论文摘要
智能控制技术是随着现代控制理论的发展,在过程控制的实践中形成并得到广泛的应用。随着控制系统的复杂化,采用单一的控制策略已不能满足控制品质的要求,人们已经把多种控制策略结合起来实施控制,以提高系统控制的性能。本文结合神经网络、模糊理论和PID控制的优点,针对直升机实验系统控制提出常规PID控制、模糊PID控制、神经网络PID控制和模糊神经网络控制四种控制系统设计方案。神经网络、模糊理论与PID控制的结合,使其构成的智能控制系统不仅具有自适应,自学习能力,而且还具有PID控制的简单及广泛适用性。首先对直升机实验系统进行建模并设计直升机PID控制器,根据设置的峰值时间,在相对理想PID控制参数下,对直升机的俯仰角度控制、横侧轴角度控制和旋转轴的速度控制进行了仿真实验。提出神经网络PID控制系统,在基于神经网络并行性、分布性、非线性映射能力及可训练能力的基础上,引入常规PID控制器的反馈结构。系统由两个闭环构成,采用三层BP神经网络训练PID调节器的控制参数,其权值的修正与控制量的输出同步进行,从而增强了控制器的实时性、灵活性与实用性。仿真结果表明,基于神经网络的PID控制器对直升机俯仰角度具有较好的控制品质。它只需较少的先验知识,仍能取得较好的控制效果,能够明显降低PID控制系统的超调。提出模糊PID控制系统,设计模糊PID自适应控制器。把PID三个参数的修正值作为输出语言变量,构成一个三变量二维模糊控制器。利用模糊逻辑控制规则在线对PID参数进行修改,实现了PID控制器参数在线自调整,进一步完善了PID控制器的性能。仿真结果表明,模糊自适应PID控制器控制的系统动态响应速度和系统稳定时间与常规PID控制器、神经网络PID控制器相比改善明显,但是存在微小的稳态误差。提出模糊神经网络控制系统,设计模糊神经网络控制器。神经网络利用模糊推理机的输出信号进行学习,不断逼近被控对象的逆动力学,使输出变化趋于零,从而逐步实现对系统的高精度跟踪控制。仿真结果表明,模糊神经网络控制系统具有良好的鲁棒性以及适应对象和环境变化的能力,但是系统响应速度较慢。本文研究结果表明基于模糊和神经网络理论设计的智能控制系统,能够明显改善传统控制系统的动态响应速度和系统稳定性,获得等同或优于传统控制方法的性能,理论具有一定的应用价值。
论文目录
摘要Abstract第1章 绪论1.1 选题背景与意义1.2 国内外研究现状1.2.1 神经网络控制1.2.2 模糊控制1.2.3 模糊神经控制1.3 本课题主要研究内容第2章 直升机实验系统PID控制2.1 三自由度直升机实验系统2.1.1 直升机实验系统结构设计2.1.2 直升机实验系统电气图2.1.3 直升机飞行状态控制2.2 直升机实验系统建模2.2.1 俯仰轴控制模型2.2.2 横侧轴控制模型2.2.3 旋转轴控制模型2.3 常规PID控制器与增量式数字PID控制算法2.4 直升机PID控制系统设计2.4.1 俯仰角度PD控制器2.4.2 横侧轴角度PD控制器2.4.3 旋转轴速度PI控制器2.4.4 PID控制算法实现2.5 实验结果和分析2.6 本章小结第3章 直升机实验系统神经网络PID控制3.1 神经网络模型3.2 神经网络控制的结构方案3.3 直升机神经网络PID控制系统设计3.3.1 直升机自适应神经网络PID控制器设计3.3.2 神经网络PID控制器的BP神经网络结构3.3.3 自适应神经网络PID控制器的BP网络学习算法3.4 实验结果和分析3.5 本章小结第4章 直升机实验系统模糊PID控制4.1 模糊控制系统4.1.1 PID模糊控制器4.1.2 自组织模糊控制器4.1.3 自校正模糊控制器4.1.4 自学习模糊控制器4.1.5 专家模糊控制器4.2 模糊控制规则和模糊控制算法4.3 直升机模糊PID控制系统设计4.3.1 直升机模糊PID控制器设计4.3.2 直升机模糊PID控制规则4.3.3 模糊变量的赋值和隶属度函数生成4.3.4 模糊控制流程实现4.4 实验结果和分析4.5 本章小结第5章 直升机实验系统模糊神经网络控制5.1 模糊神经网络及其学习算法5.2 模糊神经网络结构5.2.1 基于模糊逻辑运算的网络模型5.2.2 基于算术模糊神经网络的网络模型5.2.3 混合模糊神经网络模型5.3 直升机模糊神经网络控制系统设计5.3.1 模糊神经自适应控制器设计5.3.2 神经网络控制器NNC设计及其训练5.3.3 模糊神经自适应控制算法5.4 实验结果和分析5.5 本章小结结论参考文献攻读硕士学位期间发表的论文和取得的科研成果致谢个人简历
相关论文文献
标签：控制论文; 模糊控制论文; 神经网络控制论文; 模糊神经网络论文;
