模糊控制一级倒立摆仿真

(完整版)基于Matlab的一级倒立摆模型的仿真.doc

基于Q学习算法和BP神经网络的倒立摆控制

本文件是倒立摆的matlab分析程序，使用的平台为matlab，通过该程序可实现对系统可观可控的判断，也可对系统相应进行分析，文件包含程序代码和题目

# Inverted-Pendulum 强化学习大作业1 倒立摆 包括Q值迭代、SARSA、DQN三种算法。 game的my_Pendulum是按gym的环境定义的我自己的倒立摆环境，其参数与game的Pendulum-v0不同

三种倒立摆系统的代码及simulink文件，及能控性和能观性判断的程序。倒立摆作为一个高阶次、多变量、非线性和强耦合的自然不稳定系统，一直是控制领域研究的热点问题。 A = [ 0 1 0 0; 0 0 0 0; 0 0 0 1; 0 0 29.493 0]; B = [ 0 1 0 3]'; C = [ 1 0 0 0; 0 0 1 0]; D=[0;0]; Uc=ctrb(A,B);rc=rank(Uc); n=size(A); if rc==n disp('system is controlled.') elseif rc<n disp('system is uncontrolled.') end Vo=obsv(A,C); ro=rank(Vo); if ro==n disp('system is observable.') elseif ro~=n disp('system is no observable.') end

好东西，关于倒立摆的一些控制知识，还有毕业设计的格式！！！

重点介绍神经网络在倒立摆控制问题中的研究方法

以模糊神经网络为基础,结合误差前馈补偿完成了二级倒立摆系统的稳定控制,并采用模拟退火粒子群算法对控制参数进行全局寻优。与基于状态变量合成的模糊神经网络控制器相比,该控制方法不仅解决了多变量系统模糊控制器的“规则爆炸”问题,并且,由于所有状态变量直接参与控制输出,控制精度亦有所提高。仿真结果表明,该控制方案所需规则数目少,响应速度快,有良好的鲁棒性和非线性适应能力。

倒立摆系统的状态空间方程的求解，何国瑞，，对于二级倒立摆系统来说，要控制它的稳定性，所需要控制的对象主要有三个。即小车的位移，下摆的角度和上摆的角度。通过拉格郎日