【正文】 不必在這一步停止QuaRC。談到偏移電位器螺絲順時針或降低電壓VL1 VL2，反之亦然。現(xiàn)在，您可以同時調(diào)整偏移電位器（IE組件＃23和＃25）。如果不這樣做的話。雙擊范圍點擊這些如果是關(guān)閉的。壓力傳感器電壓讀數(shù)從可以看到的數(shù)字儀表：顯示：V_L1（V）和顯示：V_L2（五）。從Simulink工具欄中點擊QuaRC 開始運行控制器。確保泵是關(guān)閉的移動手動切換到向下位置。建立實時代碼對應的圖表，通過使用QuaRC 生成欄選項從Simulink的菜單。初始化點擊硬件所在環(huán)塊，并設置黑體類型字段的數(shù)據(jù)采集板，連接到水罐耦連系統(tǒng)，例如Q4 HIL 環(huán)裝置。 Simulink模型如圖21所示的文件。加載Matlab和設置當前目錄到你的文件夾與水罐耦連校正文件。不要連接到“輸出2”?，F(xiàn)在您可以繼續(xù)進行。安裝耦連裝置，將水罐＃2配置適當?shù)妮敵隹诤瓦m當?shù)乃?，如?和圖18所示。、校準程序校準程序由以下電路板4電位組成，其中包括組件22226分別命名為偏移1，增益1，偏移量2，增益2，如圖20所示。ID名稱ID3名稱23水罐1傳感器偏移電位24水罐1傳感器增益電位25水罐2傳感器偏移電位26水罐2傳感器增益電位表8耦連水罐校準組件命名圖20耦連水罐校準電位器、校正模型用于控制兩種水罐的泵壓在Simulink模型可視為壓力傳感器電壓，要求的校準程序如下圖21所示，圖21壓力傳感器校準圖使用QuaRC，這種控制器圖是用來產(chǎn)生校準實時代碼。作為一個快速命名，下面的表8提供了一個電位器列表在不同傳感器信號調(diào)整中的調(diào)整校準。、校準電路板術(shù)語為了校準壓力傳感器的信號，底部的耦合水罐儀器設有一個信號調(diào)理電路板。當水罐是空的時，而且水位線為25cm，測量水罐1中的通道S1和水罐2中的通道S2的壓力比例水位電壓應為0。注:當通過水泵把水注入水罐中時確保水在大氣壓力的作用下流入水管中。這次注意用來從入口輸出1運送水到水罐2的快速連接輸出1的連接物和軟管被稱為組件9。注:用來從入口輸出1運送水到水罐1的快速連接輸出1的連接物和軟管被稱為組件9。在關(guān)閉的閥門中，其垂懸物應該是橫向的。對于所有三種配置，確保直接連接的水罐1和主水罐之間的閥門是關(guān)閉的。表7，下面詳細敘述了耦合水罐安裝的三種標準配置。同時，默認配置提供水位控制器與耦連水罐已被設計為標準描述以下三個系統(tǒng)。、管道和出水口的典型安裝如前所述，一個耦合罐系統(tǒng)可以配置成三種不同類型的設備，對應到表1所述系統(tǒng)的配置＃1，＃2和＃3的說明。確保主水管內(nèi)的水流入軟管泵。換句話說，在水罐1液位感應使用的A / D＃0UPM通過模擬通道S1，在水罐2液位感應使用的A / D＃1UPM通過模擬通道S2 耦連坦水罐線路綜述表6，下面，建立必要的運行耦連水罐系統(tǒng)電氣連接款項。為使模擬信號才能使用的軟件，你應該再連接4個RCA接頭的前四個數(shù)據(jù)采集卡端子板模擬輸入通道。該電纜的另一端被分成4個RCA接口，標注了每一個單一的數(shù)字，從3時59分不等。“的模擬到數(shù)字的”電纜 電纜＃3：“若要模擬到數(shù)字的”電纜是5針 DIN標準對4xRCA電纜在表5描述和圖14所示。然后連接電纜的另一端套接字芬歐匯川標有“S1，S2”，這是從內(nèi)部模擬傳感器芬歐匯川“所載”面板。連接這兩個模擬傳感器，按照下面描述的步驟進行：1. 連接“從模擬傳感器”電纜 電纜＃4：從模擬傳感器線是6針迷你DIN至6針迷你 DIN連接描述表5和圖13所示。 接線的反饋壓力傳感器該耦合系統(tǒng)包含兩個坦克反饋壓力傳感器（每罐1）。然后連接電纜6針DIN連接器插座的芬歐匯川集團標記“加載”。2. 連接“加載”的增益5電纜 電纜＃2：在“加載”的增益5電纜是4針 DIN標準至6針 DIN連接描述表5和圖12所示。連接到模擬輸出0本底電纜成形術(shù)（即援＃0）您的數(shù)據(jù)采集卡終端的董事會和5針DIN接口的插座標有“從的D / A”的UPM2405。該連接器也完全符合我們的快速連接系統(tǒng)使您可以從一個試驗切換到另一個速度和效率。加上電力供應放大器，所有Quanser功率模塊配有1安培177。 圖15 Q8端子板連接 圖16 耦連水罐 圖17 通用功率模UPM2405UPM的Quanser 2405能夠提供所需的功能，耦連水罐齒輪泵。圖14“的模擬到數(shù)字的”電纜5針 DIN標準的4xRCA此電纜進行模擬信號，以前從工廠傳感器（例如壓力傳感器），UPM向數(shù)字到模擬輸入通道的數(shù)據(jù)終端采集。該電纜還進行由UPM177。當攜帶標簽顯示“5”在兩端的電纜有特定的放大增益。圖12“加載”有線增益54針 DIN標準的6針 DIN標準此電纜連接的電源模塊的輸出，放大后，到所需的驅(qū)動器（如齒輪泵）。下面的硬件，加上陪同坦克，假設：功率放大器：Quanser UPM 2405或者類似產(chǎn)品數(shù)據(jù)采集卡：Quanser Q8 / MultiQPCI / MultiQ3,或一個國家儀器E系列卡，或類似產(chǎn)品 電纜命名表5，下面，提供了在耦合系統(tǒng)布線坦克所采用的標準電纜的描述。他們給了我所有的愛，在今后的工作中我要更加認真，不讓他們失望。我要感謝我的家人。石老師治學嚴謹、知識淵博、為人和善，在畢業(yè)設計的過程中耐心回答我的每一個問題，細心指導我如何更好的完成研究工作，并為我提出了許多寶貴意見。在這里我要對他們表示衷心的感謝。分別對一階和二階系統(tǒng)在不同參數(shù)下進行仿真研究，并與傳統(tǒng)PID控制進行對比，得知單神經(jīng)元自適應PID控制算法在總體上優(yōu)于傳統(tǒng)的PID控制算法，它有利于控制系統(tǒng)控制品質(zhì)的提高，受環(huán)境的影響較小，具有較強的控制魯棒性，是一種很有發(fā)展前景的控制器。從而在MATLAB軟件中的Simulink中建立控制的閉環(huán)框圖得出仿真圖像，可知當加入一個干擾時系統(tǒng)仍然可以快速收斂，說明PID控制有較好的抗干擾性；當增大系統(tǒng)的放大系數(shù)則系統(tǒng)出現(xiàn)發(fā)散振蕩，不能收斂，常規(guī)PID的超調(diào)量較大，當被控對象特性發(fā)生較大變化時，PID的控制效果不太理想。4 總結(jié)通過本次畢業(yè)設計，使我加深了對已學過知識的理解，增強了實際應用能力；同時也開闊了視野。 本章小節(jié)在對單神經(jīng)元自適應PID控制的原理和仿真研究中，通過仿真定性的分析了單神經(jīng)元PID控制中比例學習率、積分學習率、微分學習率和增益K等參數(shù)在控制中所起到的作用，得出（1）在積分學習率、微分學習率不變的情況下，比例系數(shù)學習率越大則超調(diào)量越小，但是響應速度也會越慢；（2）在比例學習率、微分學習率不變的情況下，積分系數(shù)學習率越大則響應會越快，但是超調(diào)量也會越大；（3）在比例學習率、積分學習率不變的情況下，微分學習率對單神經(jīng)元PID控制器的控制效果影響不大。（2） 改變單神經(jīng)元PID控制器的比例學習速率仿真結(jié)果如下圖：仿真結(jié)果如下圖：仿真結(jié)果如下圖：由上圖可見積分系數(shù)學習率越大則響應會越快，但是超調(diào)量也會越大。（7）仿真對象的傳遞函數(shù)為：仿真結(jié)果如下圖：由（6）（7）可見，當系統(tǒng)的放大系數(shù)增大時，單神經(jīng)元自適應PID控制超調(diào)量較小，調(diào)節(jié)時間短，控制效果優(yōu)于傳統(tǒng)PID控制。（5）仿真對象的傳遞函數(shù)為：仿真結(jié)果如下圖：由（3）（5）可知一階滯后對象放大系數(shù)增大時，單神經(jīng)元自適應PID控制超調(diào)量小，調(diào)節(jié)時間短，控制效果優(yōu)于傳統(tǒng)PID控制。（2）仿真對象的傳遞函數(shù)為： 仿真結(jié)果如下圖：從圖中可以得出當對象放大系數(shù)增大時，單神經(jīng)元自適應PID控制超調(diào)量小，調(diào)節(jié)時間短，控制效果優(yōu)于傳統(tǒng)PID控制。上述算法，由于在改進的單神經(jīng)元規(guī)范化有監(jiān)督自適應算法中引進了自適應PID算法中增益K的自動調(diào)整方法，因而自學習、自組織能力和魯棒性都有了明顯提高，是一種有效的單神經(jīng)元自適應智能控制算法。[11]其結(jié)構(gòu)框圖見圖3—5。即的增加速度反比例于，但當控制誤差改變符號時，下降到上一時刻值的75%。由式(315)推得 (317)設 可表示為如下的兩者乘積 = (318) 式中 Marsik和Strejc推導出增量的遞推公式 (319) 這里，≤L≤，為瞬時值。無需辨識的比例、求和、微分（PSD）自適應控制律的增量形式為 (314)式中 ——控制器輸出增量； ——控制器增益； ——比例系數(shù)； ——微分系數(shù)； 參數(shù)可進行自動調(diào)節(jié)，使組成增量型控制律各項的絕對平均值滿足如下關(guān)系： (315) 通常滿足式(315)總會獲得較好的控制效果。這樣必須在每個采樣周期內(nèi)進行一些復雜的數(shù)值計算，且由辨識所得到的數(shù)學模型其準確性也很難保證，因而限制了自適應控制算法的應用。首先我們要先了解一下自適應PSD控制算法。應在開始時首先根據(jù)規(guī)則（2）調(diào)整K，然后根據(jù)規(guī)則（3）—（6）調(diào)整、。（6）在開始調(diào)整時，選擇較小值，當調(diào)整、和K使被控對象具有良好特性時，再逐漸增加，而其他參數(shù)不變，使系統(tǒng)穩(wěn)態(tài)輸出基本無紋波。（4）若被控對象響應特性出現(xiàn)上升時間短，有過大超調(diào)，應減少，其他參數(shù)不變。若上升時間長，無超調(diào)，應增大K、。（1）初始加權(quán)系數(shù)的選擇：可任意選取。（3）上述單神經(jīng)元自適應PID控制器學習算法的運行效果與可調(diào)參數(shù)、K等的選取有很大關(guān)系。為保證這種單神經(jīng)元自適應PID控制學習算法式(36)和式(312)的收斂性和魯棒性，將上述學習算法進行規(guī)范化處理后可得 (3_13)式中 、——比例、積分、微分的學習速率。 將式(3_14)代入式(3_13)中有 (310)如果存在函數(shù)，對求偏微分有 (311)則式(311)可寫為 (312)上式說明，加權(quán)系數(shù)的修正是按函數(shù)對應于的負梯度方向進行搜索的。加權(quán)系數(shù)的調(diào)整可以采用不同的學習規(guī)則，從而構(gòu)成不同的控制算法。神經(jīng)元通過關(guān)聯(lián)搜索來產(chǎn)生控制信號，即 (37)式中 ——對應于的加權(quán)系數(shù)。這里 (36)，為性能指標。 單神經(jīng)元PID算法（1）結(jié)構(gòu)框圖如32所示。 (34) 上式表明，兩神經(jīng)元間的連接強度的變化量與教師信號和網(wǎng)絡實際輸出之差成正比。有監(jiān)督學習規(guī)則或WidowHoff學習規(guī)則。常用的三種主要規(guī)則：無監(jiān)督Hebb學習規(guī)則 Hebb學習是一類相關(guān)學習，它的基本思想是：如果神經(jīng)元同時興奮