本文關(guān)鍵詞：基于量子免疫算法的三自由度直升機的研究

  更多相關(guān)文章： 三自由度 量子免疫算法(QIA) 優(yōu)化 正則化模糊神經(jīng)網(wǎng)絡(luò)(NFNN)

【摘要】：三自由度直升機因其形象直觀、結(jié)構(gòu)簡單的機械裝置和存在的高階次、非線性、多輸入多輸出等特點,已成為眾多高校驗證研究智能算法的工具。本文以固高公司生產(chǎn)的GHP 2004型三自由度(3-Dof)雙旋翼直升機為主要研究對象,通過結(jié)合量子免疫算法(Quantum Immune Algorithm,QIA)設(shè)計響應(yīng)性能良好的控制器,實現(xiàn)控制效果。量子免疫算法通過克隆選擇和記憶學(xué)習(xí)機理,增強了算法的智能型,具有高并行性和全局優(yōu)化的特點。主要工作包括以下幾個方面:1、介紹了系統(tǒng)的結(jié)構(gòu)組成及工作原理,根據(jù)每個自由度的動力學(xué)特性,利用牛頓力學(xué)原理建模。為了設(shè)計簡單有效的控制器,滿足快速、穩(wěn)定、準(zhǔn)確等特性,將模型簡化,建立狀態(tài)空間表達(dá)式。對系統(tǒng)設(shè)計由最優(yōu)控制理論出發(fā)的線性二次型調(diào)節(jié)器(Linear Quadratic Regulator,LQR)和由智能控制領(lǐng)域出發(fā)的正則化模糊神經(jīng)網(wǎng)絡(luò)(Normalized Fuzzy Neural Network,NFNN)控制器。2、介紹量子計算的基礎(chǔ)知識,結(jié)合量子免疫算法全局優(yōu)化的特點,將其應(yīng)用到LQR和NFNN控制器的參數(shù)選擇上,通過帶有性能分析的評價函數(shù)選取高親和力的抗體,得到優(yōu)化后的合理參數(shù)。由仿真結(jié)果得出,量子免疫算法在參數(shù)優(yōu)化方面的特性,驗證算法的可行性,充分體現(xiàn)算法全局優(yōu)化的特點。3、對3-Dof直升機進(jìn)行實時控制,利用QIA優(yōu)化LQR控制器參數(shù),由于量子計算的并行性導(dǎo)致現(xiàn)有的計算設(shè)備不能很快計算,實時性不強,所以通過采用分階段選取控制器參數(shù)的方法,搭建Simulink仿真模型。結(jié)果說明算法可行,控制效果良好。
【關(guān)鍵詞】：三自由度 量子免疫算法(QIA) 優(yōu)化 正則化模糊神經(jīng)網(wǎng)絡(luò)(NFNN)
【學(xué)位授予單位】：河北工業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：V275.1
【目錄】：

• 摘要4-5
• ABSTRACT5-8
• 第一章 緒論8-12
• 1.1 背景和意義8-9
• 1.2 國內(nèi)外研究現(xiàn)狀9-10
• 1.2.1 量子免疫算法研究現(xiàn)狀9-10
• 1.2.2 三自由度直升機模型國內(nèi)外的研究現(xiàn)狀10
• 1.3 主要研究內(nèi)容10-12
• 第二章 直升機系統(tǒng)建模與系統(tǒng)分析12-22
• 2.1 直升機的系統(tǒng)組成12-13
• 2.2 三自由度直升機試驗平臺介紹13-15
• 2.2.1 三自由度直升機本體13-14
• 2.2.2 3-Dof直升機系統(tǒng)電控箱14
• 2.2.3 控制平臺14-15
• 2.3 系統(tǒng)建模15-21
• 2.3.1 俯仰軸建模15-16
• 2.3.2 橫側(cè)軸建模16-17
• 2.3.3 旋轉(zhuǎn)軸建模17-18
• 2.3.4 模型線性化18-19
• 2.3.5 系統(tǒng)狀態(tài)空間表達(dá)式19-21
• 2.4 本章小結(jié)21-22
• 第三章 直升機基礎(chǔ)控制器設(shè)計22-36
• 3.1 LQR控制器設(shè)計22-26
• 3.1.1 LQR最優(yōu)控制原理22-24
• 3.1.2 LQR最優(yōu)控制器設(shè)計24
• 3.1.3 LQR控制器仿真結(jié)果24-26
• 3.2 模糊-神經(jīng)控制器的設(shè)計26-29
• 3.2.1 模糊控制基本原理26-27
• 3.2.1.1 模糊化26-27
• 3.2.1.2 模糊控制規(guī)則27
• 3.2.1.3 清晰化27
• 3.2.2 神經(jīng)網(wǎng)絡(luò)基本原理27-29
• 3.2.2.1 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)28
• 3.2.2.2 BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)過程28-29
• 3.3 模糊-神經(jīng)控制器設(shè)計29-33
• 3.3.1 正則化模糊神經(jīng)網(wǎng)絡(luò)29-31
• 3.3.2 NFNN控制器在 3-Dof直升機中的應(yīng)用31-33
• 3.4 模糊-神經(jīng)網(wǎng)絡(luò)控制器仿真結(jié)果33-35
• 3.5 本章小結(jié)35-36
• 第四章 量子免疫算法在直升機中的設(shè)計36-50
• 4.1 量子算法的基本原理36-39
• 4.1.1 量子比特和量子疊加態(tài)36-37
• 4.1.2 量子邏輯門37-39
• 4.2 量子免疫算法的優(yōu)化設(shè)計39-42
• 4.2.1 量子免疫算法的構(gòu)成要素39-41
• 4.2.2 量子免疫算法流程圖41-42
• 4.3 量子免疫算法在直升機中的應(yīng)用42-49
• 4.3.1 量子免疫算法優(yōu)化LQR控制器43-44
• 4.3.2 量子免疫算法優(yōu)化LQR控制器仿真結(jié)果44-45
• 4.3.3 量子免疫算法優(yōu)化NFNN控制器45-47
• 4.3.4 量子免疫優(yōu)化NFNN控制器仿真結(jié)果47-49
• 4.4 本章小結(jié)49-50
• 第五章 三自由度直升機的實時控制50-62
• 5.1 三自由度直升機軟件設(shè)計50-53
• 5.1.1 軟件結(jié)構(gòu)設(shè)計50-51
• 5.1.2 軟件接口設(shè)計51
• 5.1.3 軟件運行設(shè)計51-52
• 5.1.4 軟件出錯設(shè)計52-53
• 5.2 量子免疫LQR控制器的設(shè)計53-56
• 5.3 實時控制結(jié)果56-61
• 5.4 本章小結(jié)61-62
• 第六章 結(jié)論62-64
• 6.1 主要工作任務(wù)62
• 6.2 工作展望62-64
• 參考文獻(xiàn)64-67
• 攻讀學(xué)位期間所取得的相關(guān)科研成果67-68
• 致謝68

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 江新姿;湯可宗;高尚;;蟻群算法與免疫算法的混合算法[J];科學(xué)技術(shù)與工程;2008年05期

2 葛紅,毛宗源;免疫算法幾個參數(shù)的研究[J];華南理工大學(xué)學(xué)報(自然科學(xué)版);2002年12期

3 梁鴻生,郝勇娜,王凱,柴繼河;免疫算法[J];昆明理工大學(xué)學(xué)報(理工版);2003年05期

4 李蔚,劉長東,盛德仁,陳堅紅,袁鎮(zhèn)福,岑可法;免疫算法在火電機組優(yōu)化組合中的應(yīng)用[J];浙江大學(xué)學(xué)報(工學(xué)版);2004年08期

5 李金城;張國忠;滕紅麗;周晟;吳紅霞;;免疫算法研究[J];沈陽航空工業(yè)學(xué)院學(xué)報;2005年05期

6 呂有祥;高遲;;一種免疫算法的研究[J];機電產(chǎn)品開發(fā)與創(chuàng)新;2006年03期

7 李金城;滕紅麗;;改進(jìn)免疫算法在旅行商問題中的應(yīng)用[J];常熟理工學(xué)院學(xué)報;2008年04期

8 任雯;;改進(jìn)免疫算法在火電機組優(yōu)化運行中的應(yīng)用[J];自動化儀表;2010年12期

9 胡朝陽,文福拴;免疫算法與其它模擬進(jìn)化優(yōu)化算法的比較研究[J];電力情報;1998年01期

10 于帆;李紀(jì)鑫;;免疫算法在近紅外光譜奇異樣本識別中的應(yīng)用[J];西安工業(yè)大學(xué)學(xué)報;2014年01期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 許殿;史小衛(wèi);;基于免疫算法的微波電路優(yōu)化技術(shù)[A];2003'全國微波毫米波會議論文集[C];2003年

2 王玉峰;張建強;沈喜明;;矩形平面稀疏陣列的免疫算法優(yōu)化[A];2007年全國微波毫米波會議論文集（下冊）[C];2007年

3 鄭日榮;毛宗源;譚洪舟;;基于歐氏距離和精英交叉的免疫算法參數(shù)研究[A];第二十四屆中國控制會議論文集（下冊）[C];2005年

4 王瑋;占榮輝;張軍;;基于免疫算法的距離像長度估計[A];第十四屆全國信號處理學(xué)術(shù)年會(CCSP-2009)論文集[C];2009年

5 王濤波;;基于免疫算法的通航機場初步布局研究[A];2013年中國通用航空發(fā)展論壇論文集[C];2013年

6 孟科;李紹軍;錢鋒;;實數(shù)編碼免疫算法在溶劑脫水塔軟測量中的應(yīng)用[A];'2006系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)交流會論文集[C];2006年

7 余志剛;盧文秀;褚福磊;;基于P型有限元和免疫算法的梁裂紋識別方法[A];2008年全國振動工程及應(yīng)用學(xué)術(shù)會議暨第十一屆全國設(shè)備故障診斷學(xué)術(shù)會議論文集[C];2008年

8 魏杰;李鐵克;;基于隨機性參數(shù)混合免疫算法的工藝車間調(diào)度研究[A];第十一屆全國自動化應(yīng)用技術(shù)學(xué)術(shù)交流會論文集[C];2006年

9 顧軍華;周瑞英;李娜娜;譚慶;;一種基于免疫和Hopfield神經(jīng)網(wǎng)絡(luò)的多峰值優(yōu)化算法[A];全國第十屆企業(yè)信息化與工業(yè)工程學(xué)術(shù)年會論文集[C];2006年

10 龔濤;杜常興;;免疫計算研究的進(jìn)展[A];中國自動化學(xué)會控制理論專業(yè)委員會A卷[C];2011年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 呂崗;免疫算法及其應(yīng)用研究[D];中國礦業(yè)大學(xué)（北京）;2003年

2 王輝;可變模糊匹配陰性選擇免疫算法研究[D];哈爾濱工程大學(xué);2008年

3 葛紅;免疫算法及核聚類人工免疫網(wǎng)絡(luò)應(yīng)用研究[D];華南理工大學(xué);2003年

4 鄭日榮;基于歐氏距離和精英交叉的免疫算法研究[D];華南理工大學(xué);2004年

5 虞正亮;多組分重疊信號解析算法與應(yīng)用研究[D];中國科學(xué)技術(shù)大學(xué);2006年

6 葉蓮;基于免疫算法的分類方法及其應(yīng)用研究[D];重慶大學(xué);2012年

7 李運江;基于免疫算法的音樂廳形體優(yōu)化[D];華南理工大學(xué);2014年

8 孫凱;基于免疫算法與分散搜索的鋼鐵生產(chǎn)調(diào)度研究[D];上海交通大學(xué);2009年

9 武曦;免疫算法輔助GC-MS對多組分樣品重疊信號的快速分析方法研究[D];南開大學(xué);2014年

10 王曉睿;隧道軟弱圍巖大變形監(jiān)控及免疫智能反分析[D];華中科技大學(xué);2009年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 王勇;汽油機怠速工況控制策略應(yīng)用研究[D];安徽工程大學(xué);2015年

2 鮑璽辰;可視化智能配電網(wǎng)的預(yù)警研究[D];東北大學(xué);2014年

3 索林;基于免疫算法的無線傳感器網(wǎng)絡(luò)節(jié)點定位算法研究[D];華中師范大學(xué);2015年

4 薛敏;基于量子免疫算法的三自由度直升機的研究[D];河北工業(yè)大學(xué);2015年

5 計金玲;免疫算法在航班延誤快速恢復(fù)中應(yīng)用研究[D];中國民航大學(xué);2008年

6 劉亞超;基于免疫算法的拆卸序列規(guī)劃方法研究[D];電子科技大學(xué);2011年

7 王海莉;混合免疫算法及其應(yīng)用研究[D];西北大學(xué);2005年

8 徐建偉;基于免疫算法的城市干線交通信號協(xié)調(diào)控制研究[D];湘潭大學(xué);2008年

9 杭海梅;免疫算法及其在自適應(yīng)濾波器中的應(yīng)用[D];蘇州大學(xué);2010年

10 武亞麗;免疫算法在物流配送車輛優(yōu)化調(diào)度中的應(yīng)用[D];太原理工大學(xué);2007年

，

本文編號：527687