共查询到17条相似文献,搜索用时 191 毫秒
1.
2.
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
3.
倒立摆控制系统在科研和数学中具有非常重要的地位,为适应今科技的发展及教学需要,我们设计出主从式结构的倒立摆计算机控制系统,在系统硬件设计上,采用了集成化方法,计算机系统通讯符合BITBUS总线规范,软件设计采用多任务方式,使系统具有功能强,标准化,可靠性高及使用灵活动等特点。 相似文献
4.
5.
针对直线一级倒立摆控制系统的非线性特性,采用RBF-ARX模型对倒立摆系统的全局非线性动态特性进行建模.讨论了RBF-ARX模型结构的选取,模型参数辨识,RBF参数优化等问题.并且分别比较了该倒立摆系统的RBF-ARX模型与全局线性ARX模型,以及将RBF-ARX在某一工作点局部线性化后的模型与局部线性ARX模型的预测输出和模型误差,验证了RBF-ARX模型在倒立摆系统建模和辨识中的有效性. 相似文献
6.
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
7.
首先,本文阐述倒立摆的国内外发展现状并介绍倒立摆的自动起摆和稳定控制方法.其次,对倒立摆的稳定控制方法进行比较.最后,对倒立摆控制算法今后的发展趋势做进一步预测. 相似文献
8.
1引言 在Wiener开创控制论的伊始,就将控制、信息和神经科学作为一个共同的课题。后,控制学科、计算科学和神经生理学趋于分开发展。自从80年代初期以来,神经网络有了长的进步,在人工智能和 相似文献
9.
免疫优化神经网络对倒立摆的控制 总被引:1,自引:0,他引:1
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。 相似文献
10.
11.
12.
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
13.
14.
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
15.
文章给出了四级倒立摆系统的硬件组成,分析了四级倒立摆的系统结构、建立了数学模型。分析了系统的可控性、可观测性,给出了一种基于状态变量合成的模糊神经网络控制控制方法。在实践中证明该方法可行,成功地立起四级倒立摆。 相似文献
16.
基于Q学习算法和BP神经网络的倒立摆控制 总被引:37,自引:1,他引:37
Q学习是Watkins[1]提出的求解信息不完全马尔可夫决策问题的一种强化学习方法.将Q学习算法和BP神经网络有效结合,实现了状态未离散化的倒立摆的无模型学习控制.仿真表明:该方法不仅能成功解决确定和随机倒立摆模型的平衡控制,而且和Anderson[2]的AHC(Adaptive Heuristic Critic)等方法相比,具有更好的学习效果. 相似文献
17.
线性神经网络在系统辨识中的应用研究 总被引:4,自引:0,他引:4
神经网络用于系统辨识最为常用的模型为BP模型,它能辨识线性和非线性系统,但BP网络存在收敛速度慢和易陷入局部极小值的缺点,影响系统辨识的速度和精度。线性神经网络结构简单,它采用Widrow-Hoff学习规则,收敛速度快,且不存在局部极小值问题,因此,对于线性系统,考虑用线性神经网络进行辨识,实验仿真结果表明,基于线性神经网络的系统辨识具有很高的辨识速度和精度。 相似文献