针对电动调节阀控制系统在实际生产过程中存在的非线性、多扰动等问题,提出一种基于改进蚁群算法优化单神经元PID(proportional integral derivative)的控制方法并将其应用于阀门开度控制中。该方法利用单神经元网络的自学习和自适应能...针对电动调节阀控制系统在实际生产过程中存在的非线性、多扰动等问题,提出一种基于改进蚁群算法优化单神经元PID(proportional integral derivative)的控制方法并将其应用于阀门开度控制中。该方法利用单神经元网络的自学习和自适应能力,实现PID控制参数的在线整定,并采用改进的蚁群优化算法优化单神经元PID中的学习速率和神经元比例系数,有效克服了单神经元PID中的学习速率和神经元比例系数因经验设定而无法达到预期控制效果的不足。仿真对比结果显示,相比于传统PID、单神经元PID以及基于蚁群优化算法优化单神经元PID 3种控制方法,本文提出的控制方法超调量分别减少了10.2%、6.1%和1.8%,同时调节时间也相应缩短了0.22、0.07、0.03 s,并且表现出更强的自适应和抗干扰能力,能够使阀门开度控制更加稳定可靠。展开更多
针对纯电动商用车在连续制动时,气源压力偏低会导致驱动轴耦合制动力响应速度变慢,影响制动能量回收效率的问题,提出一种基于比例继动阀的解耦式制动能量回收系统(uncoupled braking energy recovery system,URBS)方案。首先,基于比例...针对纯电动商用车在连续制动时,气源压力偏低会导致驱动轴耦合制动力响应速度变慢,影响制动能量回收效率的问题,提出一种基于比例继动阀的解耦式制动能量回收系统(uncoupled braking energy recovery system,URBS)方案。首先,基于比例继动阀的迟滞特性,采用前馈-单神经元PID控制方法,实现制动气压的准确输出;其次,以电池SOC、车速等为约束条件,根据气源压力信号确定供压模式,并制定解耦式制动能量回收控制策略;最后,基于AMESim,MATLAB/Simulink及TruckSim搭建联合仿真平台,选取单次制动工况与循环工况验证了制动力耦合效果及系统的制动能量回收效果。结果表明,基于比例继动阀的URBS可实现耦合制动力的快速响应,达到稳态压力值75%的时间小于0.1 s,且在中国重型商用车行驶工况和中国重型商用车瞬态工况下有效制动能量回收率分别为10.13%,17.17%。所提URBS方案能有效提高驱动轴耦合制动力的响应速度及耦合精度,可为纯电动商用车气压式URBS方案设计提供参考。展开更多
文摘针对电动调节阀控制系统在实际生产过程中存在的非线性、多扰动等问题,提出一种基于改进蚁群算法优化单神经元PID(proportional integral derivative)的控制方法并将其应用于阀门开度控制中。该方法利用单神经元网络的自学习和自适应能力,实现PID控制参数的在线整定,并采用改进的蚁群优化算法优化单神经元PID中的学习速率和神经元比例系数,有效克服了单神经元PID中的学习速率和神经元比例系数因经验设定而无法达到预期控制效果的不足。仿真对比结果显示,相比于传统PID、单神经元PID以及基于蚁群优化算法优化单神经元PID 3种控制方法,本文提出的控制方法超调量分别减少了10.2%、6.1%和1.8%,同时调节时间也相应缩短了0.22、0.07、0.03 s,并且表现出更强的自适应和抗干扰能力,能够使阀门开度控制更加稳定可靠。
