| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 1 绪论 | 第8-13页 |
| ·引言 | 第8页 |
| ·倒立摆系统简介 | 第8-10页 |
| ·课题研究目的和意义 | 第10-11页 |
| ·国内外研究现状 | 第11-12页 |
| ·论文主要内容及安排 | 第12-13页 |
| ·主要内容 | 第12页 |
| ·论文结构安排 | 第12-13页 |
| 2 倒立摆数学建模与定性分析 | 第13-36页 |
| ·直线一级倒立摆的建模与分析 | 第13-21页 |
| ·牛顿-欧拉方法建模 | 第13-17页 |
| ·拉格朗日方法建模 | 第17-19页 |
| ·系统性能分析 | 第19-21页 |
| ·直线二级倒立摆的建模与分析 | 第21-27页 |
| ·拉格朗日方法建模 | 第21-25页 |
| ·系统性能分析 | 第25-27页 |
| ·倒立摆系统硬软件简介 | 第27-36页 |
| ·硬件组成结构 | 第27-33页 |
| ·软件平台 | 第33-36页 |
| 3 倒立摆系统常用控制方法 | 第36-51页 |
| ·一级倒立摆的PID控制 | 第36页 |
| ·一级倒立摆的LQR控制 | 第36-42页 |
| ·一级倒立摆的LQR控制基本原理 | 第36-38页 |
| ·一级倒立摆的LQR仿真实验 | 第38-40页 |
| ·一级倒立摆的LQR实时控制 | 第40-42页 |
| ·二级倒立摆的LQR控制 | 第42-45页 |
| ·二级倒立摆的LQR仿真实验 | 第42-43页 |
| ·二级倒立摆的LQR实时控制 | 第43-45页 |
| ·二级倒立摆的LQR抗干扰性研究 | 第45页 |
| ·直线三级倒立摆LQR控制 | 第45-51页 |
| ·直线三级倒立摆系统物理模型 | 第45-49页 |
| ·直线三级倒立摆LQR仿真 | 第49-51页 |
| 4 倒立摆系统自适应神经网络模糊控制技术研究 | 第51-70页 |
| ·神经网络 | 第51-55页 |
| ·神经网络基本概念以及网络组成结构 | 第51-52页 |
| ·神经网络学习算法 | 第52-53页 |
| ·BP网络简介 | 第53-54页 |
| ·神经网络的优良特性与泛化能力 | 第54-55页 |
| ·模糊控制介绍 | 第55-59页 |
| ·模糊逻辑控制数学基础 | 第55-57页 |
| ·TSK模型(Takagi-Sugeno-Kang模型) | 第57页 |
| ·模糊推理系统 | 第57-59页 |
| ·模糊系统存在问题 | 第59页 |
| ·模糊神经网络控制 | 第59-65页 |
| ·模糊神经网络的分类 | 第60-61页 |
| ·Takagi-Sugeno模型结构与学习算法 | 第61-65页 |
| ·自适应神经网络模糊推理系统概述 | 第65-70页 |
| ·ANFIS结构 | 第66-68页 |
| ·ANFIS控制方法及设计 | 第68页 |
| ·MATLAB中ANFIS的图形用户界面 | 第68-70页 |
| 5 一级倒立摆自适应神经网络算法研究 | 第70-76页 |
| ·一级倒立摆自适应神经网络控制器设计 | 第70-73页 |
| ·一级倒立摆自适应神经网络控制仿真研究 | 第73-75页 |
| ·一级倒立摆系统实时控制 | 第75-76页 |
| 6 二级倒立摆的自适应神经网络算法研究 | 第76-83页 |
| ·二级倒立摆自适应神经网络控制器设计 | 第76-78页 |
| ·二级倒立摆自适应神经网络控制仿真研究 | 第78-80页 |
| ·二级倒立摆系统实时控制 | 第80-81页 |
| ·二级倒立摆系统的抗干扰性研究 | 第81-82页 |
| ·二级倒立摆自适应神经网络控制与LQR控制对比分析 | 第82-83页 |
| 7 结论 | 第83-84页 |
| ·课题结论 | 第83页 |
| ·课题展望 | 第83-84页 |
| 参考文献 | 第84-87页 |
| 攻读硕士学位期间发表的论文 | 第87-88页 |
| 致谢 | 第88-90页 |