| 【中文题名】 | 平面一级倒立摆系统的智能控制策略研究 |
| 【英文题名】 | Study of Intelligent Control Strategy in the Planar Single Inverted Pendulum System |
| 【学科专业】 | 控制理论与控制工程 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2005-11-14 |
| 【中关键词】 | 粗糙集,模糊集,神经模糊系统,变量分组补偿控制,平面一级倒立摆系统,规则获取 |
| 【英关键词】 | rough set,fuzzy set,neural fuzzy inference system,variables grouping compensation control,the planar single inverted pendulum system,rules generation, |
| 【分类导航】 | 工业技术>自动化技术、计算机技术>自动化技术及设备>自动化系统>自动控制、自动控制系统>计算机控制、计算机控制系统 |
| 【论文摘要】 | 随着科学技术的迅速发展,新的控制方法不断出现,倒立摆系统作为检验新的控制理论及方法有效性的重要实验手段得到广泛研究。本文选取平面一级倒立摆系统作为研究对象,进行了针对多变量复杂系统的智能控制方法——基于粗糙集的Mamdani神经模糊系统分组补偿控制策略的研究与仿真。
首先,本文在对粗糙集理论知识获取方法及思想进行分析的基础上,提出了平面一级倒立摆系统的模糊规则获取算法。该粗糙集规则获取算法在决策表的构建中结合了粗糙集理论和模糊集理论,采用模糊离散归一化方法构造模糊决策表,决策表的属性约简采用了“属性重要度”启发式算法,使获取的精简模糊控制规则对映射Mamdani神经模糊系统模型更合理,具有更好的控制适应性。
然后,本文对基于Mamdani模糊模型的神经模糊系统进行了理论分析,介绍了其控制思想、网络结构及学习算法,在理论分析的基础上,指出了神经模糊系统控制方法的优点,以及它在针对平面一级倒立摆系统控制中存在的不足:网络结构庞 |
| 【论文题纲】 |
|
摘要 |
4-6 |
|
ABSTRACT |
6-13 |
|
图索引 |
13-14 |
|
表索引 |
14-15 |
|
第一章 绪论 |
15-25 |
|
1．1 课题研究背景 |
15-17 |
|
1．2 立论依据 |
17-21 |
|
1．3 论文主要研究内容及创新点 |
21-23 |
|
1．4 章节安排 |
23-25 |
|
第二章 倒立摆控制系统的研究状况 |
25-42 |
|
2．1 倒立摆控制系统简介 |
25-30 |
|
2．1．1 倒立摆控制系统简介 |
25 |
|
2．1．2 倒立摆控制系统的种类 |
25-29 |
|
2．1．3 倒立摆系统的控制机理 |
29 |
|
2．1．4 倒立摆系统的特性 |
29-30 |
|
2．2 倒立摆控制系统的研究历史及现状 |
30-34 |
|
2．3 倒立摆系统的智能控制方法 |
34-42 |
|
第三章 固高平面一级倒立摆系统结构及建模 |
42-55 |
|
3．1 固高平面一级倒立摆系统的硬件结构 |
42-49 |
|
3．1．1 系统特点 |
42-43 |
|
3．1．2 系统硬件组成 |
43-44 |
|
3．1．3 系统重要部件介绍 |
44-46 |
|
3．1．4 系统实物图 |
46-47 |
|
3．1．5 系统运动控制原理 |
47-49 |
|
3．2 固高平面一级倒立摆系统的数学模型建立 |
49-55 |
|
3．2．1 模型推导原理 |
49-50 |
|
3．2．2 系统数学建模 |
50-55 |
|
第四章 基于粗糙集理论的神经模糊系统智能控制方法 |
55-87 |
|
4．1 粗糙集理论概述 |
55-65 |
|
4．1．1 粗糙集理论的产生、发展和应用 |
55-56 |
|
4．1．2 粗糙集理论的特点 |
56-58 |
|
4．1．3 粗糙集理论的基本概念 |
58-64 |
|
4．1．4 基于粗糙集理论的规则获取 |
64-65 |
|
4．2 神经模糊系统概述 |
65-78 |
|
4．2．1 神经模糊系统的产生和发展 |
65-69 |
|
4．2．2 神经模糊系统的基本思想 |
69-70 |
|
4．2．3 基于 Mamdani模糊模型的神经模糊系统(MNFIS) |
70-78 |
|
4．2．3．1 基于 Mamdani模糊模型的神经模糊系统简介 |
71 |
|
4．2．3．2 基于 Mamdani模糊模型的神经模糊系统的结构和功能 |
71-74 |
|
4．2．3．3 基于 Mamdani模糊模型的神经模糊系统的学习算法 |
74-78 |
|
4．3 基于粗糙集的Mamdani神经模糊系统(RMNFIS)智能控制策略 |
78-87 |
|
4．3．1 RMNFIS智能控制策略的基本思想 |
78-80 |
|
4．3．2 基于粗糙集理论的MNFIS网络结构构造 |
80-83 |
|
4．3．2．1 理论基础 |
80-81 |
|
4．3．2．2 基于粗糙集理论的模糊规则获取 |
81-83 |
|
4．3．3 基于粗糙集的 Mamdani神经模糊系统的建立 |
83-87 |
|
4．3．3．1 系统建立思想 |
83-84 |
|
4．3．3．2 系统网络结构及学习算法 |
84-87 |
|
第五章 平面一级倒立摆的控制系统设计与仿真 |
87-123 |
|
5．1 平面一级倒立摆系统的分组补偿 RMNFIS控制仿真 |
87-112 |
|
5．1．1 控制变量的分组 |
88-92 |
|
5．1．2 基于粗糙集理论的模糊规则获取 |
92-101 |
|
5．1．3 分组补偿神经模糊系统控制器的设计 |
101-105 |
|
5．1．4 平面一级倒立摆系统的分组补偿 RMNFIS控制 |
105-106 |
|
5．1．5 仿真结果 |
106-112 |
|
5．2 平面一级倒立摆系统的 LQR控制仿真 |
112-121 |
|
5．2．1 线性二次型最优控制原理 |
112-116 |
|
5．2．2 平面一级倒立摆系统的 LQR最优控制器设计 |
116-118 |
|
5．2．3 仿真结果 |
118-121 |
|
5．3 两种控制策略的结果比较 |
121-123 |
|
第六章 结束语 |
123-127 |
|
6．1 本论文主要研究工作 |
123-125 |
|
6．2 本论文创新点及展望 |
125-127 |
|
参考文献 |
127-138 |
|
致谢 |
138-139 |
|
攻读硕士学位期间发表的论文 |
139 |
|
| 【DOI】 | LunWen.ID:2.2008.377497 |
