CN108196442A - 基于模糊神经pid控制和绝对编码器的舵机控制系统及方法 - Google Patents
基于模糊神经pid控制和绝对编码器的舵机控制系统及方法 Download PDFInfo
- Publication number
- CN108196442A CN108196442A CN201810173604.4A CN201810173604A CN108196442A CN 108196442 A CN108196442 A CN 108196442A CN 201810173604 A CN201810173604 A CN 201810173604A CN 108196442 A CN108196442 A CN 108196442A
- Authority
- CN
- China
- Prior art keywords
- fuzzy neural
- control unit
- absolute value
- pid control
- host computer
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 230000001537 neural effect Effects 0.000 title claims abstract description 43
- 238000000034 method Methods 0.000 title claims abstract description 12
- 238000004891 communication Methods 0.000 claims abstract description 12
- 238000013528 artificial neural network Methods 0.000 claims description 19
- 230000008859 change Effects 0.000 claims description 9
- 230000010354 integration Effects 0.000 claims description 8
- 230000005540 biological transmission Effects 0.000 claims description 5
- 230000004069 differentiation Effects 0.000 claims description 5
- 230000006870 function Effects 0.000 claims description 4
- 230000033001 locomotion Effects 0.000 claims description 4
- 230000003044 adaptive effect Effects 0.000 claims description 2
- 238000012937 correction Methods 0.000 claims description 2
- 239000000203 mixture Substances 0.000 claims description 2
- 230000008569 process Effects 0.000 claims description 2
- 230000009471 action Effects 0.000 description 4
- 230000001276 controlling effect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000003767 neural control Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005265 energy consumption Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 239000000686 essence Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
- 239000000725 suspension Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/0265—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion
- G05B13/0285—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion using neural networks and fuzzy logic
Abstract
本发明涉及基于模糊神经PID控制和绝对编码器控制的舵机控制系统及方法,其系统包括模糊神经PID控制单元、绝对值编码器、串行通讯单元和上位机;上位机与模糊神经PID控制单元通过串行通讯模块连接,绝对值编码器的输出端与模糊神经PID控制单元的输入端连接;绝对值编码器用于获取舵机转动角度信息;串行通讯模块用于接收上位机的控制信息并传给模糊神经PID控制单元,以及发送绝对值编码器的位置信息给上位机;模糊神经PID控制单元接收上位机的控制信息,带动绝对值编码器转动,并计算舵机控制参数,产生PWM信号输出至舵机。本发明控制精度高,解决了现有舵机控制技术适应性和鲁棒性较差,对机器人关节运动不灵活的问题。
Description
技术领域
本发明属于舵机控制技术领域,具体涉及基于模糊神经PID控制和绝对编码器的舵机控制系统及方法。
背景技术
近几年来,随着机器人和人工智能等领域的不断发展,舵机的使用越来越频繁。舵机是一种重要的控制元件,标准舵机一般有三根导线,分别为GND、VCC和控制线。舵机主要由以下几个部分组成:舵盘、减速齿轮组、位置反馈电位计、直流电机、控制电路板等,其中直流电机通过一系列的齿轮组,与作为输出的舵盘和作为控制的反馈电位计相连。舵机内部有一个基准电路,产生周期为20ms,宽度为1.5ms的基准信号;在工作时,将外加信号与基准信号相比较,判断出方向和大小,从而产生电机的转动信号。这就使得舵机在工作时,仅根据PWM控制信号的脉宽决定输出轴所处的角度或位置,而不受转矩的影响。但是在控制过程中,往往不能精确达到预定位置。受到制造工艺、安装误差等结构因素以及控制算法的影响,导致舵机产生误差。体现在舵机位置与预定位置有偏差、在目标位置附近发生抖动。因此有必要对舵机进行优良的精度控制。
发明内容
为了解决现有舵机控制技术所存在的问题,本发明提供一种基于模糊神经PID控制和绝对编码器的舵机控制系统及方法,能实现对舵机控制的适应性和增强系统的鲁棒性。
本发明舵机控制系统所采用的技术方案如下:基于模糊神经PID控制和绝对编码器的舵机控制系统,包括模糊神经PID控制单元、绝对值编码器、串行通讯单元和上位机;上位机与模糊神经PID控制单元通过串行通讯模块连接,绝对值编码器的输出端与模糊神经PID控制单元的输入端连接;绝对值编码器用于获取舵机转动角度信息;串行通讯模块用于接收上位机的控制信息并传给模糊神经PID控制单元,以及发送绝对值编码器的位置信息给上位机;模糊神经PID控制单元接收上位机的控制信息,带动绝对值编码器转动,并计算舵机控制参数,产生PWM信号输出至舵机。
优选地,所述模糊神经PID控制单元包括PID控制器和模糊神经网络控制器;PID控制器直接对被控对象的位置环进行控制,由比例单元(P)、积分单元(I)和微分单元(D)组成,其输入e(t)与输出u(t)的关系为:
传递函数为:
式中u(t)是PID控制器的输出,e(t)是PID控制器的输入,Kp为比例系数,Ti为积分时间常数,Td为微分时间常数;
模糊神经网络控制器通过神经网络的学习能力修正神经网络的权值,最后输出最优控制参数Kp、Td和Ti,以调节PWM信号占空比。
优选地,所述模糊神经网络控制器以位置误差e和误差变化率ec作为输入变量,其中ec(t)=e(t)‐e(t‐1);输出控制量为u(t),输出控制量表征模糊神经PID控制单元要输出的PWM信号占空比。
上述位置误差e的获取方式为:将绝对值编码器通过法兰盘装到舵机上,舵机转动带动绝对值编码器的转动,从而获取到舵机的实际角度A;将实际角度A和理论角度B相减,得到位置误差e。
本发明舵机控制方法基于上述模糊神经PID控制和绝对编码器的舵机控制系统,并包括以下步骤:
上位机输入理论角度B给模糊神经PID控制单元,模糊神经PID控制单元输出PWM信号给舵机,舵机转动;
舵机转动后带动绝对值编码器运动,绝对值编码器实时返回舵机实际角度A给上位机,若发现实际角度A有变化,则自适应修正PID控制器的控制参数Kp、Td、Ti的值;
若绝对值编码器返回的实际角度A稳定但与输入的理论角度B有偏差,则计算误差e=A‐B,若e>0,即实际角度A偏大,则自动梯度减小PWM信号占空比,直到误差e等于0;若e<0,即实际角度A偏小,则自动梯度增大PWM信号占空比,直到误差e等于0。
本发明舵机控制方法还包括步骤:当出现e=0时,记录不同实际角度A对应的PWM信号占空比,并在上位机生成表格;当下一次输入理论角度B时,通过所生成的表格查找记录好的PWM信号占空比。
与现有技术相比,本发明具有如下有益效果:
1、采用模糊神经PID控制单元,将模糊神经控制和传统的PID控制相结合,使它既具有模糊神经网络自学习能力强的特点,又具有PID控制可以很好利用已有经验知识的特点,能够自适应地调整规则和控制参数,从而达到对舵机位置的精确控制,可以控制舵机的精度达到300/65535=0.004度;解决了现有舵机控制技术适应性和鲁棒性较差,对机器人关节运动不灵活的问题。
2、模糊神经PID控制单元选用基于ARM Cortex‐M3内核的STM32FZET6芯片,具有功耗低、性能高、价格低等优点,在进行各种传感器数据采集及多传感量信息融合时,运算速度快、实时性好,适用于各种大型场所的监控。
3、能记录舵机不同实际角度对应的PWM信号占空比,并在上位机生成相应的表格;当下一次输入实际角度时,系统即可查找记录好的PWM信号占空比,进一步提高舵机的控制精度。
附图说明
图1是本发明的系统结构图;
图2是模糊神经PID控制单元的控制原理图;
图3是舵机控制的流程图。
具体实施方式
下面将结合附图及具体实施例来对本发明进行详细的说明,但本发明的实施方式不限于此。
参见图1,本实施例中,基于模糊神经PID控制和绝对编码器的舵机控制系统,具体包括模糊神经PID控制单元、绝对值编码器、串行通讯单元、上位机、电源模块,绝对值编码器用于获取舵机转动角度信息,模糊神经PID控制单元选用基于ARM Cortex‐M3内核的STM32控制模块(STM32FZET6),电源模块为STM32控制模块和舵机供电。绝对值编码器的输出端与STM32控制模块的输入端连接,STM32控制模块产生的PWM输出至舵机。STM32FZET6芯片最高工作频率为72M,有高达144个IO口,多达11个定时器,多达5个USART接口,高达64K字节的SRAM。
上位机与STM32控制模块通过串行通讯模块连接,串行通讯模块用于接收上位机的控制信息并传给STM32控制模块,以及发送绝对编码器的位置信息给上位机。STM32控制模块接收上位机的控制信息,带动绝对值编码器转动,并根据上位机的控制信息和模糊PID算法初步计算舵机控制参数,然后将控制参数输出至STM32控制模块的PWM端口,使舵机初步转到预设角度。舵机有两种输入模式,脉冲信号输入和模拟电压输入,可以用电位器控制舵机输出轴角度。舵机选取了ASME‐03A,最大扭矩260kg.cm,工作电压24V转动角度0‐300度。
其中,模糊神经PID控制单元将模糊神经控制和传统的PID控制相结合,使它既具有模糊神经网络自学习能力强的特点,又具有PID控制可以很好利用已有经验知识的特点,能够自适应地调整规则和控制参数,从而达到对舵机位置的精确控制。传统的PID控制器由比例单元(P)、积分单元(I)和微分单元(D)组成,其输入e(t)与输出u(t)的关系为:
因此传递函数为:
式中u(t)是PID控制器的输出,e(t)是PID控制器的输入,Kp为比例系数,Ti为积分时间常数,Td为微分时间常数。
比例、积分和微分三个环节的控制是相互关联的,三个参数可以分别调节,也可以只采用其中一个或两个参数进行控制。PID控制器各环节的作用如下所述:
1.比例环节:即成比例地反映控制系统的偏差信号,系统偏差一旦产生,调节器立即产生与其成比例的控制作用,以减小偏差。比例控制反应快,但对某些系统,可能存在稳态误差。加大比例系数,系统的稳态误差会减小,但稳定性可能变差。
2.积分环节:积分的控制作用主要用于消除稳态误差,提高系统的无差度。积分作用的强弱取决于积分时间常数,积分时间常数越大,积分速度越慢,积分作用越弱,反之则积分作用越强。积分环节可能使系统的频带变窄。
3.微分环节:微分的作用是能反映偏差信号的变化速率,具有预见性,能预见偏差信号的变化趋势,并能在偏差信号的值变得太大之前,在系统中引入一个有效的早期修正信号,从而加快系统的响应速度,减少超调,减小调节时间。由于微分反映的是变化率,所以当输入没有变化时,微分环节的输出为零。
因为PID控制仍然存在着各种误差,由此本发明引用了模糊神经PID控制单元,该控制单元由传统PID控制器和模糊神经网络控制器两部分组成,其控制原理如图2所示。传统的PID控制器可以直接对被控对象的位置环进行控制,其控制参数Kp、Td、Ti可实时改变。模糊神经网络控制器部分以位置误差e和误差变化率ec作为输入变量,其中ec(t)=e(t)‐e(t‐1),输出控制量为u(t),输入变量与输出控制量之间的关系如上述公式(1),输出控制量表征要输出的PWM信号占空比。模糊神经网络控制器是将神经网络的自学习能力应用于模糊算法中,使得模糊算法的各步骤如模糊化变量、模糊推理及清晰化变量融于神经网络,通过神经网络的学习能力修正神经网络的权值,最后输出最优PID控制器的控制参数Kp、Td、Ti。
本发明将16位SSI绝对值编码器通过法兰盘装到舵机上,舵机转动带动编码器的转动,从而获取到舵机的实际角度A,并将实际角度A和理论角度B相减,得到位置误差e;若位置误差e不等于0,则自动修改PWM信号的占空比来进一步修正舵机角度,直到位置误差e等于0。具体为:当e>0时实际角度A过大,则渐次减小PWM信号的占空比,直到位置误差e等于0;当e<0时实际角度A过小,则渐次增大PWM信号的占空比,直到位置误差e等于0。将绝对值编码器和模糊PID算法相结合,大大的提高了舵机的控制精度。PWM信号的占空比修改是通过上述公式(1)来调整的,上述公式(1)中的u(t)在这个舵机控制系统中代表要输出的占空比,即绝对值编码器将位置误差反馈给STM32控制模块之后,STM32控制模块将对位置误差进行计算,计算后将u(t)即占空比的值传递给STM32控制模块内部的定时器的PWM功能的寄存器,从而改变PWM信号的占空比。
参见图3,整个系统的控制过程如下:
1、上位机输入理论角度B给STM32控制模块,STM32控制模块通过定时器功能,输出PWM信号给舵机,舵机转动。
2、运用模糊控制和PID算法初步减小舵机转动角度误差,并且保证舵机不抖动:
舵机转动后带动绝对值编码器运动,绝对值编码器实时返回舵机实际角度A给上位机,若发现实际角度A有微小变化,即舵机抖动,则系统自适应修正PID控制器的三个控制参数Kp、Td、Ti的值,以调节PWM信号占空比。
3、若绝对值编码器返回的实际角度A稳定但与输入的理论角度B有偏差,则计算误差e=A‐B,若e>0,即实际角度A偏大,则系统自动梯度减小PWM信号占空比,直到误差e等于0;若e<0,即实际角度A偏小,则系统自动梯度增大PWM信号占空比,直到误差e等于0。此类误差属于舵机内部制造工艺、安装误差,只能通过补偿法来解决,即修改原本理论角度对应的占空比来匹配实际角度对应的占空比。
4、进一步地,当出现e=0时,系统记录不同实际角度对应的PWM信号占空比,并在上位机生成表格。当下一次输入理论角度时,系统即可查找前述表格所记录好的PWM信号占空比,至此舵机精度已经达到高精度。
本发明作为一个高精度舵机控制系统,由低成本的舵机配合ARM Cortex‐M3内核的STM32FZET6,取代了高成本的伺服电机,采用RS485串口传输,数据传输具有实时稳定、安全可靠、功耗低、成本低、扩展性强的优点,同时解决了传统伺服电机控制所带来的布线复杂的问题。
上述实施例为本发明较佳的实施方式,但本发明的实施方式并不受上述实施例的限制,其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化,均应为等效的置换方式,都包含在本发明的保护范围之内。
Claims (8)
1.基于模糊神经PID控制和绝对编码器的舵机控制系统,其特征在于,包括模糊神经PID控制单元、绝对值编码器、串行通讯单元和上位机;上位机与模糊神经PID控制单元通过串行通讯模块连接,绝对值编码器的输出端与模糊神经PID控制单元的输入端连接;绝对值编码器用于获取舵机转动角度信息;串行通讯模块用于接收上位机的控制信息并传给模糊神经PID控制单元,以及发送绝对值编码器的位置信息给上位机;模糊神经PID控制单元接收上位机的控制信息,带动绝对值编码器转动,并计算舵机控制参数,产生PWM信号输出至舵机。
2.根据权利要求1所述的舵机控制系统,其特征在于,所述模糊神经PID控制单元包括PID控制器和模糊神经网络控制器;PID控制器直接对被控对象的位置环进行控制,由比例单元(P)、积分单元(I)和微分单元(D)组成,其输入e(t)与输出u(t)的关系为:
传递函数为:
式中u(t)是PID控制器的输出,e(t)是PID控制器的输入,Kp为比例系数,Ti为积分时间常数,Td为微分时间常数;
模糊神经网络控制器通过神经网络的学习能力修正神经网络的权值,最后输出最优控制参数Kp、Td和Ti,以调节PWM信号占空比。
3.根据权利要求2所述的舵机控制系统,其特征在于,所述模糊神经网络控制器以位置误差e和误差变化率ec作为输入变量,其中ec(t)=e(t)‐e(t‐1);输出控制量为u(t),输出控制量表征模糊神经PID控制单元要输出的PWM信号占空比。
4.根据权利要求3所述的舵机控制系统,其特征在于,所述位置误差e的获取方式为:将绝对值编码器通过法兰盘装到舵机上,舵机转动带动绝对值编码器的转动,从而获取到舵机的实际角度A;将实际角度A和理论角度B相减,得到位置误差e。
5.根据权利要求3所述的舵机控制系统,其特征在于,所述调节PWM信号占空比的过程为:绝对值编码器将位置误差e反馈给模糊神经PID控制单元之后,模糊神经PID控制单元将对位置误差e进行计算,计算后将u(t)的值传递给模糊神经PID控制单元内部的定时器的PWM功能的寄存器,从而改变PWM信号的占空比。
6.根据权利要求1所述的舵机控制系统,其特征在于,所述模糊神经PID控制单元为基于ARM Cortex‐M3内核的STM32控制模块。
7.基于权利要求2所述的舵机控制系统的舵机控制方法,其特征在于,包括以下步骤:
上位机输入理论角度B给模糊神经PID控制单元,模糊神经PID控制单元输出PWM信号给舵机,舵机转动;
舵机转动后带动绝对值编码器运动,绝对值编码器实时返回舵机实际角度A给上位机,若发现实际角度A有变化,则自适应修正PID控制器的控制参数Kp、Td、Ti的值;
若绝对值编码器返回的实际角度A稳定但与输入的理论角度B有偏差,则计算误差e=A‐B,若e>0,即实际角度A偏大,则自动梯度减小PWM信号占空比,直到误差e等于0;若e<0,即实际角度A偏小,则自动梯度增大PWM信号占空比,直到误差e等于0。
8.根据权利要求7所述的舵机控制方法,其特征在于,还包括以下步骤:
当出现e=0时,记录不同实际角度A对应的PWM信号占空比,并在上位机生成表格;当下一次输入理论角度B时,通过所生成的表格查找记录好的PWM信号占空比。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810173604.4A CN108196442A (zh) | 2018-03-02 | 2018-03-02 | 基于模糊神经pid控制和绝对编码器的舵机控制系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810173604.4A CN108196442A (zh) | 2018-03-02 | 2018-03-02 | 基于模糊神经pid控制和绝对编码器的舵机控制系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108196442A true CN108196442A (zh) | 2018-06-22 |
Family
ID=62594443
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810173604.4A Pending CN108196442A (zh) | 2018-03-02 | 2018-03-02 | 基于模糊神经pid控制和绝对编码器的舵机控制系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108196442A (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109507868A (zh) * | 2018-09-21 | 2019-03-22 | 广东广垦畜牧工程研究院有限公司 | 一种模糊pid控制器及规模化养猪场沼气工程控制系统 |
CN110275433A (zh) * | 2019-07-24 | 2019-09-24 | 西安市东郊市政养护管理公司 | 一种基于pid控制市政管网清淤机器人位姿纠偏系统及方法 |
CN110286582A (zh) * | 2019-06-27 | 2019-09-27 | 云南大学 | 一种小型六轴工业机械臂的运动控制方法及系统 |
CN110308658A (zh) * | 2019-07-24 | 2019-10-08 | 广东工业大学 | 一种pid参数整定方法、装置、系统及可读存储介质 |
CN110749473A (zh) * | 2019-10-21 | 2020-02-04 | 南通大学 | 一种无人船的水样自动采集装置 |
CN111158282A (zh) * | 2019-12-27 | 2020-05-15 | 吉林大学 | 一种用于交联电缆生产线的单神经元fpga控制方法及系统 |
CN113504721A (zh) * | 2021-07-30 | 2021-10-15 | 南京理工大学 | 基于bp-pid神经网络的弹载电动舵机舵偏角位置跟踪方法 |
CN113928528A (zh) * | 2021-10-26 | 2022-01-14 | 中国科学院合肥物质科学研究院 | 一种扑翼式仿生转向控制装置 |
CN114421828A (zh) * | 2021-12-27 | 2022-04-29 | 上海智能网联汽车技术中心有限公司 | 一种具有自动纠偏功能的电机转向控制系统及方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013003845A (ja) * | 2011-06-16 | 2013-01-07 | Institute Of National Colleges Of Technology Japan | 組み込み知能コントローラ、制御システム、制御プログラム、記録媒体、及び制御方法 |
CN104808495A (zh) * | 2015-05-15 | 2015-07-29 | 武汉工程大学 | 一种基于陀螺仪反馈的机器人舵机控制系统 |
CN106054893A (zh) * | 2016-06-30 | 2016-10-26 | 江汉大学 | 智能车的控制系统和方法 |
-
2018
- 2018-03-02 CN CN201810173604.4A patent/CN108196442A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013003845A (ja) * | 2011-06-16 | 2013-01-07 | Institute Of National Colleges Of Technology Japan | 組み込み知能コントローラ、制御システム、制御プログラム、記録媒体、及び制御方法 |
CN104808495A (zh) * | 2015-05-15 | 2015-07-29 | 武汉工程大学 | 一种基于陀螺仪反馈的机器人舵机控制系统 |
CN106054893A (zh) * | 2016-06-30 | 2016-10-26 | 江汉大学 | 智能车的控制系统和方法 |
Non-Patent Citations (1)
Title |
---|
和江等: "基于模糊神经网络PID算法的舵机控制与仿真", 《中北大学学报(自然科学版)》 * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109507868A (zh) * | 2018-09-21 | 2019-03-22 | 广东广垦畜牧工程研究院有限公司 | 一种模糊pid控制器及规模化养猪场沼气工程控制系统 |
CN110286582A (zh) * | 2019-06-27 | 2019-09-27 | 云南大学 | 一种小型六轴工业机械臂的运动控制方法及系统 |
CN110275433A (zh) * | 2019-07-24 | 2019-09-24 | 西安市东郊市政养护管理公司 | 一种基于pid控制市政管网清淤机器人位姿纠偏系统及方法 |
CN110308658A (zh) * | 2019-07-24 | 2019-10-08 | 广东工业大学 | 一种pid参数整定方法、装置、系统及可读存储介质 |
CN110308658B (zh) * | 2019-07-24 | 2023-09-26 | 广东阿达智能装备有限公司 | 一种pid参数整定方法、装置、系统及可读存储介质 |
CN110749473A (zh) * | 2019-10-21 | 2020-02-04 | 南通大学 | 一种无人船的水样自动采集装置 |
CN111158282A (zh) * | 2019-12-27 | 2020-05-15 | 吉林大学 | 一种用于交联电缆生产线的单神经元fpga控制方法及系统 |
CN113504721A (zh) * | 2021-07-30 | 2021-10-15 | 南京理工大学 | 基于bp-pid神经网络的弹载电动舵机舵偏角位置跟踪方法 |
CN113504721B (zh) * | 2021-07-30 | 2023-03-31 | 南京理工大学 | 基于bp-pid神经网络的弹载电动舵机舵偏角位置跟踪方法 |
CN113928528A (zh) * | 2021-10-26 | 2022-01-14 | 中国科学院合肥物质科学研究院 | 一种扑翼式仿生转向控制装置 |
CN114421828A (zh) * | 2021-12-27 | 2022-04-29 | 上海智能网联汽车技术中心有限公司 | 一种具有自动纠偏功能的电机转向控制系统及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108196442A (zh) | 基于模糊神经pid控制和绝对编码器的舵机控制系统及方法 | |
CN1097757C (zh) | 一种补偿机器轴非线性的装置和方法 | |
CN111766777B (zh) | 一种pid控制器及pid控制方法 | |
CN109799701B (zh) | 一种工业机器人振动抑制方法 | |
CN105339713B (zh) | 一种基于步进电机的流量控制阀伺服机构及其控制方法 | |
CN105620729B (zh) | 一种飞机主动侧杆系统的侧杆自动回中方法 | |
CN105599894B (zh) | 一种飞机主动侧杆系统的杆力控制方法 | |
CN106842905B (zh) | Pid控制方法及装置 | |
CN108092561A (zh) | 一种全数字式的双伺服电机消隙系统及其控制方法 | |
CN104166346B (zh) | 一种基于摩擦补偿的伺服系统控制方法 | |
WO2003012559A1 (en) | Tracking control for electronic throttle systems | |
CN105978400B (zh) | 超声电机控制方法 | |
CN110928241B (zh) | 一种数控机床运动控制系统的控制方法 | |
CN110268340A (zh) | 处理装置、控制参数决定方法以及控制参数决定程序 | |
CN101587327A (zh) | 工业控制平台上的通用运动控制系统和控制方法 | |
CN102269971A (zh) | 基于模型跟踪的自适应伺服控制器 | |
EP0783730B1 (en) | Non-linear control system for a single input-single output process | |
CN101881232B (zh) | 发动机电子油门踏板传感器模块及其控制方法 | |
CN112722063A (zh) | 一种液压转向系统闭环控制系统及控制方法 | |
CN104238359B (zh) | 一种大型机电混合惯量系统控制方法 | |
EP0593760A4 (en) | SYSTEM FOR CORRECTING GEAR INCREASE ERRORS OF A NUMERICAL CONTROL. | |
CN206162032U (zh) | 一种基于模糊自适应pid算法的三轴稳定器 | |
CN110488600A (zh) | Lqr优化型无刷直流电机调速神经网络pid控制器 | |
CN113671824A (zh) | 一种带式传动装置高精度位置控制系统及方法 | |
CN111416562B (zh) | 一种电机的控制方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180622 |