论文部分内容阅读
由于倒立摆系统具有高阶次、不稳定、多变量、非线性和强耦合等特性，当前常被视为控制理论研究的理想实验平台，对它进行的有关研究和成果可广泛地用于军工、航天、机器人等领域和一般工业过程控制，如：机器人行走过程中的平衡控制、火箭发射过程中的垂直控制和卫星飞行过程中的姿态调整控制等。
计算智能包括神经计算、模糊系统、进化算法等。20世纪90年代后期，综合了模糊控制、神经网络和遗传算法的智能控制研究逐渐升温，并且发展了智能控制的一个重要研究方向之一：“基于遗传算法的模糊神经网络控制”。
作者利用倒立摆为实验平台，研究和验证有关智能控制理论。在研究过程中，完成了倒立摆系统数学建模，学习了智能控制理论，深入学习了Matlab仿真和BorlandC++编程。通过深入的研究工作，完成了以下一些研究内容并得到了一些有益的结果：
1、编程实现了二进制(及实值)遗传算法，训练了思维能力和动手能力；2、设计、优化和验证了倒立摆神经网络控制策略，为进一步深入研究模糊神经网络控制打下了基础；3、研究了TS型逐级模糊神经网络控制策略。该控制策略在国内外尚无公开发表的论文或报道。多变量系统的模糊控制如能采用该“逐级模糊控制”法：可在不合成输入变量的条件下，减少模糊控制规则的数目。不减少、不合成输入变量，更有利于利用专家经验。有关成果对工程实践有很好的指导作用。