一种改进的T-S型模糊神经网络控制在平面一级倒立摆中的应用

摘要

倒立摆属于多变量、非线性、不稳定、强耦合的快速系统，是一个多用途的综合性实验装置，对它的研究可归结为对多变量非线性系统的研究，其控制方法和思路对处理一般工业过程具有普遍的指导意义。随着智能控制的发展，新的控制方法不断出现，人们试图通过倒立摆这样一个严格的控制对象，检验新的控制方法的有效性。因此，倒立摆系统作为控制领域具有代表性的和复杂性的研究对象，对它的研究具有深远的理论价值和重要的工程背景和实际意义。 另外从控制理论和控制工程的意义上讲，相对于直线倒立摆系统，平面运动倒立摆系统其变量、非线性程度及不稳定性成倍地增加，导致其控制的实现要比直线运动倒立摆系统控制的实现困难得多。 本文首先综述了倒立摆系统控制研究工作的背景及其科学意义，对倒立摆系统作了简要介绍，并详细讨论了倒立摆的国内外研究状况以及其智能控制的发展趋势。 其次介绍了固高GPIP2001型平面一级倒立摆系统的物理结构，从便于建模的Lagarange方程角度，详细推导了该平面一级倒立摆的数学模型，整个推导过程简洁明了，避开了牛顿力学中一些烦琐的内容。在此基础上，采用现代控制理论的LQR算法，对平面一级倒立摆的线性化模型进行了控制，取得了较为满意的控制效果。 最后，本文在仔细分析倒立摆现有智能控制方案，掌握模糊神经网络控制理论的国内外研究现状的情况下，针对T-S型模糊神经网络结构固定不变，规则库无法精练，当输入变量维数大、模糊分割细时，网络结构会很庞大，导致存储空间太大，学习和控制的速度降低等缺陷，在对平面倒立摆的控制机理和系统特性分析的基础上，理论联系实际，将一种改进的Takagi-Sugeno型模糊神经网络用于平面一级倒立摆的并行控制，其基本思想是：分别对倒立摆的x方向和y方向设立模糊神经网络控制器，该控制器用模糊语言描述系统，用神经网络优化参数，通过对初始学习后的后件参数设定阈值来调整网络节点数，达到优化网络结构的目的，接着对样本数据进行二次学习，精练控制规则，调整各变量的隶属函数，使控制器结构简单，容易实现。 对一级平面摆的控制仿真证明了该方案用于这类非线性多变量不稳定系统的可行性和有效性，为模糊神经网络控制器在解决倒立摆这类系统的控制问题提供了新思路。

目录

文摘

英文文摘

论文说明：图表索引

独创性声明和关于论文使用授权的说明

第一章绪论

1.1课题背景及研究意义

1.2倒立摆家族简介

1.2.1倒立摆系统控制原理

1.2.2直线倒立摆系统

1.2.3旋转倒立摆系统

1.2.4平面倒立摆系统

1.3倒立摆系统的研究现状

1.4倒立摆系统智能控制的发展方向

1.5本论文的主要内容及创新点

1.6本论文结构安排

参考文献

第二章固高平面一级倒立摆系统结构和建模

2.1平面一级倒立摆系统的总体结构

2.2平面一级倒立摆结构及工作原理

2.3平面一级倒立摆数学模型建立

2.3.1倒立摆数学模型的建立方法

2.3.2数学模型物理参数及意义

2.3.3数学模型建立

参考文献

第三章平面一级倒立摆的性能分析与LQR控制

3.1平面一级倒立摆系统的性能分析

3.1.1系统稳定性分析

3.1.2系统的可控性和可观性分析

3.2平面一级倒立摆的LQR控制仿真

3.1.1 LQR最优器控制原理

3.1.2系统LQR控制仿真

参考文献

第四章模糊神经网络理论概述

4.1模糊控制与神经网络的融合及其形态

4.2基于T-S模型的模糊神经网络

4.2.1模糊系统的T-S模型

4.2.2 T-S模型模糊神经网络的结构

4.2.3学习算法

4.2.4模糊神经网络控制系统结构

参考文献

第五章改进T-S型模糊神经网络控制在平面一级倒立摆中的应用

5.1网络结构

5.2网络学习算法

5.2.1自组织学习阶段

5.2.2监督学习阶段

5.3平面倒立摆的FNN控制仿真试验

5.3.1平面倒立摆的控制方案

5.3.2网络初始结构的确定

5.3.3网络学习

5.3.4 FNN控制的仿真结果

参考文献

第六章结束语

附录实验室固高平面一级倒立摆硬件结构图

致谢

攻读硕士期间论文发表情况