自适应神经网络模糊控制在倒立摆中的应用

应用MATLAB的模糊控制工具箱，设计了用于倒立摆系统的模糊控制器，并且利用神经网络能够自学习的特点，采用反向传播算法对倒立摆控制样本数据进行了学习，调整了各变量的隶属函数，从而使学习后的模糊控制器更能适应倒立摆系统控制的需要。把学习前后的模糊控制器用于倒立摆系统进行了实验对比，结果表明学习后的控制器控制效果明显优于学习前的控制器。     

二级倒立摆的TS型逐级模糊神经网络控制

提出了一种逐级模糊神经网络控制法．该控制法通过采用Takagi-Sugeno型模糊神经网络控制器和逐级模糊控制规则,实现了二级倒立摆系统的稳定控制．模糊神经网络控制器的参数采用遗传算法分4步进行优化．实验结果表明,采用逐级模糊神经网络控制法,用20条模糊规则就可以实现二级倒立摆系统的稳定控制,并且控制效果佳,系统鲁棒性强。     

二级倒立摆的模糊控制算法

利用最优反馈矩阵加权模糊控制器的输入变量,并对系统的状态进行了综合处理.该方法减少了模糊控制器的输入,降低了控制器的设计难度.仿真结果表明:该模糊控制器结构简单,系统响应稳态误差较小,调节时间和超调量符合控制要求,具有很好的控制效果.     

倒立摆系统的模糊控制方法

阐述了基于二级倒立摆的两种模糊控制方法，即模糊逻辑控制方法和分层模糊控制方法．模糊逻辑控制方法是将二级倒立摆系统的6个状态变量加权变化为两个参变量，再用模糊控制器实现稳定控制．而分层模糊控制是将状态变量分解为子系统，设计下层模糊控制器对其控制，上层模糊控制器负责整个系统的协调和管理，实现稳定控制．实验结果表明：分层模糊控制较模糊逻辑控制具有更好的控制效果．     

二级倒立摆基于融合函数的模糊控制

文章针对多变量、非线性、强耦合性的二级倒立摆系统,采用模糊控制理论研究了二级倒立摆的稳定控制问题.考虑到二级倒立摆为多变量系统,为了解决模糊控制器规则组合爆炸问题,利用LQR控制方法设计了融合函数以降低模糊控制器的输入变量维数,降低了控制器的设计难度,并研究了量化因子对控制效果的影响,通过设置阈值使量化因子可自动调节,...     

模糊控制在二级倒立摆系统中的应用

针对多变量、非线性、强耦合性的二级倒立摆系统的稳定控制问题.首先,为解决模糊控制在多变量系统中常遇到的"规则爆炸"问题,提出了一种基于融合函数的模糊控制方法,该方法将最优控制理论与模糊控制理论相结合,运用LQR控制方法设计了融合函数,减少了模糊控制器的规则数,并对控制参数进行了寻优和调整.其次,对系统进行了仿真分析,结果表明这种方法是有效的.最后,利用固高公司GLIP2003倒立摆系统验证了设计结果,并达到了较好的控制效果.     

基于PSO—SA的二级倒立摆前馈补偿模糊神经网络控制

以模糊神经网络为基础,结合误差前馈补偿完成了二级倒立摆系统的稳定控制,并采用模拟退火粒子群算法对控制参数进行全局寻优。与基于状态变量合成的模糊神经网络控制器相比,该控制方法豢仅解决了多变量系统模糊控制器的“规则爆炸”问题,并且。由于所有状态变量直接参与控制输出,控制精度亦有所提高。仿真结果表明,该控制方案所需规则数目少,响应速度快,有良好的鲁棒性和非线性适应能力。     

基于Sugeno模糊模型的倒立摆模糊控制

当倒立摆的摆角及摆速很小时,对倒立摆系统的动力学方程进行局部线性化,采用Sugeno模糊模型,得到相应的模糊规则,然后选择期望的闭环极点,可设计出极点配置状态反馈控制器对倒立摆系统进行控制,仿真结果证明了该方法的有效性,能够实现倒立摆系统的稳定控制。     

基于改进的表格查询法的二级倒立摆模糊控制

研究了二级倒立摆系统的模糊控制问题,对表格查询算法在二级倒立摆上的应用进行了详细介绍,通过引入输入-输出数据对及模糊规则置信度的概念,去除冗余规则,减少了控制规则,使控制器的控制规则更为简单、有效。通过建立模糊规则,构造模糊控制器,实现了倒立摆系统的稳定性控制。研究结果表明,该算法具有简单、实时跟踪效果好等特性。     

二级倒立摆的参数自整定模糊-PI控制

基本模糊控制器在面对复杂控制对象时，其稳态精度比较差。针对这一问题，文中以二级倒立摆系统为控制对象，提出了一种新的模糊控制器。该模糊控制器通过对基本模糊控制器中结构参数的寻优和调整，以及系统输出结构的完善，实现了二级倒立摆的稳定控制。仿真研究表明，提出的模糊控制算法无论是在动态指标还是在稳态精度方面与基本模糊控制器相比，都有了明显的改进。     

二级倒立摆的参数自整定模糊-PI控制

基本模糊控制器在面对复杂控制对象时,其稳态精度比较差。针对这一问题,文中以二级倒立摆系统为控制对象,提出了一种新的模糊控制器。该模糊控制器通过对基本模糊控制器中结构参数的寻优和调整,以及系统输出结构的完善,实现了二级倒立摆的稳定控制。仿真研究表明,提出的模糊控制算法无论是在动态指标还是在稳态精度方面与基本模糊控制器相比,都有了明显的改进。     

基于模糊控制的旋转型双支点倒立摆系统

对旋转型垂直式倒立摆系统的机械结构及控制系统进行了研究,提出了基于最优控制的T-S模型模糊控制方案,即采用最优控制理论对此模型实现分段控制作为底层控制和基于T-S模型的模糊控制相协调的上层控制,来实现倒立摆系统的稳定控制。采用MATLAB/Simulink对该方法进行仿真,结果验证了基于T-S模型的模糊控制理论对旋转型倒立摆系统控制的有效性。     

基于T-S模型的倒立摆LQR模糊控制

对固高倒立摆的控制目标、T-S建模方法、LQR控制器的设计、参数Q与控制性能的关系进行了分析,根据各个T-S模糊子集中倒立摆系统所处的不同状态,权衡2个控制目标的比重,选取合适的Q参数,从而设计出有针对性的控制目标的LQR模糊控制器,拓宽了LQR控制器在非线性领域的应用.实验结果证明了它的有效性.     

基于多Agent的倒立摆模糊控制系统

在研究Agent技术的基础上,结合模糊控制的特点,提出了一种基于多Agent的模糊控制系统.根据Multi Agent System的设计原则,将系统分解为三个Agent,通过建立三者之间的协商策略,使各Agent间相互作用,相互联系,完成了单个Agent所无法完成的任务.对倒立摆系统的仿真验证了Agent思想与模糊控制理论结合的可行性和有效性.     

LQG/LTR控制在二级倒立摆系统中的应用研究

以二级倒立摆系统为例,采用LQR状态反馈与卡尔曼状态估计相结合的方法,通过回路传输恢复LTR技术弥补LQG设计的不足,完成了LQG/LTR全状态反馈控制器的设计,并运用MATLAB语言进行仿真分析,将其仿真结果与LQR控制器进行了对比。结果表明,LQG/LTR控制在二级倒立摆系统中有效地解决了在外界干扰和量测噪声等情况下出现的不稳定问题,且具有较好的鲁棒性。     

基于MATLAB的二级倒立摆控制系统设计方法

在对二级倒立摆系统的动力学方程进行建模的基础上，将其转化为线性定常系统的状态控制问题，运用LQR控制器在MATLAB平台上实现了该系统的最优控制策略，并给出了相应的实验结果．     

单级旋转倒立摆控制研究

介绍了单级旋转倒立摆的组成结构,设计了一种基于T-S模型的模糊控制器,并以Quanser公司生产的旋转倒立摆系统为研究对象进行了实验研究,实验结果表明该模糊控制器的可行性,而且具有稳定性好和算法简单的特点.