DRNN在倒立摆摆起控制中的研究

针对小车一级倒立摆的起摆控制,以DRNN神经网络作为辨识器,在线自适应调整PD控制器的两项参数。在起摆范围相同的情况下,DRNN神经网络控制的倒立摆系统其模型参数变化范围为-50%～30%,传统PD控制倒立摆系统其参数变化范围为-40%～20%。结果表明,基于DRNN神经网络的PD控制器比传统的PD控制器具有较强的抗干扰能力和自适应能力,系统鲁棒性增强,效果明显优于传统的PD控制器。     

二级倒立摆摆起控制的研究

通过对二级倒立摆系统的理论分析,研究二级摆从自然悬垂位置摆到倒立点位置的摆起控制问题,提出了基于动态设计变量优化算法的复杂非线性系统控制策略．仿真实验证明,该策略可成功地实现圆轨和直轨两种二级倒立摆的摆起控制,并且算法具有较快的收敛速度和较高的计算精度．     

圆轨单级倒立摆摆起过程控制

研究圆轨单级倒立摆摆起控制问题,以离散控制律为设计交量,以终点约束条件为目标函数,提出了倒立摆摆起控制律的优化算法。对控制律进行编程计算,成功地实现了圆轨单级倒立摆的快速摆起。仿真计算结果表明了所提出方法的有效性和可行性。     

圆轨倒立摆摆起过程神经网络闭环控制方法

在圆轨倒立摆摆起过程开环控制律优化算法的基础上,应用高精度多层人工神经网络插值原理,研究了摆起过程的闭环控制方法.以每个时间段上的状态变量和相应的控制变量为输入输出学习样本,建立前馈人工神经网络,构成摆起过程的反馈控制系统.通过仿真与实际控制,表明所研究方法是可行和有效的,并为复杂非线性系统的闭环控制提供了新的思路.     

基于能量反馈的圆轨倒立摆摆起控制

基于拉格朗日方程建立圆轨倒立摆单摆模型,根据能量反馈控制理论,设计圆轨倒立摆摆起控制器,从而使摆杆从稳定平衡点摆起到不稳定平衡点并稳定不倒。采用具有流水线指令结构CIP-51控制器内核的C8051单片机实现控制算法。实验结果表明,采用能量反馈控制器可以对具有复杂非线性、强耦合、自然不稳定特性的倒立摆系统实现摆起控制,摆起效果良好。同时也为其他非线性多变量系统的控制提供了有效方法。     

基于摹矩阵的倒立摆摆起的最优控制

在倒立摆小车轨道较短的条件下实现倒立摆快速稳定的摆起,是摆起控制的难点。利用摹矩阵的多阶段决策寻优方法,将倒立摆的摆起控制表示为一个求最短时间的多阶段决策问题。采用VC与Matlab混合编程,实现了用摹矩阵方法寻找单级倒立摆摆起控制的最优路径与最优决策。通过对一轨道长度受限的单级倒立摆的仿真控制和实时控制,证明了该方法的可行性。     

基于混合遗传算法的力矩受限圆轨二级倒立摆摆起控制

为了实现力矩受限时圆轨二级倒立摆非线性系统的摆起控制,提出了一种新的开环优化控制策略.该策略通过在规定的时间内向系统施加一前馈控制序列,使上、下摆杆从自然悬垂位置摆到倒立点位置并使速度为零.为了获得最优摆起控制序列,采用混合遗传算法进行优化计算,通过编码操作解决控制力矩受限问题.仿真实验证明,该策略是有效和可行的,并为其他非线性多变量系统的控制提供了有效方法.     

基于视频的倒立摆摆起控制

在视觉信息用于连续反馈中,人们提出了基于视觉的伺服控制形式,对视觉传感器得到的图像进行快速处理,在尽量短的时间内给出反馈信息,构成系统的位置闭环控制。本文基于视频的倒立摆摆起控制,提供了一个视觉反馈倒立摆摆杆位置来控制的途径。文中对视频采集系统和软件设计进行了详细介绍,并给出了实际效果图。     

用进化RBF神经网络控制二级倒立摆

提出了一种应用ＲＢＦ神经网络和遗传算法相结合的控制算法,用于控制二级倒立摆系统,这种方法把线性控制系统的条件作为非线性最优控制性能指标的约束条件,用改进的遗传算法求解使性能指标最小的ＲＢＦＮＮ控制器参数。仿真结果表明,该方案优于传统的状态反馈方法和模糊控制方法,具有更大的稳定域,抗干扰能力更强。     

基于分段遗传算法的倒立摆摆起控制研究

针对倒立摆摆起这类复杂非线性系统的优化控制问题,提出了一种基于遗传算法的近似全局最优化的控制方法.在导轨长度和控制力受限的情况下,从倒立摆的物理特性出发,以摆杆进入上半平面前的最后一次角速度为零的时刻为分界时刻,将摆起过程分成两个阶段,分别使用自适应交叉、变异算子的遗传算法搜索每个阶段的最优控制决策,实现了1.9 s内一级倒立摆的成功摆起.这种方法可以简化控制规则,优化摆起时间,并使摆杆更加平稳地进入稳摆控制.仿真和实时控制实验,说明该方法是可行的.     

一种基于非线性滤波的倒立摆控制方法研究

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。     

非线性倒立摆系统的起摆和稳摆控制

介绍了基于数字信号处理器(DSP)控制直线型倒立摆系统的总体结构和工作原理,通过智能控制算法实现倒立摆的起摆控制。当摆杆的角度进入稳定区域时,通过线性二次型调节器(LQR)控制算法使摆杆稳定,并建立了电机电压与输出力矩之间的简单对应关系。实验表明,系统的稳定性好,抗干扰力强,而且采用DSP控制,有利于系统的小型化。     

基于EKF滤波的倒立摆神经网络控制研究

为解决一类带干扰的模型不确定倒立摆系统中存在的两类未知项——未知函数和外界干扰,采用了基于Lyapunov函数稳定性的神经网络控制方法设计控制器。控制器设计中利用扩展卡尔曼滤波(EKF)消除系统观测噪声,获取系统状态的估计值,进而利用径向基函数(RBF)神经网络良好的逼近性来近似设计的控制律中的未知项。最后在倒立摆系统中对设计的神经网络控制器进行了仿真研究,仿真结果表明所设计的控制器能有效抑制外界干扰,在精确控制倒立摆的同时可以保证控制系统的稳定性和快速性。     

免疫优化神经网络对倒立摆的控制

人工免疫算法是基于生物免疫系统机理和特点发展而来的一种新型智能算法。针对BP神经网络传统训练算法的学习效率低、收敛速度慢且容易陷入局部最优等不足,采用免疫算法对BP神经网络权值进行优化,以实现对倒立摆的控制。实验结果表明,用免疫算法训练神经网络收敛速度快,并能有效避免陷入局部最优。优化后的神经网络能对实际的倒立摆装置进行控制,并取得了满意的效果。     

单级倒立摆控制方法的仿真对比研究

运用牛顿动力学方法对单级倒立摆系统进行了数学建模,并对基于经典控制理论的PID控制方法、基于最优控制理论的LQR控制方法,以及基于模糊控制理论的模糊控制方法进行了仿真对比分析研究,其分析结果对该方向的研究具有理论指导意义.     

基于遗传算法的二级倒立摆模糊控制器研究

倒立摆系统本身的不稳定性为系统的平衡提出了难题,也因此成为自动控制实验中验证控制算法优劣的极好的实验装置.本文利用把模糊控制和遗传算法结合起来,用遗传算法对模糊控制器的三角形隶属度函数的宽度和顶点进行自动调整,,克服了一般模糊控制设计中模糊变量的隶属度和比例、量化因子的选取通常靠经验来获取的不足,从而达到优化设计模糊控制器提高其自适应控制能力的目的,改善了控制效果.