PID控制算法推荐.docxVIP

第三章 一级倒立摆的控制算法的研究由于倒立摆是一个多变量、非线性、不稳定、强耦合的复杂系统，尽管理论上的一级、二级倒立摆数学模型己经推导出来，但其数学模型很难精确地反应实际系统，国内外学者对倒立摆的研究集中在智能控制领域，其控制方法有以下几种： ①模糊控制理论方法 用模糊控制理论控制倒立摆是智能控制算法中研究最多的一种。通过确定模糊规则，设计出模糊控制器实现对倒立摆的控制。大量的实验表明，用模糊控制的方法控制一级、二级倒立摆是非常成功的。二级倒立摆是一个多变量系统，用模糊控制的方法控制二级倒立摆，一般采用多个模糊控制器来实现。 ②神经网络控制理论方法 神经网络(Neural Network, NN)能够任意充分地逼近复杂的非线性关系， NN能够学习与适应严重不确定性系统的动态特性，具有很强的鲁棒性和容错性。用神经网络方法来实现倒立摆的平衡控制，迄今己经取得了不少成果。1983年Barto等人设计了两个单层神经网络，采用启发式自适应评价AHC (Adaptive Heuristic Critic)学习算法实现了状态离散化的倒立摆控制。1989年，Anderson进一步用两个双层神经网络和AHC方法实现了状态未离散化的倒立摆的平衡控制。作者将Q学习算法和BP神经网络有效结合，实现了状态未离散化的倒立摆的无模型学习控制。 ③模糊控制与神经网络控制相结合的控制方法 人工神经网络具有很强的