为解决气动调节阀控制过程中出现的超调大、精度低等问题,本文采用BP神经网络整定出较优的PID(Proportional Integral Derivative)控制参数,对Smith预估控制器以及模糊控制器进行设计,实现了基于BP神经网络的Smith-Fuzzy-PID控制方法。...为解决气动调节阀控制过程中出现的超调大、精度低等问题,本文采用BP神经网络整定出较优的PID(Proportional Integral Derivative)控制参数,对Smith预估控制器以及模糊控制器进行设计,实现了基于BP神经网络的Smith-Fuzzy-PID控制方法。搭建了实验平台,通过阶跃响应实验来对控制方法进行验证,验证结果表明,提出的方法调节过程无超调,调节时间仅为1.9 s,定位精度在±0.5%以内,有效提高了系统的稳定性,实现了气动调节阀的快速精准定位。展开更多
巡检机器人在风载荷作用下会发生一定的摆动,从而导致巡检结果准确性和可靠性降低,参考旋翼类飞行器设计了巡检机器人在风载荷下的平衡机构.首先,利用电机的动力学方程推导电机电压和转速之间的传递函数,使用叶素法建立旋翼产生的升力...巡检机器人在风载荷作用下会发生一定的摆动,从而导致巡检结果准确性和可靠性降低,参考旋翼类飞行器设计了巡检机器人在风载荷下的平衡机构.首先,利用电机的动力学方程推导电机电压和转速之间的传递函数,使用叶素法建立旋翼产生的升力与旋翼转速之间的关系,从而建立平衡机构的输入电压和输出升力之间的联系.其次,分析不同方向的风载荷对巡检机器人工作状态的影响,建立了巡检机器人在横向风载荷下的摆动数学模型.最后,将模糊PID(proportional integral derivative)应用于平衡机构的控制中,开展了巡检机器人的数值仿真和样机实验.结果表明:所设计的平衡机构可以有效抑制巡检机器人在风载荷中的摆动.展开更多
文摘为解决气动调节阀控制过程中出现的超调大、精度低等问题,本文采用BP神经网络整定出较优的PID(Proportional Integral Derivative)控制参数,对Smith预估控制器以及模糊控制器进行设计,实现了基于BP神经网络的Smith-Fuzzy-PID控制方法。搭建了实验平台,通过阶跃响应实验来对控制方法进行验证,验证结果表明,提出的方法调节过程无超调,调节时间仅为1.9 s,定位精度在±0.5%以内,有效提高了系统的稳定性,实现了气动调节阀的快速精准定位。
文摘巡检机器人在风载荷作用下会发生一定的摆动,从而导致巡检结果准确性和可靠性降低,参考旋翼类飞行器设计了巡检机器人在风载荷下的平衡机构.首先,利用电机的动力学方程推导电机电压和转速之间的传递函数,使用叶素法建立旋翼产生的升力与旋翼转速之间的关系,从而建立平衡机构的输入电压和输出升力之间的联系.其次,分析不同方向的风载荷对巡检机器人工作状态的影响,建立了巡检机器人在横向风载荷下的摆动数学模型.最后,将模糊PID(proportional integral derivative)应用于平衡机构的控制中,开展了巡检机器人的数值仿真和样机实验.结果表明:所设计的平衡机构可以有效抑制巡检机器人在风载荷中的摆动.
