以提高轮毂电机驱动电动汽车转向稳定性为目的,针对传统PID算法扰动抑制能力不足,利用神经网络提高基于PID的横摆力矩和滑移率控制系统的稳定性,并针对神经网络收敛速度慢、易陷入局部最优解的问题,提出利用粒子群算法对控制器参数进行优化并对权值进行改进的神经网络PID方法。以四轮轮毂电机独立驱动电动汽车为研究对象,以跟踪期望的横摆角速度为控制目标,基于Carsim/Simuink联合仿真平台,对建立的四轮独立驱动电动汽车横向运动学模型及提出的控制策略进行不同工况下的对比验证,结果表明提出的控制方法优化了传统PID控制算法,振动频率幅值小、能更好地逼近理想值,可改善车辆转向性能、提高稳定性以避免事故的发生。

常规PID控制器是在冷轧机厚度控制中应用广泛的一种方法,但当AGC(厚度自动控制)系统特性或运行条件发生变化时,需要重新整定控制器参数,才能保证系统正常运行,使系统处于最佳工作状态。针对冷轧机AGC系统中的滞后环节,运用神经网络的自学习能力在线调整积分控制器参数值,该神经网络的权值与积分参数值相对应,可根据被控系统的动态特性调整积分参数,提高了调节器的自适应能力。

针对D08-32捣固车拨道电液伺服阀动态特性复杂、非线性和时变等特点,文章在传统PID基础上研究并设计了一种基于神经网络的新型自学习PID伺服控制器,硬件采用DSP芯片作为主处理器,软件采用神经网络PID控制算法,重点介绍了神经网络PID控制器的设计。通过在D08-32捣固车上的装车应用,验证了该算法对改善拨道伺服系统的静态和动态特性具有良好的效果。

为了确保枕式包装机各项功能能够得到精确高效的运行,对神经网络控制策略进行了具体的研究。通过建模仿真,对比分析经典PID控制与神经网络PID控制的优劣,论证了神经网络PID的控制方法更有优势。在优化完成的基础上,开发出色标切功能。对包装机进行实际生产测试结果表明,整套系统在完成相应功能的过程中满足了稳定性和包装精度的要求,具有良好的应用价值。

介绍一种具有四自由度气动机械手的工作原理和设计方法,机械手的各执行构件之间采用积木式的连接,制造周期短,通用性好,并采用气动伺服定位系统,实现行程范围内任意点位置的定位.该设计方法为简化机械手结构、增强功能和通用性提供一条新途径.

建立了连轧钢管壁厚电液伺服控制系统的数学模型和传递函数。通过BP网络的自学习能力实现对加权系数的调整，找出了较为合理的PID控制参数值。通过仿真结果表明，连轧钢管壁厚控制效果明显改善。