基于三自由度直升机模型的粒子群优化神经网络控制算法研究

发布时间：2017-09-04 22:49

  本文关键词：基于三自由度直升机模型的粒子群优化神经网络控制算法研究

  更多相关文章： 三自由度直升机模型 粒子群算法 神经网络控制 径向基神经网络控制

【摘要】：三自由度直升飞机模型是一个具有非线性、控制变量多、不稳定等特点的复杂系统,并且很难分析得到确切的数学模型。粒子群优化神经网络控制算法是近年来人民关注的问题。本文以粒子群优化神经网络控制算法为控制策略,研究了GOOGOL公司研发的三自由度直升飞机模型的控制问题。主要研究内容如下:1、介绍机体系统模型基本组成硬件结构、机体本体硬件具有的基本特性和控制电机改变飞行姿态,分析它的飞行特性及列出物理学的受力公式,在不同姿态下,分析出不同运动姿态下的受力表达式,最后列出状态空间变量矩阵显示整个系统的运动状态表达式,搭建运动系统状态方程,并详细分析系统稳定性、系统能控能观性以及系统解耦性。2、先介绍了一种遗传的粒子群优化算法,能够优化神经网络权值和PID初值,防止设置参数时陷入局部极值,再介绍本文的控制算法,采用径向基神经网络整定单神经元PID的控制算法,设计粒子群优化RBF-NNPID控制器,通过Jocabian的辨识信息对PID的参数值进行在线整定,达到预期的控制目的,并将被控对象矩阵设为机体系统模型,MATLAB Simulink模块搭建仿真并实验。3、将粒子群优化RBF-NNPID算法应用到机体系统模型上进行实时飞行,控制俯仰角度及旋转速度,输出俯仰角度曲线、横侧角度曲线及旋转速度曲线,能保证系统的稳定性,验证控制算法切实可行。4、仿真和实时控制的结果也表现出控制算法研究的不足,认真的归纳分析后,展望控制算法研究的后续工作。
【关键词】：三自由度直升机模型 粒子群算法 神经网络控制 径向基神经网络控制
【学位授予单位】：哈尔滨理工大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：V275.1;V249.1
【目录】：

• 摘要5-6
• Abstract6-10
• 第1章 绪论10-15
• 1.1 课题研究的背景及意义10-11
• 1.2 国内外研究现状11-13
• 1.2.1 国外研究现状12
• 1.2.2 国内研究现状12-13
• 1.3 本文研究的主要内容13-15
• 第2章 三自由度直升机模型系统15-26
• 2.1 直升机模型系统结构15-17
• 2.1.1 系统组成16-17
• 2.2 系统建模17-22
• 2.2.1 俯仰轴模型17-18
• 2.2.2 横侧轴模型18-19
• 2.2.3 旋转轴模型19-20
• 2.2.4 系统的状态方程20-22
• 2.3 系统分析22-25
• 2.3.1 稳定性分析22
• 2.3.2 能控性分析22-23
• 2.3.3 能观性分析23
• 2.3.4 解耦性分析23-25
• 2.4 本章小结25-26
• 第3章 粒子群算法优化神经网络RBF-PID控制器26-42
• 3.1 粒子群算法(PSO)26-29
• 3.2 RBF神经网络29-33
• 3.3 RBF-PID控制器设计33-36
• 3.3.1 RBF神经网络的辨识33-34
• 3.3.2 RBF神经网络整定PID控制器34-36
• 3.4 RBF辨识的单神经元PID控制器设计36-40
• 3.4.1 RBF辨识的单神经元PID整定控制36-37
• 3.4.2 粒子群优化RBF-NNPID控制器37-40
• 3.5 本章小结40-42
• 第4章 Simulink仿真及实控分析42-58
• 4.1 基于粒子群算法优化RBF—NNPID仿真42-48
• 4.1.1 实时控制RTW介绍43-44
• 4.1.2 PSO优化RBF-NNPIDsimulink仿真44-46
• 4.1.3 PSO优化RBF-NNPID的单位阶跃响应46-48
• 4.2 仿真控制曲线48-52
• 4.2.1 PSO优化RBF-NNPID算法仿真控制曲线48-49
• 4.2.2 PID算法仿真控制曲线49-52
• 4.3 实时控制实验与分析52-57
• 4.4 本章小结57-58
• 结论58-60
• 参考文献60-63
• 攻读学位期间发表的学术论文63-64
• 致谢64

【相似文献】

中国期刊全文数据库 前10条

1 王凡,孟立凡;关于使用神经网络推定操作者疲劳的研究[J];人类工效学;2004年03期

2 常国任;李仁松;沈医文;刘钢;;基于神经网络的直升机舰面系统效能评估[J];舰船电子工程;2007年03期

3 陈俊;;神经网络的应用与展望[J];佛山科学技术学院学报(自然科学版);2009年05期

4 许万增;;神经网络的研究及其应用[J];国际技术经济研究学报;1990年01期

5 张军华;神经网络技术及其在军用系统中的应用[J];现代防御技术;1992年04期

6 雷明,李作清,陈志祥,吴雅,杨叔子;神经网络在预报控制中的应用[J];机床;1993年11期

7 靳蕃;神经网络及其在铁道科技中应用的探讨[J];铁道学报;1993年02期

8 宋玉华，王启霞;神经网络诊断──神经网络在自动化领域里的应用[J];中国仪器仪表;1994年03期

9 魏铭炎;国内外神经网络技术的研究与应用概况[J];电机电器技术;1995年04期

10 王中贤，，钱颂迪;神经网络法在经济管理中的应用[J];航天工业管理;1995年04期

中国重要会议论文全文数据库 前10条

1 徐春玉;;基于泛集的神经网络的混沌性[A];1996中国控制与决策学术年会论文集[C];1996年

2 周树德;王岩;孙增圻;孙富春;;量子神经网络[A];2003年中国智能自动化会议论文集（上册）[C];2003年

3 罗山;张琳;范文新;;基于神经网络和简单规划的识别融合算法[A];2009系统仿真技术及其应用学术会议论文集[C];2009年

4 郭爱克;马尽文;丁康;;序言(二)[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

5 钟义信;;知识论:神经网络的新机遇——纪念中国神经网络10周年[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

6 许进;保铮;;神经网络与图论[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

7 金龙;朱诗武;赵成志;陈宁;;数值预报产品的神经网络释用预报应用[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

8 田金亭;;神经网络在中学生创造力评估中的应用[A];第十二届全国心理学学术大会论文摘要集[C];2009年

9 唐墨;王科俊;;自发展神经网络的混沌特性研究[A];2009年中国智能自动化会议论文集（第七分册）[南京理工大学学报（增刊）][C];2009年

10 张广远;万强;曹海源;田方涛;;基于遗传算法优化神经网络的故障诊断方法研究[A];第十二届全国设备故障诊断学术会议论文集[C];2010年

中国重要报纸全文数据库 前10条

1 美国明尼苏达大学社会学博士 密西西比州立大学国家战略规划与分析研究中心资深助理研究员 陈心想;维护好创新的“神经网络硬件”[N];中国教师报;2014年

2 卢业忠;脑控电脑 惊世骇俗[N];计算机世界;2001年

3 葛一鸣 路边文;人工神经网络将大显身手[N];中国纺织报;2003年

4 中国科技大学计算机系　邢方亮;神经网络挑战人类大脑[N];计算机世界;2003年

5 记者 孙刚;“神经网络”：打开复杂工艺“黑箱”[N];解放日报;2007年

6 本报记者 刘霞;美用DNA制造出首个人造神经网络[N];科技日报;2011年

7 健康时报特约记者　 张献怀;干细胞移植：修复受损的神经网络[N];健康时报;2006年

8 刘力;我半导体神经网络技术及应用研究达国际先进水平[N];中国电子报;2001年

9 ;神经网络和模糊逻辑[N];世界金属导报;2002年

10 邹丽梅 陈耀群;江苏科大神经网络应用研究通过鉴定[N];中国船舶报;2006年

中国博士学位论文全文数据库 前10条

1 杨旭华;神经网络及其在控制中的应用研究[D];浙江大学;2004年

2 李素芳;基于神经网络的无线通信算法研究[D];山东大学;2015年

3 石艳超;忆阻神经网络的混沌性及几类时滞神经网络的同步研究[D];电子科技大学;2014年

4 王新迎;基于随机映射神经网络的多元时间序列预测方法研究[D];大连理工大学;2015年

5 付爱民;极速学习机的训练残差、稳定性及泛化能力研究[D];中国农业大学;2015年

6 李辉;基于粒计算的神经网络及集成方法研究[D];中国矿业大学;2015年

7 王卫苹;复杂网络几类同步控制策略研究及稳定性分析[D];北京邮电大学;2015年

8 张海军;基于云计算的神经网络并行实现及其学习方法研究[D];华南理工大学;2015年

9 李艳晴;风速时间序列预测算法研究[D];北京科技大学;2016年

10 陈辉;多维超精密定位系统建模与控制关键技术研究[D];东南大学;2015年

中国硕士学位论文全文数据库 前10条

1 章颖;混合不确定性模块化神经网络与高校效益预测的研究[D];华南理工大学;2015年

2 贾文静;基于改进型神经网络的风力发电系统预测及控制研究[D];燕山大学;2015年

3 李慧芳;基于忆阻器的涡卷混沌系统及其电路仿真[D];西南大学;2015年

4 陈彦至;神经网络降维算法研究与应用[D];华南理工大学;2015年

5 董哲康;基于忆阻器的组合电路及神经网络研究[D];西南大学;2015年

6 武创举;基于神经网络的遥感图像分类研究[D];昆明理工大学;2015年

7 李志杰;基于神经网络的上证指数预测研究[D];华南理工大学;2015年

8 陈少吉;基于神经网络血压预测研究与系统实现[D];华南理工大学;2015年

9 张韬;几类时滞神经网络稳定性分析[D];渤海大学;2015年

10 邵雪莹;几类时滞不确定神经网络的稳定性分析[D];渤海大学;2015年

本文编号：794327