论文摘要
倒立摆系统是一个典型的多变量、非线性、强藕合和快速运动的自然不稳定系统。随着智能控制的发展,新的控制方法不断涌现,人们可以通过倒立摆这样一个严格的控制对象,检验新的控制方法的有效性。本文建立了直线一级、二级倒立摆系统的数学模型,并对倒立摆系统进行了稳定性和可控性分析;研究了自适应神经网络模糊推理系统的相关理论,针对提高控制精度问题,采用“细化离散状态空间点网”策略,从整体上提高控制精度;考虑到倒立摆系统的非线性特性与摆杆角度之间的关系,提出采用“非均匀分割变量区间”策略来选取分割点,在系统较大程度地偏离平衡位置的具有明显非线性特性的区域上,提高了控制精度;采用上述理论和策略,结合线性二次型最优调节器的设计理论,设计出直线一级、二级倒立摆的Sugeno型自适应神经网络模糊控制器;应用Sugeno型自适应神经网络模糊控制器对一级、二级倒立摆系统进行仿真研究和实物系统控制研究。结果表明Sugeno型自适应神经网络模糊控制与线性二次型最优控制方法相比,具有更好的控制品质。
论文目录
摘要ABSTRACT创新点摘要前言1、研究意义和目的2、国内外研究情况简介3、本文主要工作4、论文安排第一章 直线一级、二级倒立摆建模和定性分析1.1 直线一级倒立摆建模1.2 直线二级倒立摆建模1.3 倒立摆系统定性分析1.3.1 直线一级倒立摆定性分析1.3.2 直线二级倒立摆定性分析1.4 本章小结第二章 自适应神经网络模糊推理系统2.1 模糊逻辑和神经网络的结合2.2 Sugeno 型模糊逻辑系统2.2.1 一阶Sugeno 型模糊逻辑系统特点2.2.2 一阶Sugeno 型模糊控制器的非线性模型逼近2.3 Sugeno 型自适应神经网络模糊控制器设计原理2.3.1 设计原理2.3.2 ANFIS 神经网络结构2.3.3 Sugeno 型模糊控制器初始结构确定2.3.4 提高控制精度策略研究2.3.4.1 ANFIS 的学习算法和训练数据使用2.3.4.2 细化离散状态空间点网策略2.3.4.3 非均匀分割变量区间策略2.4 本章小结第三章 Sugeno 型自适应神经网络模糊控制器设计3.1 LQR 最优调节器设计3.1.1 LQR 最优调节器设计原理及分析3.1.2 一级倒立摆LQR 最优调节器设计3.1.3 二级倒立摆LQR 最优调节器设计3.2 Sugeno 型自适应神经网络模糊控制器设计3.2.1 确定输入状态变量矩阵3.2.2 计算控制器样本输出3.2.3 变量模糊划分及隶属度函数3.2.4 模糊控制器参数训练3.3 本章小结第四章 倒立摆系统仿真控制研究4.1 直线一级、二级倒立摆Simulink 仿真建模4.1.1 直线一级倒立摆Simulink 仿真建模4.1.2 直线二级倒立摆Simulink 仿真建模4.2 Sugeno 型自适应神经网络模糊控制器性能对比研究4.2.1 “5 点均匀分割法”和“7 点非均匀分割法”对比研究4.2.2 一级倒立摆LQR 控制器和Sugeno 型模糊控制器性能对比4.2.3 二级倒立摆LQR 控制器和Sugeno 型模糊控制器性能对比4.2.4 二级倒立摆小车位置跟踪控制效果对比4.3 本章小结第五章 倒立摆实物系统控制研究5.1 固高直线倒立摆简介5.2 控制策略的软件实现5.3 一级倒立摆控制实验5.3.1 一级倒立摆稳定控制实验5.3.2 一级倒立摆小车位置跟踪实验5.4 二级倒立摆控制实验5.4.1 二级倒立摆稳定控制实验5.4.2 二级倒立摆抗干扰性能实验5.5 本章小结结论参考文献发表文章目录致谢附录1附录2详细摘要
相关论文文献
标签：倒立摆论文; 模糊神经网络论文; 自适应论文; 线性二次型论文; 控制算法论文;
