本发明专利技术公开了一种工程运输车行驶综合性能控制系统及方法,包括PID控制模块、模糊控制模块、神经网络模块;模糊控制模块对PID控制模块的三个参数KP、KI、KD进行调节,神经网络模块通过在线学习功能来调整模糊控制规则,PID控制模块对工程运输车辆行驶综合性能进行控制。结合各种控制技术的优点,把BP神经网络控制、模糊控制以及PID控制三种控制方法相结合,将该控制器应用于工程运输车辆座椅悬架系统,能明显提高工程运输车辆行驶综合性能。
【技术实现步骤摘要】
本专利技术涉及一种工程运输车行驶综合性能控制技术,尤其涉及一种。
技术介绍
在绝大多数建筑工程机械化的施工过程中,工程机械是必不可少的装备,一些工程领域诸如公共建筑、市政道路、桥梁等都会应用到工程运输车辆。恶劣的作业条件、复杂的地形以及毫无规律可言的作业阻力等,使得工程车辆在行驶或作业过程中必然会伴随着强烈的颠簸和冲击。作业过程中产生的振动直接影响着是否可以高效可靠地完成一定的作业任务,也直接影响着司机的疲劳状态、反应及协调能力,同时也关乎司机的身心健康。为了保证工程运输车辆完成作业任务,并且减少对司机的身心健康的损害,降低车辆的振动显得尤为重要。运输车辆的操纵安全性和乘坐舒适性关系到车辆行驶及作业的可靠性,关系到这一产品在新时期的竞争力。现有技术中的工程运输车行驶综合性能控制方法主要有PID控制和模糊控制两种:传统PID控制是基于被控对象的数学模型以及对控制系统要求的性能指标来设计控制器的,而且可以对控 制规律加以数学描述;而模糊控制是根据专家经验和知识总结出的一些模糊控制规则,构成了描述非线性、复杂系统的模糊关系,是通过被控对象输出偏差和偏差的变化与模糊关系的推理来合成从而得到控制量的,然后对系统性能进行控制的一种智能控制方法。上述两种控制方法均属于能用显式表达的控制方法,控制的效果也不尽满意。
技术实现思路
本专利技术的目的是提供一种控制效果好的。本专利技术的目的是通过以下技术方案实现的:本专利技术的工程运输车行驶综合性能控制系统,包括PID控制模块、模糊控制模块、神经网络模块;所述模糊控制模块通过以下模糊控制规则对PID控制模块的三个参数HpKd进行调节:I / 二 —d E 其中:d为模糊控制的修正因子,E是偏差的变化量经过模糊化的模糊量,C是偏差的变化率经过模糊化的模糊量,U代表KP、K1或Kd ;所述神经网络模块通过在线学习功能来调整所述模糊控制规则中的3值,得到满足条件的模糊控制规则;所述PID控制模块对工程运输车辆行驶综合性能进行控制。本专利技术的上述的工程运输车行驶综合性能控制系统实现BP神经网络模糊PID控制的方法,包括步骤:第一步,选择合适的BP神经网络结构,也就是要确定神经网路的层数、各层的节点数;第二步,需要选择合适的学习速率和惯性系数,然后再给出各层的加权系数初始值;第三步,通过采样获得系统的输入量r(k)和输出量y(k),然后计算出误差e(k)=y (k) -r (k);第四步,调整模糊规则的修正因子;第五步,利用模糊控制在线调整PID控制器的三个参数;第六步,根据PID模块中的控制算法得出u (k),然后将其输入到被控对象即工程车辆座椅悬架系统;第七步,根据神经网络模块中输出层和隐含层的修正加权系数的公式得出修正系数;第八步,最后令k = k+Ι返回到第三步进行循环计算。由上述本专利技术提供的技术方案可以看出,本专利技术实施例提供的,结合各种控制技术的优点,把BP神经网络控制、模糊控制以及PID控制三种控制方法相结合设计出的一种基于BP神经网络的自适应模糊PID控制器,将该控制器应用于工程运输车辆座椅悬架系统,提高工程运输车辆行驶综合性能。附图说明图1为本专利技术实施例提供的工程运输车行驶综合性能控制系统的结构示意图;图2al、图2a2分别为被动悬架中乘员垂直加速度随时间和频率变化的曲线图;图2bl、图2b2分别为PID控制悬架中乘员垂直加速度随时间和频率变化的曲线图;图2cl、图2c2分别为模糊PID控制悬架中乘员垂直加速度随时间和频率变化的曲线图;图2dl、图2d2分别为本专利技术实施例中神经网络模糊PID控制悬架中乘员垂直加速度随时间和频率变化的曲线图;图3al、图3a2分别为被动悬架中车身俯仰角加速度随时间和频率变化的曲线 图3b 1、图3b2分别为PID控制悬架中车身俯仰角加速度随时间和频率变化的曲线图;图3cl、图3c2分别为模糊PID控制悬架中车身俯仰角加速度随时间和频率变化的曲线图;图3dl、图3d2分别为本专利技术实施例中神经网络模糊PID控制悬架中车身俯仰角加速度随时间和频率变化的曲线图;图4al、图4a2分别为被动悬架中前悬架动挠度随时间和频率变化的曲线图;图4bl、图4b2分别为PID控制悬架中前悬架动挠度随时间和频率变化的曲线图4c 1、图4c2分别为模糊PID控制悬架中前悬架动挠度随时间和频率变化的曲线图;图4dl、图4d2分别为本专利技术实施例中神经网络模糊PID控制悬架中前悬架动挠度随时间和频率变化的曲线图;图5al、图5a2分别为被动悬架中后悬架动挠度随时间和频率变化的曲线图;图5bl、图5b2分别为PID控制悬架中后悬架动挠度随时间和频率变化的曲线图;图5cl、图5c2分别为模糊PID控制悬架中后悬架动挠度随时间和频率变化的曲线图; 图5dl、图5d2分别为本专利技术实施例中神经网络模糊PID控制悬架中后悬架动挠度随时间和频率变化的曲线图;图6al、图6a2分别为被动悬架中前悬架动载荷随时间和频率变化的曲线图;图6bl、图6b2分别为PID控制悬架中前悬架动载荷随时间和频率变化的曲线图;图6cl、图6c2分别为模糊PID控制悬架中乘员垂直加速度随时间和频率变化的曲线图;图6dl、图6d2分别为本专利技术实施例中神经网络模糊PID控制悬架中前悬架动载荷随时间和频率变化的曲线图;图7al、图7a2分别为被动悬架中后悬架动载荷随时间和频率变化的曲线图;图7bl、图7b2分别为PID控制悬架中后悬架动载荷随时间和频率变化的曲线 图7cl、图7c2分别为模糊PID控制悬架中后悬架动载荷随时间和频率变化的曲线图;图7dl、图7d2分别为本专利技术实施例中神经网络模糊PID控制悬架中后悬架动载荷随时间和频率变化的曲线图。具体实施例方式下面将对本专利技术实施例作进一步地详细描述。本专利技术的工程运输车行驶综合性能控制系统,其较佳的具体实施方式是:包括PID控制模块、模糊控制模块、神经网络模块;所述模糊控制模块通过以下模糊控制规则对PID控制模块的三个参数HpKd进行调节:U 二 -P ¢-= 其中:3为模糊控制的修正因子,E是偏差的变化量经过模糊化的模糊量,C是偏差的变化率经过模糊化的模糊量,U代表KP、K1或Kd ;所述神经网络模块通过在线学习功能来调整所述模糊控制规则中的0值,得到满足条件的模糊控制规则;所述PID控制模块对工程运输车辆行驶综合性能进行控制。本专利技术结合各种控制技术的优点,对于工程运输车辆悬架系统的振动控制这方面,提出一种新型的智能控制方法一基于BP神经网络的自适应模糊PID控制,它是把BP神经网络控制、模糊控制以及PID控制三种控制方法相结合设计出的一种基于BP神经网络的自适应模糊PID控制器,将该控制器应用于工程运输车辆座椅悬架系统,提高工程运输车辆行驶综合性能。本专利技术中提到的神经网络不能用表达式很明显地表达出来,它的优点是能够很好的逼近非线性函数,这也正是它用于控制系统的原因所在。具体实施例:1.1神经网络模糊控制器的设计本专利技术把BP神经网络、模糊控制、PID控制三者结合起来提出了一种新型的智能控制器一基于BP神经网络的模糊自适应PID控制器,应用到工程运输车辆悬架系统的振动控制中,以改善车辆的行驶综合性能。1.1.1工程运输车辆行驶综合性能控制结构工程运输车辆悬架的基于BP本文档来自技高网...
【技术保护点】
一种工程运输车行驶综合性能控制系统,其特征在于,包括PID控制模块、模糊控制模块、神经网络模块;?所述模糊控制模块通过以下模糊控制规则对PID控制模块的三个参数KP、KI、KD进行调节:?其中:为模糊控制的修正因子,E是偏差的变化量经过模糊化的模糊量,C是偏差的变化率经过模糊化的模糊量,U代表KP、KI或KD;?所述神经网络模块通过在线学习功能来调整所述模糊控制规则中的值,得到满足条件的模糊控制规则;?所述PID控制模块对工程运输车辆行驶综合性能进行控制。?FDA00002890200900011.jpg,FDA00002890200900012.jpg,FDA00002890200900019.jpg
【技术特征摘要】
【专利技术属性】
技术研发人员:孙建民,周庆辉,朱爱华,刘永峰,梁焕英,
申请(专利权)人:北京建筑工程学院,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。