基于思维进化算法的神经网络仿人智能控制策略在倒立摆系统中的研究-控制理论与控制工程专业论文.docxVIP

太原理工大学硕士学位论文基于思维进化算法的神经网络仿人智能控制策略 太原理工大学硕士学位论文 基于思维进化算法的神经网络仿人智能控制策略 在倒立摆系统中的研究 摘要 智能控制是一个新兴的学科领域，它是随着计算机技术的进步在经典控 制理论和现代控制理论的基础上发展起来的。与传统的控制理论相比，智能 控制对于环境和任务的复杂性有更大的适配程度。它不仅仅是对建立的模型 而且对于环境和任务能抽取多级的描述精度，进而发展了自学习、自适应和 自组织等概念，所以能在更广泛的领域中获得应用。 倒立摆系统是一个高阶次、非线性、强耦合、不确定的绝对不稳定系统， 必须采用十分有效的控制手段才能使之稳定。倒立摆系统是验证控制理论算 法的一种典型的试验装置，其控制方法和思路对处理一般工业过程也具有广 泛的用途，因此对其控制方法的研究具有重大意义。 本文首先通过深入分析神经网络与思维进化算法的思想精髓、主要算 法、特点及应用发展，提出了通过思维进化算法来弥补神经网络的不足之处 利用思维进化算法对神经网络的权值进行演化，以避免神经网络陷入局部最 小值而且提高其收敛速度。接着利用仿人智能控制理论，在对一级与二级倒 立摆系统进行分析的基础上，得到倒立摆系统的仿人智能控制律。 太原理工大学硕士学位论文最后本文将改进的神经网络与仿人控制理论结合起来，提出了一种新的 太原理工大学硕士学位论文 最后本文将改进的神经网络与仿人控制理论结合起来，提出了一种新的 智能控制策略——基于思维进化算法的神经网络仿人智能控制策略，进行 控制律参数在线调整，并将其应用于倒立摆系统进行控制，其抗干扰能力 和鲁棒性均较为满意，控制品质良好。 此种控制策略首先利用思维进化算法来进行控制律参数及神经网络 初始值的整定，然后通过对神经网络进行训练，将训练好的神经网络进 行控制律参数在线调整，用于被控对象的控制。此种方法，由于运用思 维进化算法整定初始值，大大缩短了训练时间，而且通过应用于倒立摆 系统，证明该控制策略简单有效，可以得到良好的控制效果。 关键词：智能控制，仿人智能控制，神经网络，思维进化算法，倒立摆 II 太原理工夫学硕士学位论文RESEARCH 太原理工夫学硕士学位论文 RESEARCH ON NN—HSIC STRATEGY BASED ON THE M匣A IN衄INVERTED PENDULUM SYSTEM ABSTRACT Intelligent Control is a rismg study field which has been developing with the pmgeSs ofthe computer technique applying to classical control theory and modem control theory．Compared with the traditional control theory,intelligent control theory has the bigger illness to the complexity of circumstance and assignment．It is not only the conslructed model，but also has multilevel description precision．It developed self-study,self-adaptive and self-organizing conception，SO it Can be applied in more extensive field． The inverted pendulum is a kind of typically higIl ranks，nonlinear, strong-coupling,uncertain and absolutely unstable system．It Can be stabilization only when the effective control method will be applied．The inverted pendulum system is a typical experimentation equipment to value control theory algorithm and its control methods and ideas have comprehensive purposes to the general industry process，SO the research ofits control methods has big significance． At first,through t