資源描述:
《智能控制在倒立擺系統(tǒng)中的應用》由會員上傳分享,免費在線閱讀,更多相關內容在學術論文-天天文庫。
1、貴州大學碩士學位論文智能控制在倒立擺系統(tǒng)中的應用摘要倒立擺作為典型的非線性系統(tǒng),伴隨著多變量、快速運動和絕對不穩(wěn)定的特征,難于建立精確的數(shù)學模型,這就使得對倒立擺的控制變得異常困難和復雜。智能控制理論則是解決此問題的一個有效途徑。針對倒立擺系統(tǒng)多變量,非線性的特點,本文提出了一種基于合成變量的連續(xù)型模糊控制算法,大大地減少了模糊控制器的規(guī)則數(shù)量,有利于利用專家的控制經驗,有效地解決了多變量模糊控制器難于設計和實現(xiàn)的問題。同時還克服了傳統(tǒng)的查表方式中模糊變量論域量化等級受限制的缺點。理論和實驗證明了該方法的有效性,優(yōu)越性
2、。I。,BF(徑向基函數(shù))網絡由于能夠逼近任意非線性函數(shù),可以處理系統(tǒng)內在難以解析的規(guī)律性,因此得到廣泛的應用。本文采用了一種正規(guī)化P,BF網絡對倒立擺進行控制。將隱層中心設置為訓練輸入樣本,利用廣義逆矩陣求取輸出層權值,此方法不僅減少了網絡的學習參數(shù),同時還允許RBF網絡精確地擬合訓練數(shù)據。實驗結果證明該方法具有滿意的控制性能。本文針對倒立擺控制的傳統(tǒng)神經網絡算法(即BP算法)的缺點,將遺傳算法與神經網絡結合起來,提出了倒立擺的進化神經網絡控制方法??刂破髟诮Y構上采用神經網絡,利用遺傳算法優(yōu)化神經網絡的連接權值。實驗
3、研究表明,該控制器不僅具有良好的動態(tài)和穩(wěn)態(tài)控制性能,而且對于干擾也具有很強的抑制能力。同時還具備結構簡單,易于實現(xiàn)的優(yōu)點。關鍵詞:倒立擺;模糊控制;徑向基函數(shù)神經網絡:遺傳算法中圖分類號:TP273文獻標識碼:A重型查堂堡主堂垡堡壅IntelligenceControlAppliedinInvertedPendulumAbstractlnvertedpendulumisaclassicnonlinearsystemaccompaniedbycharactersofmultivariable,rapidmoveandab
4、solutelyunstable,thismakeithardtoestablishaccuratearithmeticmodel.However'intelligencecontroltheoryisaneffectiveapproachtothisease.Consideringthemultivariableandnonlinearcharacteristicsofpendulum,wepresentedacontinuousfuzzycontrolalgorithm,itreducedtheamountofru
5、lesgreatly.Thismethodtakesadvantagesofexperiencegivenbyexperts,andmakesiteasytodesignandimplementfuzzyconUdlerwithmultivariable.Theoryandexperimentsprovedthismethodtobeeffectiveandedvaneed.Radialbasisfunctionneuralnetworkcanappmximateanynonlinearfunctionanddealw
6、ithinnerregulationwhichcanhardlybeanalyzedexplicitly,soitsapplicationdomainisbroad.WetookaregularRBFnetworktocontrolpendulum,setthecentertoinputsample.usedadversematrixofbroadsensetoobtainweightsofoutputlayer.ThiswayreducednetworkparametersandletRBFnetworksimula
7、tetrainingdataexactly,Experimentalresultsshowsthatthecontroller’sperformanceissatisfied.Takingaccountofthedefectsoftraditionaltrainingalgurithm(aPalgorithm),inpendulumcontrolweputforwardamethodcalledevolutionaryneuralnetworktocombinegeneticalgorithmwithneuralnet
8、work.Thecontroller’sstructurewasbasedonneuralnetwork,insteadofbackpropagation,geneticalgorithmwastakentooptimizetheweightsofneuralnetwork.Theexperimentalresultsillust