基于神经网络的一阶倒立摆控制
Inverted-pendulum
基于神经网络的一阶倒立摆控制
介绍
两个模型均采用传统LQR控制器控制一阶倒立摆,为了体会学习神经网络的数据拟合能力,使用BP、RBF神经网络代替LQR控制器,实现对一阶倒立摆的控制效果
模型来自万能的Github,个人部分:将神经网络代替LQR控制器,实现控制效果
Modle1
Modle1基于Matlab的SimMechanics工具箱,建立一阶倒立摆的物理仿真模型,模拟真实倒立摆的受力情况
Initial
运行“dlb_DataFile.m”文件,为仿真模型提供初始化参数设置
运行“dlb_fangzhen.slx”文件(已调参),采集LQR控制器对应的“4输入-1输出数据”
4输入:位置、速度、角度、角速度
1输出:加速度
Process
将保存在工作区的数据以“.mat”的文件格式保存到“File”文件夹
运行“BP.m”代码,拟合训练BP神经网络,并生成可供Simulink调用的网络模块
替换原有的LQR控制器,再次运行文件,观看倒立摆的摆动幅度、稳定时间
Modle2
Modle2基于纯数学模型,
1