| 中文摘要 | 第1-7页 |
| 英文摘要 | 第7-14页 |
| 图表索引 | 第14-16页 |
| 第一章 绪论 | 第16-33页 |
| 1．1 课题背景及研究意义 | 第16-17页 |
| 1．2 倒立摆家族简介 | 第17-19页 |
| 1．2．1 倒立摆系统控制原理 | 第17页 |
| 1．2．2 直线倒立摆系统 | 第17页 |
| 1．2．3 旋转倒立摆系统 | 第17-18页 |
| 1．2．4 平面倒立摆系统 | 第18-19页 |
| 1．3 倒立摆系统的研究现状 | 第19-23页 |
| 1．4 倒立摆系统智能控制的发展方向 | 第23-25页 |
| 1．5 本论文的主要内容及创新之处 | 第25-26页 |
| 1．6 本论文结构安排 | 第26-27页 |
| 参考文献 | 第27-33页 |
| 第二章 固高平面一级倒立摆系统结构和建模 | 第33-46页 |
| 2．1 平面一级倒立摆系统的总体结构 | 第33-35页 |
| 2．2 平面一级倒立摆结构及工作原理 | 第35-36页 |
| 2．3 平面一级倒立摆数学模型建立 | 第36-43页 |
| 2．3．1 倒立摆数学模型的建立方法 | 第36-37页 |
| 2．3．2 数学模型物理参数及意义 | 第37-38页 |
| 2．3．3 数学模型建立 | 第38-43页 |
| 参考文献 | 第43-46页 |
| 第三章 平面一级倒立摆的性能分析与 LQR控制 | 第46-60页 |
| 3．1 平面一级倒立摆系统的性能分析 | 第46-49页 |
| 3．1．1 系统稳定性分析 | 第46-47页 |
| 3．1．2 系统的可控性和可观性分析 | 第47-49页 |
| 3．2 平面一级倒立摆的 LQR控制仿真 | 第49-57页 |
| 3．2．1 LQR最优器控制原理 | 第49-50页 |
| 3．2．2 系统 LQR控制仿真 | 第50-57页 |
| 参考文献 | 第57-60页 |
| 第四章 模糊神经网络理论概述 | 第60-76页 |
| 4．1 模糊控制与神经网络的融合及其形态 | 第60-66页 |
| 4．2 基于 T- S模型的模糊神经网络 | 第66-74页 |
| 4．2．1 模糊系统的T-S模型 | 第66-68页 |
| 4．2．2 T-S模型模糊神经网络的结构 | 第68-72页 |
| 4．2．3 学习算法 | 第72-73页 |
| 4．2．4 模糊神经网络控制系统结构 | 第73-74页 |
| 参考文献 | 第74-76页 |
| 第五章 改进 T-S型模糊神经网络控制在平面一级倒立摆中的应用 | 第76-106页 |
| 5．1 网络结构 | 第77-80页 |
| 5．2 网络学习算法 | 第80-86页 |
| 5．2．1 自组织学习阶段 | 第81-82页 |
| 5．2．2 监督学习阶段 | 第82-86页 |
| 5．3 平面一级倒立摆的 FNN控制仿真试验 | 第86-104页 |
| 5．3．1 平面一级倒立摆的控制方案 | 第86-87页 |
| 5．3．2 网络初始结构的确定 | 第87-91页 |
| 5．3．3 网络学习 | 第91-98页 |
| 5．3．4 FNN控制的仿真结果 | 第98-104页 |
| 参考文献 | 第104-106页 |
| 第六章 结束语 | 第106-109页 |
| 附录 实验室固高平面一级倒立摆硬件结构图 | 第109-111页 |
| 致谢 | 第111-112页 |
| 攻读硕士期间发表论文 | 第112页 |