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
针对空气悬架控制中的问题,采用Fuzzy-PID复合控制技术,即把模糊推理运用于PID参数的整定,对半主动空气悬架加以研究。设计了Fuzzy-PID控制器,用于半主动空气悬架1/4车辆模型控制的Matlab/Simulink仿真模拟和台架试验。仿真模型中借助S...针对空气悬架控制中的问题,采用Fuzzy-PID复合控制技术,即把模糊推理运用于PID参数的整定,对半主动空气悬架加以研究。设计了Fuzzy-PID控制器,用于半主动空气悬架1/4车辆模型控制的Matlab/Simulink仿真模拟和台架试验。仿真模型中借助S函数和Fuzzy Inference System Toolbox构建Fuzzy-PID模块,仿真结果表明:与传统的PID控制仿真比较,该控制策略下的半主动空气悬架能降低簧上质量加速度和悬架动行程,具有较好的鲁棒性,使车辆平顺性有一定程度的提高。台架试验与仿真结果基本吻合。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。
文摘针对空气悬架控制中的问题,采用Fuzzy-PID复合控制技术,即把模糊推理运用于PID参数的整定,对半主动空气悬架加以研究。设计了Fuzzy-PID控制器,用于半主动空气悬架1/4车辆模型控制的Matlab/Simulink仿真模拟和台架试验。仿真模型中借助S函数和Fuzzy Inference System Toolbox构建Fuzzy-PID模块,仿真结果表明:与传统的PID控制仿真比较,该控制策略下的半主动空气悬架能降低簧上质量加速度和悬架动行程,具有较好的鲁棒性,使车辆平顺性有一定程度的提高。台架试验与仿真结果基本吻合。
