一种模糊逻辑系统与线性系统理论结合的单级倒立摆控制方法

倒立摆系统以其自身的不稳定性为系统的平衡提出了难题，也成为控制领域中验证控制方法优劣的典型被控制对象。本文通过将线性系统理论与Takagi-Sugeno型模糊逻辑系统相结合，在Matlab下离线训练ANFIS系统对单级倒立摆进行控制。仿真结果表明小车、摆杆动态性能良好，方法可行。     

状态变量合成的三级倒立摆的模糊神经网络控制

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并同时获得最佳结构和参数，结合SCNN训练竞争出最佳模糊标记数以及改进的遗传算法优化网络的权值，提出SCNN优化的用状态变量合成模糊神经网络控制二级倒立摆。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，又能对状态变量可按性质和类型分类的多变量系统，大大减少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。实验结果证实该方法的控制效果好，鲁棒性强。     

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。