三級倒立擺的RBF-ARX建模與云推理控制器設計.pdf

1、倒立擺作為復雜的非線性系統(tǒng)，在對其進行控制前，首先要建立精確的倒立擺模型。傳統(tǒng)的倒立擺建模時采用數(shù)學方法來建立，這種方法是忽略次要因素后經(jīng)過線性化建立的線性模型，為達到更好的控制效果，需要建立更為精確的非線性模型，本文提出采用RBF-ARX(Radial Basis Function-AutoRegressive eXogenous)方案，基于數(shù)據(jù)建立三級倒立擺的非線性模型，并在此基礎上建立三級倒立擺的控制系統(tǒng)，分別采用基于云遺傳算法(

2、Cloud Genetic Algorithm,CGA)優(yōu)化的T-S模糊神經(jīng)網(wǎng)絡和傳統(tǒng)遺傳算法(Genetic Algorithm,GA)優(yōu)化的T-S云推理神經(jīng)網(wǎng)絡作為控制器，仿真實現(xiàn)了三級倒立擺的穩(wěn)擺控制。
　　首先，對于RBF-ARX模型進行了深入研究，發(fā)現(xiàn)其原有的優(yōu)化方法SNPOM在優(yōu)化過程中，計算復雜，運算緩慢，在工程領域應用上難以推廣，提出遺傳算法(Genetic Algorithm，GA)代替SNPOM對模型參數(shù)進行優(yōu)

3、化，建立GA-RBF-ARX三級倒立擺非線性模型，在簡化優(yōu)化過程的基礎上，也建立了更精確的非線性模型便于控制。
　　其次，基于GA-RBF-ARX建立的三級倒立擺非線性模型，設計了T-S模糊神經(jīng)網(wǎng)絡控制系統(tǒng)，并針對GA本身收斂慢、易陷入局部收斂的不足，提出將CGA引入控制系統(tǒng)，優(yōu)化T-S模糊神經(jīng)網(wǎng)絡控制器。CGA是一種將云模型與GA相結合的優(yōu)化算法，綜合了兩者的優(yōu)勢，收斂速度與優(yōu)化結果方面都優(yōu)于傳統(tǒng)遺傳算法。經(jīng)仿真驗證，基于CGA