基于神经网络的倒立摆控制策略研究

《基于神经网络的倒立摆控制策略研究》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、摘要倒立摆系统实验是检验各种控制算法和策略的一种经典实验，它起源于二卜世纪50年代，MIT(麻省理工学院)的控制理论专家根据火箭发射助推器的原理设计出了’级倒立摆实验系统。此后，随着控制策略研究的深入，出现了更加复杂和难以控制的二级、三缴、四级倒立摆。倒立摆系统是一个典型的快速、多变量、非线性、本质不稳定系统，对倒立摆系统的研究在理论I二和方法上具有深远的意义。对倒立摆系统的研究可以归结为对非线性、多变量、不稳定系统的研究。本文以神经网络为基础，采用典型的PID控制规则和模糊控制规则对倒立摆的各个变量进行控制，并将其控制过程在MATLA

2、B上加以仿真。本论文的主要内容如下：l、综述了倒立摆研究的历史，分析了倒立摆的研究现状和国内外对倒立摆系统研究近十年的进展和取得的成果，并且介绍了针对倒立摆系统的各种控制方法。2、介绍了倒立摆的结构和在工程实际中的应用，并对倒立摆系统进行建模，推导出了倒立摆模型的状态空间表达式。3、对神经网络进行了详细的阐述，着重介绍了BP算法。4、讲述了模糊控制理论的基本原理及模糊控制器的设计方法，分析了模糊控制系统和模糊控制器的组成和特点，并对模糊控制器的设计方法提供了具体的步骤。5、采用姒TLAB仿真软件的FISEditor来建立模糊控制器，并利

3、用神经网络对模糊控制器的规则进行了训练，最后利用Simulink建立系统的结构图来实现对倒立摆的控制，采用了示波器Scope对倒立摆的各个变量进行了波形的显示，直观的显示了控制的效果。6、利用神经网络、模糊控制、PID分别对倒立摆系统进行仿真，并对其控制策略进行比较。关键词：倒立摆系统，神经网络，模糊控制，系统仿真，模糊推理系统ABSTRACTInvertedpendulumisatypicalmodelofmulti—variable，nonlinear,essentiallyunsteadysystem，andresearching

4、invertedsystemhastheprofoundmeaningintheoryandmethodology．Researchingoninvertedpendulumcarlboildowntotheresearchonnonlinear，muliti—variableunsteadysystem．ThepaperisbasedOntheneuralnetwork．ItcontrolsallthevariablesintheinvertedpendulumwiththeuseofPID．Andthenitsimulatesthe

5、controlprocessinMATLABsoftware．Themainresearchcontentsofthispaperareasfollows：Firstly，itgivesareviewontheresearchhistoryofinvertedpendulumsystem．Itanalyzestheimprovementandproductionsoninvertedpendulumsysteminthelasttenyearsaroundtheworld，Anditalsointroducesmanycontrolwa

6、ysoninvertedpendulumsystem．Secondly，itintroducesthestructureoftheinvertedpendulumanditsapplicationinengineeringpractice．Itestablishesthemodeloftheinvertedpendulumanddeducesthestate-spaceexpressionofthemodel．Thirdly,itintroducesthebasictheoryofneuralnetworkanditputsstress

7、ontheBPcomputingways．Forthly,Itnarratesthebasictheoryandtheapplicationoffuzzycontroltheory．Itintroducesthefuzzycontrolsystemandfuzzycontroller．Itanalyzesthecomposingandthefeaturesofthefuzzycontrolsystemanditprovidesmaterialstepsforfuzzycontroller．Fifthly,itestablishesthe

8、fuzzycontroller、vi也FISeditorinMATLABsoftwareAndituseneuralnetworktoexercisethemlesofthefuzzycontroller．