基于小脑模型的二级倒立摆控制仿真
| 摘要 | 第1-4页 |
| Abstract | 第4-5页 |
| 目录 | 第5-8页 |
| 第一章 绪论 | 第8-13页 |
| ·倒立摆系统研究的意义和目的 | 第8-9页 |
| ·倒立摆控制方法研究的发展与现状 | 第9-11页 |
| ·研究内容 | 第11-12页 |
| ·小结 | 第12-13页 |
| 第二章 倒立摆的数学模型 | 第13-20页 |
| ·倒立摆系统的构成 | 第13-14页 |
| ·系统的结构 | 第13-14页 |
| ·参数符号 | 第14页 |
| ·二级倒立摆数学模型的推导 | 第14-18页 |
| ·二级倒立摆的定性分析 | 第18-19页 |
| ·小结 | 第19-20页 |
| 第三章 最优控制在倒立摆控制中的应用 | 第20-32页 |
| ·最优控制原理 | 第20-22页 |
| ·LQR算法 | 第20-21页 |
| ·Q、R阵的选择 | 第21-22页 |
| ·基于粒群优化的LQR算法 | 第22-26页 |
| ·粒群算法原理介绍 | 第23-24页 |
| ·粒群算法分析 | 第24-25页 |
| ·优化Q、R矩阵的过程 | 第25-26页 |
| ·LQR算法的倒立摆控制仿真 | 第26-31页 |
| ·反馈增益矩阵K的运算 | 第27页 |
| ·二级倒立摆控制的仿真过程及结果 | 第27-31页 |
| ·结果分析 | 第31页 |
| ·小结 | 第31-32页 |
| 第四章 模糊控制在倒立摆控制中的应用 | 第32-42页 |
| ·模糊控制器的结构 | 第32-33页 |
| ·模糊控制器的原理 | 第33-36页 |
| ·精确量的模糊化 | 第33-34页 |
| ·规则库的建立 | 第34-35页 |
| ·模糊推理 | 第35-36页 |
| ·模糊量的清晰化 | 第36页 |
| ·模糊控制器的设计 | 第36-39页 |
| ·聚类分析 | 第37-38页 |
| ·模糊规则的设计过程 | 第38-39页 |
| ·倒立摆的模糊控制仿真 | 第39-41页 |
| ·小结 | 第41-42页 |
| 第五章 小脑模型在倒立摆控制中的应用 | 第42-54页 |
| ·CMAC神经网络 | 第42-49页 |
| ·CMAC网络的结构 | 第42-43页 |
| ·CMAC网络的工作原理 | 第43-47页 |
| ·CMAC网络的学习算法 | 第47-48页 |
| ·CMAC的优越性 | 第48-49页 |
| ·CMAC与模糊控制器的复合控制器 | 第49-51页 |
| ·CMAC控制器 | 第49-50页 |
| ·CMAC与模糊控制的复合控制结构 | 第50-51页 |
| ·CMAC与模糊控制的复合控制仿真 | 第51-53页 |
| ·二级倒立摆控制的仿真过程 | 第51-53页 |
| ·结果分析 | 第53页 |
| ·小结 | 第53-54页 |
| 第六章 总结与展望 | 第54-56页 |
| ·总结 | 第54页 |
| ·前景展望 | 第54-56页 |
| 致谢 | 第56-57页 |
| 参考文献 | 第57-61页 |
| 附录A 攻读学位期间发表的论文 | 第61-62页 |
| 附录B 部分原始数据 | 第62-64页 |
