摘要
Abstract
目录
1 绪论
1.1 发动机转速控制历史追溯
1.2 国内外发动机转速控制器的发展概况
1.3 PID控制器基本知识
1.4 智能优化算法在发动机转速控制中的应用现状简介
1.5 本课题的研究对象
1.6 本文主要研究内容
1.7 章节内容安排
2 基于测功机平台的发动机转速控制系统研究
2.1 发动机转速控制的意义
2.2 发动机—测功机系统平台
2.2.1 测功机结构和原理
2.2.2 发动机转速和扭矩的测量
2.3 发动机—测功机系统控制方式分析
2.4 PID控制器的软硬件设计
2.4.1 PID控制器软件设计
2.4.2 PID控制器硬件设计
2.5 发动机转速控制系统模型
2.5.1 发动机数学模型
2.5.2 执行器数学模型
2.6 本章小结
3 系统双变量神经网络PID解耦控制
3.1 解耦控制的发展
3.2 发动机-测功机平台双变量耦合分析
3.2.1 耦合的基本概念
3.2.2 双变量耦合的数学分析
3.2.3 双变量耦合程度验证
3.3 双变量神经网络PID解耦控制器设计
3.3.1 解耦控制设计的一般实现方式
3.3.2 神经网络基本知识
3.3.3 双变量神经网络PID控制器结构
3.3.4 仿真实验结果分析
3.4 本章小结
4 基于粒子群寻优的克隆选择算法
4.1 引言
4.2 克隆选择算法
4.2.1 克隆选择原理
4.2.2 克隆选择算法
4.3 粒子群算法
4.3.1 算法基本思想
4.3.2 粒子群算法参数设置
4.3.3 惯性权重因子的引入
4.4 PCSA算法介绍
4.4.1 PCSA的基本思想
4.4.2 PCSA算法描述
4.4.3 参数设置分析
4.4.4 实验仿真分析
4.5 本章小结
5 PCSA算法在发动机转速神经PID控制器优化中的应用
5.1 引言
5.2 控制系统结构框图
5.3 PCSA优化发动机转速神经PID控制器的实现
5.3.1 PID控制器优化性能的评价函数
5.3.2 变量编码
5.3.3 适应度函数
5.3.4 算法流程
5.4 仿真实验及结果分析
5.4.1 参照对象选取与参数确定
5.4.2 实验及其结果分析
5.5 硬件在环仿真验证
5.5.1 实验平台搭建
5.5.2 实验及结果分析
5.6 本章小结
6 总结与展望
6.1 工作总结
6.1.1 神经网络用于多变量解耦
6.1.2 基于粒子群算法的克隆选择算法改进
6.1.3 发动机转速PID控制器的优化
6.2 研究展望
致谢
参考文献
附录