状态变量合成三级倒立摆模糊神经网络控制

为解决模糊神经网络在控制多变量系统时的规则组合爆炸问题,提出了用状态变量合成模糊神经网络控制三级倒立摆的方法。该方法既能解决具有快速、强非线性、绝对不稳定系统的控制问题,又能适用对状态变量可按性质和类型分类的多变量系统的控制,大大减少了模糊神经网络控制器的规则数,有利于利用专家的控制经验。实验结果证实了该方法的控制效果好,鲁棒性强。     

四级倒立摆的状态变量合成模糊神经网络控制

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。     

基于神经网络旋转二级倒立摆系统的预测控制

针对倒立摆的研究,提出了一种应用神经网络和预测控制相结合的算法,用于控制旋转二级倒立摆系统.为了提高跟踪精度和快速性,可以把线性控制的条件作为非线性最优控制性能指标的约束条件,并将一种新型的非线性混沌映射引入到神经网络的参数学习算法中实现其权值调节,以逐步建立被控对象合理的多步预测模型.仿真结果表明,神经网络预测控制算法具有响应速度快、控制效果好和跟踪精度高等特点.可使非线性系统的预测问题得到较好的解决.     

三级倒立摆的加权变量模糊神经网络控制

为了提高三级倒立摆系统控制的响应速度和稳定性,在设计Mamdani型摸糊推理规则控制器控制倒立摆系统稳定的基础上,设计了一种更有效率的基于Sugeno型模糊推理规则的模糊神经网络控制器。该控制器使用BP神经网络和最小二乘法的混合算法进行参数训练,能够准确归纳输入输出量的模糊隶属度函数和模糊逻辑规则。通过与Mamdani型控制器的仿真对比,表明该Sugeno型模糊神经网络控制器对三级倒立摆系统的控制具有良好的稳定性和快速性,以及较高的控制精度。     

二级倒立摆的Sugeno型模糊神经网络控制

为了提高二级倒立摆系统实时控制的响应速度和稳定性,在设计Mamdani型模糊推理规则控制器控制倒立摆系统稳定的基础上,设计了一种更有效率的基于Sugeno型模糊推理规则的模糊神经网络控制器.该控制器使用BP神经网络和最小二乘法的混合算法进行参数训练.能够准确归纳输入输出量的模糊隶属度函数和模糊逻辑规则.通过与Mamdani型控制器的仿真对比及实际控制实验结果,表明该Sugeno型模糊神经网络控制器时二级倒立摆实验装置的控制具有良好的稳定性、快速性和较高的控制精度.     

二级倒立摆的Sugeno型模糊神经网络控制

为了提高二级倒立摆系统实时控制的响应速度和稳定性,在设计Mamdani型模糊推理规则控制器控制倒立摆系统稳定的基础上,设计了一种更有效率的基于Sugeno型模糊推理规则的模糊神经网络控制器。该控制器使用BP神经网络和最小二乘法的混合算法进行参数训练,能够准确归纳输入输出量的模糊隶属度函数和模糊逻辑规则。通过与Mamdani型控制器的仿真对比及实际控制实验结果,表明该Sugeno型模糊神经网络控制器对二级倒立摆实验装置的控制具有良好的稳定性、快速性和较高的控制精度。     

基于模糊神经网络的倒立摆控制系统

在分析模糊控制、神经网络控制的基础上,根据倒立摆的特点,提出了模糊神经网络的控制结构。使用了遗传算法和BP算法相结合的方式来优化模糊神经网络,并以固高公司的倒立摆做实验,对实验结果进行了深入的研究和分析。     

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。     

神经网络预测控制及其在二级倒立摆中的仿真

本文介绍了一种基于神经网络的预测控制算法,考虑到算法中复杂性能指标的寻优难以找到全局最优解,提出了一种在工作点附近线性化得到对象的瞬时ARIX模型,再利用GPC(广义预测控制)算法求得近似解,最后以其为初值进行寻优获得全局最优解的方法,提高了算法的性能。最后的二级倒立摆仿真验证了算法的可靠性。     

量化因子对二级倒立摆模糊控制器性能的影响

本文研究了模糊控制器量化因子对二级倒立摆模糊控制器性能的影响,提出了选择量化因子的一些基本方法、准则.通过比较、分析,以及对二级倒立摆系统的成功控制,可知本文提出的方法、准则是合理的.本文最后给出了在本文方法确定的量化因子作用下的模糊控制器与某文献模糊控制算法控制效果的比较,仿真结果显示了本文方法的有效性.     

基于RBF网络二级倒立摆系统PID控制

为解决传统PID控制SIMO系统的不足,提出在RBF网络辨识系统Jacobian阵基础上,引入kx-函数观测器的控制策略,实现PID控制参数的在线自整定。根据PID控制系统与LQR控制系统传递函数阵的等效关系,得到PID控制器的初始kp、ki、kd,解决实物二级倒立摆在初始时刻扰动大,但对稳定性要求高的矛盾。最后,仿真结果表明该方法使倒立摆系统具有快速性,稳态误差小,其控制效果要优于LQR控制,可实现二级倒立摆系统的稳定控制。     

SISO非线性系统H∞控制:Volterra级数法

首先基于Ｖｏｌｔｅｒｒａ级数理论,将一般的ＳＩＳＯ离散系统非线性算子表示为ｎ阶Ｖｏｌｔｅｒｒａ线性算子级数,其次,将线性系统Ｈ∞控制的插值理论与斜Ｔｏｅｐｌｉｔｚ优化算法应用到每阶Ｖｏｌｔｅｒｒａ线性算子中,并利用算子中交换提升理论的结果,求出相应的ｎ阶Ｖｏｌｔｅｒｒａ算子的最优补偿参数,这些最优补偿参数的级数是局部稳定的非线性算子。通过此算子即求出最优Ｈ∞控制器,最后给出具体设计步骤,并进行了仿     

二级倒立摆基于信息融合的模糊控制

本文针对二级倒立摆系统,提出了一种基于信息融合的模糊控制方法.该种方法将线性系统理论与模糊控制技术相结合,利用信息融合技术完成输入变量降维,从而大大简化了多输入模糊控制器的设计过程.仿真结果表明,本文提出的设计方法是正确的和可行的.     

二级倒立摆在受控情况下的运动稳态分析

通过对二级倒立摆系统物理结构的分析,总结了二级倒立摆系统在受控稳定状态下可能出现的各种运动状态。在由单电机控制的二级倒立摆稳定的基础上,分析控制倒立摆系统稳定的控制量与系统稳定运动状态之间存在的关系。通过实验,得到了两级摆杆之间的3种在受控稳定下的具体运动状态,证明了二级倒立摆的运动状态与系统控制中的某些参数存在着明显的关联,并且为从理论上分析这些运动状态和控制参数之间的关系提供了一定的依据。     

基于模糊动态模型的二级倒立摆系统的分析和设计

首先给出了一种离散系统模糊动态模型的辨识方法,提出了一个衡量聚类有效性的函数,以确定模糊规则的数目,并给出一个保证模糊系统全局稳定的充分条件,在此基础上给出了模糊控制系统的设计方法,并对二级倒立摆系统进行了控制,取得了较好的效果。     

模糊控制在二级倒立摆中的应用

本文推导了二级倒立摆的数学模型，研究了它的控制方法。本文引入了综合误差和综合误差变化率的概念，大大的减少了模糊控制器的输入变量，从而减少了模糊控制器的控制规则，使控制器的控制规则更简单、有效。     

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。