CN107390528A - 一种焊缝跟踪应用的自适应模糊控制方法 - Google Patents
一种焊缝跟踪应用的自适应模糊控制方法 Download PDFInfo
- Publication number
- CN107390528A CN107390528A CN201710731424.9A CN201710731424A CN107390528A CN 107390528 A CN107390528 A CN 107390528A CN 201710731424 A CN201710731424 A CN 201710731424A CN 107390528 A CN107390528 A CN 107390528A
- Authority
- CN
- China
- Prior art keywords
- fuzzy
- msub
- mrow
- deviation
- controller
- 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
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
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Feedback Control In General (AREA)
Abstract
本发明公开了一种焊缝跟踪应用的自适应模糊控制方法,包括步骤:1)将得到的偏差值e和偏差变化率进行模糊化,得到模糊变量偏差E和偏差变化率EC;2)根据偏差e和偏差变化率ec,结合专家知识和操作经验,建立模糊规则;3)将输入的模糊变量偏差E和偏差变化率EC输入到模糊推理机中得到模糊输出量U;4)采用最大值法解模糊化,将模糊输出量U转换为精确值u;5)引入控制器比例因子ki(i=1,2,…,n)和控制器量化因子ku,设置输入输出的模糊论域、模糊规则函数;6)根据输入/输出量的变化对模糊规则函数进行实时更新,计算并输出被控对象的偏置电压值。本发明通过在控制过程中实时的对模糊控制器进行参数调整,从而解决控制过程不稳定、动态性能变差、控制过程粗糙的问题。
Description
技术领域
发明涉及焊缝跟踪控制领域,尤其涉及一种焊缝特征点的自适应模糊控制方法。
背景技术
当得到了焊接机器人需要移动的位移量之后,由于机器人的数学模型未知,因此,这些离散的偏差值不能直接发送给机器人控制器。同时由于机械***与视觉检测***相比存在一定的滞后性,若没有有效的控制算法,在焊接过程中容易导致焊枪末端出现周期性的抖振现象,由于被控过程中存在非线性和时变性等偶然误差的影响,而传统的模糊控制中模糊规则库和隶属函数是固定不变的,从而使得控制过程不稳定,动态性能变差,控制过程粗糙,为了解决这个问题,需要在控制过程中实时的对模糊控制器进行参数调整。因此,本文采用自适应模糊控制器,在控制过程中通过不断地更新模型参数来适应被控对象的改变,因此,实时准确的进行焊缝特征点的自适应模糊控制,是本发明的主要内容。
发明内容
本发明的目的在于克服现有技术的不足,提供一种计算简单方便,满足焊缝跟踪要求的自适应模糊控制计算方法。
上述目的是通过以下技术方案实现的:
一种焊缝跟踪应用的自适应模糊控制方法,包括步骤:
1)将得到的偏差值e和偏差变化率进行模糊化,得到模糊变量偏差E和偏差变化率EC;
2)根据偏差e和偏差变化率ec,结合专家知识和操作经验,建立模糊规则;
3)将输入的模糊变量偏差E和偏差变化率EC输入到模糊推理机中进行推理得到模糊输出量U;
4)采用最大值法解模糊化,将模糊输出量U转换为精确值u;
5)引入控制器比例因子ki(i=1,2,…,n)和控制器量化因子ku,设置输入输出的模糊论域、模糊规则函数;
6)根据输入/输出量的变化对模糊规则函数进行实时更新,计算并输出被控对象的偏置电压值。
进一步地,所述的步骤1)具体包括:
根据得到的偏差e和偏差变化率选择一个二维模糊控制器,将偏差e和偏差变化率ec输入模糊化模块,选择高斯分布函数作为隶属函数,模糊化之后输出模糊变量E和EC。
进一步地,所述的步骤2)具体包括:
21)根据偏差e和偏差变化率ec,结合专家知识和操作经验,建立以下的42条模糊规则:
if E=NB and EC=NB then U=NB
or if E=NB and EC=NM then U=NB
or…
or if E=PB and EC=PM then U=PB
or if E=PB and EC=PB then U=PB
22)整个模糊规则库的蕴含关系为:
进一步地,所述的步骤3)具体包括:
31)将输入的模糊变量偏差E和偏差变化率EC输入到模糊推理机中,模糊推理表达式为:
32)偏差e和偏差变化率ec会触发4条模糊规则,对于每个模糊规则,计算得到的每条规则的输出量Ui(i=1,2,3,4)为:
U1=μNB(e)∧μNB(ec)∧μNB(u)
U1=μNB(e)∧μNM(ec)∧μNB(u)
U1=μNS(e)∧μNB(ec)∧μNB(u)
U1=μNS(e)∧μNM(ec)∧μNS(u);
33)计算总的模糊输出量为:
进一步地,所述的步骤4)采用最大隶属度法将模糊输出量U转换为精确值u,因通常情况下模糊输出量包含有多个论域,为得到准确的输出值,采用最大值法来获得准确值,其表达式为:
u=sign(xi)max(|xi|)
其中,xi表示输入论域上的离散值,sign(xi)为符号函数,表示取xi的符号(正负号)。
进一步地,所述的步骤5)中,所述控制器量化因子ki(i=1,2,…,n)和控制器比例因子ku的表达式为:
其中:ki(i=1,2,…,n)表示控制器的量化因子,ni表示输入模糊论域子集,ku表示控制器的比例因子,u表示模糊输出,l表示输出模糊论域子集。
进一步地,所述的步骤5)中,所述模糊论域的大小为
Xi(xi)=[-α(xi)xi,α(xi)xi],
α(xi)为论域的更新因子,其值为;
其中:λi∈(0,1)表示权重系数,kci>0表示相关系数。
进一步地,所述的步骤5)中,所述模糊规则函数由模糊控制器的模糊变量偏差E、偏差变化率EC和控制输出的模糊论域设计所得:
式中,N为模糊***的量化等级,即E={0,±1,…,±N},权重系数α与偏差绝对值|E|成线性函数关系,取0.1≤α0≤0.5,0.5≤αs≤1,这样控制误差较小,同时控制过程时间也较短。
进一步地,所述的步骤6)具体包括:
61)针对自动焊接过程中被控对象的时变特性,设置自适应模糊控制器的更新参数:
式中,0<α1<1为偏差权重系数,K,A为初始的论域参数,选取K=0.8004,A=0.4998,误差的量化等级N=3,权重参数αs=0.8,α0=0.5;
62)对模糊规则函数进行如下的实时更新:
63)将焊缝特征点的偏差值转变成偏置电压,实时发送给机器人控制器进行自动焊接作业。
相比现有技术,本发明采用自适应模糊控制器,在控制过程中实时的对模糊控制器进行参数调整,即在控制过程中通过不断地更新模型参数来适应被控对象的改变,实现实时准确的进行焊缝特征点的自适应模糊控制,从而解决现有技术中控制过程不稳定,动态性能变差,控制过程粗糙的问题。
附图说明
图1是模糊推理前后的模糊输出。
图2是模糊论域实时改变的示意图。
图3是焊缝跟踪应用的自适应模糊控制方法的流程示意图。
具体实施方式
下面结合附图和具体实施例对本发明的发明目的作进一步详细地描述,实施例不能在此一一赘述,但本发明的实施方式并不因此限定于以下实施例。
一种焊缝跟踪应用的自适应模糊控制方法,包括步骤:
1)将得到的偏差值e和偏差变化率进行模糊化,得到模糊变量偏差E和偏差变化率EC;
2)根据偏差e和偏差变化率ec,结合专家知识和操作经验,建立模糊规则;
3)将输入的模糊变量偏差E和偏差变化率EC输入到模糊推理机中进行推理得到模糊输出量U;
4)采用最大值法解模糊化,将模糊输出量U转换为精确值u;
5)引入控制器比例因子ki(i=1,2,…,n)和控制器量化因子ku,设置输入输出的模糊论域、模糊规则函数;
6)根据输入/输出量的变化对模糊规则函数进行实时更新,计算并输出被控对象的偏置电压值。
具体而言,所述的步骤1)具体包括:
根据得到的偏差e和偏差变化率选择一个二维模糊控制器,将偏差e和偏差变化率ec输入模糊化模块(D/F),选择高斯分布函数作为隶属函数,模糊化之后输出模糊变量E和EC。
具体而言,所述的步骤2)具体包括:
21)根据偏差e和偏差变化率ec,结合专家知识和操作经验,建立以下的42条模糊规则:
if E=NB and EC=NB then U=NB
or if E=NB and EC=NM then U=NB
or…
or if E=PB and EC=PM then U=PB
or if E=PB and EC=PB then U=PB;
22)整个模糊规则库的蕴含关系为:
具体而言,所述的步骤3)具体包括:
31)将输入的模糊变量偏差E和偏差变化率EC输入到模糊推理机中,模糊推理表达式为:
32)偏差e和偏差变化率ec会触发4条模糊规则,对于每个模糊规则,计算得到的每条规则的输出量Ui(i=1,2,3,4)为:
U1=μNB(e)∧μNB(ec)∧μNB(u)
U1=μNB(e)∧μNM(ec)∧μNB(u)
U1=μNS(e)∧μNB(ec)∧μNB(u)
U1=μNS(e)∧μNM(ec)∧μNS(u);
33)计算总的模糊输出量为:
模糊推理前后的模糊输出如附图1所示。
具体而言,所述的步骤4)采用最大隶属度法将模糊输出量U转换为精确值u,因通常情况下模糊输出量包含有多个论域,为得到准确的输出值,采用最大值法来获得准确值,其表达式为:
u=sign(xi)max(|xi|)
其中,xi表示输入论域上的离散值,sign(xi)为符号函数,表示取xi的符号(正负号)。
具体而言,所述的步骤5)中,所述控制器量化因子ki(i=1,2,…,n)和控制器比例因子ku的表达式为:
其中:ki(i=1,2,…,n)表示控制器的量化因子,ni表示输入模糊论域子集,ku表示控制器的比例因子,u表示模糊输出,l表示输出模糊论域子集。通过改变比例因子和量化因子的大小可以实时的改变模糊规则函数,从而改变输入输出的模糊论域的大小。模糊论域实时改变的示意图如附图2所示。
具体而言,所述的步骤5)中,所述模糊论域的大小为
Xi(xi)=[-α(xi)xi,α(xi)xi],
其中α(xi)为论域的更新因子,其值为;
其中:λi∈(0,1)表示权重系数,kci>0表示相关系数。
具体而言,所述的步骤5)中,所述模糊规则函数由模糊控制器的模糊变量偏差E、偏差变化率EC和控制输出的模糊论域设计所得:
式中,N为模糊***的量化等级,即E={0,±1,…,±N},权重系数α与偏差绝对值|E|成线性函数关系,取0.1≤α0≤0.5,0.5≤αs≤1,这样控制误差较小,同时控制过程时间也较短。
具体而言,所述的步骤6)具体包括:
61)针对自动焊接过程中被控对象的时变特性,设置自适应模糊控制器的更新参数:
式中,0<α1<1为偏差权重系数,K,A为初始的论域参数,选取K=0.8004,A=0.4998,误差的量化等级N=3,权重参数αs=0.8,α0=0.5;
62)对模糊规则函数进行如下的实时更新:
63)将焊缝特征点的偏差值转变成偏置电压,实时发送给机器人控制器进行自动焊接作业。
这样,焊缝特征点的偏差值就转变成了偏置电压,可以发送给机器人控制器进行自动焊接作业,整个自适应模糊控制方法的过程如附图3所示。
本发明的上述实施例仅仅是为清楚地说明本发明所作的举例,而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明权利要求的保护范围之内。
Claims (9)
1.一种焊缝跟踪应用的自适应模糊控制方法,其特征在于,包括步骤:
1)将得到的偏差值e和偏差变化率进行模糊化,得到模糊变量偏差E和偏差变化率EC;
2)根据偏差e和偏差变化率ec,结合专家知识和操作经验,建立模糊规则;
3)将输入的模糊变量偏差E和偏差变化率EC输入到模糊推理机中进行推理得到模糊输出量U;
4)采用最大值法解模糊化,将模糊输出量U转换为精确值u;
5)引入控制器比例因子ki(i=1,2,…,n)和控制器量化因子ku,设置输入输出的模糊论域、模糊规则函数;
6)根据输入/输出量的变化对模糊规则函数进行实时更新,计算并输出被控对象的偏置电压值。
2.根据权利要求1所述的焊缝跟踪应用的自适应模糊控制方法,其特征在于,所述的步骤1)具体包括:
根据得到的偏差e和偏差变化率选择一个二维模糊控制器,将偏差e和偏差变化率ec输入模糊化模块,选择高斯分布函数作为隶属函数,模糊化之后输出模糊变量E和EC。
3.根据权利要求1所述的焊缝跟踪应用的自适应模糊控制方法,其特征在于,所述的步骤2)具体包括:
21)根据偏差e和偏差变化率ec,结合专家知识和操作经验,建立以下的42条模糊规则:
if E=NB and EC=NB then U=NB
or if E=NB and EC=NM then U=NB
or…
or if E=PB and EC=PM then U=PB
or if E=PB and EC=PB then U=PB
22)整个模糊规则库的蕴含关系为:
<mrow>
<mi>R</mi>
<mo>=</mo>
<msub>
<mi>R</mi>
<mn>1</mn>
</msub>
<mo>&cup;</mo>
<msub>
<mi>R</mi>
<mn>2</mn>
</msub>
<mo>&cup;</mo>
<mo>...</mo>
<mo>&cup;</mo>
<msub>
<mi>R</mi>
<mn>42</mn>
</msub>
<mo>=</mo>
<munderover>
<mrow>
<mi></mi>
<mo>&cup;</mo>
</mrow>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mn>42</mn>
</munderover>
<msub>
<mi>R</mi>
<mi>i</mi>
</msub>
<mo>.</mo>
</mrow>
4.根据权利要求1所述的焊缝跟踪应用的自适应模糊控制方法,其特征在于,所述的步骤3)具体包括:
31)将输入的模糊变量偏差E和偏差变化率EC输入到模糊推理机中,模糊推理表达式为:
32)偏差e和偏差变化率ec会触发4条模糊规则,对于每个模糊规则,计算得到的每条规则的输出量Ui(i=1,2,3,4)为:
U1=μNB(e)∧μNB(ec)∧μNB(u)
U1=μNB(e)∧μNM(ec)∧μNB(u)
U1=μNS(e)∧μNB(ec)∧μNB(u)
U1=μNS(e)∧μNM(ec)∧μNS(u);
33)计算总的模糊输出量为:
5.根据权利要求1所述的焊缝跟踪应用的自适应模糊控制方法,其特征在于,所述的步骤4)采用最大隶属度法将模糊输出量U转换为精确值u,因通常情况下模糊输出量包含有多个论域,为得到准确的输出值,采用最大值法来获得准确值,其表达式为:
u=sign(xi)max(|xi|)
其中,xi表示输入论域上的离散值,sign(xi)为符号函数,表示取xi的符号。
6.根据权利要求1所述的焊缝跟踪应用的自适应模糊控制方法,其特征在于,所述的步骤5)中,所述控制器量化因子ki(i=1,2,…,n)和控制器比例因子ku的表达式为:
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<msub>
<mi>k</mi>
<mi>i</mi>
</msub>
<mo>=</mo>
<mfrac>
<msub>
<mi>n</mi>
<mi>i</mi>
</msub>
<msub>
<mi>x</mi>
<mi>i</mi>
</msub>
</mfrac>
<mo>,</mo>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
<mo>,</mo>
<mn>2</mn>
<mo>,</mo>
<mo>...</mo>
<mo>,</mo>
<mi>n</mi>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mi>k</mi>
<mi>u</mi>
</msub>
<mo>=</mo>
<mfrac>
<mi>u</mi>
<mi>l</mi>
</mfrac>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
其中:ki(i=1,2,…,n)表示控制器的量化因子,ni表示输入模糊论域子集,ku表示控制器的比例因子,u表示模糊输出,l表示输出模糊论域子集。
7.根据权利要求6所述的焊缝跟踪应用的自适应模糊控制方法,其特征在于,所述的步骤5)中,所述模糊论域的大小为
Xi(xi)=[-α(xi)xi,α(xi)xi],
α(xi)为论域的更新因子,其值为;
<mrow>
<mi>&alpha;</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>x</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mn>1</mn>
<mo>-</mo>
<msub>
<mi>&lambda;</mi>
<mi>i</mi>
</msub>
<msup>
<mi>e</mi>
<mrow>
<mo>-</mo>
<msub>
<mi>k</mi>
<mrow>
<mi>c</mi>
<mi>i</mi>
</mrow>
</msub>
<msubsup>
<mi>x</mi>
<mi>i</mi>
<mn>2</mn>
</msubsup>
</mrow>
</msup>
</mrow>
其中:λi∈(0,1)表示权重系数,kci>0表示相关系数。
8.根据权利要求7所述的焊缝跟踪应用的自适应模糊控制方法,其特征在于,所述的步骤5)中,所述模糊规则函数由模糊控制器的模糊变量偏差E、偏差变化率EC和控制输出的模糊论域设计所得:
式中,N为模糊***的量化等级,即E={0,±1,…,±N},权重系数α与偏差绝对值|E|成线性函数关系,取0.1≤α0≤0.5,0.5≤αs≤1。
9.根据权利要求8所述的焊缝跟踪应用的自适应模糊控制方法,其特征在于,所述的步骤6)具体包括:
61)针对自动焊接过程中被控对象的时变特性,设置自适应模糊控制器的更新参数:
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<msub>
<mi>k</mi>
<mi>e</mi>
</msub>
<mo>=</mo>
<mfrac>
<mi>K</mi>
<mrow>
<msub>
<mi>&alpha;</mi>
<mn>1</mn>
</msub>
<mi>e</mi>
<mo>+</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>-</mo>
<msub>
<mi>&alpha;</mi>
<mn>1</mn>
</msub>
<mo>)</mo>
</mrow>
<msub>
<mi>e</mi>
<mi>c</mi>
</msub>
</mrow>
</mfrac>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mi>k</mi>
<mi>u</mi>
</msub>
<mo>=</mo>
<mi>A</mi>
<mo>&CenterDot;</mo>
<mrow>
<mo>(</mo>
<msub>
<mi>&alpha;</mi>
<mn>1</mn>
</msub>
<mi>e</mi>
<mo>+</mo>
<mo>(</mo>
<mrow>
<mn>1</mn>
<mo>-</mo>
<msub>
<mi>&alpha;</mi>
<mn>1</mn>
</msub>
</mrow>
<mo>)</mo>
<msub>
<mi>e</mi>
<mi>c</mi>
</msub>
<mo>)</mo>
</mrow>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<msub>
<mi>&alpha;</mi>
<mn>1</mn>
</msub>
<mo>=</mo>
<mi>N</mi>
<mo>&CenterDot;</mo>
<mrow>
<mo>(</mo>
<msub>
<mi>&alpha;</mi>
<mi>s</mi>
</msub>
<mo>-</mo>
<msub>
<mi>&alpha;</mi>
<mn>0</mn>
</msub>
<mo>)</mo>
</mrow>
<mo>|</mo>
<mi>e</mi>
<mo>|</mo>
<mo>+</mo>
<msub>
<mi>&alpha;</mi>
<mn>0</mn>
</msub>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
式中,0<α1<1为偏差权重系数,K,A为初始的论域参数,选取K=0.8004,A=0.4998,误差的量化等级N=3,权重参数αs=0.8,α0=0.5;
62)对模糊规则函数进行如下的实时更新:
63)将焊缝特征点的偏差值转变成偏置电压,实时发送给机器人控制器进行自动焊接作业。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710731424.9A CN107390528A (zh) | 2017-08-23 | 2017-08-23 | 一种焊缝跟踪应用的自适应模糊控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710731424.9A CN107390528A (zh) | 2017-08-23 | 2017-08-23 | 一种焊缝跟踪应用的自适应模糊控制方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107390528A true CN107390528A (zh) | 2017-11-24 |
Family
ID=60346650
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710731424.9A Pending CN107390528A (zh) | 2017-08-23 | 2017-08-23 | 一种焊缝跟踪应用的自适应模糊控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107390528A (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108672907A (zh) * | 2018-05-31 | 2018-10-19 | 华南理工大学 | 基于结构光视觉传感的弧焊机器人焊缝在线纠偏方法 |
CN110118945A (zh) * | 2019-04-22 | 2019-08-13 | 华南理工大学 | 一种能馈型直流电子负载***及其自组织模糊控制方法 |
CN111650831A (zh) * | 2019-05-29 | 2020-09-11 | 北京航空航天大学 | 对医疗机器人控制器中虚拟柔性针的区间2型模糊逻辑控制器的设计 |
CN111694273A (zh) * | 2019-03-11 | 2020-09-22 | 富辐鼎智能科技(苏州)有限公司 | 一种双关节机械手模糊自适应控制的设计方法 |
CN112034717A (zh) * | 2020-10-14 | 2020-12-04 | 德州海天机电科技有限公司 | 一种混凝土智能调度控制方法 |
CN112180731A (zh) * | 2020-10-13 | 2021-01-05 | 天津大学 | 能源设备运行控制方法及*** |
CN114089795A (zh) * | 2021-11-22 | 2022-02-25 | 江苏科技大学 | 一种基于事件触发的模糊神经网络温度控制***及方法 |
CN115805358A (zh) * | 2023-02-01 | 2023-03-17 | 南通华泰信息科技有限公司 | 一种基于模糊控制的信息集成*** |
CN117555231A (zh) * | 2023-05-30 | 2024-02-13 | 中国航空工业集团公司沈阳空气动力研究所 | 基于模糊规则的风洞流场控制方法、电子设备及存储介质 |
CN118068688A (zh) * | 2024-04-22 | 2024-05-24 | 泰安市农业科学院(山东省农业科学院泰安市分院) | 一种基于pid算法的水肥配比控制***及方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103028480A (zh) * | 2012-12-10 | 2013-04-10 | 上海凯盛节能工程技术有限公司 | 一种基于模糊pid算法的立磨智能控制*** |
CN104765318A (zh) * | 2014-12-16 | 2015-07-08 | 沈阳富创精密设备有限公司 | 基于熔池温度测量的等离子弧焊接模糊控制***及方法 |
CN106642067A (zh) * | 2016-12-15 | 2017-05-10 | 神华集团有限责任公司 | 锅炉液位的控制***及其控制方法 |
-
2017
- 2017-08-23 CN CN201710731424.9A patent/CN107390528A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103028480A (zh) * | 2012-12-10 | 2013-04-10 | 上海凯盛节能工程技术有限公司 | 一种基于模糊pid算法的立磨智能控制*** |
CN104765318A (zh) * | 2014-12-16 | 2015-07-08 | 沈阳富创精密设备有限公司 | 基于熔池温度测量的等离子弧焊接模糊控制***及方法 |
CN106642067A (zh) * | 2016-12-15 | 2017-05-10 | 神华集团有限责任公司 | 锅炉液位的控制***及其控制方法 |
Non-Patent Citations (2)
Title |
---|
邹焱飚等: "基于深度分层特征的激光视觉焊缝检测与跟踪***研究", 《中国激光》 * |
邹焱飚等: "焊缝跟踪应用的线激光视觉伺服控制***", 《光学精密工程》 * |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108672907A (zh) * | 2018-05-31 | 2018-10-19 | 华南理工大学 | 基于结构光视觉传感的弧焊机器人焊缝在线纠偏方法 |
CN111694273A (zh) * | 2019-03-11 | 2020-09-22 | 富辐鼎智能科技(苏州)有限公司 | 一种双关节机械手模糊自适应控制的设计方法 |
CN110118945A (zh) * | 2019-04-22 | 2019-08-13 | 华南理工大学 | 一种能馈型直流电子负载***及其自组织模糊控制方法 |
CN110118945B (zh) * | 2019-04-22 | 2020-09-22 | 华南理工大学 | 一种能馈型直流电子负载***及其自组织模糊控制方法 |
CN111650831A (zh) * | 2019-05-29 | 2020-09-11 | 北京航空航天大学 | 对医疗机器人控制器中虚拟柔性针的区间2型模糊逻辑控制器的设计 |
CN112180731A (zh) * | 2020-10-13 | 2021-01-05 | 天津大学 | 能源设备运行控制方法及*** |
CN112180731B (zh) * | 2020-10-13 | 2024-05-31 | 天津大学 | 能源设备运行控制方法及*** |
CN112034717A (zh) * | 2020-10-14 | 2020-12-04 | 德州海天机电科技有限公司 | 一种混凝土智能调度控制方法 |
CN114089795A (zh) * | 2021-11-22 | 2022-02-25 | 江苏科技大学 | 一种基于事件触发的模糊神经网络温度控制***及方法 |
CN114089795B (zh) * | 2021-11-22 | 2022-08-16 | 江苏科技大学 | 一种基于事件触发的模糊神经网络温度控制***及方法 |
CN115805358A (zh) * | 2023-02-01 | 2023-03-17 | 南通华泰信息科技有限公司 | 一种基于模糊控制的信息集成*** |
CN117555231A (zh) * | 2023-05-30 | 2024-02-13 | 中国航空工业集团公司沈阳空气动力研究所 | 基于模糊规则的风洞流场控制方法、电子设备及存储介质 |
CN117555231B (zh) * | 2023-05-30 | 2024-04-19 | 中国航空工业集团公司沈阳空气动力研究所 | 基于模糊规则的风洞流场控制方法、电子设备及存储介质 |
CN118068688A (zh) * | 2024-04-22 | 2024-05-24 | 泰安市农业科学院(山东省农业科学院泰安市分院) | 一种基于pid算法的水肥配比控制***及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107390528A (zh) | 一种焊缝跟踪应用的自适应模糊控制方法 | |
Castillo | Type-2 fuzzy logic in intelligent control applications | |
CN103439884B (zh) | 一种基于模糊滑模的智能汽车横向控制方法 | |
Nauck et al. | NEFCON-I: An X-Window based simulator for neural fuzzy controllers | |
CN108733955A (zh) | 一种智能电动汽车纵向运动控制***及方法 | |
Nowroozi et al. | Development of a neural fuzzy system for advanced prediction of dew point pressure in gas condensate reservoirs | |
CN105676649A (zh) | 一种基于自组织神经网络的污水处理过程控制方法 | |
CN107255920A (zh) | 基于网络优化算法的pid控制方法和装置及*** | |
Shui et al. | Data‐driven generalized predictive control for car‐like mobile robots using interval type‐2 T‐S fuzzy neural network | |
CN109739083A (zh) | 一种基于灰色预测模糊pid算法的高地隙车辆侧倾稳定性控制*** | |
CN116700393A (zh) | 一种基于模糊控制的反应釜温度控制方法 | |
CN203350635U (zh) | 一种动态模糊控制*** | |
CN107450311A (zh) | 逆模型建模方法及装置、以及自适应逆控制方法及装置 | |
Mohammadzadeh et al. | Modern Adaptive Fuzzy Control Systems | |
CN112388620B (zh) | 一种用于气动肌肉驱动***的轨迹跟踪控制算法 | |
Chen et al. | The application of fuzzy theory for the control of weld line positions in injection-molded part | |
CN105843078A (zh) | 滑模控制方法及装置 | |
Yi et al. | A navigation method for mobile robots using interval type-2 fuzzy neural network fitting Q-learning in unknown environments | |
CN103412482A (zh) | 一种动态模糊控制***及其控制方法 | |
CN101414159B (zh) | 基于连续型模糊插值的模糊控制方法和*** | |
Deepa et al. | Synthesis of heuristic control strategies for liquid level control in spherical tank | |
Vershinina et al. | Forecasting of products’ technical condition during the production process | |
Chen et al. | Path tracking controller design of automated parking systems via NMPC with an instructible solution | |
CN115107734A (zh) | 用于混合动力电驱动车辆前后功率链协调控制方法及*** | |
CN106444389A (zh) | 一种废塑料裂解温度***的模糊rbf网络优化pi控制方法 |
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 |
Application publication date: 20171124 |
|
RJ01 | Rejection of invention patent application after publication |