共查询到18条相似文献,搜索用时 171 毫秒
1.
一种生长型神经网络的倒立摆控制方案 总被引:1,自引:0,他引:1
针对倒立摆系统,提出了在结构上可生长的神经网络控制方案.网络利用细胞生长结构算法,在工作域中实现对状态变量的模式分类,并通过新神经元的插入实现网络规模的生长演化.在输出域中针对倒立摆控制任务采用强化Hebb学习机制,实现不同的神经元以最佳方式响应不同性质的信号刺激.仿真表明,通过神经网络自身的发育,该方案有效控制了倒立摆系统. 相似文献
2.
针对倒立摆这样的典型控制问题,提出了一种在结构与规模上可生长的神经网络控制方案。网络利用细胞生长结构算法的生长机制,在工作域中实现对刺激信号的自组织模式分类,并可通过新神经元的插入,实现网络规模的生长演化。在输出域中针对控制任务采用强化Hebb学习机制,实现不同的神经元以最佳方式响应不同性质的信号刺激。最后进行了倒立摆的自学习控制的仿真实验,表明在自治地与环境的交互作用中,通过神经网络自身的发育,该方案有效地控制了倒立摆系统。 相似文献
3.
构建了用于倒立摆平衡控制的神经网络学习模型。该模型利用可生长结构神经网络的优势,不需要预先规定网络的结构和规模,便可以在学习过程中根据需要生长。基于可生长结构的神经网络将监督与无监督学习结合,能够快速学习刺激与响应之间的潜在关系。该神经网络离线进行监督学习,训练后作为控制器作用于倒立摆系统,构成基于可生长结构的倒立摆控制模型。以Matlab为开发工具进行了仿真实验。仿真结果表明,该模型能够完成一级倒立摆平衡控制任务,并验证了其有效性和抗干扰能力: 相似文献
4.
5.
6.
倒立摆系统以其自身的不稳定性而难以控制,也因此成为自动控制实验中验证控制策略优劣的极好的实验装置;针对倒立摆系统的平衡控制问题,提出了用一种应用神经网络来控制倒立摆的方法,同时由于神经元网络的训练的反复性,因此在系统中加入一个模糊控制器,来对神经网络输出的控制变量进行补偿,使神经元网络训练的权值能够始终保持在某一稳定值,从而保证了控制器稳定,仿真实验结果表明采用该方法设计的并联型模糊神经网络控制器对倒立摆这一先天不稳定的系统具有理想的控制效果。 相似文献
7.
运用强化学习的方法来对连续的倒立摆系统实现平衡控制是一直以来有待解决的问题。该文将Q学习与神经网络中的BP网络、S激活函数相结合,利用神经网络的泛化性能,设计出一种新的学习控制策略,通过迭代和学习过程,不但能够解决倒立摆系统连续状态空间的输入问题,还成功解决了输出连续动作空间的问题。将此方法运用于连续倒立摆系统的平衡控制中,经过基于实际控制模型的Matlab软件仿真实验,结果显示了这个方法的可行性。该方法进一步提高了强化学习理论在实际控制系统中的应用价值。 相似文献
8.
9.
本文以单级倒立摆为控制对象,介绍了反馈线性化的基本原理,设计神经网络控制器对消系统的非线性,实现对单级倒立摆的反馈线性化控制。并通过MATLAB软件进行仿真实验,结果表明了该方法的有效性。 相似文献
10.
对单级倒立摆系统的平衡控制问题进行了研究,分别采用PD,PI和PID三种方案实现了单级倒立摆系统的平衡控制。首先,建立系统的数学模型,然后通过仿真实验设计并整定各方案的控制器参数,将所设计的控制器分别在实际的物理设备上进行实时控制实验,都成功地实现了倒立摆的平衡控制。实际控制结果验证了各方案的正确性和有效性。 相似文献
11.
The Qubit neuron model is a new non-standard computing scheme that has been found by simulations to have efficient processing
abilities. In this paper we investigate the usefulness of the model for a non linear kinetic control application of an inverted
pendulum on a cart. Simulations show that a neural network based on Qubit neurons would swing up and stabilize the pendulum,
yet it also requires a shorter range over which the cart moves as compared to a conventional neural network model. 相似文献
12.
In this paper, experimental studies of a decentralized neural network control scheme of the reference compensation technique applied to control a 2-degrees-of-freedom (2-DOF) inverted pendulum on an x - y plane are presented. Each axis is controlled by two separate neural network controllers to have a decoupled control structure. Neural network controllers are applied not only to balance the angle of pendulum, but also to control the position tracking of the cart. The decoupled control structure can compensate for uncertainties and cancel coupling effects. Especially, a circular trajectory tracking task is tested for position tracking control of the cart while maintaining the angle of the pendulum. Experimental result shows that position control of the inverted pendulum and cart is successful. 相似文献
13.
14.
15.
对于倒立摆这样的强非线性系统,采用传统的BP算法存在着收敛速度慢、易陷入局部极小值的缺陷,而采用卡尔曼滤波方法则会带来很大的模型误差。为了解决上述问题,提出了基于粒子滤波优化神经网络的方法。首先建立了倒立摆神经网络控制器的物理模型并将模型粒子化,而后用粒子滤波算法对粒子进行优化估计,将估计结果作为网络的权值应用到倒立摆控制中,采用离线训练方式,仿真比较了卡尔曼滤波和粒子滤波两种方法控制效果,结果表明,新算法较卡尔曼滤波方法在控制性能上有明显提高。 相似文献
16.
17.
进化神经网络在倒立摆控制中的应用 总被引:2,自引:1,他引:2
倒立摆作为典型的非线性系统,伴随着多变量、快速运动和绝对不稳定的特征,难于建立精确的数学模型,这就使得对倒立摆的控制变得异常困难和复杂。智能控制理论则是解决此问题的一个有效途径,该文针对倒立摆控制的传统神经网络算法(即BP算法)的缺点,将遗传算法与神经网络结合起来,提出了倒立摆的进化神经网络控制方法。控制器在结构上采用神经网络,利用遗传算法优化神经网络的连接权值。实验研究表明,该控制器不仅具有良好的动态和稳态控制性能,而且对于干扰也具有很强的抑制能力。同时还具备结构简单,易于实现的优点。 相似文献