基于Backstepping方法的RBF神经网络在倒立摆系统中的应用研究

论文摘要

倒立摆系统是控制学中的一个典型模型。由于它本身所具有的不稳定、非线性、多变量、强耦合等特性,在其控制过程中能有效反映控制中的许多关键问题,如非线性问题和鲁棒性问题。实验室中通常运用倒立摆系统来检验某种新的控制理论以及控制方法的有效性。又由于倒立摆系统的控制研究和机器人等一些工程控制也有很好的相似性,所以对于倒立摆系统新的控制方法的研究对于工程控制也有着很好的指导意义。本文运用Backstepping方法结合RBF神经网络(Radial Basis Function Neural Network, RBFNN)设计的RBF神经网络控制器在直线倒立摆系统中的控制研究。Backstepping方法可以将复杂的非线性系统分解成几个低阶次子系统,然后为这每个子系统设计部分的Lyapunov函数以及中间虚拟的控制量,采用非线性系统的逆推设计方法,来完成对控制器的设计。本文主要的研究工作如下:1.对倒立摆系统进行讨论分析,分别利用牛顿力学和拉格朗日方法建立它们的数学模型,进而推导出状态方程。2.在讨论Backstepping方法和RBF神经网络的基础上,形成了Backstepping方法和RBF神经网络相结合神经网络控制器,对直线倒立摆系统进行应用控制研究,结果证明了此方法的有效性。3.根据上面介绍的内容,在MATLAB中利用Simulink工具箱搭建RBF神经网络控制器模块,对于直线倒立摆系统进行仿真研究。实验结果表明:利用Backstepping方法结合RBF神经网络在倒立摆系统中的控制研究的方法是积极有效的。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 课题来源背景及研究意义
• 1.1.1 课题来源
• 1.1.2 课题研究的目的和意义
• 1.2 国内外研究现状
• 1.2.1 倒立摆系统的国内外研究现状
• 1.2.2 智能控制在倒立摆系统中应用的国内外研究现状
• 1.3 本论文的主要研究内容
• 第2章 倒立摆系统的数学模型
• 2.1 一级倒立摆的数学模型
• 2.1.1 运动方程的推导
• 2.1.2 传递函数
• 2.1.3 一级直线倒立摆的数学模型
• 2.2 BP 二级倒立摆的数学模型
• 2.3 稳定性分析
• 2.4 本章小结
• 第3章 RBF 神经网络控制器的改进
• 3.1 RBF 神经网络
• 3.1.1 RBF 神经网络的结构
• 3.1.2 RBF 神经网络的逼近
• 3.1.3 网络参数对逼近效果的影响
• 3.2 Backstepping 方法
• 3.3 基于Backstepping 方法的RBF 神经网络控制器的设计
• 3.4 本章小结
• 第4章 RBF 神经网络控制器在倒立摆中仿真研究
• 4.1 RBF 神经网络控制器在直线一级倒立摆中的应用
• 4.1.1 直线一级倒立摆的仿真研究
• 4.1.2 直线一级倒立摆的实时控制研究
• 4.2 RBF 神经网络在直线二级倒立摆中的控制
• 4.3 本章小结
• 结论
• 参考文献
• 攻读学位期间发表的学术论文
• 致谢