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
