基于人工神经网络BP算法的倒立摆控制研究.pdf

基于人工神经网络BP算法的倒立摆控制研究.pdf

ID:58314328

大小:334.01 KB

页数:4页

时间:2020-09-06

基于人工神经网络BP算法的倒立摆控制研究.pdf_第1页
基于人工神经网络BP算法的倒立摆控制研究.pdf_第2页
基于人工神经网络BP算法的倒立摆控制研究.pdf_第3页
基于人工神经网络BP算法的倒立摆控制研究.pdf_第4页
资源描述:

《基于人工神经网络BP算法的倒立摆控制研究.pdf》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、兵工自动化测控技术O.I.Automation2003年第22卷第3期Measurement&ControlTechnique2003,Vol.22,No.3文章编号:1006-1576(2003)03-0041-04基于人工神经网络BP算法的倒立摆控制研究于秀芬,段海滨,龚华军(南京航空航天大学自动化学院,江苏南京210016)摘要:基于人工神经网络BP算法的倒立摆小车实验仿真训练模型,其倒立摆BP网络为4输入3层结构。输入层分别为小车的位移和速度、摆杆偏离铅垂线的角度和角速度。隐含层单元数16个。输出层设置为1个输出单元。

2、输入层采用Tansig函数,隐含层采用Logsig函数,输出层采用Purelin函数。用Matlab6.5数值计算软件对模型进行学习训练,并与模糊控制逻辑算法对比,表明倒立摆控制BP算法精度高、收敛快,在非线性控制、鲁棒控制等领域具有良好的应用前景。关键词:人工神经网络;BP算法;倒立摆控制中图分类号:TP273文献标识码:AResearchforInvertedPendulumControlBasedonBPAlgorithmofANNYUXiu-fen,DUANHai-bin,GONGHua-jun(CollegeofAu

3、tomation,NanjingUniversityofAeromautics&Astronautics,Nanjing210016,China)Abstract:ThetrainingmodeloftestsimulationforcarofinvertedpendulumbasedonBPalgorithmofartificialneuralnetworks(ANN)isaBPnetworkthathas4-inputand3-layerstructure.Inputlayerisrespectivelythedispla

4、cementandspeedofcar,theangleandanglespeedbetweenpendulumbarandverticalline.Hiddenlayerhas16units,outputlayerhasanoutputunit.Tansigfunctionisusedininputlayer,LogsigfunctionisusedinhiddenlayerandPurelinfunctionisusedinoutputlayer.ThemodelislearnedandtrainedwithMatlab6

5、.5calculatingsoftware,fuzzylogicalgorithmiscompared,theexperimentresultsprovesBPalgorithmforinvertedpendulumcontrolhashitherprecision,betterastringencyandlowercalculation.Thisalgorithmhaswideapplicationonnonlinearcontrolandrobustcontrolfieldinparticular.Keywords:Art

6、ificialneuralnetworks;BackPropagationalgorithm;Invertedpendulumcontrol1引言精度高、实现快、算法简单、鲁棒性好等优点,从而满足了系统的要求。倒立摆装置被公认为自动控制理论中的典型实验设备,也是控制理论教学和科研中不可多2人工神经网络BP算法结构得的典型物理模型。倒立摆本身是一个自然不稳定体,在控制过程中能有效地反映控制中的许多人工神经网络(ANN)是由大量简单单元以关键问题,如非线性问题、系统的鲁棒性问题、及这些单元的分层组织大规模并行联结而成的跟踪问题及镇

7、定性问题等。其最终的控制目标是一种网络,它力图象一般生物神经系统一样处理使倒立摆这样一个不稳定的被控对象,通过引入事物,实现人脑的某些功能。人工神经网络可以适当的控制方式使之成一个稳定的系统。忽略过程或系统的具体物理参数,根据系统的运一般情况下,模糊逻辑控制算法的模糊控制行或实验数据,建立输入和输出状态之间的非线规则在多变量输入下计算繁琐,实现困难。与之性映射关系。半个多世纪以来,它在非线性系统、相比,人工神经网络(ANN:ArtificialNeural优化组合、模式识别等领域得到了广泛应用。Networks)中的前馈网络的

8、误差反传(BP:Back前馈网络的误差反传(BP)算法具有很强Propagation)算法,在多变量输入情况下具有的非线性映射能力,理论早已证明:具有偏差和收稿日期:2002-12-22;修回日期:2003-02-17作者简介:于秀芬(1979-),女,山东人,南京航空航天大

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。