| 【中文题名】 | 基于GA和BP算法的模糊神经控制在倒立摆中的应用 |
| 【英文题名】 | |
| 【学科专业】 | 计算机应用 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2005-10-11 |
| 【中关键词】 | 智能控制,模糊控制,神经控制,模糊神经网络,遗传算法,BP |
| 【英关键词】 | intellectual control,fuzzy control,neural control,fuzzy-neural network,genetic algorithm,BP algorithm,inverted pendulum, |
| 【分类导航】 | 工业技术>自动化技术、计算机技术>自动化基础理论>自动控制理论>> |
| 【论文摘要】 | 随着科学技术的飞速发展,现代工业控制系统变的越来越复杂。另外控制科学的发展同计算机技术的发展结合越来越紧密。由于控制系统越来越复杂,基于精确数学模型的传统控制已得不到理想的控制效果。智能控制是一种模拟人类智能的高级控制系统,它是基于知识的控制,是将控制人员和专家的控制经验与知识作为被控对象的知识模型。
模糊系统、神经网络和遗传算法被认为21 世纪人工智能界最具有发展前途的三个重要领域,它们构成了所谓的智能计算或称软计算。
倒立摆的控制[3,6]是控制理论应用的一个典型范例,通常被用来检验控制策略的有效性。同时,由于倒立摆系统控制与火箭和飞行器控制等的相似性,对其进行控制所采用的控制算法以及得出的结论对其它工程控制问题具有一定指导意义。
本文在分析了模糊控制,神经网络控制的基础上,根据倒立摆的特点,提出了模糊神经网络控制结构,在分析了BP 算法的优缺点的基础上,引入遗传算法,并使用遗传算法和BP 算法相结合的方式来优化模糊神经网络,并对固高公司的倒立摆做了实验,并对相应结果进行了分析。实验结果证明,该控制方法有更好的控制效果。 |
| 【论文题纲】 |
|
第1章 绪论 |
6-8 |
|
1.1 研究背景和研究意义 |
6-7 |
|
1.2 主要研究内容 |
7-8 |
|
第2章 智能控制理论 |
8-33 |
|
2.1 模糊控制理论 |
8-11 |
|
2.1.1 模糊集合及其运算 |
8-10 |
|
2.1.2 模糊控制 |
10 |
|
2.1.3 模糊控制的特点 |
10-11 |
|
2.2 神经网络控制理论 |
11-22 |
|
2.2.1 神经网络的基本机理和结构 |
12-13 |
|
2.2.2 神经网络基本结构 |
13-14 |
|
2.2.3 神经网络的学习 |
14-20 |
|
2.2.3.1 分类 |
14 |
|
2.2.3.2 误差反传算法 |
14-20 |
|
2.2.4 神经网络的特点 |
20-21 |
|
2.2.5 神经网络控制 |
21 |
|
2.2.6 神经网络控制待解决的问题 |
21-22 |
|
2.3 模糊神经网络 |
22-26 |
|
2.3.1 神经网络实现模糊控制的基本原理 |
23-26 |
|
2.4 遗传算法 |
26-33 |
|
2.4.1 遗传算法的基本概念 |
26-27 |
|
2.4.2 遗传算法的基本原理 |
27 |
|
2.4.3 遗传算法的执行步骤 |
27-29 |
|
2.4.4 遗传算法的编码 |
29-30 |
|
2.4.5 遗传算法的特点 |
30-31 |
|
2.4.6 遗传算法与BP 算法的结合 |
31-33 |
|
第3章 倒立摆控制系统 |
33-51 |
|
3.1 引言 |
33-34 |
|
3.2 倒立摆的系统组成 |
34-36 |
|
3.3 模糊控制倒立摆 |
36-42 |
|
3.4 神经网络控制倒立摆 |
42-45 |
|
3.5 模糊神经网络控制倒立摆 |
45-49 |
|
3.6 控制结果比较分析 |
49-51 |
|
第4章 结束语 |
51-53 |
|
4.1 论文工作总结 |
51 |
|
4.2 关于进一步工作的思考 |
51-53 |
|
参考文献 |
53-55 |
|
附录 a 二级倒立摆模型的建立 |
55-60 |
|
附录 b 三级倒立摆模型的建立 |
60-63 |
|
附录 c 有关倒立摆控制时拍摄的照片以及控制史 |
63-66 |
|
攻读学位期间发表论文、教材和科研 |
66-67 |
|
致 谢 |
67-68 |
|
论文独创性声明 |
68 |
|
论文使用授权声明 |
68-69 |
|
| 【DOI】 | LunWen.ID:2.2008.387466 |
