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 |