基于自适应与改进粒子群优化算法的两轮移动小车姿态控制研究
| 致谢 | 第7-8页 |
| 摘要 | 第8-9页 |
| ABSTRACT | 第9页 |
| 第1章 绪论 | 第14-24页 |
| 1.1 两轮移动小车的研究意义与背景 | 第14-17页 |
| 1.1.1 两轮移动小车的研究意义 | 第14-16页 |
| 1.1.2 两轮移动小车的研究背景 | 第16-17页 |
| 1.2 两轮移动小车的姿态控制方法综述 | 第17页 |
| 1.3 自适应控制概述 | 第17-20页 |
| 1.3.1 自适应控制主要理论问题 | 第18页 |
| 1.3.2 自适应控制系统的分类 | 第18-20页 |
| 1.3.3 自适应控制的发展方向 | 第20页 |
| 1.4 粒子群优化算法 | 第20-22页 |
| 1.5 论文的研究内容和组织结构 | 第22-24页 |
| 第2章 两轮移动小车数学模型的建立与分析 | 第24-32页 |
| 2.1 两轮移动小车数学模型的建立 | 第24-30页 |
| 2.1.1 两轮移动小车动力学模型 | 第25-29页 |
| 2.1.2 两轮移动小车实际系统的状态方程 | 第29-30页 |
| 2.2 系统能控性和能观性分析 | 第30-31页 |
| 2.2.1 系统的能控性 | 第30页 |
| 2.2.2 系统能观性 | 第30-31页 |
| 2.3 本章小结 | 第31-32页 |
| 第3章 自适应模糊滑模控制器的设计 | 第32-46页 |
| 3.1 问题描述 | 第32-33页 |
| 3.2 传统分层滑模控制器 | 第33-35页 |
| 3.2.1 滑模变结构基本理论 | 第33-34页 |
| 3.2.2 系统控制律的设计 | 第34-35页 |
| 3.2.3 系统稳定性分析 | 第35页 |
| 3.3 自适应模糊滑模控制器 | 第35-41页 |
| 3.3.1 模糊逻辑系统 | 第35-36页 |
| 3.3.2 系统控制律的设计 | 第36-39页 |
| 3.3.3 系统稳定性分析 | 第39-41页 |
| 3.4 仿真实验 | 第41-45页 |
| 3.4.1 实验参数设置 | 第41-43页 |
| 3.4.2 实验结果与分析 | 第43-45页 |
| 3.5 本章小结 | 第45-46页 |
| 第4章 自适应神经滑模控制器的设计 | 第46-59页 |
| 4.1 神经网络 | 第47-49页 |
| 4.1.1 神经网络模型 | 第47-48页 |
| 4.1.2 RBF神经网络 | 第48-49页 |
| 4.1.3 神经网络的学习方式 | 第49页 |
| 4.2 自适应神经网络控制器设计 | 第49-54页 |
| 4.2.1 控制律设计 | 第49-53页 |
| 4.2.2 系统稳定性分析 | 第53-54页 |
| 4.3 仿真实验 | 第54-57页 |
| 4.3.1 实验参数设置 | 第54-55页 |
| 4.3.2 实验结果与分析 | 第55-57页 |
| 4.4 本章小结 | 第57-59页 |
| 第5章 基于自适应粒子群算法的控制器参数优化 | 第59-73页 |
| 5.1 粒子群优化算法 | 第60-62页 |
| 5.1.1 粒子群优化算法的基本原理 | 第60-61页 |
| 5.1.2 基本粒子群优化算法的运算步骤 | 第61页 |
| 5.1.3 基本粒子群算法的参数分析 | 第61-62页 |
| 5.2 自适应粒子群算法 | 第62-70页 |
| 5.2.1 自适应粒子群算法原理 | 第62-64页 |
| 5.2.2 自适应粒子群算法实现步骤 | 第64-66页 |
| 5.2.3 自适应粒子群算法的实验测试 | 第66-70页 |
| 5.3 自适应粒子群算法在控制器参数优化中的应用 | 第70-71页 |
| 5.4 基于粒子群优化算法的控制器的仿真 | 第71-72页 |
| 5.5 本章小结 | 第72-73页 |
| 第6章 总结与展望 | 第73-75页 |
| 6.1 论文总结 | 第73-74页 |
| 6.2 展望 | 第74-75页 |
| 参考文献 | 第75-79页 |
| 攻读硕士学位期间的学术活动及成果情况 | 第79-80页 |
