倒立摆系统的神经网络控制研究

《倒立摆系统的神经网络控制研究》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、倒立摆系统的神经网络控制研究【摘要】神经网络具有突出自适应性和鲁棒性。本文针对一种复杂的倒立摆系统，采用BP神经网络取代传统控制方法，实现倒立摆装置的平稳控制。仿真实验结果表明，只要数据信息量及神经网络隐层神经元个数适当，即可到达较好的控制效果。该文描述了实现过程及方法，可达到对倒立摆装置更平稳的控制。本文采集自网络，本站发布的论文均是优质论文，供学习和研究使用，文中立场与本网站无关，版权和著作权归原作者所右，如存不愿意被转载的情况，请通知我们删除己转载的信息，如果需要分享，请保留本段说明。【关键词】倒立摆；BP

2、神经网络；稳定控制；仿真[Abstract]Neuralnetworkhasoutstandingadaptabi1ityandrobustness.Inthelightoftheinvertedpendulumsystemisacomplex,usingBPneuralnetworkinsteadoftraditionalcontrolmethod，controlinvertedpendulumdevice.Simulationexperimentalresultsshowthat,aslongasthedat

3、aandneuralnetworkhiddenlayerneuronsnumberofappropriateamountofinformation,tobettercontroleffect.Thispaperdescribestheimplementationprocessandmethod,anditcanachievecontroloftheinvertedpendulumdevicemoresmoothly.[Keywordsllnvertedpendulum；BPneuralnetwork；Stabil

4、itycontrol；simulationo引言倒立摆是一种高阶次、不稳定性以及非线性的特点的控制装置，是一种典型的强耦合系统，因此应该利用更有效的控制手段才能使倒立摆装置达到稳定平稳状态。该装置可以通过小车的速率、摆杆角度和摆杆平稳时间长短等一些控制参数检测及掠制。倒立摆装置是探究新型控制方式是否有效的实验平台。近年来，人们不断尝试用倒立摆装置作为典型的控制模型，来测试新的智能控制方式是否能解决系统中多变量、不稳定和非线性控制的问题，从而在其中寻求最佳智能控制方法。倒立摆装置的运动状态类似于人的走路姿态。所以，

5、倒立摆装置在探究机器人的站立行走、飞船垂直发射进程的状态调节和飞机的滑行控制具有明显的作用。倒立摆装置的探究，不仅有很强的理论作用，而且还具备更远的现实意义。1倒立摆系统一级倒立摆装置如图1所示。装在小车上的倒立摆在水平力的作用下，通过控制小车的运动速度使偏转角为0,即可使倒立摆直立起图1系统的符号的物理意义：M小车质量；m摆杆质量；g一一重力加速度；e—一摆角大小；X—一小车位移；F—一水平推力。BP神经网络BP神经网络是一种按误差反向传播训练的多层前馈网络，其算法称为BP算法，其基本思想是使用梯度下降法调整网

6、络神经网络参数，使网络的实际输出值和期望输出值的误差均方差为最小［1］。BP神经网络的计算过程由正向计算过程和反向计算组成。正向传播计算，输入模式从输入层经隐曾单元层逐层处理，并传到输出层，每层神经元的输出只影响下一层神经元。如果在输出层未达到期望的输出，则转入反向传播，将误差信号沿原来的连接通路返回，通过修改各神经元的权值，使得误差信号最小。针对倒立摆的位移和偏转控制系统，一个三层BP神经网络如图2所示。2基于MATLAB环境的倒立摆控制系统图3是基于MATLAB软件的一种倒立摆控制系统，是一个传统PI+不完全

7、微分控制，同时有从输出端反馈的LQR控制器［2］，即利用线性二次型性能指标设计的控制器，该系统实际是三种控制方法的综合应用。如图3所示。该系统经仿真得到如图4所示动画。在实验时如果去掉不完全微分控制，或者去掉LQR控制器的任何一种均很难实现稳定控制，表明系统很不稳定。但当加入两种控制方法系统变得相当稳定。现对该系统实现BP神经网络控制，即采用BP神经网络取代输入端控制器：即取代PR不完全微分控制部分，采集该控制器的输入/输出信号，构成样本数据库。建立图5数据采集模型。采集输入、反馈信号及控制器输出信号组成三维数据

8、：data=[refeud共采集100000组数据，训练BP神经网络。网络结构为2-15-1，设置神经网络参数为EP0CHS=5000；G0AL=0.000003;训练3步达到误差精度要求。误差训练曲线如图6所示。提取BP网络模型如图7所示.将此模型代替PI+不完全微分控制器，替换后得到仿真模型如图8所示。?运行该系统稳定性与原系统效果是一样的。表明BP网络完全能替代原控