本文關鍵詞：基于三自由度直升機模型的粒子群優(yōu)化神經(jīng)網(wǎng)絡控制算法研究

  更多相關文章： 三自由度直升機模型 粒子群算法 神經(jīng)網(wǎng)絡控制 徑向基神經(jīng)網(wǎng)絡控制

【摘要】：三自由度直升飛機模型是一個具有非線性、控制變量多、不穩(wěn)定等特點的復雜系統(tǒng),并且很難分析得到確切的數(shù)學模型。粒子群優(yōu)化神經(jīng)網(wǎng)絡控制算法是近年來人民關注的問題。本文以粒子群優(yōu)化神經(jīng)網(wǎng)絡控制算法為控制策略,研究了GOOGOL公司研發(fā)的三自由度直升飛機模型的控制問題。主要研究內容如下:1、介紹機體系統(tǒng)模型基本組成硬件結構、機體本體硬件具有的基本特性和控制電機改變飛行姿態(tài),分析它的飛行特性及列出物理學的受力公式,在不同姿態(tài)下,分析出不同運動姿態(tài)下的受力表達式,最后列出狀態(tài)空間變量矩陣顯示整個系統(tǒng)的運動狀態(tài)表達式,搭建運動系統(tǒng)狀態(tài)方程,并詳細分析系統(tǒng)穩(wěn)定性、系統(tǒng)能控能觀性以及系統(tǒng)解耦性。2、先介紹了一種遺傳的粒子群優(yōu)化算法,能夠優(yōu)化神經(jīng)網(wǎng)絡權值和PID初值,防止設置參數(shù)時陷入局部極值,再介紹本文的控制算法,采用徑向基神經(jīng)網(wǎng)絡整定單神經(jīng)元PID的控制算法,設計粒子群優(yōu)化RBF-NNPID控制器,通過Jocabian的辨識信息對PID的參數(shù)值進行在線整定,達到預期的控制目的,并將被控對象矩陣設為機體系統(tǒng)模型,MATLAB Simulink模塊搭建仿真并實驗。3、將粒子群優(yōu)化RBF-NNPID算法應用到機體系統(tǒng)模型上進行實時飛行,控制俯仰角度及旋轉速度,輸出俯仰角度曲線、橫側角度曲線及旋轉速度曲線,能保證系統(tǒng)的穩(wěn)定性,驗證控制算法切實可行。4、仿真和實時控制的結果也表現(xiàn)出控制算法研究的不足,認真的歸納分析后,展望控制算法研究的后續(xù)工作。
【關鍵詞】：三自由度直升機模型 粒子群算法 神經(jīng)網(wǎng)絡控制 徑向基神經(jīng)網(wǎng)絡控制
【學位授予單位】：哈爾濱理工大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：V275.1;V249.1
【目錄】：

• 摘要5-6
• Abstract6-10
• 第1章 緒論10-15
• 1.1 課題研究的背景及意義10-11
• 1.2 國內外研究現(xiàn)狀11-13
• 1.2.1 國外研究現(xiàn)狀12
• 1.2.2 國內研究現(xiàn)狀12-13
• 1.3 本文研究的主要內容13-15
• 第2章 三自由度直升機模型系統(tǒng)15-26
• 2.1 直升機模型系統(tǒng)結構15-17
• 2.1.1 系統(tǒng)組成16-17
• 2.2 系統(tǒng)建模17-22
• 2.2.1 俯仰軸模型17-18
• 2.2.2 橫側軸模型18-19
• 2.2.3 旋轉軸模型19-20
• 2.2.4 系統(tǒng)的狀態(tài)方程20-22
• 2.3 系統(tǒng)分析22-25
• 2.3.1 穩(wěn)定性分析22
• 2.3.2 能控性分析22-23
• 2.3.3 能觀性分析23
• 2.3.4 解耦性分析23-25
• 2.4 本章小結25-26
• 第3章 粒子群算法優(yōu)化神經(jīng)網(wǎng)絡RBF-PID控制器26-42
• 3.1 粒子群算法(PSO)26-29
• 3.2 RBF神經(jīng)網(wǎng)絡29-33
• 3.3 RBF-PID控制器設計33-36
• 3.3.1 RBF神經(jīng)網(wǎng)絡的辨識33-34
• 3.3.2 RBF神經(jīng)網(wǎng)絡整定PID控制器34-36
• 3.4 RBF辨識的單神經(jīng)元PID控制器設計36-40
• 3.4.1 RBF辨識的單神經(jīng)元PID整定控制36-37
• 3.4.2 粒子群優(yōu)化RBF-NNPID控制器37-40
• 3.5 本章小結40-42
• 第4章 Simulink仿真及實控分析42-58
• 4.1 基于粒子群算法優(yōu)化RBF—NNPID仿真42-48
• 4.1.1 實時控制RTW介紹43-44
• 4.1.2 PSO優(yōu)化RBF-NNPIDsimulink仿真44-46
• 4.1.3 PSO優(yōu)化RBF-NNPID的單位階躍響應46-48
• 4.2 仿真控制曲線48-52
• 4.2.1 PSO優(yōu)化RBF-NNPID算法仿真控制曲線48-49
• 4.2.2 PID算法仿真控制曲線49-52
• 4.3 實時控制實驗與分析52-57
• 4.4 本章小結57-58
• 結論58-60
• 參考文獻60-63
• 攻讀學位期間發(fā)表的學術論文63-64
• 致謝64

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 王凡,孟立凡;關于使用神經(jīng)網(wǎng)絡推定操作者疲勞的研究[J];人類工效學;2004年03期

2 常國任;李仁松;沈醫(yī)文;劉鋼;;基于神經(jīng)網(wǎng)絡的直升機艦面系統(tǒng)效能評估[J];艦船電子工程;2007年03期

3 陳俊;;神經(jīng)網(wǎng)絡的應用與展望[J];佛山科學技術學院學報(自然科學版);2009年05期

4 許萬增;;神經(jīng)網(wǎng)絡的研究及其應用[J];國際技術經(jīng)濟研究學報;1990年01期

5 張軍華;神經(jīng)網(wǎng)絡技術及其在軍用系統(tǒng)中的應用[J];現(xiàn)代防御技術;1992年04期

6 雷明,李作清,陳志祥,吳雅,楊叔子;神經(jīng)網(wǎng)絡在預報控制中的應用[J];機床;1993年11期

7 靳蕃;神經(jīng)網(wǎng)絡及其在鐵道科技中應用的探討[J];鐵道學報;1993年02期

8 宋玉華，王啟霞;神經(jīng)網(wǎng)絡診斷──神經(jīng)網(wǎng)絡在自動化領域里的應用[J];中國儀器儀表;1994年03期

9 魏銘炎;國內外神經(jīng)網(wǎng)絡技術的研究與應用概況[J];電機電器技術;1995年04期

10 王中賢，，錢頌迪;神經(jīng)網(wǎng)絡法在經(jīng)濟管理中的應用[J];航天工業(yè)管理;1995年04期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 徐春玉;;基于泛集的神經(jīng)網(wǎng)絡的混沌性[A];1996中國控制與決策學術年會論文集[C];1996年

2 周樹德;王巖;孫增圻;孫富春;;量子神經(jīng)網(wǎng)絡[A];2003年中國智能自動化會議論文集（上冊）[C];2003年

3 羅山;張琳;范文新;;基于神經(jīng)網(wǎng)絡和簡單規(guī)劃的識別融合算法[A];2009系統(tǒng)仿真技術及其應用學術會議論文集[C];2009年

4 郭愛克;馬盡文;丁康;;序言(二)[A];1999年中國神經(jīng)網(wǎng)絡與信號處理學術會議論文集[C];1999年

5 鐘義信;;知識論:神經(jīng)網(wǎng)絡的新機遇——紀念中國神經(jīng)網(wǎng)絡10周年[A];1999年中國神經(jīng)網(wǎng)絡與信號處理學術會議論文集[C];1999年

6 許進;保錚;;神經(jīng)網(wǎng)絡與圖論[A];1999年中國神經(jīng)網(wǎng)絡與信號處理學術會議論文集[C];1999年

7 金龍;朱詩武;趙成志;陳寧;;數(shù)值預報產品的神經(jīng)網(wǎng)絡釋用預報應用[A];1999年中國神經(jīng)網(wǎng)絡與信號處理學術會議論文集[C];1999年

8 田金亭;;神經(jīng)網(wǎng)絡在中學生創(chuàng)造力評估中的應用[A];第十二屆全國心理學學術大會論文摘要集[C];2009年

9 唐墨;王科俊;;自發(fā)展神經(jīng)網(wǎng)絡的混沌特性研究[A];2009年中國智能自動化會議論文集（第七分冊）[南京理工大學學報（增刊）][C];2009年

10 張廣遠;萬強;曹海源;田方濤;;基于遺傳算法優(yōu)化神經(jīng)網(wǎng)絡的故障診斷方法研究[A];第十二屆全國設備故障診斷學術會議論文集[C];2010年

中國重要報紙全文數(shù)據(jù)庫 前10條

1 美國明尼蘇達大學社會學博士 密西西比州立大學國家戰(zhàn)略規(guī)劃與分析研究中心資深助理研究員 陳心想;維護好創(chuàng)新的“神經(jīng)網(wǎng)絡硬件”[N];中國教師報;2014年

2 盧業(yè)忠;腦控電腦 驚世駭俗[N];計算機世界;2001年

3 葛一鳴 路邊文;人工神經(jīng)網(wǎng)絡將大顯身手[N];中國紡織報;2003年

4 中國科技大學計算機系　邢方亮;神經(jīng)網(wǎng)絡挑戰(zhàn)人類大腦[N];計算機世界;2003年

5 記者 孫剛;“神經(jīng)網(wǎng)絡”：打開復雜工藝“黑箱”[N];解放日報;2007年

6 本報記者 劉霞;美用DNA制造出首個人造神經(jīng)網(wǎng)絡[N];科技日報;2011年

7 健康時報特約記者　 張獻懷;干細胞移植：修復受損的神經(jīng)網(wǎng)絡[N];健康時報;2006年

8 劉力;我半導體神經(jīng)網(wǎng)絡技術及應用研究達國際先進水平[N];中國電子報;2001年

9 ;神經(jīng)網(wǎng)絡和模糊邏輯[N];世界金屬導報;2002年

10 鄒麗梅 陳耀群;江蘇科大神經(jīng)網(wǎng)絡應用研究通過鑒定[N];中國船舶報;2006年

中國博士學位論文全文數(shù)據(jù)庫 前10條

1 楊旭華;神經(jīng)網(wǎng)絡及其在控制中的應用研究[D];浙江大學;2004年

2 李素芳;基于神經(jīng)網(wǎng)絡的無線通信算法研究[D];山東大學;2015年

3 石艷超;憶阻神經(jīng)網(wǎng)絡的混沌性及幾類時滯神經(jīng)網(wǎng)絡的同步研究[D];電子科技大學;2014年

4 王新迎;基于隨機映射神經(jīng)網(wǎng)絡的多元時間序列預測方法研究[D];大連理工大學;2015年

5 付愛民;極速學習機的訓練殘差、穩(wěn)定性及泛化能力研究[D];中國農業(yè)大學;2015年

6 李輝;基于粒計算的神經(jīng)網(wǎng)絡及集成方法研究[D];中國礦業(yè)大學;2015年

7 王衛(wèi)蘋;復雜網(wǎng)絡幾類同步控制策略研究及穩(wěn)定性分析[D];北京郵電大學;2015年

8 張海軍;基于云計算的神經(jīng)網(wǎng)絡并行實現(xiàn)及其學習方法研究[D];華南理工大學;2015年

9 李艷晴;風速時間序列預測算法研究[D];北京科技大學;2016年

10 陳輝;多維超精密定位系統(tǒng)建模與控制關鍵技術研究[D];東南大學;2015年

中國碩士學位論文全文數(shù)據(jù)庫 前10條

1 章穎;混合不確定性模塊化神經(jīng)網(wǎng)絡與高校效益預測的研究[D];華南理工大學;2015年

2 賈文靜;基于改進型神經(jīng)網(wǎng)絡的風力發(fā)電系統(tǒng)預測及控制研究[D];燕山大學;2015年

3 李慧芳;基于憶阻器的渦卷混沌系統(tǒng)及其電路仿真[D];西南大學;2015年

4 陳彥至;神經(jīng)網(wǎng)絡降維算法研究與應用[D];華南理工大學;2015年

5 董哲康;基于憶阻器的組合電路及神經(jīng)網(wǎng)絡研究[D];西南大學;2015年

6 武創(chuàng)舉;基于神經(jīng)網(wǎng)絡的遙感圖像分類研究[D];昆明理工大學;2015年

7 李志杰;基于神經(jīng)網(wǎng)絡的上證指數(shù)預測研究[D];華南理工大學;2015年

8 陳少吉;基于神經(jīng)網(wǎng)絡血壓預測研究與系統(tǒng)實現(xiàn)[D];華南理工大學;2015年

9 張韜;幾類時滯神經(jīng)網(wǎng)絡穩(wěn)定性分析[D];渤海大學;2015年

10 邵雪瑩;幾類時滯不確定神經(jīng)網(wǎng)絡的穩(wěn)定性分析[D];渤海大學;2015年

本文編號：794327