论文部分内容阅读
径向基函数神经网络(Radial Basis Function,RBF)是一种高效的前馈式神经网络,它具有的最佳逼近性能和全局最优特性,并且结构简单,训练速度快。RBF神经网络也可以应用于模式识别、信号处理、非线性函数逼近等领域。RBF神经网络具有模拟人脑中局部调整、相互覆盖接收域的神经网络结构,能以任意精度逼近任一连续函数。人工鱼群算法作为RBF神经网络的训练算法,具有良好的克服局部极值、取得全局极值的能力;对搜索空间具有一定的自适应能力;算法对初值无要求,对各参数的选择也不很敏感等特点。文中将库存鱼群和寻优鱼群引入到算法中,并在保证全局寻优能力的情况下,解决算法的效率问题。将微人工鱼群算法应用到神经网络的训练中,建立起了基于人工鱼群算法的神经网络训练模型。文中将人工鱼群算法和RBF神经网络相结合,以二级倒立摆为研究对象,设计了RBF神经网络控制器。在Matlab中,对二级倒立摆系统进行仿真,结果表明所设计的控制器满足系统的性能要求。将经过仿真的神经网络模块下载到固高公司的倒立摆系统中,验证算法的实际效果。通过实验结果表明:二级倒立摆能够保持稳定平衡,抗干扰能力好,验证本文所设计的RBF神经网络控制器具有良好的控制性能。