算法模型组成闭环进行仿真验证.通过与普通增量式PID控制算法的仿真结果进行比较,结果表明该控制算法在柴油机全工况范围内油量调节齿杆的控制效果优于普通增量式PID控制的效果. 相似文献
7.
为了满足直流力矩电机废气再循环(EGR)对于位置控制响应快、超调量小、稳态精度高的要求,在分析经典比例积分微分(PID)控制算法的基础上,根据直流力矩电机EGR结构,提出一种精确数学模型和抗积分饱和变结构PID混合的控制算法,采用该控制算法后,系统具有较高的动态响应特性,并且系统匹配标定工作量减少.通过仿真验证和发动机台架实验验证了该控制算法的有效性. 相似文献
8.
9.
10.
针对天然气发动机本身的非线性特点和空燃比传输延迟的特性,提出了一种基于神经网络预测的空燃比控制策略,利用Matlab/Simulink建立控制器的算法模型,以dSPACE公司的MicoAutoBox为算法实施平台,在NQ150N型天然气发动机上进行了实验测试,实验结果表明,与普通PID控制算法相比,基于神经网络预测的控制算法稳态性能优良,能明显改善过度工况空燃比的控制效果. 相似文献
11.
火电厂锅炉负压和送风系统是具有多变量、非线性及时变参数的受控对象,利用改进型DRNN神经网络来辨识系统模型,进而对PID控制器参数进行整定,实现多变量解耦控制。对负压和送风控制系统进行了设计和仿真研究,通过计算机仿真给出了仿真曲线。结果表明:系统达到了解耦目的,系统能做到稳定性高,鲁棒性强,调节及时,反应速度快,动态偏差小,无静态偏差。该控制方法适合于负压和送风控制系统,符合工程实际,控制品质好,有实用价值。图11参4 相似文献
12.
设计研究了包括增益修正PID调速控制和相继增压控制等的柴油机综合控制系统。建立了包括增益修正PID调速控制、瞬态调速率和全程供油限制的调速控制器模型和相继增压控制模型,并将控制系统模型下载代码到dSPACE/MicroAutoBox控制器内,利用快速控制原型进行了调速控制器的起动、调速、全程供油限制功能以及相继增压控制功能的实验验证。结果表明,所设计的调速控制器在动、稳态特性上都取得了较好的控制效果,相继增压控制功能能够较好地实现受控增压器的切入和切出控制。 相似文献
13.
基于模糊PID的风电系统转速控制仿真研究 总被引:1,自引:0,他引:1
由于风速具有随机性、不确定性、变化范围大等特点,风力发电机转速若采用传统PID控制,仅一组固定的参数难以在不同风速下均有好的控制效果。分析了风力发电系统各参数之间的关系,结合PID控制和模糊控制各自的特点,设计了模糊自适应PID控制器。在额定风速以下,该控制器用于改变发电机定子电压,从而改变发电机反力矩,调节转速,使得输出功率快速跟随风速变化。MATLAB/Simulink仿真结果证实其稳定性、动态速度响应均优于传统的PID控制,取得了较为理想的控制效果。 相似文献
14.
为了改善传统PID控制器对锅炉汽包水位的控制效果,在传统PID控制的基础上,运用MATLAB软件,融入模糊控制算法,对锅炉汽包水位进行仿真研究,结果表明:采用模糊PID控制的锅炉汽包水位控制达到稳态的时间仅为0.073 3 s,远小于常规PID控制所用的时间0.5 s;采用模糊PID控制的锅炉汽包水位控制产生的最大超调为0.06%,远小于常规PID控制产生的超调0.2%;采用模糊PID控制器进行控制,系统仅振荡了1次就进入稳态,系统的平稳性得到了很好的改善,平稳性及自适应方面均明显优于传统PID控制,控制效果更能达到工程实际要求。 相似文献
15.
16.
17.
18.
Artificial neural network (ANN), in comparison with PID controllers which have broad applications in the highly complex HVAC systems, has recently received more attention. The present paper includes thermodynamic modeling of an evaporative condenser under steady state and transient state conditions for establishing control of thermal capacity, using Artificial neural network. To train the system under dynamic condition, predictive neural network, capable of understanding dynamic behavior and predicting the preset output is used. The principle operation of such neural networks is based on the reduction of gradients of errors existing between the predicted output and the actual output of the system. To control the system thermal capacity, neural controller based on training received from the reduction of gradients between the output controller and the ideal output, is used. Results obtained during present investigation indicate that artificial neural network controller is suitable substitute for PID controllers for thermal systems. 相似文献
19.