一、基于参数自整定模糊PID控制器的设计与仿真（论文文献综述）
张文彩[1]（2021）在《汽车电子稳定系统不同控制策略研究》文中研究说明汽车在低附着系数路面上高速转弯或者紧急避障时易发生不稳定现象,汽车电子稳定控制系统可以实时监控汽车运行状态的好坏并施加控制,有效地保证汽车操纵稳定性。本文在低附着系数路面上对汽车电子稳定系统的不同控制策略进行研究具有实际价值。建立了魔术公式轮胎模型,并对转弯和制动时的轮胎力修正,在轮胎模型的基础上,建立了整车七自由度模型,并建立了简化后的线性二自由度理想模型。在MATLAB/Simulink中搭建了仿真模型,并对搭建好的整车模型进行验证。对汽车稳定性影响因素和直接横摆力矩控制策略进行分析,选择横摆角速度和质心侧偏角作为控制变量。对两个控制变量的理想值进行计算,并对车辆失稳状态做出分析。在MATLAB/Stateflow中设计了单轮制动控制逻辑,在MATLAB/Simulink中建立了横摆力矩分配模型并搭建到整车模型上。基于PID、模糊和滑模控制策略建立了四种控制器模型,搭建的控制器均对横摆角速度和质心侧偏角联合控制。其中,设计模糊滑模控制器时,基于等效控制法设计了积分滑模控制器,采用质心侧偏角协调加权法调节变量偏差的权重比例,并采用模糊控制规则调节滑模控制器的切换增益。在低附着系数路面上分别输入阶跃和正弦两种信号,对四种不同控制策略控制的整车模型进行仿真,分析不同控制策略下的汽车ESC控制效果。仿真结果表明,汽车在低附着系数路面高速转弯或者紧急避障时,PID控制器、模糊控制器、参数自整定模糊PI控制器以及模糊滑模控制器均具有良好的控制能力,参数自整定模糊PI控制器和模糊滑模控制器控制效果更显着,其中又以模糊滑模控制最优。模糊滑模控制在阶跃工况下,横摆角速度的稳态值与理想值仅差0.005rad/s,质心侧偏角与理想值几乎重合,仅差0.003rad;正弦工况下,横摆角速度超调值与理想值仅差0.04rad/s,质心侧偏角也仅差0.008rad。因此,模糊滑模控制响应速度更快,达到稳态效果更好跟踪理想值更精确,同时能产生更大的横摆力矩,更好地控制汽车的稳定性,验证了控制模型的正确性。
李真[2]（2021）在《空间机构自抗扰控制器的粒子群自整定方法研究》文中指出星间激光通信由于传输数据量大、效率高、抗干扰能力强等优点受到了各国的关注,近年来很多国家都对其进行了研究并取得了大量的成果。但在对其所使用的空间运动机构（粗指向机构）进行控制时,还存在一定的问题。由于地面环境和航天环境（失重、热真空等）的不同,空间运动机构的控制模型会发生变化,此时会导致空间运动机构在地面上调整的控制器的参数在航天环境中不适用的现象,而且本课题中的空间运动机构所使用的自抗扰控制器的参数在人工整定时较为困难。所以需要通过参数自整定来实现控制器在不同环境下的良好的控制品质。本文以参数自整定为出发点,针对本课题中的空间运动机构所使用的自抗扰控制器（ADRC）选择了不同的参数自整定方法进行评估和可行性分析,最终选择了粒子群算法作为本课题中的参数自整定方法。确定方案后,本文在simulink中搭建了空间运动机构所使用的永磁同步电机的仿真模型,将粒子群算法用于自抗扰控制器的参数自整定。为测试粒子群算法的参数寻找能力,本文选取了9个测试函数进行算法的性能测试,测试结果发现,粒子群算法存在陷入局部最优的问题。为提高算法寻找参数的能力,本文针对算法存在的问题进行了分析,分别针对算法在搜索中多样性缺失、在搜索后期易发生聚集、及其更新公式会导致搜索能力较弱的问题提出了最差粒子进化策略、最优粒子扰动策略、灰狼算法改进策略。将改进完的算法跟未改进的算法在9个标准测试函数上进行验证,结果表明改进后的算法具有更强的搜索能力和更快的寻优速度。在标准测试函数上进行验证后,将两种算法用于自抗扰控制器的参数自整定上进行仿真验证,仿真结果表明,加入改进策略的粒子群算法（PSO＿GWO）整定的参数具有更好的控制效果。最后,本文在运动机构上开展了参数自整定的实验验证,在DSP芯片TMS320F28335中分别编写了粒子群算法（PSO）和本文提出的改进粒子群算法（PSO＿GWO）的程序,实验结果验证了粒子群算法参数自整定的可行性,同时也验证了本文提出的改进粒子群算法（PSO＿GWO）的整定效果更优,并且寻优速度也更快。
张铄[3]（2021）在《交流伺服系统高性能电流环控制策略研究》文中提出如今科技逐渐进步,工业生产自动化对交流伺服系统的要求越来越多样化、越来越严苛,交流伺服系统需要以优越的性能稳定工作在复杂且不断变化的恶劣环境中。自动化企业亟需高效率、低成本、能适应多种多样复杂工作环境的交流伺服系统。在实际应用中,会有温度漂浮不定、设备相互摩擦、设备元件的死区及饱和等非线性问题的干扰,还有负载的易变性。这几个原因会让电流环固定增益的PID控制器不能始终维持控制系统的最佳运行状况。经典控制策略中,研究人员一般会用人工试凑PID控制参数的方法,这对研究人员的操作水平要求较高,不仅会消耗大量时间还会消耗大量人力,效率较低,在实际工业应用中不易操作。为此,本课题对交流伺服驱动系统电流环PI控制器的参数自调整展开相关的探索与研究,来得到最优的比例系数Kp、积分系数Ki,使交流伺服系统能够适应更加复杂的工况,以提高工业生产效率、降低工业生产人力成本,满足用户高性能指标的要求。现有的基本粒子群优化算法,全局收敛性差,在实际工业应用实践中有可能会过早的结束粒子寻优,是现有的基本粒子群优化算法比较明显的缺陷。本文尝试将随机产生权值与优胜劣汰原则相配合来优化现有的基本粒子群优化算法。但是,随机产生权值的与粒子群优化算法相结合会使粒子寻优效率速度变差、算法收敛效率降低,本文将运用优胜劣汰原则解决这个问题。本文分析探究了时间绝对误差乘积积分ITAE方程在数学方面的实质,该方程是求解指令信号直线与输出信号曲线所围成的区域面积绝对值的大小。本文依据此推论将时间绝对误差乘积积分ITAE准则作为粒子群算法的适应度函数来对交流伺服系统电流环PI控制器参数进行寻优、筛选。为了验证神经网络控制方法与经典控制方法的结合程度、可实现性和自适应性,本文探讨研究了单神经元自适应控制和径向基函数神经网络自适应控制在实际伺服电流环中的具体应用和功能实现。本文在已实际商业化应用于工业生产的交流伺服控制驱动器中实现了电流环PI控制器参数自整定功能,经过实验验证,通过本文的自整定方法得到的参数在实际表现中确实优于专家策略方法的表现,并且通过本文的自整定方法得到的参数能够使永磁交流同步电机在转速远超额定转速时仍旧稳定工作。
张伟[4]（2021）在《自整定PID控制算法的比较与研究》文中研究说明自整定方法在工业控制过程中被广泛应用,主要是由于其具有自动化和智能化的特点。在工业应用中,控制器性能质量直接关系到控制系统的好坏,影响产品质量的好坏。因此,确保控制器性能良好尤其重要。PID控制器作为一个常用的控制器,它的整定方法具有很多种,主要是通过控制要求及环境等条件不同,采用不同的控制方法,在选择控制方法中需要充分的考虑到算法的可行性、收敛性,并且对算法要综合考虑负载干扰、环境干扰等因素造成的影响,才能更好的取得较好的实际效果。继电自整定方法具有简单、方便安全与节约成本等特点,成为控制领域研究的一大热点,对其研究主要围绕两个方面:控制器参数配置与继电反馈模型。在实际应用中,通常由于工业情况的不同往往导致系统无法达到预期效果,因此在应用中需要根据实际情况选择合适的自整定方法。本文通过对自整定控制方法比较与分析,在对PID控制器参数的研究现状分析的基础上,展开对继电反馈自整定方法的研究及实际中的可行性分析,在对自整定反馈PID控制系统改进,进一步加入了粒子群算法,验证了其系统能够达到较好的控制效果。本文首先对PID控制的理论知识介绍,主要围绕PID控制器结构、控制器性能参数（动态性能参数、鲁棒性能参数、内部稳定性参数）、自整定方法及粒子群优化算法理论展开介绍,然后具体对继电反馈PID整定方面研究,主要是对继电反馈特性、偏置继电反馈频率特性、PI/PID控制器分析等,其中对PI/PID控制器分析中主要是从四个方面分析:分别从闭环稳定性分析、改进继电反馈系统结构、幅值裕度估计、相位裕度估计方法,使用仿真方法说明改进后的PID控制器具有较好的效果。在对继电自整定PID控制器改进的基础上进一步加入了改进后的粒子群算法。在对粒子群优化算法进行改进后,选择合适的值,设计控制系统框图,对该系统仿真设计和实验,证明了算法的有效性及收敛性,通过采用基于系统的啤酒温度控制系统实验及基于粒子群继电PID仿真实验,证明了该算法在温度控制具有非常好的控制效果,能够提高整体系统效率,极大地改善了超调量,整定效果得到明显改善,很大程度上改善了滞后的缺陷,为工业生成节约资源,提高了系统的控制性能。本文采用仿真方法证明该系统的可行性与可靠性,对工业生产应用控制系统具有重要的实际意义。
李帅[5]（2020）在《用于光机的高稳定度温度控制技术研究》文中研究说明空间相机是实现对地观测、大气和海洋探测及宇宙探测等应用的主要有效载荷,根据不同的探测要求,相机观测精度和成像质量也有不同要求。高精度相机其光机温度对成像质量的影响受到广泛关注,当温度发生变化时,镜片表面的曲率半径、透镜的厚度、光学材料的折射率均会发生改变,这会造成焦距偏离和系统失准,导致相机成像模糊,严重时甚至出现成像失败的情况。随着空间相机在具有宽视场及高分辨率的要求的场合越来越多,光机对控温稳定度提出了更高的要求。针对这些问题,本文对空间光机的温度控制技术进行了以下几个方面的研究:首先,本文应用传热学理论对某空间光机中采用主动热控措施进行精密温控的光机结构（镜框）进行了数学建模。由于建立的镜框温控系统数学模型随环境温度的变化而变化,使得最优的PID控制器参数会随之而变化。针对这一现象,本文将PID参数整定方法与空间光机的数学模型相结合,提出了一种基于空间光机热模型的自适应PID控温方法,使PID控温算法的参数自整定更加简洁。然后,将基于光机热模型的自适应PID控温方法应用于镜框的温度控制,求得最佳动态响应的PID参数与遮光罩及镜框温度的关系,使遮光罩温度发生周期性变化,通过仿真验证该控温方法的性能。最后,将基于光机热模型的自适应PID控温方法应用于镜框的温度控制并进行实验验证,结果显示该控温方法能够实现镜框温度控温稳定度为±0.1℃,表明该自适应PID控温方法对由于环境温度变化导致的数学模型参数改变具有良好的适应性和控温稳定性。最后,对全文进行了总结,对存在的不足之处提出了改进方向。
郭宏伟[6]（2020）在《无人机视轴稳定控制系统设计》文中提出无人机光电目标探测与跟踪系统在执行任务过程中,易受到载体姿态变化和平台自身扰动的影响,导致视轴抖动,成像模糊不清,从而影响光电目标探测系统捕获、瞄准和跟踪目标的精度。因此需要采取有效的控制算法提高系统的视轴稳定性能。本文围绕无人机光电系统视轴稳定控制器设计和控制电路实现方法开展研究。研究主要内容如下:（1）根据光电目标跟踪系统的光学机械结构,建立了系统平台的基座、俯仰框架、方位框架的坐标系,推导了各坐标系之间的变换矩阵并建立了两框架光电系统的运动学和动力学模型,获得了轴系间的角速度、角加速度、转动惯量和力矩间的关系,为视轴稳定控制器设计奠定基础。（2）建立了视轴稳定回路各环节的传递函数,设计了参数自整定模糊PID稳定控制器结构。通过仿真对比验证了模糊PID控制器相比于经典PID控制器有着更好的控制性能。考虑到载体速率扰动影响稳定精度的因素,将速率扰动观测器（VDOB）引入视轴稳定回路,构建参数自整定模糊PID结合VDOB的复合控制器。仿真实验验证了稳定控制系统中引入VDOB能够显着改善控制系统对低频扰动信号的隔离效果,提高了控制系统的性能。（3）针对视轴稳定回路MEMS陀螺输出信号噪声较大,影响视轴稳定精度的问题,研究了微机电系统（MEMS）陀螺去噪方法。分析了陀螺温度漂移产生的原因,建立了陀螺信号滤波的Kalman-AR模型,对陀螺信号进行降噪处理,并采用粒子群算法（PSO）优化BP神经网络的补偿方法对MEMS陀螺温度漂移进行了补偿,提高了视轴稳定系统的控制精度。（4）设计并实现了基于FPGA的视轴稳定控制器硬件电路。包括:电源模块、通信模块、驱动模块和数据采集模块。设计了控制系统软件。（5）对控制系统进行了仿真和实验验证。仿真结果表明参数自整定模糊PID与VDOB结合构建的复合控制器有效提高了控制系统的性能。稳定控制系统实验结果表明视轴稳定控制系统的稳定精度为46.1μrad,满足系统指标要求。
张玉明[7]（2020）在《一种基于PSO的PID控制器的FPGA设计与实现》文中指出随着工业自动化的不断发展,当下的工业生产中,对过程控制的安全性及稳定性有了更高的要求。比例-积分-微分（PID,Proportional-Integral-Derivative）控制自产生以来,以其简单的结构、较好的鲁棒性等优点,经常被用在工业生产的线性系统或确定性系统中。然而,随着被控目标更加复杂,即在面对不具有线性特征的控制系统或系统的数学模型较模糊时,传统的PID控制器调参方法越来越无法达到要求,因此,采用人工智能的方法,整定PID控制器的参数,成为了当今的研究热点。本文研究了传统PID控制器参数整定方法,模糊PID控制器参数整定方法,以及基于粒子群算法（PSO,Particle Swarm Optimization）的PID控制器参数整定方法,利用FPGA技术实现了基于PSO的PID控制器模型。论文首先论述了PID控制器在国内外的研究近况及PID控制的原理;其次,着重介绍了模糊控制的原理及基于模糊控制的PID控制器的实现,而且对其进行了MATLAB仿真;然后,本文研究了基于PSO的PID控制器的原理,针对标准PSO算法容易陷入局部最优解的缺陷,引入了“杂交算子”,对标准PSO的PID控制器进行了优化,以降低陷入局部最优解的几率;最后,利用FPGA技术分模块实现了基于PSO的PID控制器,并利用Quartus Ⅱ 13.0和MATLAB完成了对该PID控制器的设计、实现与仿真,同时,本文利用Modelsim仿真平台对其进行了仿真验证,并将其结果下载到Altera的DE2 EP2C35F672C6芯片上,作出了对本设计整体性能的详细分析。本篇论文基于PSO并利用FPGA实现的PID控制器,其具有灵活性好、资源占有率低、电路结构不复杂等优势,还具备泛用性较高、稳定度强等特点,在生产的控制领域有很好的适用前景。
迟林芳[8]（2020）在《螺旋布料给料机智能输煤控制系统研究》文中认为在火力发电厂输煤系统中,使用的给料机都是单点进料和单点出料,不能实现单点给料并多点均匀给料布料,煤不能布满碎煤机转子长度方向,导致碎煤机不能满负荷工作,影响了碎煤机的生产效率,同时也浪费了部分电能。因此,针对上述问题研制了一种螺旋布料给料机,并对螺旋布料给料机运行与控制研发一种智能控制系统。本文首先构建了基于螺旋布料给料机的输煤系统,将螺旋布料给料机安装在输煤系统中滚轴筛与碎煤机之间,当滚轴筛输送大块煤时,煤块在左右螺旋叶片推动下向两端移动,并通过流量控制板的矩形孔中逐渐落下,将煤均匀的布满碎煤机转子的长度方向,提高碎煤机的工作效率。其次,对螺旋布料给料机运行与控制研发一种智能控制系统,该系统采用激光扫描仪作为信息采集原件,实时对滚轴筛上进入螺旋布料给料机的物料信息进行检测与采集;可编程控制器（PLC）作为系统核心控制器,对所采集的物料信息进行储存与处理;采用参数自整定Fuzzy-PID控制作为系统算法,对物料信息进行模糊运算后输出控制系统的信号;采用变频器对电机转速进行实时调节,PLC将输出信号转换为相应的频率信号送至变频器,变频器输出对应的比例电压,螺旋布料给料机的实际工作转速随之变化;采用触摸屏作为人机交互界面,通过触摸屏对智能控制系统进行远程监控与操作。最后,对智能控制系统PLC主要程序进行编写,并应用MCGS组态软件对触摸屏界面进行开发与设计,完成智能控制系统的研发,实现对螺旋布料给料机智能控制的目的。在螺旋布料给料机输煤系统中,螺旋布料给料机将煤均匀布满碎煤机转子长度方向,碎煤机转子满负荷工作,与没加螺旋布料给料机时提高了碎煤机出力,可创造出可观经济效益。通过智能控制系统实现滚轴筛上物料较多转速较快,物料较少自动降低螺旋布料给料机的转速,减少了螺旋布料给料机驱动动力,实现了螺旋布料给料机工作时节能的目的。将螺旋布料给料机及其智能控制系统应用在火力发电厂输煤系统中,能够有效提升碎煤机工作效率,且节能效果显着。
曾振华[9]（2020）在《多旋翼无人机精准降落的控制系统研究》文中研究表明多旋翼无人机具有结构简单、机动灵活等特点,因此在电力巡检领域得到了广泛应用。但多旋翼无人机在经典控制系统方式下降落时,因GPS信号定位精度有限以及“地面效应”的气流影响,导致无人机准确降落在靶标的误差比较大。为此,本文将视觉定位技术融合到无人机现有的经典控制系统中,对无人机自主降落控制系统进行了研究,在无人机机载端的嵌入式平台设计了一种融合视觉定位的精准降落控制系统。本文得到了广州市科技计划项目“智慧无人机电力巡检应用示范项目（项目编号:202007040004）”的资助。本文的研究工作主要包括以下内容:1.视觉图像中降落区域靶标的获取。机载摄像机在采集视觉图像的过程中,会受到诸如降落点背景过于复杂、光照不均匀等环境因素的干扰,导致图像采集的效果不理想。为此,本文首先对降落区域靶标图像进行了灰度均匀化、图像增强及滤波等预处理操作,然后采用OTSU算法对图像中降落区域靶标进行分割处理,再通过绘制靶标的轮廓最小外接矩形,计算得到靶标的中心点坐标,并结合无人机自身的位置坐标,经坐标转换后求得地理坐标系下无人机相对降落区域靶标的位置偏差。2.精准降落控制系统的设计。多旋翼无人机的经典控制系统采用了“外环位置+内环姿态”的控制方式,但存在降落误差较大的问题。为此,本文提出了一种融合视觉定位的控制方式,通过视觉获取无人机相对降落区域靶标的位置偏差,然后在外环位置控制模块的输出端增加一个速度控制环节,该环节由速度分段模块和速度控制器两部分组成,从而构成无人机的精准降落控制系统。本文设计了一种速度分段模块,根据无人机相对靶标的位置偏差以及飞行速度上限来确定无人机的速度设定值;并设计了P型、PI型、PD型以及PID型速度控制器进行实验对比,以选择其中控制效果较好的速度控制器,控制无人机达到速度分段模块输出的设定速度。3.速度控制器参数的自整定。根据四种类型速度控制器的对比实验,本文选定了速度PD控制器,并在此基础上,设计了一个模糊推理机,实现控制器参数的自动在线调整,以提高参数整定的效率。4.实验与结果分析。本文以六旋翼无人机为研究对象,首先进行了无人机的视觉图像处理实验,然后进行了六组模拟仿真实验和两组实物测试实验。实验结果表明:（1）当无人机采用经典控制系统自主降落时,存在较大的超调量和稳态误差,且减速过程出现了严重的振荡现象,过渡过程时间达到了10s。（2）当无人机采用精准降落控制系统自主降落时,能够有效降低系统的超调量和稳态误差,并消除振荡现象。（3）在设计的四种类型速度控制器中,当精准降落控制系统采用位置控制+速度PD控制器的方式时,无人机降落的控制效果较好;且当采用位置控制+参数自整定速度PD控制器的方式时能够在一定程度上进一步改善系统的稳定性,提高控制精度,实现无人机的更优控制。（4）当六旋翼无人机在经典控制系统作用下自主降落时,降落的平均误差为0.74m,而在位置控制+速度PD控制器的作用下自主降落时,降落的平均误差为0.25m。（5）当六旋翼无人机在位置控制+参数自整定速度PD控制器的作用下自主降落时,降落的平均误差为0.17m,且控制器参数整定的时间由原来的1200s以上减为90s。可见,本文设计的融合视觉定位的精准降落控制系统能够在一定程度上提高无人机的降落精度,并降低控制器参数整定的时间,对无人机在电力巡检领域的应用具有重要价值。
汪东军[10]（2019）在《飞行器动力增压系统测试与控制技术研究》文中指出动力系统作为飞行器最主要的组成部分,其地面综合测控直接影响飞行器的运载能力和市场竞争。原有型号飞行器在动力系统测试阶段,由于被测对象的需求不同、地点各异,需要用不同的测试系统和测试软件,这造成了极大的硬件设备重复投入和人员浪费。各个测试阶段的数据无法做到互联互通,使得数据资源利用率极低,造成了动力增压系统更改不灵活的问题。本文以飞行器动力系统控制为研究对象,根据模块化建模思想以及实验仿真,进行高精度控制策略研究,设计了一款分布式测控系统实现对飞行器动力增压的测试与控制。论文的主要工作如下:（1）飞行器动力增压系统建模及特性研究。首先设计了飞行器动力增压系统,分析动力增压系统的结构及工作原理,并且建立系统中控制量电流与被控量贮箱内部压力之间的传递函数,其次对动力增压系统中关键阀门比例减压阀的进行特性研究,包括相关结构分析和原理介绍,最后建立了先导式比例减压阀的数学模型,对后续动力增压系统的性能分析作理论支撑。（2）飞行器动力增压系统高精度控制策略研究。针对PID控制进行相关理论分析,并在此基础上提出了模糊控制,实现PID控制与模糊控制相结合的高精度控制策略,并且设计了参数自整定改进模糊PID控制器。在动力系统的数学建模基础上进行Matlab模块化仿真,对比例减压阀静态和动态性能进行分析,并且实现了高精度控制策略与常规PID控制对动力系统控制性能的仿真对比。（3）飞行器动力增压实验平台及测控系统设计。通过已有的硬件资源对本文所研究高精度控制策略进行实验验证,搭建了一款动力增压实验平台,并针对飞行器待发段动力增压的实时测试以及测试过程中资源利用率低的问题设计了分布式实时测控系统,包括飞行器待发段部段级测试的设计和相关软硬件设计。（4）实验验证与分析。论文通过搭建的模拟飞行器动力增压实验平台和测控系统进行实验验证与分析,主要对高精度控制策略的实用性、有效性进行了定量分析,并且通过分布式实时测控系统对待发段动力增压系统进行模拟部段级测试。评估了系统高精度控制策略的准确性和实时性,试验结果表明飞行器动力增压系统达到了预期目标,能够满足工程应用的要求。
二、基于参数自整定模糊PID控制器的设计与仿真（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、基于参数自整定模糊PID控制器的设计与仿真（论文提纲范文）
（1）汽车电子稳定系统不同控制策略研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 汽车ESC国内外研究现状 |
| 1.2.1 国外汽车ESC研究现状 |
| 1.2.2 国内汽车ESC研究现状 |
| 1.3 汽车ESC工作原理及工况 |
| 1.3.1 汽车ESC工作原理 |
| 1.3.2 汽车ESC工作工况 |
| 1.4 本文主要研究内容 |
| 1.5 本章小结 |
| 第2章 汽车ESC动力学模型建立 |
| 2.1 汽车轮胎模型建立 |
| 2.1.1 “魔术公式”轮胎模型建立 |
| 2.1.2 汽车轮胎纵向力特性 |
| 2.1.3 汽车轮胎侧向力特性 |
| 2.1.4 汽车转弯及制动工况下轮胎力修正特性 |
| 2.2 七自由度整车模型建立 |
| 2.3 线性二自由度理想模型建立 |
| 2.4 MATLAB/Simulink中仿真模型的建立 |
| 2.5 整车模型仿真分析及验证 |
| 2.6 本章小结 |
| 第3章 汽车稳定性控制变量及直接横摆力矩分析 |
| 3.1 汽车稳定性影响因素分析 |
| 3.2 汽车ESC控制变量理想值计算 |
| 3.2.1 理想横摆角速度的计算 |
| 3.2.2 理想质心侧偏角的计算 |
| 3.3 汽车失稳状态判断 |
| 3.4 直接横摆力矩控制策略 |
| 3.4.1 直接横摆力矩控制策略分析 |
| 3.4.2 制动轮力矩分配及控制逻辑分析 |
| 3.5 本章小结 |
| 第4章 汽车ESC模糊和PID控制策略分析及仿真 |
| 4.1 PID控制策略分析 |
| 4.1.1 PID控制原理及参数整定 |
| 4.1.2 PID控制器设计 |
| 4.2 模糊控制策略分析 |
| 4.3 参数自整定模糊PI控制策略 |
| 4.4 汽车ESC控制系统仿真分析 |
| 4.4.1 PID控制仿真分析 |
| 4.4.2 模糊控制仿真分析 |
| 4.4.3 参数自整定模糊PI控制仿真分析 |
| 4.5 本章小结 |
| 第5章 汽车ESC模糊滑模控制策略分析及仿真 |
| 5.1 滑模控制策略分析 |
| 5.1.1 滑模控制特点 |
| 5.1.2 滑动模态的存在性及到达条件 |
| 5.1.3 滑模控制系统的动态品质 |
| 5.2 模糊滑模控制器设计及验证 |
| 5.2.1 等效控制法设计控制器 |
| 5.2.2 积分滑模控制器设计 |
| 5.2.3 模糊控制策略削弱系统抖振 |
| 5.3 模糊滑模控制仿真分析 |
| 5.4 本章小结 |
| 第6章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 攻读硕士期间发表的学术论文及科研工作 |
| 致谢 |
（2）空间机构自抗扰控制器的粒子群自整定方法研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.2 国内外研究现状 |
| 1.2.1 参数自整定研究现状 |
| 1.2.2 参数自整定研究现状总结 |
| 1.3 本课题研究的主要内容 |
| 1.4 本文章节安排 |
| 第2章 自抗扰控制器参数自整定方案设计 |
| 2.1 自抗扰控制器基本介绍 |
| 2.1.1 跟踪微分器(TD) |
| 2.1.2 扩张状态观测器(ESO) |
| 2.1.3 非线性反馈控制律(NLSEF) |
| 2.2 被控对象基本介绍 |
| 2.3 参数自整定整体方案设计 |
| 2.4 本章小结 |
| 第3章 粒子群算法性能测试及参数自整定仿真验证 |
| 3.1 引言 |
| 3.2 粒子群算法介绍 |
| 3.2.1 标准粒子群算法介绍 |
| 3.2.2 标准粒子群算法性能测试 |
| 3.3 粒子群ADRC参数自整定仿真验证 |
| 3.3.1 参数自整定仿真框图搭建 |
| 3.3.2 参数自整定仿真结果 |
| 3.4 本章小结 |
| 第4章 粒子群算法改进策略及自整定仿真对比 |
| 4.1 引言 |
| 4.2 粒子群算法改进策略 |
| 4.2.1 最差粒子进化策略 |
| 4.2.2 最优粒子扰动策略 |
| 4.2.3 灰狼算法改进策略 |
| 4.3 仿真验证 |
| 4.3.1 不同算法寻优结果测试对比 |
| 4.3.2 不同算法的寻优速度测试对比 |
| 4.3.3 参数自整定控制效果仿真对比 |
| 4.4 本章小结 |
| 第5章 自抗扰控制器参数自整定实验设计及验证 |
| 5.1 引言 |
| 5.2 参数自整定实验方案设计 |
| 5.3 参数自整定寻优结果及控制效果对比 |
| 5.4 参数自整定寻优过程寻优速度对比 |
| 5.5 本章小结 |
| 第6章 总结与展望 |
| 6.1 本论文总结 |
| 6.1.1 全文工作总结 |
| 6.1.2 本论文的创新点 |
| 6.2 工作展望 |
| 参考文献 |
| 致谢 |
| 作者简历及攻读学位期间发表的学术论文与研究成果 |
（3）交流伺服系统高性能电流环控制策略研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.2 国内外研究现状 |
| 1.3 研究内容及意义 |
| 1.4 论文结构及章节排布 |
| 第二章 永磁同步电机伺服系统数学模型分析及矢量控制原理 |
| 2.1 交流永磁同步电机的基本构造 |
| 2.2 永磁同步电机伺服系统的数学模型 |
| 2.2.1 永磁同步电机的坐标系 |
| 2.2.2 坐标变换 |
| 2.2.3 永磁同步电机的数学模型 |
| 2.2.4 永磁同步电机伺服系统的内部环节构造分析 |
| 2.3 永磁同步电机的矢量控制原理 |
| 2.4 电压空间矢量脉冲宽度调制方法 |
| 2.5 PID控制器在控制系统中的应用 |
| 2.6 本章小结 |
| 第三章 基于改进粒子群优化算法的电流环参数自整定 |
| 3.1 粒子群优化策略的概念 |
| 3.1.1 粒子群优化算法的基本原理 |
| 3.1.2 粒子群优化算法的算法流程 |
| 3.1.3 粒子群优化算法中的参数分析及其设置方法 |
| 3.2 改进的粒子群优化算法 |
| 3.3 基于粒子群优化算法的电流环参数自整定控制器的设计 |
| 3.3.1 控制系统的性能指标分析 |
| 3.3.2 PI参数自整定基于改进粒子群优化算法的实现 |
| 3.4 改进粒子群优化算法PI参数自整定的评估 |
| 3.5 改进粒子群优化算法PI参数自整定的Simulink仿真 |
| 3.6 仿真结果 |
| 3.7 本章小结 |
| 第四章 永磁同步电机神经网络自适应控制 |
| 4.1 引言 |
| 4.2 单神经元自适应PID控制 |
| 4.2.1 单神经元基本模型 |
| 4.2.2 单神经元自适应PID控制结构及算法 |
| 4.2.3 单神经元自适应PID控制系统仿真实例 |
| 4.3 径向基函数神经网络整定PID控制 |
| 4.3.1 径向基函数神经网络构成机理、模型及学习算法 |
| 4.3.2 径向基函数神经网络整定PID控制系统结构及整定算法 |
| 4.3.3 径向基函数神经网络整定PID控制系统仿真实例 |
| 4.4 本章小结 |
| 第五章 伺服系统电流环参数自整定实验设计及研究 |
| 5.1 实验硬件平台搭建 |
| 5.1.1 实验伺服驱动器及电机 |
| 5.1.2 数字信号处理器DSP TMS320F280049 |
| 5.2 程序调试 |
| 5.3 硬件调试工作 |
| 5.4 改进粒子群优化算法参数自整定实验 |
| 5.5 实验结果分析 |
| 5.6 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 致谢 |
| 参考文献 |
（4）自整定PID控制算法的比较与研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 PID参数计算研究现状 |
| 1.2.2 基于模型的整定方法 |
| 1.2.3 参数优化方法 |
| 1.3 智能PID整定方法 |
| 1.4 论文的结构安排 |
| 1.5 本章小结 |
| 第2章 相关理论概述 |
| 2.1 PID控制器 |
| 2.1.1 PID控制器的结构及原理 |
| 2.1.2 PID控制器参数对控制性能的作用 |
| 2.2 控制系统性能参数 |
| 2.2.1 动态性能参数 |
| 2.2.2 鲁棒性能参数 |
| 2.2.3 内部稳定性参数 |
| 2.3 自整定方法 |
| 2.4 基本粒子群算优化算法 |
| 2.4.1 基本粒子群算法基本原理 |
| 2.4.2 基本粒子群算法描述 |
| 2.5 本章小结 |
| 第3章 基于继电反馈PID自整定方法研究 |
| 3.1 继电反馈特性 |
| 3.1.1 继电反馈原理 |
| 3.1.2 整定规则 |
| 3.1.3 近似传递函数的计算 |
| 3.1.4 常用继电整定算法存在的问题 |
| 3.2 偏置继电反馈频率特性分析 |
| 3.3 PI/PID控制器设计 |
| 3.3.1 闭环系统稳定性分析 |
| 3.3.2 改进的继电反馈系统结构 |
| 3.3.3 幅值裕度估计 |
| 3.3.4 相位裕度估计 |
| 3.4 仿真研究 |
| 3.5 本章小结 |
| 第4章 粒子群算法研究 |
| 4.1 粒子群算法的改进策略 |
| 4.1.1 种群等级划分 |
| 4.1.2 极自适应惯性权重 |
| 4.1.3 极值的线性组合 |
| 4.2 粒子群优化算法 |
| 4.3 粒子群优化算法的收敛分析 |
| 4.4 本章小结 |
| 第5章 自整定PID系统研究及仿真 |
| 5.1 自整定PID系统研究 |
| 5.1.1 控制系统结构 |
| 5.1.2 适应度函数的选择 |
| 5.2 仿真实验及结果 |
| 5.2.1 基于系统的啤酒温度控制系统实验 |
| 5.2.2 基于粒子群继电PID仿真实验 |
| 5.3 本章小结 |
| 总结 |
| 参考文献 |
| 攻读硕士学位期间发表的论文和取得的科研成果 |
| 致谢 |
（5）用于光机的高稳定度温度控制技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 符号表 |
| 第一章 绪论 |
| 1.1 课题的背景与意义 |
| 1.2 国内外发展现状 |
| 1.2.1 研究进展 |
| 1.2.2 研究现状分析总结 |
| 1.3 主要研究内容、创新点及章节安排 |
| 1.3.1 主要研究内容 |
| 1.3.2 本文创新点 |
| 1.3.3 本文脉络及章节安排 |
| 1.4 本章小结 |
| 第二章 光机热特性分析及系统建模 |
| 2.1 温度对光机的影响分析 |
| 2.1.1 温度变化对材料折射率的影响 |
| 2.1.2 温度对光学系统焦距的影响 |
| 2.1.3 温度变化对应力的影响 |
| 2.2 光机载荷的空间热环境 |
| 2.3 光机载荷的结构及温控指标 |
| 2.3.1 光机载荷的结构 |
| 2.3.2 光机载荷的温控指标 |
| 2.4 光机载荷的温控方案 |
| 2.4.1 遮光罩热设计 |
| 2.4.2 主支撑结构热设计 |
| 2.4.3 光学组件热设计 |
| 2.5 热电类比理论 |
| 2.6 建立数学模型 |
| 2.7 光机温控系统模型 |
| 2.8 本章小结 |
| 第三章 光机温控算法 |
| 3.1 PID控制算法 |
| 3.1.1 PID控制原理 |
| 3.1.2 数字PID控制算法 |
| 3.1.3 PID三个参数的调节作用 |
| 3.1.4 PID控制的局限性 |
| 3.2 自适应PID控制 |
| 3.2.1 参数自适应PID控制 |
| 3.2.2 非参数自适应PID控制 |
| 3.3 基于光机热模型的自适应PID控温方法 |
| 3.3.1 基于光机热模型的自适应PID控温原理 |
| 3.3.2 基于光机热模型的自适应PID控温方法的设计步骤 |
| 3.4 控制系统的稳定性分析方法 |
| 3.5 本章小结 |
| 第四章 光机温控系统仿真与结果分析 |
| 4.1 基于镜框数学模型的温控算法 |
| 4.2 镜框温控系统仿真验证 |
| 4.2.1 仿真工况一 |
| 4.2.2 仿真工况二 |
| 4.3 本章小结 |
| 第五章 光机温控系统具体实现 |
| 5.1 系统硬件部分设计 |
| 5.1.1 系统硬件部分总体设计 |
| 5.1.2 测温电路设计 |
| 5.1.3 时钟电路设计 |
| 5.1.4 输出控制电路 |
| 5.1.5 PCB板设计 |
| 5.2 系统软件部分设计 |
| 5.2.1 主程序流程 |
| 5.2.2 温度数据A/D转换程序 |
| 5.2.3 中位值滤波程序 |
| 5.2.4 自适应PID控制算法程序 |
| 5.2.5 PWM输出 |
| 5.3 本章小结 |
| 第六章 光机温控系统实验与结果分析 |
| 6.1 光机温控系统实验装置 |
| 6.2 实验及结果分析 |
| 6.2.1 实验工况一 |
| 6.2.2 实验工况二 |
| 6.3 本章小结 |
| 第七章 总结与展望 |
| 7.1 全文总结与主要结论 |
| 7.2 研究方向展望 |
| 参考文献 |
| 致谢 |
| 作者简历及攻读学位期间发表的学术论文与研究成果 |
（6）无人机视轴稳定控制系统设计（论文提纲范文）
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 论文研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 视轴稳定系统国内外研究现状 |
| 1.2.2 光电视轴稳定平台中陀螺信号降噪研究现状 |
| 1.3 主要研究内容 |
| 1.4 论文各章节安排 |
| 2 视轴稳定系统结构分析与建模 |
| 2.1 视轴稳定系统结构分析 |
| 2.2 视轴稳定系统运动学、动力学分析与建模 |
| 2.2.1 空间坐标系的定义 |
| 2.2.2 视轴稳定平台的运动学分析 |
| 2.2.3 视轴稳定系统动力学建模 |
| 2.3 影响系统性能的扰动因素分析 |
| 2.3.1 力矩干扰 |
| 2.3.2 建模误差 |
| 2.3.3 陀螺漂移 |
| 2.4 本章小结 |
| 3 光电系统视轴稳定控制器设计 |
| 3.1 视轴稳定系统原理 |
| 3.2 视轴稳定系统各环节传递函数模型 |
| 3.2.1 陀螺模型 |
| 3.2.2 力矩电机模型 |
| 3.2.3 功率驱动器模型 |
| 3.3 视轴稳定控制器设计 |
| 3.3.1 经典PID控制 |
| 3.3.2 模糊控制 |
| 3.3.3 参数自整定模糊PID控制器结构 |
| 3.3.4 仿真实验 |
| 3.4 基于速度扰动观测器的复合控制设计 |
| 3.4.1 速度扰动观测器的原理 |
| 3.4.2 仿真实验 |
| 3.5 本章小结 |
| 4 陀螺信号降噪及温度补偿方法 |
| 4.1 MEMS陀螺的原理 |
| 4.2 陀螺温度漂移的机理及噪声特性 |
| 4.2.1 陀螺温度漂移产生的原因 |
| 4.2.2 陀螺的噪声特性 |
| 4.3 MEMS陀螺输出信号测试实验及信号降噪 |
| 4.4 陀螺信号滤波降噪 |
| 4.4.1 Kalman滤波 |
| 4.4.2 ARMA模型 |
| 4.4.3 滤波实验 |
| 4.5 温度漂移建模补偿及实验验证 |
| 4.5.1 BP神经网络 |
| 4.5.2 PSO-BP神经网络 |
| 4.5.3 BP神经网络与PSO优化BP神经网络补偿效果对比 |
| 4.6 本章小结 |
| 5 视轴稳定控制电路设计及控制算法实现 |
| 5.1 稳定平台硬件总体设计方案 |
| 5.2 主控制器选型 |
| 5.3 系统各模块硬件设计 |
| 5.3.1 JTAG接口 |
| 5.3.2 电源模块设计 |
| 5.3.3 AD模块设计 |
| 5.3.4 通信模块设计 |
| 5.3.5 驱动电路的设计 |
| 5.4 视轴稳定控制系统软件设计 |
| 5.4.1 系统控制流程图 |
| 5.4.2 数据采集的实现 |
| 5.4.3 上位机数据采集与处理 |
| 5.4.4 系统软件功能实现 |
| 5.5 本章小结 |
| 6 视轴稳定控制系统实验验证 |
| 6.1 稳定跟踪回路仿真实验 |
| 6.1.1 阶跃响应特性实验 |
| 6.1.2 正弦响应特性实验 |
| 6.2 系统性能实验验证 |
| 6.2.1 硬件电路测试实验 |
| 6.2.2 力矩叠加性能测试 |
| 6.2.3 摇摆实验 |
| 6.2.4 启停特性测试 |
| 6.3 稳定控制平台的技术指标测试 |
| 6.4 本章小结 |
| 7 结论 |
| 7.1 结论 |
| 7.2 展望 |
| 参考文献 |
| 攻读硕士学位期间发表的论文 |
| 致谢 |
（7）一种基于PSO的PID控制器的FPGA设计与实现（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 国内研究现状 |
| 1.2.2 国外研究现状 |
| 1.3 FPGA技术简介 |
| 1.3.1 Verilog HDL硬件描述语言 |
| 1.3.2 硬件开发工具Quartus Ⅱ13.0 |
| 1.3.3 Modelsim仿真工具 |
| 1.4 本文的主要工作及章节安排 |
| 第二章 模糊PID控制器的基本原理 |
| 2.1 模糊控制的相关理论 |
| 2.1.1 常规Z-N整定方法 |
| 2.1.2 模糊控制 |
| 2.2 基于模糊控制的PID控制器参数整定 |
| 2.2.1 模糊控制器的原理与组成 |
| 2.2.2 模糊PID控制器参数整定算法 |
| 2.2.3 基于模糊控制PID控制器的仿真 |
| 2.3 本章小结 |
| 第三章 基于粒子群算法的PID控制器 |
| 3.1 粒子群算法的基本原理 |
| 3.1.1 基本粒子群算法 |
| 3.1.2 基本粒子群算法流程 |
| 3.1.3 粒子群算法参数分析 |
| 3.2 标准的粒子群算法优化PID控制器参数 |
| 3.2.1 标准粒子群算法的PID控制器参数整定 |
| 3.2.2 仿真实验 |
| 3.3 改进的粒子群算法原理 |
| 3.3.1 改进的粒子群算法的PID控制器参数整定 |
| 3.3.2 仿真实验验证 |
| 3.3.3 两种方法的仿真结果比较 |
| 3.4 本章小结 |
| 第四章 基于PSO的PID控制器的FPGA实现 |
| 4.1 粒子群算法运行参数的选择 |
| 4.2 基于PSO的 PID控制器的实现 |
| 4.2.1 控制模块 |
| 4.2.2 存储器模块 |
| 4.2.3 全局最优模块 |
| 4.2.4 局部最优模块 |
| 4.2.5 惯性因子模块设计与实现 |
| 4.2.6 速度位置更新模块设计与实现 |
| 4.2.7 初始化模块 |
| 4.2.8 适应度模块 |
| 4.2.9 随机数模块设计与实现 |
| 4.3 仿真实验及结果分析 |
| 4.4 本章小结 |
| 第五章 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 攻读硕士学位期间完成的科研成果 |
| 致谢 |
（8）螺旋布料给料机智能输煤控制系统研究（论文提纲范文）
| 摘要 |
| abstract |
| 主要符号表 |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外输煤控制系统的现状 |
| 1.2.1 国外火力发电厂输煤控制系统现状 |
| 1.2.2 国内火力发电厂输煤控制系统现状 |
| 1.3 系统控制策略的研究现状 |
| 1.4 火电厂输煤系统节能技术分析 |
| 1.5 本课题研究的主要内容 |
| 2 基于螺旋布料给料机输煤系统的构建 |
| 2.1 常规输煤系统结构及工作过程 |
| 2.1.1 常规输煤系统结构 |
| 2.1.2 常规输煤系统工作过程 |
| 2.2 螺旋布料给料机输煤系统的开发 |
| 2.2.1 螺旋布料给料机的开发 |
| 2.2.2 螺旋布料给料机输煤系统结构与工作过程 |
| 2.3 螺旋布料给料机输煤控制系统结构及控制原理 |
| 2.3.1 螺旋布料给料机智能输煤控制系统结构 |
| 2.3.2 螺旋布料给料机智能输煤控制系统控制原理 |
| 2.4 本章小结 |
| 3 螺旋布料给料机智能输煤控制系统的研发 |
| 3.1 信息采集单元 |
| 3.1.1 测量方法的确定 |
| 3.1.2 激光扫描仪测量原理 |
| 3.1.3 激光扫描仪的选型与安装 |
| 3.1.4 激光扫描仪LMS511与外围设备的连接 |
| 3.1.5 误差分析与减小措施 |
| 3.2 信息处理单元的控制方案与控制算法 |
| 3.2.1 信息处理单元控制方案比较与选择 |
| 3.2.2 信息处理单元控制器比较与选型 |
| 3.2.3 信息处理单元控制算法比较与选择 |
| 3.3 参数自整定Fuzzy-PID控制器的设计与MATLAB仿真 |
| 3.3.1 控制系统的传递函数 |
| 3.3.2 参数自整定Fuzzy-PID控制器的设计 |
| 3.3.3 参数自整定Fuzzy-PID控制器MATLAB仿真 |
| 3.4 控制执行单元 |
| 3.4.1 变频调速技术 |
| 3.4.2 触摸屏 |
| 3.5 本章小结 |
| 4 螺旋布料给料机智能输煤控制系统程序设计 |
| 4.1 PLC程序设计 |
| 4.1.1 主程序框架结构 |
| 4.1.2 智能控制系统手动运行工作流程 |
| 4.1.3 智能控制系统自动运行工作流程 |
| 4.1.4 参数自整定Fuzzy-PID控制器的程序设计 |
| 4.2 触摸屏界面程序设计 |
| 4.2.1 触摸屏界面设计 |
| 4.2.2 触摸屏调试 |
| 4.3 本章小结 |
| 5 结论与展望 |
| 5.1 结论 |
| 5.2 创新点摘要 |
| 5.3 展望 |
| 参考文献 |
| 攻读硕士学位期间科研项目及科研成果 |
| 致谢 |
| 作者简介 |
（9）多旋翼无人机精准降落的控制系统研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 课题研究的背景和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 国外研究现状 |
| 1.2.2 国内研究现状 |
| 1.3 本课题主要研究工作及章节安排 |
| 1.4 本章小结 |
| 第二章 精准降落控制系统的架构设计 |
| 2.1 控制系统架构设计 |
| 2.2 软硬件平台及相关理论 |
| 2.2.1 Pixhawk飞控 |
| 2.2.2 PX4固件 |
| 2.2.3 无人机运动状态 |
| 2.3 基础理论 |
| 2.3.1 图像分割算法 |
| 2.3.2 PID控制算法 |
| 2.3.3 参数自整定PID控制算法 |
| 2.4 本章小结 |
| 第三章 精准降落控制系统的详细设计 |
| 3.1 无人机建模 |
| 3.1.1 无人机姿态表示方法 |
| 3.1.2 坐标系统的建立 |
| 3.1.3 无人机数学模型的建立 |
| 3.2 视觉图像中靶标的获取 |
| 3.2.1 图像预处理 |
| 3.2.2 目标分割 |
| 3.2.3 绘制轮廓最小外接矩形 |
| 3.3 速度控制环节设计 |
| 3.3.1 速度分段模块设计 |
| 3.3.2 速度控制器设计 |
| 3.3.3 速度控制器参数的自整定设计 |
| 3.4 本章小结 |
| 第四章 实验过程与结果分析 |
| 4.1 实验过程 |
| 4.1.1 实验设备 |
| 4.1.2 模拟实验环境的搭建 |
| 4.1.3 实物测试环境的搭建 |
| 4.2 实验结果与分析 |
| 4.2.1 实验方案设计 |
| 4.2.2 视觉图像处理实验 |
| 4.2.3 实验1:经典控制系统降落实验的结果与分析 |
| 4.2.4 实验2:速度P控制器降落实验的结果与分析 |
| 4.2.5 实验3:速度PI控制器降落实验的结果与分析 |
| 4.2.6 实验4:速度PD控制器降落实验的结果与分析 |
| 4.2.7 实验5:速度PID控制器降落实验的结果与分析 |
| 4.2.8 实验6:参数自整定速度PD控制器降落实验的结果与分析 |
| 4.2.9 实验7:位置控制+速度PD控制器的自主降落实验 |
| 4.2.10 实验8:位置控制+参数自整定速度PD控制器的自主降落实验 |
| 4.3 本章小结 |
| 总结与展望 |
| 参考文献 |
| 攻读硕士学位期间发表论文和专利 |
| 致谢 |
（10）飞行器动力增压系统测试与控制技术研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 长征六号地面综合测控系统研究现状 |
| 1.2.2 CZ-3A火箭增压系统研究现状 |
| 1.2.3 基于PLC的火箭增压系统研究现状 |
| 1.2.4 阿金纳火箭增压运输系统研究现状 |
| 1.2.5 存在的主要问题 |
| 1.3 论文研究内容及组织结构 |
| 2 飞行器动力增压系统建模及其特性研究 |
| 2.1 动力增压系统模型 |
| 2.1.1 动力增压系统结构 |
| 2.1.2 增压系统工作原理 |
| 2.1.3 贮箱推进模块的数学建模 |
| 2.2 贮箱增压系统传递函数 |
| 2.3 动力系统对比例减压阀的要求 |
| 2.4 先导式比例减压阀结构及其控制原理 |
| 2.4.1 先导式比例减压阀的结构 |
| 2.4.2 先导式比例减压阀的控制原理 |
| 2.4.3 先导式比例阀的工作原理 |
| 2.5 比例减压阀的特性研究 |
| 2.5.1 比例电磁铁数学模型 |
| 2.5.2 减压阀流量方程 |
| 2.5.3 减压阀压力方程 |
| 2.5.4 减压阀阀芯动力学方程 |
| 2.6 本章小结 |
| 3 飞行器动力增压系统高精度控制策略研究及仿真 |
| 3.1 PID控制原理 |
| 3.1.1 常规PID控制 |
| 3.1.2 PID参数整定 |
| 3.2 动力增压系统高精度控制策略研究 |
| 3.2.1 模糊控制基本原理 |
| 3.2.2 模糊PID控制器设计过程 |
| 3.2.3 动力增压系统模糊PID控制器设计 |
| 3.3 动力增压系统仿真 |
| 3.3.1 先导式比例减压阀性能仿真分析 |
| 3.3.2 动力增压系统仿真分析 |
| 3.4 本章小结 |
| 4 飞行器动力增压实验平台及测控系统设计 |
| 4.1 需求分析及方案设计 |
| 4.2 飞行器动力增压分布式实时测控系统设计 |
| 4.2.1 分布式实时测控系统设计 |
| 4.2.3 动力增压总体设计 |
| 4.2.4 硬件电路设计 |
| 4.2.5 嵌入式软件设计 |
| 4.3 动力系统总控软件设计 |
| 4.3.1 软件结构设计 |
| 4.3.2 数据交互设计 |
| 4.3.3 软件界面设计 |
| 4.4 本章小结 |
| 5 动力增压系统实验验证及分析 |
| 5.1 动力系统搭建与实验流程设计 |
| 5.2 分布式实时测控系统定性测试实验验证 |
| 5.2.1 系统分布式实时测试验证 |
| 5.2.2 飞行器待发段增压部段级测试验证 |
| 5.3 高精度控制策略实验验证及分析 |
| 5.3.1 高精度控制策略中参数整定变化 |
| 5.3.2 增压回路控制压力采集及性能分析 |
| 5.3.3 高精度控制策略控制压力采集及性能分析 |
| 5.4 高精度控制策略实验结果与分析 |
| 5.5 本章小结 |
| 6 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 作者简历及攻读硕士学位期间取得的研究成果 |
| 学位论文数据集 |
四、基于参数自整定模糊PID控制器的设计与仿真（论文参考文献）
- [1]汽车电子稳定系统不同控制策略研究[D]. 张文彩. 青岛理工大学, 2021(02)
- [2]空间机构自抗扰控制器的粒子群自整定方法研究[D]. 李真. 中国科学院大学(中国科学院光电技术研究所), 2021(08)
- [3]交流伺服系统高性能电流环控制策略研究[D]. 张铄. 电子科技大学, 2021(01)
- [4]自整定PID控制算法的比较与研究[D]. 张伟. 沈阳理工大学, 2021(01)
- [5]用于光机的高稳定度温度控制技术研究[D]. 李帅. 中国科学院大学(中国科学院上海技术物理研究所), 2020(01)
- [6]无人机视轴稳定控制系统设计[D]. 郭宏伟. 西安工业大学, 2020(04)
- [7]一种基于PSO的PID控制器的FPGA设计与实现[D]. 张玉明. 云南大学, 2020(08)
- [8]螺旋布料给料机智能输煤控制系统研究[D]. 迟林芳. 沈阳工程学院, 2020(02)
- [9]多旋翼无人机精准降落的控制系统研究[D]. 曾振华. 广东工业大学, 2020(06)
- [10]飞行器动力增压系统测试与控制技术研究[D]. 汪东军. 北京交通大学, 2019(01)