基于双闭环控制策略的倒立摆系统

针对多变量、非线性、强耦合性的倒立摆系统,采用牛顿-欧拉法建立其数学模型,并提出双闭环控制倒立摆策略。其中,内环控制倒立摆的角度,外环控制倒立摆的位置。通过对倒立摆设计双闭环串级模糊控制和PFC--PID串级控制并仿真,结果表明该控制策略具有较好的通用性和控制效果。     

二级倒立摆系统的最佳控制

二级倒立摆系统的最佳控制利用最佳控制理论对其状态重构,构建最佳反馈离散控制器,并合理选择Riccati方程中的Q、R矩阵,设计离散控制降维观测器获得最佳反馈矩阵.由于不同离散时间和相应的不同矩阵其结果不完全相等,故对得到结果进行计算分析,最终选取一组较好参数作为离散时间和相关矩阵,以实现最佳控制.     

基于神经元的倒立摆双闭环PID控制

研究了神经元PID控制器的设计,通过对控制对象的模拟设计,简化了控制器及控制系统的设计过程.在此基础上,提出一种将神经元PID与常规PID相结合的控制方法,并给出了系统参数的整定方法,降低了参数调整的复杂程度,且有效的解决了其它方法中出现权值修正错误的问题[1].最后,将其应用于单输入多输出系统--倒立摆的稳定.仿真实验及实际系统实验表明,文中提出的控制方法实时性好,鲁棒性强,适于实际应用.     

直线倒立摆的Lagrange建模与变结构控制

针对多变量,非线性和强耦合的倒立摆系统,采用分析力学中的Lagrange方程建立其动力学方程,并采用遗传算法优化的模糊变结构控制,不仅很大地消弱了震颤,而且保留了变结构控制的优点,提高了系统的鲁棒性.     

双闭环模糊控制器在单级倒立摆系统中的应用

通过对单级倒立摆的双闭环的控制数学模型的分析,采用模糊控制理论对倒立摆的控制系统进行计算机仿真.其中,内环控制倒立摆的角度,外环控制倒立摆的位置.在Matlab环境下的仿真步骤包括:定义隶属度函数及模糊控制规则集、解模糊.结果表明,摆杆角度和小车位置的控制过程均具有良好的动态性能和稳态性能.     

单级旋转倒立摆系统辨识与随动稳定控制方法研究

针对单级旋转倒立摆系统参数辨识和随动稳定控制问题,首先建立倒立摆在不受外力控制,摆杆自然下垂的顺摆模型,基于顺摆模型采用快速傅里叶变换方法对系统参数进行辨识;然后推导顺摆模型与倒摆模型之间的关系,进一步得到倒立摆的倒摆模型;根据辨识出的倒摆模型,采用线性二次型控制器对其进行稳定控制,并进行了数值仿真与实物实验验证。研究结果表明,通过辨识得到的系统模型更加精确,对比直接测量参数得到的系统模型,控制效果更好,且能对随动输入指令进行更优的跟随。该方法可以有效避免量测误差,提高模型的准确性,为火炮随动稳定控制提供参考。     

三并联倒立摆多变量耦合控制器的设计

系统作滑模运动时,其模态几乎与外界扰动和参数摄动无关,而且在很大程度上与交耦参数也无关运用滑模变结构控制理论,并以MATLAB语言以及SIMULINK仿真工具为辅助设计工具,在计算机上对三并联耦合倒立摆控制器进行分析与设计.仿真试验结果表明三并联耦合倒立摆滑模变结构控制系统有很强的鲁棒性和自适应能力.     

二级倒立摆系统的最佳控制

二级倒立摆系统的最佳控制利用最佳控制理论对其状态重构,构建最佳反馈离散控制器,并合理选择Riccati方程中的Q、R矩阵,设计离散控制降维观测器获得最佳反馈矩阵.由于不同离散时间和相应的不同矩阵其结果不完全相等,故对得到结果进行计算分析,最终选取一组较好参数作为离散时间和相关矩阵,以实现最佳控制.     

基于最优权值的二级倒立摆模糊控制器

利用最优反馈矩阵来加权模糊控制器的输入变量。并且通过对系统状态的综合处理,减少模糊控制器的输入变量,降低控制器的设计难度。其具体设计为:在6个状态变量中引入2个综合变量,定义各个状态变量的加权系数,分别反映各个变量在控制器输出的权重。仿真结果表明,该控制器不但结构简单,且具有很好的控制效果。     

基于BP网络的导弹研制费用预测

根据导弹武器系统研制的特点，分析并确定了影响导弹武器系统研制费用的主要因素，提出了基于人工神经网络的费用预测模型。该模型不需要确定各因素的定量关系，克服了以往由于专家主观因素而千万的负面影响，最后通过实际应用，说明了该方法简便易行，精确可靠。     

采用遗传算法优化的模糊控制系统

针对倒立摆系统动态模型,采用模糊控制方法,设计基于状态反馈的T-S型模糊控制器.其采用实数编码,每条染色体对应一个模糊控制器,隶属函数则采用相关正态函数.由此运用遗传算法对模糊控制器参数进行寻优设计.仿真结果表明该方法优于传统极点配置的方法,提高了系统的鲁棒性.     

航向角BP神经网络自整定PID控制算法仿真

设计了基于BP神经网络的自整定PID控制算法,此控制算法不需要被控对象的数学模型,先由BP神经网络对被控对象进行辨识,给出PID控制所需要的3个参数,再由PID控制算法进行有效的控制,最后用MATLAB对某水下机器人的航向角模型进行了仿真验证。     

基于RBF人工神经网络的水质评价

以RBF网络建立水质评价模型,网络的输入为某水样中参与评价的n种水质指标实测值的集合,输出为该水样的水质级别。问题关键集中在网络结构的选择、可调参数的优化方法,以及学习样本的代表性上。将n个样本划分成c个类的划分序列。只要在一定水平时样本被归入同一类后,在进行更高水平的划分时,确定类数即确定分类结果。     

基于BP神经网络的无动力弹攻击区拟合分析

准确地预测导弹攻击区是提高导弹命中精度的有效方法.采用BP神经网络算法对某无动力弹的攻击点进行拟合,所以在不同的初始条件下可得出不同的可攻击区.无动力弹攻击点与攻击条件可以通过神经网络的阈值和权值来表现.通过实例说明了应用BP神经网络进行无动力弹攻击区拟合,不但算法可行性好、拟合精度高,而且运算简单.     

基于BP神经网络算法的自动驾驶仪设计

基于经典的三回路自动驾驶仪结构,采用BP神经网络算法进行自动驾驶仪的设计。BP神经网络算法的运用使所设计的自动驾驶仪能够针对非线性、时变的气动特性自适应地调整控制参数,简化了设计过程,并给出了相应的仿真结果。     

遗传算法优化BP神经网络在转速PID控制中的应用

提出一种基于遗传算法优化的BP神经网络PID控制算法,并将其应用于永磁无刷直流电动机的转速控制系统而设计出优化的转速PID控制器。该算法首先利用遗传算法对BP神经网络的初始权值进行优化,再利用BP神经网络算法对PID参数进行在线调节,解决网络的初始权值对控制效果的不利影响,仿真证明该算法可行。     

基于LABVIEW 的坦克炮伺服控制系统测试平台研究

针对坦克炮伺服控制系统中存在环境干扰、被控对象内部参数不确定性的问题,研发了一套坦克炮伺服控制测试平台.描述了该测试平台的工作原理和系统结构,设计以火控计算机、数据采集卡为系统核心的电流环、速度环、位置环三闭环控制系统,采用神经网络PID控制算法对参数进行实时整定,利用LABVIEW软件实现上位机的数据采集、各模块通信与神经网络PID控制,并进行了测试实验.实验结果表明:该测试平台能满足坦克炮伺服控制系统测试要求.该系统具有较强的适应性和鲁棒性.