平面一級倒立擺系統(tǒng)的智能控制策略研究.pdf

1、隨著科學技術的迅速發(fā)展，新的控制方法不斷出現(xiàn)，倒立擺系統(tǒng)作為檢驗新的控制理論及方法有效性的重要實驗手段得到廣泛研究。本文選取平面一級倒立擺系統(tǒng)作為研究對象，進行了針對多變量復雜系統(tǒng)的智能控制方法——基于粗糙集的Mamdani神經(jīng)模糊系統(tǒng)分組補償控制策略的研究與仿真。 首先，本文在對粗糙集理論知識獲取方法及思想進行分析的基礎上，提出了平面一級倒立擺系統(tǒng)的模糊規(guī)則獲取算法。該粗糙集規(guī)則獲取算法在決策表的構建中結合了粗糙集理論和模糊集

2、理論，采用模糊離散歸一化方法構造模糊決策表，決策表的屬性約簡采用了“屬性重要度”啟發(fā)式算法，使獲取的精簡模糊控制規(guī)則對映射Mamdani神經(jīng)模糊系統(tǒng)模型更合理，具有更好的控制適應性。 然后，本文對基于Mamdani模糊模型的神經(jīng)模糊系統(tǒng)進行了理論分析，介紹了其控制思想、網(wǎng)絡結構及學習算法，在理論分析的基礎上，指出了神經(jīng)模糊系統(tǒng)控制方法的優(yōu)點，以及它在針對平面一級倒立擺系統(tǒng)控制中存在的不足：網(wǎng)絡結構龐大，構造復雜，訓練速度慢，同時

3、不能充分利用樣本數(shù)據(jù)特征。 接著，針對Mamdani神經(jīng)模糊系統(tǒng)在平面一級倒立擺系統(tǒng)控制中存在的不足，本文提出了基于粗糙集的Mamdani神經(jīng)模糊系統(tǒng)控制思想，即利用粗糙集規(guī)則獲取算法提取平面一級倒立擺的模糊控制規(guī)則，依據(jù)該精簡模糊控制規(guī)則，直接構建神經(jīng)模糊系統(tǒng)初始網(wǎng)絡結構，省去了Mamdani神經(jīng)模糊系統(tǒng)復雜的網(wǎng)絡結構學習過程，提高了網(wǎng)絡學習速度及系統(tǒng)性能。同時，針對平面一級倒立擺系統(tǒng)的運動控制特性，本文提出在基于粗糙集的Ma