[工学]基于遗传算法控制直线多级倒立摆.docVIP

[工学]基于遗传算法控制直线多级倒立摆.doc

  1. 1、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
[工学]基于遗传算法控制直线多级倒立摆

GA-LQR算法在线性倒立摆系统实时控制中的实现 第一章 绪论 1.1 课题的研究背景和意义 对于倒立摆系统最初的研究始于二十世纪五十年代 ,麻省理工学院(MIT)的控制论专家根据火箭发射助推器原理设计出一级倒立摆实验设备。在此基础上,研究人员经过不断的深入,设计出两级倒立摆和线性三、四级倒立摆。目前,按照倒立摆的结构来分,倒立摆系统分为以下几种类型:直线倒立摆系列、环形倒立摆系列、平面倒立摆系列和复合倒立摆系列。 研究倒立摆系统具有很强的理论意义,首先针对倒立摆系统的机器结构,其形象直观、结构简单、构件组成和形状易于改变、设计成本较低,便于应用模拟和数字的方法进行控制;其次,作为一个经典被控对象,倒立摆是一个绝对不稳定、高阶次、多变量、强耦合的非线性系统,因而对倒立摆系统的控制会涉及控制理论研究中的诸多关键性问题,如非线性问题、鲁棒性问题、镇定性问题、跟踪问题以及随动问题等。需要采用行之有效的控制策略使之稳定;倒立摆系统的动态平衡效果非常明了,可以通过测量小车的位移、摆动角度和稳摆时间来直接分析,对系统稳定效果的分析可以反映许多抽象的控制理论概念,如稳定性、运动模态[1]、能控能观性、快速性和鲁棒性等。到目前为止,有多种控制理论和方法可以对倒立摆系统进行控制,如经典的PID控制[2,3]、线性状态反馈[4,5,6]和最优控制[7,8]、基于遗传算法的智能控制[9,10,11,12,13]以及基于遗传算法的线性最优控制[14,15]等。当一种新的控制策略和方法被提出后,可以借助对倒立摆被控对象的控制效果的分析来判断其有效性和实用性,进而研究该算法是否具有卓越的处理多变量、非线性和绝对不稳定性问题的能力,并找出算法存在的不足以提出改进思路和改进方案。 研究倒立摆系统具有深远的工程实践意义,平面单级倒立摆与火箭飞行控制相关,两级倒立摆控制与人的步态和双足机器人的行走姿态具有相似性。因而倒立摆研究具有重要的现实意义,由该研究产生的相关方案和技术在半导体及精密仪器加工、机器人控制技术、人工智能、导弹拦截控航空对接控制、火箭发射过程中的姿态调整、卫星飞行中的姿态控制仪及工业应用等方面具有广阔的开发前景。由此,倒立摆控制成为控制领域的充满活力的热门研究课题。 1.2 遗传算法研究的发展与应用领域 遗传算法(Genetic Algorithm,简称GA)起源于对生物系统所进行的计算机模拟研究,以自然选择和遗传理论为基础,将生物进化过程中的适者生存规则与群体内部染色体的随机信息交换机制相结合的高效全局寻优有哪些信誉好的足球投注网站算法。它模拟自然界生物进化过程,采用人工进化的方式对目标空间进行随机优化有哪些信誉好的足球投注网站。GA将问题域中的可能解看作是群体中的一个个体或染色体,并将每一个个体编码成符号串形式,模拟达尔文的遗传选择和自然淘汰的生物进化过程,对群体反复进行基于遗传学的操作(遗传、交叉和变异)。根据预定的目标适应度函数对每个个体进行评估,依据适者生存、优胜劣汰的进化规则,不断得到更优的群体,同时以全局并行有哪些信誉好的足球投注网站方式来有哪些信誉好的足球投注网站优化群体中的最优个体,以求得满足要求的最优解[16]。 20世纪60年代美国Michigan大学Holland教授及其学生受到生物模拟技术的启发,创造出一种基于生物遗传和进化机制的适合于复杂系统优化的自适应概率优化技术——遗传算法。在1967年,Holland教授的学生Bagley在其博士论文中首次提出“遗传算法”一词,他进一步发展了复制、交叉、变异、显性、倒位等遗传算子,在个体编码上使用双倍体的编码方法。Holland用GA思想对自然和人工适应系统进行研究,提出GA的基本定理——模式定理(Schema Theorem),并与1975年出版了第一本系统论述遗传算法和人工自适应系统的专著《Adaptation Natural and Artificial System》。20世纪80年代,Holland教授实现了第一个基于遗传算法的机器学习系统,开创了遗传算法的机器学习的新概念。 1975年,De Jong 基于遗传算法的思想在计算机上进行了大量的纯数值函数优化计算实验,建立了遗传算法的工作框架,得到了一些重要且具有指导意义的结论。1989年,Goldberg出版著作《Genetic Algorithm in Search,Optimization and Machine Learning》,系统地总结了遗传算法的主要研究成果,全面完整地论述了遗传算法的基本原理及其应用。1991年,Davis出版了《Handbook of Genetic Algorithms》一书,介绍遗传算法在科学计算、工程技术和社会经济中的大量实例。1992年,Koza将遗传算法应用于计算机程序的优化设计及自动生成,提出了遗传编程(Genetic Programming,简称GP)的概念

文档评论(0)

ctuorn0371 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档