基于增强学习规则的倒立摆模糊神经网络控制器

• 作者: 王红睿 赵黎明
• 来源期刊: 吉林大学学报（信息科学版）
• 学科: 工学
• 关键词: 增强学习 模糊神经网络 T-S模型 倒立摆
• 年，卷（期）: 2006,（5）
• 所属期刊栏目: 计算机科学与技术
• 页码范围: 561-566
• 页数: 6页
• 分类号: TP273.4
• 字数: 4136字
• 语种: 中文
• DOI: 10.3969/j.issn.1671-5896.2006.05.019

摘要

为实现模型未知、初始时有脉冲输入的车上单级倒立摆镇定控制,提出了一种采用增强学习规则训练的模糊神经网络控制器.以神经网络构造基于T-S(Tankagi-Sugeno)规则的模糊控制器;用3层前馈网络组成预测器进入仿真,得到倒立摆状态并计算状态预测值,再将状态和状态预测值组成训练数据对,训练状态预测BP(Backward Propagation)网络;利用增强学习的方法训练模糊控制器,根据神经网络产生的模糊控制量和倒立摆状态预测,做出控制决策.此方法简化了模糊控制部分参数调整,亦可应用于其他无模型控制.实验证明,控制器鲁棒性良好,即使在倒立摆参数变化较大时,控制器仍能维持倒立摆平衡.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	赵黎明	吉林大学通信工程学院	11	45	3.0	6.0
2	王红睿	吉林大学通信工程学院	7	61	3.0	7.0