基于旋转倒立摆装置的智能控制研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-9页 |
| 第一章 绪论 | 第9-14页 |
| ·引言 | 第9页 |
| ·智能信息处理技术和控制科学的交融与结合 | 第9-12页 |
| ·智能控制系统的基本功能特点 | 第10-11页 |
| ·智能控制的主要研究分支 | 第11-12页 |
| ·模糊推理和神经网络在控制中应用的区别 | 第12页 |
| ·控制理论的完善与控制技术的发展 | 第12页 |
| ·本文的主要研究内容和任务 | 第12-14页 |
| 第二章 旋转倒立摆系统的组成 | 第14-19页 |
| ·一级旋转倒立摆系统 | 第14页 |
| ·旋转倒立摆系统的硬件组成 | 第14-15页 |
| ·基于MATLAB 的实时控制 | 第15-19页 |
| ·半实物仿真简介 | 第16页 |
| ·Real-Time Workshop | 第16-17页 |
| ·实时控制软件WinCon | 第17-19页 |
| 第三章 人工神经网络控制 | 第19-36页 |
| ·神经网络的特点和学习规则 | 第19-20页 |
| ·神经网络的特点 | 第19页 |
| ·神经网络的学习规则 | 第19-20页 |
| ·BP 神经网络 | 第20-26页 |
| ·BP 神经网络的基本概念 | 第20-24页 |
| ·网络结构的设计 | 第24页 |
| ·隐含层数的确定 | 第24页 |
| ·隐含层神经元个数的确定 | 第24-25页 |
| ·初始权值的选取 | 第25页 |
| ·学习速率 | 第25页 |
| ·期望误差的选取 | 第25-26页 |
| ·神经网络的训练 | 第26-27页 |
| ·样本数据 | 第26页 |
| ·神经网络训练 | 第26-27页 |
| ·选择合适的网络模型 | 第27-28页 |
| ·对一级旋转倒立摆控制器的逼近 | 第28-33页 |
| ·BP 网络的不足及改进 | 第33-35页 |
| ·BP 网络的不足 | 第33-34页 |
| ·BP 网络的改进 | 第34-35页 |
| ·结论 | 第35-36页 |
| 第四章 LQR控制和模糊控制相结合 | 第36-45页 |
| ·一级倒立摆数学模型的建立 | 第36-39页 |
| ·LQR 控制 | 第39-40页 |
| ·模糊控制器的设计 | 第40-44页 |
| ·模糊系统的T-S 模型 | 第40-41页 |
| ·模糊控制器的结构 | 第41页 |
| ·建立模糊控制器的控制规则 | 第41-42页 |
| ·LQR 控制和模糊控制相结合的控制 | 第42-44页 |
| ·结论 | 第44-45页 |
| 第五章 模糊控制和神经网络相结合 | 第45-52页 |
| ·模糊控制与神经网络的结合方式 | 第45-46页 |
| ·基于 T-S 模型模糊神经网络的结构 | 第46-51页 |
| ·结论 | 第51-52页 |
| 第六章 研究展望与总结 | 第52-53页 |
| ·研究展望 | 第52页 |
| ·总结 | 第52-53页 |
| 参考文献 | 第53-56页 |
| 攻读硕士学位期间论文发表情况 | 第56-57页 |
| 致谢 | 第57-58页 |
| 附录 | 第58-62页 |
