首页--工业技术论文--自动化技术、计算机技术论文--自动化基础理论论文--人工智能理论论文--人工神经网络与计算论文

三级倒立摆的RBF-ARX建模与云推理控制器设计

摘要第5-6页
Abstract第6-7页
第1章 绪论第10-16页
    1.1 课题研究背景及意义第10-12页
    1.2 倒立摆控制的研究现状第12-14页
    1.3 课题研究内容第14-16页
第2章 改进RBF-ARX模型GA优化及三级倒立摆建模第16-33页
    2.1 RBF-ARX的传统SNPOM优化方法及不足第16-20页
        2.1.1 RBF-ARX的结构与特点第16-17页
        2.1.2 SNPOM优化过程及不足第17-20页
    2.2 改进的RBF-ARX模型GA优化第20-23页
        2.2.1 GA基本流程第20-21页
        2.2.2 GA-RBF-ARX优化实现第21-23页
    2.3 三级倒立摆的GA-RBF-ARX建模与仿真第23-32页
        2.3.1 三级倒立摆的结构与参数第23-26页
        2.3.2 三级倒立摆的GA-RBF-ARX建模设计第26-29页
        2.3.3 三级倒立摆的GA-RBF-ARX建模仿真研究第29-32页
    2.4 本章小结第32-33页
第3章 三级倒立摆的改进型T-S模糊神经网络控制系统设计与仿真第33-47页
    3.1 改进的T-S模糊神经网络结构与工作过程第33-35页
    3.2 基于CGA优化的T-S模糊神经网络三级倒立摆控制系统设计第35-42页
        3.2.1 改进的遗传算法—云遗传算法(CGA)第35-40页
        3.2.2 三级倒立摆的控制系统设计第40-42页
    3.3 T-S模糊神经网络控制系统仿真对比研究第42-46页
        3.3.1 GA优化的T-S模糊神经网络控制系统仿真第42-43页
        3.3.2 CGA优化的T-S模糊神经网络控制系统仿真第43-46页
    3.4 本章小结第46-47页
第4章 三级倒立摆的T-S云推理神经网络控制系统设计第47-55页
    4.1 T-S云推理神经网络结构与工作过程第47-49页
    4.2 基于GA优化T-S云推理神经网络的三级倒立摆控制系统设计第49-51页
    4.3 T-S云推理神经网络控制系统仿真对比研究第51-54页
    4.4 本章小结第54-55页
结论第55-57页
参考文献第57-62页
攻读硕士学位期间承担的科研任务与主要成果第62-63页
致谢第63页

论文共63页,点击 下载论文
上一篇:纳米烟炱颗粒作为润滑油添加剂的摩擦学性能研究
下一篇:企业外部环境成本计量研究--基于资源价值流和生命周期评价理论的整合框架