自適應PID控制的案例
270 基于matlab的模糊自適應PID控制 ￥65
基于matlab的模糊自適應PID控制，具有10頁報告。傳統PID在對象變化時，控制器的參數難以自動調整。將模糊控制與PID控制結合，利用模糊推理方法實現對PID參數的在線自整定。使控制器具有較好的自適應性。使用MATLAB對系統進行仿真，結果表明系統的動態性能得到了提高。程序已調通，可直接運行。
自適應前照燈控制系統
概述
自適應前照燈控制系統（Adaptive Front-lighting System，簡稱AFS）是一種智能燈光調節系統。通過感知駕駛員操作、車輛行駛狀態、路面變化以及天氣環境等信息，AFS 自動控制前照燈實時進行上下、左右照明角度的調整， 為駕駛員提供良好的道路照明效果。
經緯恒潤作為AFS控制系統供應商，已經成功為包括通用（GM）、上海通用（SGM）、長城、上汽、北汽、廣汽、一汽在內的多家國內外客戶進行了AFS控制系統的配套。
系統功能
自適應前照燈控制系統能夠顯著改善各種路況下的照明效果，提高行車安全。
虛線表示無動態調光的光照角度
上下調節功能 左右調節功能
系統組成
乘用車的自適應前照燈控制系統由主控制器單元、左/右旋轉執行器、左/右調光電機、前/后車身高度傳感器組成。
AFS 系統（上下左右調節功能）
ALS 系統（上下調節功能）
配套客戶
展開 自適應巡航控制系統
【免責聲明】文章為作者個人觀點，不代表EDC電驅未來立場。
如因作品內容、版權等存在問題，請于本文布30日內聯系EDC電驅未來進行刪除或洽談版權使用事宜。
制動和轉向自適應控制下的智能駕駛系統
目前正在針對以下挑戰進行深入研究：
– 確定可以并希望通過控制系統確定汽車特性的區域
– 為給定的智能汽車家族組裝最佳的主動系統產品組合
– 針對給定的智能汽車電子架構設計機箱控制功能，以應對復雜性
對于所有主機廠來說，全面的車輛動力學控制協調概念的目標還有很長的路要走。盡管如此，有關目標仍存在一致意見。
在正常情況下，底盤控制應提供最大的舒適度和娛樂性。主機廠擁有創建個人汽車角色的所有自由。在處于摩擦極限的臨界情況下，每個可用的執行器都將起作用，自適應的主動底盤控制將幫助駕駛員避免發生意外。
展開 
無人船路徑跟隨控制方法綜述
PID與模糊邏輯結合的自適應控制器[7-8]，由于響應速度快，實時性好，在船舶控制領域得到了廣泛應用。該控制器的控制精度主要取決于模糊規則庫，而模糊規則庫一般基于專家知識和動力學模型建立，過于復雜的模糊規則庫將導致計算復雜。文獻[9]根據路徑點誤差、航向誤差及誤差微分建立模糊規則庫，提高了控制平滑性。除此之外，RBF神經網絡也常用于擬合內外擾動對PID參數的影響[9]。
自適應PID控制器通常具有良好的實時性，且易于工程實現。現階段，主要是將PID與模糊控制、神經網絡等其他理論結合，實現對PID參數的自適應整定。自適應PID在跟蹤期望航向過程中，動態調整PID參數，能顯著提高控制算法的動態響應性。但自適應PID在提高動態響應性時，還需要充分考慮船舶執行機構的機械特性以及控制平滑性，避免出現舵令突變、超調過大等現象。如根據船舶狀態求解最優PID參數過程中加入了超調懲罰項，根據機械特性限制舵機角度及轉角速度等，可以使得控制舵令更加平滑，符合實際工程應用。
自適應PID同時也在一定程度上提高了控制算法的抗干擾能力，主要方法可分為2類：①根據無人船航行數據通過神經網絡等手段辨識模型不確定項和未知擾動項，并在控制率設計中進行補償；②在未知干擾和不確定性項未知情況下，根據經驗建立模糊規則庫，或采用李雅普諾夫直接法等直接設計控制率，提高控制器魯棒性。因此，精確辨識或擬合模型不確定項和未知干擾項，以及設計良好的自適應控制率是提高自適應PID控制器抗干擾能力的關鍵。
1.2 基于最優控制
無人船路徑跟蹤問題可以轉化為最優控制問題，運用線性二次高斯（linear quadratic Gaussian,LQG）問題求解方式進行求解，或運用模型預測理論求解最優解。
展開 這是我見過最通俗易懂的PID整定理論！（轉自液壓傳動與控制）
在實際工程中，應用最為廣泛的調節器控制規律為比例、積分、微分控制，簡稱PID控制，又稱PID調節。
PID控制器問世至今以其結構簡單、穩定性好、工作可靠、調整方便而成為工業控制的主要技術之一。
當被控對象的結構和參數不能完全掌握，或得不到精確的數學模型時，控制理論的其它技術難以采用時，系統控制器的結構和參數必須依靠經驗和現場調試來確定，這時應用PID控制技術最為方便。即當我們不完全了解一個系統和被控對象，或不能通過有效的測量手段來獲得系統參數時，最適合用PID控制技術。
PID控制，實際中也有PI和PD控制。PID控制器就是根據系統的誤差，利用比例、 積分、微分計算出控制量進行控制的。PID控制器的參數整定是控制系統設計的核心內容！
如果你從來沒有接觸過PID，看完這篇文章你就會明白PID控制到底是怎么回事了！
1.假設我們面對的系統是一個簡單的水箱液位，要從空箱開始注水達到某個高度，而你能控制的變量就是注水籠頭的開關大小。這個簡單的數學模型就是：dx=u。
對于這個系統，我們只需要一個比例環節u=kpe就能將其控制住。
此時，kp的大小代表了水龍頭的粗細（即出水量大小對液位誤差的敏感程度，假設水龍頭開度與誤差正比關系），越粗調的越快，也就是所謂的"增大比例系數一般會加快系統響應"。如下圖：
2.假設這個水箱不僅僅是裝水的容器了，還需要持續穩定的給用戶供水。這個系統的數學模型就需要增加一項：dx=u-c，這里的c是個正的常數。
我們發現如果控制器只有一個比例環節，那么當系統穩定，也就是dx=0的時候，恰好e=c/kp，在系統穩定時不為0，液位離我們想要的高度總是差那么一點，這也就是所謂的穩態誤差，或者叫靜差。
展開 基于MATLAB/Simulink 機器人魯棒自適應控制系統仿真研究
基于MATLAB/Simulink 機器人魯棒自適應控制系統仿真研究
高道祥，薛定宇
（東北大學教育部暨遼寧省流程工業綜合自動化重點實驗室，沈陽 110004）
摘 要：介紹了一種在MATLAB/Simulink 環境下進行機器人魯棒自適應控制系統仿真的方法，利
用Matlab 軟件強大的數值運算功能，將系統模型用Matlab 語言編寫成M-Function（或S-Function）
文件，通過User-Defined-Function 模塊嵌入到Simulink 仿真環境中，可以充分發揮Simulink 模塊
實時的動態仿真功能，簡化仿真模型的設計，修改和調整。基于M-Function 建立機器人系統模型
的方法可以推廣到其他復雜控制系統的建模，SimMechanics 在建立多自由度連桿機器人受控對象
仿真模型時，簡單可靠。
關鍵詞：機器人；Matlab/Simulink；SimMechanics；仿真；魯棒自適應控制
中圖分類號：TP391.9 文獻標識碼：A 文章編號：1004-731X (2006) 07-2022-04
基于MATLABSimulink機器人魯棒自適應控制系統仿真研究.pdf
展開 ABAQUS顯式ALE自適應網格控制選項卡參數意義與設置
ABAQUS/Explicit中采用自適應網格ALE調整網格時，選項卡ALE Adaptive Mesh Controls中的參數很多，下文總結了各個參數的含義及使用范圍，希望能幫助大家。
1） priority參數設置：
是指網格梯度控制（是否保持初始網格梯度，若需要保持初始網格梯度，則對網格的質量將會有影響）。
?
對于拉格朗日問題選擇Improve aspect ratio，在計算過程中將考慮到網格單元高寬比的改善，不考慮對初始網格梯度的保持。
?
對于歐拉問題選擇：Preserve initial mesh grading，在計算過程中保證初始的網格梯度，但不會考慮到網格寬高比的改善。
2） smoothing algorithm 參數設置：
?
Use enhanced algorithm based on evolving element geometry主要是在幾何學的方面對我們定義的網格sweep算法（前面提到的三種算法）進行增強，目的是為了保證adaptive remesh過程的健壯性，為推薦選項，選它就行了
?
conventional smoothing利用我們定義好的算法進行計算，無幾何增強。
3） Meshing predictor參數設置
是網格節點位置控制（理想的網格節點位置控制，將會減少需要的網格sweeps次數，減少資源浪費）
?
對于拉格朗日問題選擇Current deformed position；
?
對于歐拉問題選擇Position from previous adaptive mesh increment。
4） Curvature refinement參數設置
是曲率較大的曲線曲面邊界的網格密度控制，默認為1，該值越大，則圓角區的網格密度也就會越大，比較簡單。
展開 MBSE建模語言學習：ARCADIA和SysML方法在自適應巡航控制系統架構建模中的對比
在自適應巡航控制系統（ACC）中，我們可能已經知道系統所期望的能力是“保持目標車輛的速度”和“保持與領先車輛的恒定差距”。然而，在決定開發ACC之前，可以考慮高層級的運行能力，例如“在高速公路上行駛時提供幫助”，以便探索類似自適應巡航控制的備選方案。基于此，可以定義系統行為的系統級任務和能力。
圖3. 在SMW中使用集成的Teamcenter環境進行需求跟蹤
描述運行活動和能力場景
一種運行能力可以用多種運行場景來描述。運行場景用于定義每個參與者和實體在場景中要執行的活動及其交互順序。或者，可以通過運行活動交互圖（OAIB）來描述能力，以表示特定能力的交互，而不暫時考慮給參與者和實體分配。
圖4. 運行活動交互
定義運行模式和狀態
運行實體或參與者可以具有各種狀態和模式，這些狀態和模式可以由模式和狀態機圖（MSM）來描述。Capella/SMW提供不同的模型元素的模式和狀態，來表示模式和狀態，而在SysML中，只能使用狀態元素對狀態或模式進行建模。
在ACC的示例中，車輛系統充當ACC系統的參與者，因為它將考慮“驅動”和“人機界面”功能，而“傳感”和“決策”功能將由ACC系統執行。這是因為系統架構師僅從ACC架構師的角色出發。同時，車輛架構師可能負責為整車及其負責執行ACC運行的子系統開發系統架構。
圖5. 車輛系統狀態圖
將活動分配給運行參與者和實體
運行分析階段的主要輸出之一是描述預期系統運行架構的運行架構圖（OAB）。在圖6中，對駕駛員、車輛系統及其實體和環境進行建模，其中包括主要參與者和將發生相互作用以實現預期目標的實體，并對其各自的活動進行了定義和分配。
圖6.
展開 基于ADAMS機械模型的車輛主動懸架控制策略與仿真
?基于ADAMS 機械模型的車輛
主動懸架控制策略與仿真
楊 英1 , 劉 剛2 , 趙廣耀1
(1. 東北大學機械工程與自動化學院, 遼寧沈陽 110004 ; 2. 沈陽航空工業學院,遼寧沈陽 110334)
摘 要: 利用ADAMS 軟件建立了四分之一汽車主動懸架的機械模型,在機械模型的基礎上
生成車輛主動懸架系統的動力學方程,該方法解決了主動懸架數學模型建立的難題·使機械設計
和控制設計共享同一虛擬車輛主動懸架模型,機械系統設計和控制系統設計協調一致·采用自適
應模糊PID 控制策略對懸架控制,實現了PID 控制過程中參數的在線自整定,從而使系統的控制
性能更加完善·利用ADAMS 的Controls 模塊實現了ADAMS 與MA TLAB 的聯合仿真,仿真結果
表明,采用自適應模糊PID 控制策略是合理的、可行的,與被動懸架控制相比有效地降低了車身加
速度、懸架動撓度和輪胎的相對動載荷,提高了汽車的乘坐舒適性和操縱穩定性·
關 鍵 詞: 機械模型;主動懸架;ADAMS ; 控制策略;模糊控制
基于ADAMS機械模型的車輛主動懸架控制策略與仿真.pdf
展開 智能高壓比例閥系統有哪些關鍵技術？
諾冠官網 IMI Norgren：https://www.norgren.com.cn/
高壓比例閥：https://www.norgren.com.cn/3698.html
一、高精度比例電磁驅動技術
傳統開關閥只能實現“開/關”兩種狀態，而比例閥的核心在于通過電信號連續調節閥芯位移，從而精確控制輸出壓力或流量，智能高壓比例閥采用高響應、低遲滯的比例電磁鐵或力矩電機作為驅動單元，配合閉環反饋機制（如位置傳感器），可實現微米級的閥芯定位精度，這一技術不僅提升了控制線性度，還顯著降低了系統能耗與熱損耗。
二、嵌入式智能控制算法
智能高壓比例閥系統不再依賴外部PLC進行全部邏輯運算，而是集成嵌入式控制器，內置自適應PID、模糊控制或模型預測控制（MPC）等先進算法，這些算法可根據實時工況動態調整控制參數，有效應對負載突變、介質黏度變化等干擾因素，確保系統在復雜環境下仍保持穩定輸出，例如在新能源汽車電池注液過程中，智能算法能自動補償因溫度波動引起的流體特性變化，保障注液一致性。
三、高可靠性傳感與狀態監測技術
為實現“預測性維護”與“故障自診斷”，現代智能高壓比例閥普遍集成多維傳感器網絡，包括壓力、溫度、位移、振動等，通過實時采集運行數據并上傳至邊緣計算單元或云端平臺，系統可對閥體磨損、密封老化、電磁線圈異常等潛在故障進行早期識別，大幅降低非計劃停機風險，IMI Norgren（諾冠）在新一代智能閥產品中已全面應用此類健康狀態監測（HMS）技術。
展開 
AIoT自働化控制平臺
自働控制
除了工序控制外，伺服控制器亦將時時檢測機臺控制元件作動是否異常、偵測工序進行是否是穩態或有偏差、接收自動檢驗設備檢驗結果，以及將即時警訊輸出到蜂鳴器或三色燈等輸出單元，亦可更進階附加智慧控制演算，如深度學習修正PID控制、自適應控制、隨機估算暨動態控制等。
現場管制
機臺所產生之生產、余料（命）、機臺健康狀況等資訊回傳，可造就層次分明、分層管制的現場管制架構。
