基于遗传神经网络的倒立摆控制研究_黄孝平　著_9787562482826

　　倒立摆系统是一个高阶次、不稳定、多变量、非线性、强耦合的典型系统，是控制领域重要的研究对象，是验证各种控制算法的理想模型。很多抽象的概念如系统的稳定性、可控性、可观性、鲁棒性和系统的抗干扰能力等，都可以通过对倒立摆的控制直观地表现出来。
　　本研究将遗传算法和神经网络结合起来，提出了面向神经网络的遗传算法(NNOGA)，详细论述了该算法的实现途径，并用基于遗传神经网络的智能控制方法实现了对一、二、三级直线倒立摆系统的仿真和智能控制，克服了简单遗传算法搜索速度慢、不成熟收敛和迭代次数多的缺点，取得了较好的控制效果。

第1章　绪论
　1.1 引言
　1.2 智能控制理论概述
　1.3 神经网络理论概述
　1.4 研究内容及意义
　　1.4.1 研究的内容
　　1.4.2 研究的意义
第2章　基于神经网络的智能控制
　2.1 引言
　2.2 神经网络结构
　　2.2.1 人工神经元的数学模型
　　2.2.2 神经网络常用的激发函数
　　2.2.3 神经网络的基本特性
　　2.2.4 神经网络的基本结构

第1章　绪论
　1.1 引言
　1.2 智能控制理论概述
　1.3 神经网络理论概述
　1.4 研究内容及意义
　　1.4.1 研究的内容
　　1.4.2 研究的意义
第2章　基于神经网络的智能控制
　2.1 引言
　2.2 神经网络结构
　　2.2.1 人工神经元的数学模型
　　2.2.2 神经网络常用的激发函数
　　2.2.3 神经网络的基本特性
　　2.2.4 神经网络的基本结构
　2.3 神经网络的学习算法
　　2.3.1 学习方式和学习规则
　　2.3.2 BP网络学习算法
　2.4 神经网络控制的基本结构
　2.5 神经网络控制系统结构
　　2.5.1 NN学习控制
　　2.5.2 NN直接逆模型控制
　　2.5.3 NN自适应控制
　2.6 小结
第3章　遗传神经网络及其控制算法
　3.1 遗传算法
　　3.1.1 遗传算法的工作机理
　　3.1.2 GA的特点
　　3.1.3 遗传算法的基本问题
　　3.1.4 GA的理论研究概况
　3.2 遗传算法的改进
　　3.2.1 改进的基本方法
　　3.2.2 编码方式的改进
　　3.2.3 评价函数
　　3.2.4 初始化过程
　　3.2.5 遗传算子的改进
　　3.2.6 面向神经网络的遗传算法的步骤
　3.3 改进GA的神经网络控制器设计
　　3.3.1 前馈神经网络的结构
　　3.3.2 前馈神经网络设计
　　3.3.3 改进GA的神经网络控制器设计
　　3.3.4 用NNOGA训练NN权值的步骤
　　3.3.5 用NNOGA训练NN权值的程序框图
　　3.3.6 用NNOGA训练NN权值的数据结构
　　3.3.7 用NNOGA训练NN权值的程序
　3.4 小结
第4章　倒立摆系统及控制研究
　4.1 一级倒立摆的控制模型
　　4.1.1 系统的结构
　　4.1.2 系统的数学模型
　4.2 二级倒立摆的控制模型
　　4.2.1 系统的结构
　　4.2.2 二级倒立摆的数学模型
　　4.2.3 二级倒立摆系统的参数说明
　4.3 三级倒立摆的数学模型
　　4.3.1 系统的结构
　　4.3.2 系统的参数说明
　　4.3.3 数学模型推导
　4.4 倒立摆控制系统仿真的实现原理
　　4.4.1 一级倒立摆的控制仿真
　　4.4.2 二级倒立摆的控制仿真
　　4.4.3 三级倒立摆的控制仿真
　　4.4.4 仿真结果分析
　4.5 小结
第5章　用遗传神经网络改进倒立摆的控制
　5.1 引言
　5.2 神经网络建模与控制
　　5.2.1 一级倒立摆的神经网络控制器
　　5.2.2 BP神经网络控制二级倒立摆
　5.3 基于改进遗传算法的神经网络对倒立摆的控制
　　5.3.1 一级倒立摆的神经网络控制器
　　5.3.2 二级倒立摆的神经网络控制器
　　5.3.3 三级倒立摆的神经网络控制器
　5.4 小结
第6章　总结与展望
参考文献

你还可能感兴趣

我要评论