-
公开(公告)号:CN119472250A
公开(公告)日:2025-02-18
申请号:CN202411762920.7
申请日:2024-12-03
Applicant: 重庆大学
IPC: G05B11/42
Abstract: 本发明公开了一种基于神经网络自适应PID的电熔镁炉智能设备控制方法,涉及重大耗能设备工业控制领域;该方法对电熔镁炉进行建模,分析当前工况和生产边界条件得到理想的电流设定值,以消除当前三相电极电流与设定值的误差为目的设计相应的PID控制器,使得三相电极电流能够快速跟踪变化的设定电流值从而保证生产过程安全稳定运行。随后进行基于径向基神经网络的自适应控制方法设计:以满足李雅普诺夫稳定条件为目的设计自适应律,并以径向基神经网络逼近其关键变量。最后,结合PID参数与自适应律,得到嵌入了神经网络的具有自整定自适应增益的电熔镁炉动态PID控制器。与现有技术相比较,神经网络自适应PID控制器的控制效果有明显提升,能有效改善系统瞬态与稳态性能。
-
公开(公告)号:CN119690131A
公开(公告)日:2025-03-25
申请号:CN202411762914.1
申请日:2024-12-03
Applicant: 重庆大学
IPC: G05D1/695
Abstract: 本发明公开了一种局部坐标框架下基于距离和边角的有向编队控制方法,包括1)设计多智能体之间的通讯关系;2)建立多智能体系统的动力学模型,并分析系统形成期望编队所需完成的目标;3)针对n个非质点型单积分智能体模型,通过转换函数对距离进行变换确保了相邻智能体之间的信号连通性和避碰性,同时通过对第k个智能体的边角施加约束避免了编队队形平衡点的非唯一性;4)对步骤3)转换后的距离和边角进行误差定义并设计控制器;5)在完成智能体控制器的设计后,将控制器在视觉定位实验平台中进行实物验证。通过引入状态相关的时变控制增益,避免了现有方法需要根据期望的编队模式反复调整控制参数的缺点。
-
公开(公告)号:CN119936940A
公开(公告)日:2025-05-06
申请号:CN202411992866.5
申请日:2024-12-31
Applicant: 重庆大学
Abstract: 本发明公开了一种基于卡尔曼滤波的自动驾驶车辆累积误差减小方法,旨在提高车辆轨迹预测的精度,减小累计误差。系统通过车轮编码器和车载GPS获取车辆的第一姿态信息向量Φk1和第二姿态信息向量Φk2。根据构建的卡尔曼滤波器对上述两个姿态向量进行预测解算,得到校正后的最优姿态信息向量Φopt。将最优姿态信息向量Φopt带入自动驾驶车辆启停情况下,并根据计算得到的距离与设定的阈值进行比较,从而根据误差大小来进行判断校准。仿真测试表明,通过在每次停车时以上述步骤校准车辆实际位置数据,来减少车辆在多次启动停止模式下的累计误差,系统有效减小了每段轨迹误差的叠加,提升长距离多段行驶轨迹预测的准确性。
-
-