基于蚁群算法的多层前馈神经网络

反向传播算法是神经网络中应用广泛的一种多层前馈神经网络模型．但算法有求解精度低、搜索速度慢、易于陷入极小的缺点．蚁群算法是一种新型的模拟进化算法，有正反馈、分布式计算、启发性收敛等特性．这些特性使得解题过程加快，易于实现分布式计算．将蚁群算法和神经网络相结合起来，实现了非线性模型的辨识问题及倒立摆的控制．仿真实验表明：用蚁群算法训练神经网络，可兼有神经网络广泛映射能力和蚁群算法快速全局收敛的性能．     

时变不确定性关联系统的分散鲁棒自适应控制

研究了时变不确定性关联系统的分散鲁棒自适应控制方法，考虑了包括参数不确定性、输入扰动和关联不确定性的系统，系统的不确定性假设为有界，但其界未知．系统的控制分为不确定项界的自适应估计和鲁棒控制两部分．对一互耦双倒立摆系统进行了仿真，结果证实了算法的有效性．     

基于Sugeno模型的倒立摆模糊控制及实验

为实现对倒立摆非线性不稳定系统的精确控制,利用Sugeno模糊模型将其处理成多个局部线性模型的模糊逼近,并设计了模糊控制器．通过Simulink对倒立摆系统建模仿真,控制效果分析比较．现场实验表明,该算法能够实现对单级倒立摆的稳定控制,具有结构简单、良好的稳定性和快速性等优点,对其他非线性不稳定系统的控制提供了一种有效的途径．     

基于模糊控制理论的二级倒立摆控制算法

采用模糊控制理论研究了二级倒立摆控制问题．运用最优控制方法设计了融合函数以降低模糊控制器的输入变量维数，大大减少模糊控制的规则数，并研究了量化因子对控制效果的影响，通过设置闻值使量化因子可自动调节，进而提高模糊控制器的性能品质．仿真和实验结果都证明这种模糊控制算法规则数少，响应速度快，有良好的稳定性和鲁棒性．     

石英摆片综合参数测试系统

利用光电位置敏感元件ＰＳＤ作为传感器，研制了石英摆片综合参数测试系统，本文对该系统的测试原理进行了详细的介绍．该系统可对石英摆片的摆幅、扭幅、摆频、扭频及挠性梁的刚度等实现自动测量．     

非独立悬架载重车辆摆振的仿真研究

利用数值仿真方法对解放CA10型载重汽车改装的油罐车的前轮摆振进行分析时，考虑了悬挂以上结构的影响，建立了一个五自由度的模型．研究表明，横拉杆刚度、转向机刚度、转向机阻尼、绕主销当量阻尼、轮胎侧偏刚度、轮胎拖距及主销后倾角等参数对受迫型摆振的影响存在一个敏感范围．在某一确定的车速下，上述参数在敏感范围内会引起系统产生负阻尼，从而诱发自激型摆振．结构参数与车速满足使系统出现负阻尼时，再考虑车轮不平衡质量的情况，可称之为耦合型摆振．低速时车轮上的不平衡质量对耦合摆振的影响不大，自激型摆振占主导作用，但较高速时，车轮上的不平衡质量对耦合摆振有显著增幅作用，摆振主要的表现形式是强迫型摆振．     

基于粒子群算法的倒立摆智能控制系统研究

为了控制倒立摆保持稳定状态,选取直线一级倒立摆为研究控制对象,建立直线一级倒立摆数学模型,将粒子群算法(PSO)实际应用到直线一级倒立摆智能控制系统的关键参数优化,仿真验证PSO算法优化直线一级倒立摆的动态稳定性。仿真结果表明,基于粒子群算法对直线一级倒立摆的优化控制具有更快的收敛性和更优的稳定性。     

自由摆上目标动态平衡控制系统的设计

摆系统因具有高阶次、不稳定、非线性和强耦合等特性而广泛用于控制理论算法的研究与验证中．为达到摆上目标的高精度平衡控制,采用意法半导体有限公司的先进单片机为控制核心,搭配步进电机及其驱动电路、倾角传感器和显示电路搭建了动态平衡控制系统．软件上对倾角传感器数据进行平滑滤波,并采用了智能模糊比例积分控制算法．最后依靠搭建的实验系统进行了重复测试实验,并通过图像传感器采集了光斑在视场内的稳定误差曲线．结果表明,在摆的周期运动过程中,摆上激光笔打出的光斑基本稳定在小幅度范围内,实现了较高精度的平衡控制．     

基于LQR算法的倒立摆动态可视控制系统

针对倒立摆系统的非线性特点,利用LQR算法实现了对倒立摆系统的小车位置和摆杆角度的同时控制.为了生动直观地演示这一控制效果,提出了使用组态软件对倒立摆系统进行动态可视化处理的实现方案.仿真计算和组态设计结果表明,该方案不仅直观地证明了LQR算法在倒立摆系统中的应用价值,而且在实际教学过程中取得了良好的教学效果.     

一种改进的二级倒立摆LQR控制器参数优化方法

在LQR控制器设计原理的基础上,利用改进粒子群算法对控制器参数矩阵k进行优化,使之在对倒立摆实现稳摆控制的同时减小小车的位移误差积分。仿真实验证明:改进粒子群算法优化后的LQR控制器达到了对二级倒立摆稳摆控制的目的,减小了小车的位移误差积分。     

用BP算法加速倒立摆的模糊控制过程

提出了一种用ＢＰ算法调整经验规则，加速倒立摆模糊控制过程的方法。并基于解析型模糊控制器的原理和人工神经网络ＢＰ算法的训练模式，对这种自适应模糊控制系统进行了仿真研究。     

倒立摆的移动控制

构造了带自由摆的倒立摆，利用现代控制论的方法，使倒立摆在保持直立的状态下能够向任意位置移动，从而为两足步行机器人的步行研究提供借鉴．     

BP神经网络在倒立摆控制中的应用

建立了基于人工神经网络改进BP算法的一级倒立摆的数学模型,并给出了BP网络结构,采用改进的LM训练算法,结合由极点配置获得训练数据。利用Matlab软件进行训练仿真,结果表明,改进的BP算法控制倒立摆精度高、收敛快,在非线性控制、鲁棒控制等领域具有良好的应用前景。     

基于BP神经网络的广义预测控制算法在一级倒立摆控制中的应用

提出了一种基于BP神经网络的广义预测控制算法,其实质是利用BP神经网络来求取广义预测控制的最优控制律,该算法对广义预测控制算法进行了简化,可以应用于快速系统的控制.以倒立摆系统作为研究的对象,将新算法应用于一级倒立摆的控制,仿真结果证实了该算法的有效性和实用性.     

粒子群优化LQR控制器在环形倒立摆中的应用

为解决环形倒立摆控制中试探法难以确定LQR控制器最优Q和R矩阵的问题,采用Bang-Bang法对倒立摆进行了起摆控制,利用拉格朗日法建立了垂直位置附近的线性化模型.采用LQR进行了平衡位置控制,采用粒子群算法优化了LQR控制器的加权矩阵.对加入了噪声扰动的模型输出进行了卡尔曼滤波处理.仿真结果表明:基于粒子群的加权矩阵寻优算法可以迭代解算出Q和R的最优矩阵,粒子群LQR控制器可以提高系统鲁棒性,减小起摆时延,提高平衡位置稳定性.     

倒立摆装置及其稳定性控制的研究

介绍倒立摆装置的结构及组成，给出此装置的数学模型及模型参数的确定方法，采用最优控制策略，实现倒立摆的稳定控制，对于倒立摆的简单制做及其控制研究具有一定的参考意义．     

环形件摆动辗压接触区域的压力分布

将有限元数值方法引入摆动辗压工艺的研究之中，对环形件摆动辗压变形进行了三维刚塑性有限元分析，给出了环形件摆动辗压接触区域的压力分布，符合摆辗变形的实际情况，对摆辗生产环类件具有重要的指导意义．     

三级倒立摆系统非线性模型的建立

目前,人们对三级倒立摆系统的研究较少,其主要原因在于系统结构复杂和其非线性模型难以建立,这极大地限制了使用智能控制算法对其进行控制,本文在给出了三级倒立摆系统的硬件组成和分析了三级倒立摆的系统结构的基础上,用Lagrange方程推导出了其非线性数学模型,并对系统进行了线性化和分析了系统的可控性和可观测性,给出了智能控制算法的思路。     

自动机床摆杆凸轮的计算

本文提出一种自动机床摆杆凸轮新的计算方法，此法根据摆杆运动包络原理，可使凸轮的设计精度比通常的阿基米德凸轮大大提高，而无需进行凸轮外形的手工修锉．本文附有微电子计算机源程序．     

二级倒立摆控制系统分析

文章给出了二级倒立摆系统的硬件组成,分析了二级倒立摆的系统结构、数学模型．分析了系统的可控性、可观测性,给出了控制算法．在实践中,证明该方法可行,成功地立起二级倒立摆