欢迎来到天天文库
浏览记录
ID:32302260
大小:2.57 MB
页数:68页
时间:2019-02-03
《基于粒子滤波和神经网络的倒立摆控制方法研究 (1)论文》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库。
1、北京工业大学硕士学位论文基于粒子滤波和神经网络的倒立摆控制方法研究姓名:王水清申请学位级别:硕士专业:控制理论与控制工程指导教师:孙亮20080501摘要摘要随着科学技术的飞速发展,现代工业控制系统变的越来越复杂,对于越来越多的非线性、不稳定系统来说,基于精确数学模型的传统控制方法已得不到理想的控制效果。倒立摆作为控制理论应用的一个典型范例,具有高阶次、多变量、不稳定、非线性和强耦合性,是一个绝对不稳定系统,通常被用来检验控制策略的有效性。同时,由于倒立摆系统控制与火箭和飞行器控制等的相似性,对其进行控制所采用的控制算法以及得出的结论对其它工程控制问题具有一定指导意义。神经网络算法
2、作为2l世纪人工智能界最具有发展前途的算法之一,从20世纪80年代开始迎来了发展的黄金时期,在倒立摆应用领域也有着广泛的应用。粒子滤波器是基于序贯MonteCarlo仿真算法的非线性滤波算法,它摆脱了解决非线性滤波问题时随机变量必须满足高斯分布的制约条件,并在一定程度上解决了粒子数样本匮乏问题,这使得其对于强非线性系统有很好的应用效果,因此近年来该算法在许多领域得到了成功的应用。尤其是在近年来,粒子滤波等非线性滤波与人工智能、神经网络的结合也不断升温,在机器人学、系统辨识中有着广泛的应用。本文重点研究了粒子滤波理论在神经网络中的应用,将神经网络的权值向量作为需要进行优化的“粒子”,
3、利用样本数据和粒子滤波算法对这些“粒子”进行离线训练,经过一定的训练步骤以后得到神经网络权值的最优化估计,最后将得到的神经网络控制器应用到一级直线倒立摆的稳定控制当中,同时对比其他优化控制器的优化结果。仿真结论表明较之以往的神经网络控制器,基于粒子滤波的神经网络控制器的控制效果无论在速度上和精度上都有不同程度的提高。本文的创新点在于将粒子滤波理论与神经网络算法进行有效结合,综合吸取两种算法的优点,充分利用神经网络算法的自学习能力和粒子滤波算法对非线性系统的适应能力,根据倒立摆系统的非线性特性采用一种新型的非线性滤波算法对一级直线倒立摆的神经网络控制器进行离线优化,从而得到较以往线性
4、估计器更精确的结果。关键词粒子滤波;神经网络;倒立摆AbstractAbstractWiththerapiddevelopmentofthetechnology,modemindustrialcontrolsnowbecomemoreandmorecomplicated.Traditionalcontrolmethodsbasedonprecisemathematicalmodelcannotgetperfectcontroleffectforthenon.1inearsystems.Theinvertedpendulumisatypicalobiectintheapplicati
5、onofcontrolarea.Ithassomecharacterssuchasunstable.non.1inearandstrongcouplingandiSalwaysusedasatooloftestingthecontrolstrategy.Also.astheinvertedpendulumhassomecharactersthesameasrocketandaerocraft.theresearchonitwillhavegreatvalueandguidingsignificance.Ashavingthemostdevelopedfuture,NN(neural
6、network)meetsthegoldenperiodsincel980s.ItiSalsowidelyusedincontrollingnon-linearsystemsuchasinvertedpendulum.PF(particlefilter)iSakindofnon—linearfilteralgorithmbasedonMonte.CadosimulationandrecursiveBayesianestimation.ItsrandomvaluehasnoneedtofulfilltheGaussiandistributionwhensolvingnon.1inea
7、rfilterproblems.Anditalsosolvestheproblemofshortofparticles.AsPFhasgoodeffectswhenusedinnon-linearsystems.ithasbeenacceptedinmanyacademicfields.RecentlyPFandsomeothernon.1inearfilteralgorithmsbecomemoreandmoreinusedinNNandAI(ArtificialI
此文档下载收益归作者所有