摘要 | 第1-6页 |
ABSTRACT | 第6-13页 |
图索引 | 第13-14页 |
表索引 | 第14-15页 |
第一章 绪论 | 第15-25页 |
1.1 课题研究背景 | 第15-17页 |
1.2 立论依据 | 第17-21页 |
1.3 论文主要研究内容及创新点 | 第21-23页 |
1.4 章节安排 | 第23-25页 |
第二章 倒立摆控制系统的研究状况 | 第25-42页 |
2.1 倒立摆控制系统简介 | 第25-30页 |
2.1.1 倒立摆控制系统简介 | 第25页 |
2.1.2 倒立摆控制系统的种类 | 第25-29页 |
2.1.3 倒立摆系统的控制机理 | 第29页 |
2.1.4 倒立摆系统的特性 | 第29-30页 |
2.2 倒立摆控制系统的研究历史及现状 | 第30-34页 |
2.3 倒立摆系统的智能控制方法 | 第34-42页 |
第三章 固高平面一级倒立摆系统结构及建模 | 第42-55页 |
3.1 固高平面一级倒立摆系统的硬件结构 | 第42-49页 |
3.1.1 系统特点 | 第42-43页 |
3.1.2 系统硬件组成 | 第43-44页 |
3.1.3 系统重要部件介绍 | 第44-46页 |
3.1.4 系统实物图 | 第46-47页 |
3.1.5 系统运动控制原理 | 第47-49页 |
3.2 固高平面一级倒立摆系统的数学模型建立 | 第49-55页 |
3.2.1 模型推导原理 | 第49-50页 |
3.2.2 系统数学建模 | 第50-55页 |
第四章 基于粗糙集理论的神经模糊系统智能控制方法 | 第55-87页 |
4.1 粗糙集理论概述 | 第55-65页 |
4.1.1 粗糙集理论的产生、发展和应用 | 第55-56页 |
4.1.2 粗糙集理论的特点 | 第56-58页 |
4.1.3 粗糙集理论的基本概念 | 第58-64页 |
4.1.4 基于粗糙集理论的规则获取 | 第64-65页 |
4.2 神经模糊系统概述 | 第65-78页 |
4.2.1 神经模糊系统的产生和发展 | 第65-69页 |
4.2.2 神经模糊系统的基本思想 | 第69-70页 |
4.2.3 基于 Mamdani模糊模型的神经模糊系统(MNFIS) | 第70-78页 |
4.2.3.1 基于 Mamdani模糊模型的神经模糊系统简介 | 第71页 |
4.2.3.2 基于 Mamdani模糊模型的神经模糊系统的结构和功能 | 第71-74页 |
4.2.3.3 基于 Mamdani模糊模型的神经模糊系统的学习算法 | 第74-78页 |
4.3 基于粗糙集的Mamdani神经模糊系统(RMNFIS)智能控制策略 | 第78-87页 |
4.3.1 RMNFIS智能控制策略的基本思想 | 第78-80页 |
4.3.2 基于粗糙集理论的MNFIS网络结构构造 | 第80-83页 |
4.3.2.1 理论基础 | 第80-81页 |
4.3.2.2 基于粗糙集理论的模糊规则获取 | 第81-83页 |
4.3.3 基于粗糙集的 Mamdani神经模糊系统的建立 | 第83-87页 |
4.3.3.1 系统建立思想 | 第83-84页 |
4.3.3.2 系统网络结构及学习算法 | 第84-87页 |
第五章 平面一级倒立摆的控制系统设计与仿真 | 第87-123页 |
5.1 平面一级倒立摆系统的分组补偿 RMNFIS控制仿真 | 第87-112页 |
5.1.1 控制变量的分组 | 第88-92页 |
5.1.2 基于粗糙集理论的模糊规则获取 | 第92-101页 |
5.1.3 分组补偿神经模糊系统控制器的设计 | 第101-105页 |
5.1.4 平面一级倒立摆系统的分组补偿 RMNFIS控制 | 第105-106页 |
5.1.5 仿真结果 | 第106-112页 |
5.2 平面一级倒立摆系统的 LQR控制仿真 | 第112-121页 |
5.2.1 线性二次型最优控制原理 | 第112-116页 |
5.2.2 平面一级倒立摆系统的 LQR最优控制器设计 | 第116-118页 |
5.2.3 仿真结果 | 第118-121页 |
5.3 两种控制策略的结果比较 | 第121-123页 |
第六章 结束语 | 第123-127页 |
6.1 本论文主要研究工作 | 第123-125页 |
6.2 本论文创新点及展望 | 第125-127页 |
参考文献 | 第127-138页 |
致谢 | 第138-139页 |
攻读硕士学位期间发表的论文 | 第139页 |