| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第10-14页 |
| 1.1 课题的研究背景与意义 | 第10页 |
| 1.2 课题的国内外研究现状 | 第10-13页 |
| 1.2.1 倒立摆平台的研究现状 | 第10-12页 |
| 1.2.2 不确定性人工智能的研究现状 | 第12-13页 |
| 1.3 论文的主要内容与组织结构 | 第13-14页 |
| 第2章 直线二级倒立摆建模与定性分析 | 第14-24页 |
| 2.1 直线二级倒立摆的结构分析 | 第14-15页 |
| 2.2 直线二级倒立摆控制机理研究 | 第15-16页 |
| 2.3 直线二级倒立摆数学模型的建立 | 第16-21页 |
| 2.3.1 系统非线性数学模型的推导 | 第16-19页 |
| 2.3.2 系统模型的线性化处理 | 第19-21页 |
| 2.4 直线二级倒立摆的定性分析 | 第21-23页 |
| 2.4.1 系统稳定性分析 | 第21-22页 |
| 2.4.2 系统可控性分析 | 第22页 |
| 2.4.3 系统可观测性分析 | 第22-23页 |
| 2.5 本章小结 | 第23-24页 |
| 第3章 直线二级倒立摆的信息融合策略研究 | 第24-37页 |
| 3.1 信息融合简介 | 第24页 |
| 3.2 直线二级倒立摆LQR控制研究 | 第24-29页 |
| 3.2.1 线性二次最优控制 | 第25页 |
| 3.2.2 线性二次最优控制加权矩阵的选取 | 第25-26页 |
| 3.2.3 直线二级倒立摆LQR控制 | 第26-29页 |
| 3.3 基于遗传算法的最优状态加权阵的优化 | 第29-35页 |
| 3.3.1 遗传算法 | 第29-30页 |
| 3.3.2 Matlab遗传算法工具箱介绍 | 第30-32页 |
| 3.3.3 利用遗传算法对最优状态加权阵进行优化 | 第32-35页 |
| 3.4 直线二级倒立摆系统融合函数的选取 | 第35-36页 |
| 3.5 本章小结 | 第36-37页 |
| 第4章 云模型理论 | 第37-48页 |
| 4.1 云模型的产生 | 第37-38页 |
| 4.2 云模型的概念及数字特征 | 第38-40页 |
| 4.2.1 云和云滴 | 第38页 |
| 4.2.2 云的数字特征 | 第38-39页 |
| 4.2.3 正态云模型及其3En法则 | 第39-40页 |
| 4.3 云发生器 | 第40-42页 |
| 4.3.1 正向云发生器 | 第41页 |
| 4.3.2 逆向云发生器 | 第41-42页 |
| 4.4 定性规则的云控制推理 | 第42-47页 |
| 4.4.1 前件云发生器和后件云发生器 | 第42-43页 |
| 4.4.2 单条件单规则推理 | 第43-44页 |
| 4.4.3 单条件多规则推理 | 第44-45页 |
| 4.4.4 双条件多规则推理 | 第45-47页 |
| 4.5 本章小结 | 第47-48页 |
| 第5章 直线二级倒立摆的云模型PID控制器研究 | 第48-59页 |
| 5.1 PID算法简介 | 第48-49页 |
| 5.2 云模型推理器算法研究 | 第49-53页 |
| 5.3 云模型PID控制器的设计 | 第53-56页 |
| 5.4 直线二级倒立摆云模型PID控制仿真结果及分析 | 第56-58页 |
| 5.5 本章小结 | 第58-59页 |
| 结论 | 第59-60页 |
| 参考文献 | 第60-64页 |
| 致谢 | 第64页 |