仿人智能控制器的参数在线模糊自整定在小车二级倒立摆中的应用
|
摘要
仿人智能控制基于特征辨识的多控制器、多控制模态结构,突破了传统控制理论控制信息处理单映射的结构,解决了复杂难控系统的控制可行性问题。但是,众多的特征参数和控制参数的确定与校正,给控制器的设计又带来了困难。而模型与实际系统总是存在一定的差异,特别是在系统发生改变或者受外界不确定因素干扰的时候。因此,控制器参数需要进一步的调整,才能直接用于实际系统的控制。对于小车二级摆摆起倒立这样的非线性运动过程,控制参数需要随摆杆运动的姿态变化而变化,因此引入在线的控制参数自校正,对于实现快速高品质的实时控制显得十分重要。
控制的参数整定是控制中重要的环节,参数自整定的实现思想就是在系统响应的不同阶段,自动修改控制参数的值,以满足系统对被控过程的动态性能、调节精度和抗干扰性能的要求。如果其具有一定的适应性等智能,更会使研究的复杂系统更具有实用价值。
模糊控制中的自组织、自学习、自适应性能,根据被控过程的特性和系统参数的变化,自动生成或调整模糊控制器的规则和参数,达到控制目的。这类控制器在实现人的控制策略基础上,又进一步将人的学习和适应能力引入控制器,使控制具有更高的智能性。
本文运用模糊逻辑规则设计了仿人智能控制器参数校正级的模糊自校正结构。该结构具有模糊参数自校正能力,在小车二级摆摆起倒立的控制过程中,有效地实现了具有多模态控制结构和分层递阶结构的仿人智能控制器在线参数自校正。
我们实施的对象倒立摆系统是一个经典的快速、多变量、非线性、绝对不稳定系统,是进行控制理论研究与教学及进行各种控制实验的理想平台。许多控制概念如控制系统的稳定性、可控性、系统收敛速度和系统抗干扰能力等,都可以通过倒立摆系统直观地表现出来。
在基于动觉智能图式的理论的仿人智能控制基础上本文进行了如下研究:
①介绍了参数整定的方法,叙述了仿人智能控制参数整定理论,并将其形式化,归纳出仿人智能参数模糊整定的理论。
②在小车二级倒立摆仿人智能控制器的设计中引入在线模糊参数自整定,设计了小车二级倒立摆摆起倒立的控制器。
③对小车二级倒立摆摆起倒立进行了仿真和实时控制,验证了本文中设计的控制器的有效性和鲁棒性。
小车二级摆摆起倒立控制的计算机仿真与实时控制实验表明,控制参数的在线模糊自校正,明显地增强了仿人智能控制器的鲁棒性和适应性。
Hierarchical and multi-mode control structures using the characteristic identification taken from the single mapping structure of the traditional controller, solve the feasibility problems in the control of a complex system. The complex controller, however, has numerous characteristic and control parameters, making it very difficult to design and optimize. A mathematical model of the controlled plant is needed in order to design the controller using an off-line evolutional computation. However, there will always be differences between the model and the real system, due to events that take place in the outside environment. Consequently, the controller parameters need further adjustment before they can be used effectively in the control of a real system. For a nonlinear motion process like the swing-up and stabilization control of a cart-double pendulum, the control parameters need to change with the motion attitude of the two rods of the pendulum. This means that online self-tuning of the control parameters is very important for a fast, high-quality realization of real-time control.
Parameters’turning is an important tache in the process of control, the thought of it is in the different phase of systerm response automatically turn the value of control parameters, to adapt the system’s reliability, adjustment accuracy and dynamic index request. If the controller with intelligent of adptive, the reserch of complex aystem will be more useful.
The performance of self-organizing, self learning and adaptive in fuzzy control,automatically turn the rules and control parameters according to the system. This kind of controller further introduced human’s learning and adaptive ability based on the typical controller, makes the control with higher intelligent.
In this paper, a fuzzy self-tuning structure of Human Simulated Intelligent Controller’s Self-Tuning Level was designed. This structure has fuzzy self-tuning ability, in the swinging up control of a cart-double pendulum system(CDPS); it efficiently accomplishes online control parameters’self-tuning of Human-Simulated Intelligent Controller (HSIC) with multimode control structure and hierarchical structure.
What we dealed with is a typical fast, multivariable, nonlinear, and absolutely unstable system, is the ideal platform of teaching and research, many control conception like system’s stability, controllability, velocity of convergence and ability of anti-intrrference and so on, can be directly diagramed by pendulum syatem.
Based on the HSIC, the main work of this paper are:
①Various kinds of PID controller tuning methods are discussed in this paper, and gave a formal description of parameter turning theory in HSIC, then a parameter self-turning theory of HSIC is summed up.
②Introduced on-line fuzzy self-tuning into the HSIC controller of pendulum, designed a controller of swinging up and handstand cart-double pendulum.
③Finished the simulation and real-time research of swinging up and handstand control of CDPS, results show the controller's effectiveness and robustness of the method.
The computer simulate-on and real time control experiments of the swinging up control of a cart-double pendulum system show that the online fuzzy self-tuning of control parameters markedly enhances the robustness and adaptability of HSIC.
控制的参数整定是控制中重要的环节,参数自整定的实现思想就是在系统响应的不同阶段,自动修改控制参数的值,以满足系统对被控过程的动态性能、调节精度和抗干扰性能的要求。如果其具有一定的适应性等智能,更会使研究的复杂系统更具有实用价值。
模糊控制中的自组织、自学习、自适应性能,根据被控过程的特性和系统参数的变化,自动生成或调整模糊控制器的规则和参数,达到控制目的。这类控制器在实现人的控制策略基础上,又进一步将人的学习和适应能力引入控制器,使控制具有更高的智能性。
本文运用模糊逻辑规则设计了仿人智能控制器参数校正级的模糊自校正结构。该结构具有模糊参数自校正能力,在小车二级摆摆起倒立的控制过程中,有效地实现了具有多模态控制结构和分层递阶结构的仿人智能控制器在线参数自校正。
我们实施的对象倒立摆系统是一个经典的快速、多变量、非线性、绝对不稳定系统,是进行控制理论研究与教学及进行各种控制实验的理想平台。许多控制概念如控制系统的稳定性、可控性、系统收敛速度和系统抗干扰能力等,都可以通过倒立摆系统直观地表现出来。
在基于动觉智能图式的理论的仿人智能控制基础上本文进行了如下研究:
①介绍了参数整定的方法,叙述了仿人智能控制参数整定理论,并将其形式化,归纳出仿人智能参数模糊整定的理论。
②在小车二级倒立摆仿人智能控制器的设计中引入在线模糊参数自整定,设计了小车二级倒立摆摆起倒立的控制器。
③对小车二级倒立摆摆起倒立进行了仿真和实时控制,验证了本文中设计的控制器的有效性和鲁棒性。
小车二级摆摆起倒立控制的计算机仿真与实时控制实验表明,控制参数的在线模糊自校正,明显地增强了仿人智能控制器的鲁棒性和适应性。
Hierarchical and multi-mode control structures using the characteristic identification taken from the single mapping structure of the traditional controller, solve the feasibility problems in the control of a complex system. The complex controller, however, has numerous characteristic and control parameters, making it very difficult to design and optimize. A mathematical model of the controlled plant is needed in order to design the controller using an off-line evolutional computation. However, there will always be differences between the model and the real system, due to events that take place in the outside environment. Consequently, the controller parameters need further adjustment before they can be used effectively in the control of a real system. For a nonlinear motion process like the swing-up and stabilization control of a cart-double pendulum, the control parameters need to change with the motion attitude of the two rods of the pendulum. This means that online self-tuning of the control parameters is very important for a fast, high-quality realization of real-time control.
Parameters’turning is an important tache in the process of control, the thought of it is in the different phase of systerm response automatically turn the value of control parameters, to adapt the system’s reliability, adjustment accuracy and dynamic index request. If the controller with intelligent of adptive, the reserch of complex aystem will be more useful.
The performance of self-organizing, self learning and adaptive in fuzzy control,automatically turn the rules and control parameters according to the system. This kind of controller further introduced human’s learning and adaptive ability based on the typical controller, makes the control with higher intelligent.
In this paper, a fuzzy self-tuning structure of Human Simulated Intelligent Controller’s Self-Tuning Level was designed. This structure has fuzzy self-tuning ability, in the swinging up control of a cart-double pendulum system(CDPS); it efficiently accomplishes online control parameters’self-tuning of Human-Simulated Intelligent Controller (HSIC) with multimode control structure and hierarchical structure.
What we dealed with is a typical fast, multivariable, nonlinear, and absolutely unstable system, is the ideal platform of teaching and research, many control conception like system’s stability, controllability, velocity of convergence and ability of anti-intrrference and so on, can be directly diagramed by pendulum syatem.
Based on the HSIC, the main work of this paper are:
①Various kinds of PID controller tuning methods are discussed in this paper, and gave a formal description of parameter turning theory in HSIC, then a parameter self-turning theory of HSIC is summed up.
②Introduced on-line fuzzy self-tuning into the HSIC controller of pendulum, designed a controller of swinging up and handstand cart-double pendulum.
③Finished the simulation and real-time research of swinging up and handstand control of CDPS, results show the controller's effectiveness and robustness of the method.
The computer simulate-on and real time control experiments of the swinging up control of a cart-double pendulum system show that the online fuzzy self-tuning of control parameters markedly enhances the robustness and adaptability of HSIC.
引文
[1]罗冰洋. PID控制器参数自整定方法比较[J].微机发展, 2005, 15(9):99-101.
[2]刘太生. PID控制器参数自整定方法比较[J].国外建材科技, 2005, 26(1):66-67.
[3] Ziegler, J.G., Nichols, N.B. Optimum settings for automatic controllers[J]. Trans. ASME, 1942, 65:433– 444.
[4] Astrom K.J, Hang C C. Towards Intelligent PID Control[J]. Automation, 1992, 28(1):1-9.
[5]邱丽,曾贵娥,朱学峰,孙培强.几种PID控制器参数整定方法的比较研究[J].自动化技术与应用, 2005, 24(11): 28-31.
[6]李大字,刘展,靳其兵,曹柳林.基于遗传算法的分数阶控制器参数整定研究[J].控制工程, 2006, 13(4):384-387.
[7]张华,李祖枢,古建功,陈桂强.利用改进的遗传算法整定二级摆仿人控制参数[J].哈尔滨工业大学学报, 2006, 38(增):1083-1087.
[8] Hua Zhang, Zushu Li, Jiangong Gu. A General parameters optimization method for human-simulated intelligent controller and its application research. Intelligent Control and Automation[C]. WCICA 2006. The Sixth World Congress, 2006, (2):9089-9093.
[9]白文宝,熊伟丽,徐保国.基于量子粒子群算法的PID控制器参数整定[J].计算机工程与应用, 2007, 43(3):61-63.
[10]李丽香,彭海朋,王向东,杨义先.基于混沌蚂蚁群算法的PID控制器的参数整定[J].仪器仪表学报, 2006, 27(9):1104-1106.
[11]谢懿,王宁,基于SMEC的PID控制器参数优化整定方法[J].自动化仪表, 2007, 28(1):7-10.
[12]李祖枢,涂亚庆著.仿人智能控制[M].北京:国防工业出版社,2004.
[13]苏宇峰.一种新型的仿人智能控制器参数校正级的设计及应用[D].重庆:重庆大学, 2003.
[14]杨飚,张曾科.仿人智能控制器的动态特性参数整定方法[J].信息与控制, 2004, 33(6):670-673.
[15]张春来,赵楠楠,杨明.模糊自整定PID参数控制器在直流调速系统中的应用[J].大连海事大学学报, 2006, (32):372-74.
[16]胥军,方彦军.模糊推理自整定PID控制及其在PROFIBUS控制器中的应用[J].仪表技术与传感器, 2006, (5):35-36.
[17]张睿彬.模糊参数自整定PID控制器的设计与仿真研究[J].中原工学院学报, 2007, 18 (1):65-67.
[18]孙炜.基于神经网络的规则自校正模糊控制器及其在交流伺服系统中的应用[J] .中国电机工程学报,2001, 21(7):14-17.
[19]张建勇.神经网络模糊PID算法在温室温度控制中的仿真研究[J].中国农机化, 2006, (6):67-70.
[20] Xiao Min, Zhang Hua, Jia Jian ping. Fuzzy Neural Network PID Controller for seam tracking[J].微计算机信息, 2006, 22(9-1):71-73.
[21]童秀瑾.基于线性预测模型的神经网络模糊PID控制[J].机电工程, 2007, 24(2):62-64.
[22]李欣,王科俊.模糊遗传算法综述[J].黑龙江自动化技术与应用,1998, 17(3):16-19.
[23]肖冰.一种基于专家调节增益的单神经元PID控制[J].自动化技术与应用, 2003, 22(4):14-16.
[24]郝媚美.一种基于专家系统的变结构神经元自适应PID控制器的设计与实现[J].福州大学学报, 2003, 31(5):554-557.
[25]黄黎明,唐朝晖.智能控制过程中模糊专家控制规则的获取[J].计算机工程与应用, 2007, 43(13):239-242.
[26]杨霞.基于专家、模糊和PID复合控制的设计[J].沈阳工业大学学报, 2002, 24(5):405-407.
[27]刘繁茂,彭佑多.模糊专家控制技术在液压提升机电液集成系统中的应用[J].机床与液压, 20061(18):92-93.
[28]刘晓慧,佟伟光,林树宽.基于模糊推理的专家系统的研究与实现[J].沈阳工程学院学报(自然科学版), 2007, 3(2):162-165.
[29]邹鲁勇,张利建.基于BP神经网络的仿人智能控制仿真研究[J].自动化与信息工程, 2006, (4):42-44.
[30]章兢.仿人智能控制与模糊控制神经网络融合技术[J].控制与决策, 1999, 14(5): 428-432.
[31]陈友森,郭建胜.基于模糊神经网络的航空装备故障诊断专家系统框架[J].航空制造技术,2007, (1):79-83.
[32]李欣,王科俊.模糊遗传算法综述[J].黑龙江自动化技术与应用, 1998, 17(3):16-19.
[33]杨振勇.一种基于遗传算法的自调整模糊PID控制器[J].电力科学与工程, 2003, (2):59-61.
[34]王斌.基于模糊遗传算法的工业过程控制参数优化研究[J].西安交通大学学报, 2004, 38(1):56-59.
[35]吴春富.基于遗传算法优化的模糊PID控制研究[J].自动化技术与应用, 2005, 24(7):14-15.
[36]李秋生.基于神经网络和遗传算法的智能PID控制[J].计算机测量与控制, 2007, 15(5):610-612.
[37] Li GuoDong, Zhang QingChun, Liang YingChun. GA-Based PID neural network control for magnetic bearing aystems[J]. Chinese Journal of Mechanical Engineering, 2007, 20(2):56-59.
[38]郝媚美.一种基于专家系统的变结构神经元自适应PID控制器的设计与实现[J].福州大学学报, 2003, 31(5):554-557.
[39]杨霞.基于专家、模糊和PID复合控制的设计[J].沈阳工业大学学报, 2002, 24(5):405-407.
[40]邹鲁勇.基于BP神经网络的仿人智能控制仿真研究[J].自动化与信息工程, 2006, (4):42-44.
[41]刘军.基于遗传算法的仿人智能控制[J].青岛科技大学学报(自然科学版), 2007, 8(2):162-165.
[42] Zhou Qi Jian, Bai Jianguo, An Intelligent Controller of Novel Design[C], Proceedings of A Multinational Instrument Conference. 1983.
[43]李祖枢,张华,温永玲,王桂平.基于动觉智能图式的仿人智能控制[C].第五届全球智能控制与自动化大会论文集,杭州, 2004, 232-238.
[44]李祖枢,但远宏,温永玲.小车二级摆摆起倒立仿人智能控制控制器结构设计与关键参数探讨[C].中国人工智能协会第11届全国学术年会论文集,北京, 2005, 1203-1208.
[45]李祖枢,但远宏,温永玲,张华.小车三级摆摆起倒立的仿人智能控制[J].华中科技大学学报(自然科学版), 2004, 32(增):38-41.
[46]李祖枢,王育新,谭智,张华.小车二级摆系统的摆起倒立控制与实践[C].第五届全球智能控制与自动化大会论文集,杭州, 2004, 2360-2364.
[47]李祖枢,谭智,王育新,张华.斜轨道上小车二级摆摆起倒立实时控制[C],第23届中国控制会议论文集,无锡, 2004, 1645-1649.
[48]李祖枢.仿人智能控制理论与多级摆的摆起控制[M].人工智能回顾与展望,科学出版社,2006, 174-207.
[49]刘金琨著.智能控制[M].北京:电子工业出版社, 2005.
[50]程武山著.智能控制理论与应用[M].上海:上海交通大学出版社, 2006.
[51]冯冬青著.模糊智能控制[M].北京:化学工业出版社, 1998.
[52]章卫国,杨向忠著.模糊控制理论与应用[M].西安:西北工业大学出版社, 1999.
[53]汤兵勇著.模糊控制理论与应用技术[M].北京:清华大学出版社, 2002.
[54]张化光,杨英旭,柴天佑.多变量模糊控制的现状与发展[J].控制与决策, 1995, 10(4):289-295.
[55]佟绍成,徐为民,柴天佑.关于多变量非线性系统的自适应模糊控制[J].自动化学报, 1998, 24(6):793-797.
[56] Shaocheng Tong, Jiantao, Tao Wang. Fuzzy adaptive control of multivariable nonlinear systems[J]. Fuzzy Sets and Systems, 2000, 111: 153-167.
[57]孙多青.不确定系统的模糊自适应控制与辩识新方法研究[D].北京:北京航空航天大学, 2002.
[58]古建功,李祖枢,张华.三关节体操机器人的动力学参数辨识[C].中国人工智能协会第11届全国学术年会,武汉, 2005.
[59]梁东武,李祖枢,晏刚,陈桂强.小车二级摆摆起倒立控制器的参数模糊自校正[J],中南大学学报(自然科学版), 2007, 38(增) :105-112.
[60] J.F.Schaefer. On the control of unstable mechanical systems[C]. Proc.IFAC World Congr. London, 1996.
[61] S.Mori, H.Nishihahra, K.Furuta. Control of unstable mechanical system-control of pendulum[J]. Int.J.Control, 1976, (23):673-692.
[62] K.Furuta. Computer control of a double inverted pendulum[J]. Comput & Elect, 1978. (5):67-84.
[63]梁任秋,赵松,唐悦.二级倒立摆的数字控制器设计[J].控制理论与应用, 1987, 4(1):115-124.
[64]石向星,李平,孙银山,陈雪艳.二级倒立摆的动态加权模糊控制[J].石油化工高等学校学报, 2005, 18(2):83-86.
[65]董翠玲,周凤岐.二级倒立摆的模糊控制[J].机床与液压, 2006 ,(14):177-178.
[66]过润秋,洪旭,苏旺旺.基于模糊控制理论的二级倒立摆控制算法[J].西安电子科技大学学报(自然科学版), 2006, 33(1): 111-115.
[67]李丽娟,赵英凯,胡盛祥.两种简化规则的模糊控制系统的分析比较[J].计算机仿真, 2006, 23(4):157-159.
[68]李洪兴,苗志宏,王加银.四级倒立摆的变论域自适应模糊控制[J].中国科学(E辑),2002, 32(1):65-75.
[69] Isabelle Fantoni, Rogelio Lozano, Mark W. spong. Engery based control of the pendubot. IEEE Transactions on Automatic Control[J], 2000, 45(4):725-729.
[70] Nenad MusˇKinja, Boris Tovornik. Swinging up and stabilization of a real Inverted pendulum[J]. IEEE Transactions On Industrial Electronics, 2006, 53(2):631-639.
[71] Yi, J, Yubazaki, N, Hirota, K. SIRMS dynamically connected fuzzy inference model applied to stabilization control of inverted pendulum and cart systems[C]. Fuzzy Information Processing Society, NAFIPS. 1999.
[72] A.G.Barto, R.S.Sutton, C.W.Anderson. Neuronlike adaptive elements that can solve difficult learning control problems[J]. IEEE rans.Syst,Man,Cybem, 1996, 13(1):14-23.
[73]张乃尧,乐天.基于模糊神经网络的模型参考自适应控制[J].自动化学报, 1996, 3(4):35-39.
[74]孙增圻.具有再励学习的神经网络方法[J].控制理论与技术, 1997, 7(5):19-23.
[75]谢文录,谢维信.一种模糊控制系统的神经网络方法[J].西安电子科技大学学报, 1996, 23(1):23-28.
[76]徐红兵,孙增圻.二级倒立摆的模糊神经滑模控制的研究[C]. 1996年中国智能自动化学术会议论文集, 1996(1):23-28.
[77]王桂平.图式理论在复杂系统控制中的应用研究[D].重庆:重庆大学, 2003.
[78]邵桂芳.基于动觉智能图式的人工生命体行为及其选择与进化研究[D].重庆:重庆大学, 2007.
[2]刘太生. PID控制器参数自整定方法比较[J].国外建材科技, 2005, 26(1):66-67.
[3] Ziegler, J.G., Nichols, N.B. Optimum settings for automatic controllers[J]. Trans. ASME, 1942, 65:433– 444.
[4] Astrom K.J, Hang C C. Towards Intelligent PID Control[J]. Automation, 1992, 28(1):1-9.
[5]邱丽,曾贵娥,朱学峰,孙培强.几种PID控制器参数整定方法的比较研究[J].自动化技术与应用, 2005, 24(11): 28-31.
[6]李大字,刘展,靳其兵,曹柳林.基于遗传算法的分数阶控制器参数整定研究[J].控制工程, 2006, 13(4):384-387.
[7]张华,李祖枢,古建功,陈桂强.利用改进的遗传算法整定二级摆仿人控制参数[J].哈尔滨工业大学学报, 2006, 38(增):1083-1087.
[8] Hua Zhang, Zushu Li, Jiangong Gu. A General parameters optimization method for human-simulated intelligent controller and its application research. Intelligent Control and Automation[C]. WCICA 2006. The Sixth World Congress, 2006, (2):9089-9093.
[9]白文宝,熊伟丽,徐保国.基于量子粒子群算法的PID控制器参数整定[J].计算机工程与应用, 2007, 43(3):61-63.
[10]李丽香,彭海朋,王向东,杨义先.基于混沌蚂蚁群算法的PID控制器的参数整定[J].仪器仪表学报, 2006, 27(9):1104-1106.
[11]谢懿,王宁,基于SMEC的PID控制器参数优化整定方法[J].自动化仪表, 2007, 28(1):7-10.
[12]李祖枢,涂亚庆著.仿人智能控制[M].北京:国防工业出版社,2004.
[13]苏宇峰.一种新型的仿人智能控制器参数校正级的设计及应用[D].重庆:重庆大学, 2003.
[14]杨飚,张曾科.仿人智能控制器的动态特性参数整定方法[J].信息与控制, 2004, 33(6):670-673.
[15]张春来,赵楠楠,杨明.模糊自整定PID参数控制器在直流调速系统中的应用[J].大连海事大学学报, 2006, (32):372-74.
[16]胥军,方彦军.模糊推理自整定PID控制及其在PROFIBUS控制器中的应用[J].仪表技术与传感器, 2006, (5):35-36.
[17]张睿彬.模糊参数自整定PID控制器的设计与仿真研究[J].中原工学院学报, 2007, 18 (1):65-67.
[18]孙炜.基于神经网络的规则自校正模糊控制器及其在交流伺服系统中的应用[J] .中国电机工程学报,2001, 21(7):14-17.
[19]张建勇.神经网络模糊PID算法在温室温度控制中的仿真研究[J].中国农机化, 2006, (6):67-70.
[20] Xiao Min, Zhang Hua, Jia Jian ping. Fuzzy Neural Network PID Controller for seam tracking[J].微计算机信息, 2006, 22(9-1):71-73.
[21]童秀瑾.基于线性预测模型的神经网络模糊PID控制[J].机电工程, 2007, 24(2):62-64.
[22]李欣,王科俊.模糊遗传算法综述[J].黑龙江自动化技术与应用,1998, 17(3):16-19.
[23]肖冰.一种基于专家调节增益的单神经元PID控制[J].自动化技术与应用, 2003, 22(4):14-16.
[24]郝媚美.一种基于专家系统的变结构神经元自适应PID控制器的设计与实现[J].福州大学学报, 2003, 31(5):554-557.
[25]黄黎明,唐朝晖.智能控制过程中模糊专家控制规则的获取[J].计算机工程与应用, 2007, 43(13):239-242.
[26]杨霞.基于专家、模糊和PID复合控制的设计[J].沈阳工业大学学报, 2002, 24(5):405-407.
[27]刘繁茂,彭佑多.模糊专家控制技术在液压提升机电液集成系统中的应用[J].机床与液压, 20061(18):92-93.
[28]刘晓慧,佟伟光,林树宽.基于模糊推理的专家系统的研究与实现[J].沈阳工程学院学报(自然科学版), 2007, 3(2):162-165.
[29]邹鲁勇,张利建.基于BP神经网络的仿人智能控制仿真研究[J].自动化与信息工程, 2006, (4):42-44.
[30]章兢.仿人智能控制与模糊控制神经网络融合技术[J].控制与决策, 1999, 14(5): 428-432.
[31]陈友森,郭建胜.基于模糊神经网络的航空装备故障诊断专家系统框架[J].航空制造技术,2007, (1):79-83.
[32]李欣,王科俊.模糊遗传算法综述[J].黑龙江自动化技术与应用, 1998, 17(3):16-19.
[33]杨振勇.一种基于遗传算法的自调整模糊PID控制器[J].电力科学与工程, 2003, (2):59-61.
[34]王斌.基于模糊遗传算法的工业过程控制参数优化研究[J].西安交通大学学报, 2004, 38(1):56-59.
[35]吴春富.基于遗传算法优化的模糊PID控制研究[J].自动化技术与应用, 2005, 24(7):14-15.
[36]李秋生.基于神经网络和遗传算法的智能PID控制[J].计算机测量与控制, 2007, 15(5):610-612.
[37] Li GuoDong, Zhang QingChun, Liang YingChun. GA-Based PID neural network control for magnetic bearing aystems[J]. Chinese Journal of Mechanical Engineering, 2007, 20(2):56-59.
[38]郝媚美.一种基于专家系统的变结构神经元自适应PID控制器的设计与实现[J].福州大学学报, 2003, 31(5):554-557.
[39]杨霞.基于专家、模糊和PID复合控制的设计[J].沈阳工业大学学报, 2002, 24(5):405-407.
[40]邹鲁勇.基于BP神经网络的仿人智能控制仿真研究[J].自动化与信息工程, 2006, (4):42-44.
[41]刘军.基于遗传算法的仿人智能控制[J].青岛科技大学学报(自然科学版), 2007, 8(2):162-165.
[42] Zhou Qi Jian, Bai Jianguo, An Intelligent Controller of Novel Design[C], Proceedings of A Multinational Instrument Conference. 1983.
[43]李祖枢,张华,温永玲,王桂平.基于动觉智能图式的仿人智能控制[C].第五届全球智能控制与自动化大会论文集,杭州, 2004, 232-238.
[44]李祖枢,但远宏,温永玲.小车二级摆摆起倒立仿人智能控制控制器结构设计与关键参数探讨[C].中国人工智能协会第11届全国学术年会论文集,北京, 2005, 1203-1208.
[45]李祖枢,但远宏,温永玲,张华.小车三级摆摆起倒立的仿人智能控制[J].华中科技大学学报(自然科学版), 2004, 32(增):38-41.
[46]李祖枢,王育新,谭智,张华.小车二级摆系统的摆起倒立控制与实践[C].第五届全球智能控制与自动化大会论文集,杭州, 2004, 2360-2364.
[47]李祖枢,谭智,王育新,张华.斜轨道上小车二级摆摆起倒立实时控制[C],第23届中国控制会议论文集,无锡, 2004, 1645-1649.
[48]李祖枢.仿人智能控制理论与多级摆的摆起控制[M].人工智能回顾与展望,科学出版社,2006, 174-207.
[49]刘金琨著.智能控制[M].北京:电子工业出版社, 2005.
[50]程武山著.智能控制理论与应用[M].上海:上海交通大学出版社, 2006.
[51]冯冬青著.模糊智能控制[M].北京:化学工业出版社, 1998.
[52]章卫国,杨向忠著.模糊控制理论与应用[M].西安:西北工业大学出版社, 1999.
[53]汤兵勇著.模糊控制理论与应用技术[M].北京:清华大学出版社, 2002.
[54]张化光,杨英旭,柴天佑.多变量模糊控制的现状与发展[J].控制与决策, 1995, 10(4):289-295.
[55]佟绍成,徐为民,柴天佑.关于多变量非线性系统的自适应模糊控制[J].自动化学报, 1998, 24(6):793-797.
[56] Shaocheng Tong, Jiantao, Tao Wang. Fuzzy adaptive control of multivariable nonlinear systems[J]. Fuzzy Sets and Systems, 2000, 111: 153-167.
[57]孙多青.不确定系统的模糊自适应控制与辩识新方法研究[D].北京:北京航空航天大学, 2002.
[58]古建功,李祖枢,张华.三关节体操机器人的动力学参数辨识[C].中国人工智能协会第11届全国学术年会,武汉, 2005.
[59]梁东武,李祖枢,晏刚,陈桂强.小车二级摆摆起倒立控制器的参数模糊自校正[J],中南大学学报(自然科学版), 2007, 38(增) :105-112.
[60] J.F.Schaefer. On the control of unstable mechanical systems[C]. Proc.IFAC World Congr. London, 1996.
[61] S.Mori, H.Nishihahra, K.Furuta. Control of unstable mechanical system-control of pendulum[J]. Int.J.Control, 1976, (23):673-692.
[62] K.Furuta. Computer control of a double inverted pendulum[J]. Comput & Elect, 1978. (5):67-84.
[63]梁任秋,赵松,唐悦.二级倒立摆的数字控制器设计[J].控制理论与应用, 1987, 4(1):115-124.
[64]石向星,李平,孙银山,陈雪艳.二级倒立摆的动态加权模糊控制[J].石油化工高等学校学报, 2005, 18(2):83-86.
[65]董翠玲,周凤岐.二级倒立摆的模糊控制[J].机床与液压, 2006 ,(14):177-178.
[66]过润秋,洪旭,苏旺旺.基于模糊控制理论的二级倒立摆控制算法[J].西安电子科技大学学报(自然科学版), 2006, 33(1): 111-115.
[67]李丽娟,赵英凯,胡盛祥.两种简化规则的模糊控制系统的分析比较[J].计算机仿真, 2006, 23(4):157-159.
[68]李洪兴,苗志宏,王加银.四级倒立摆的变论域自适应模糊控制[J].中国科学(E辑),2002, 32(1):65-75.
[69] Isabelle Fantoni, Rogelio Lozano, Mark W. spong. Engery based control of the pendubot. IEEE Transactions on Automatic Control[J], 2000, 45(4):725-729.
[70] Nenad MusˇKinja, Boris Tovornik. Swinging up and stabilization of a real Inverted pendulum[J]. IEEE Transactions On Industrial Electronics, 2006, 53(2):631-639.
[71] Yi, J, Yubazaki, N, Hirota, K. SIRMS dynamically connected fuzzy inference model applied to stabilization control of inverted pendulum and cart systems[C]. Fuzzy Information Processing Society, NAFIPS. 1999.
[72] A.G.Barto, R.S.Sutton, C.W.Anderson. Neuronlike adaptive elements that can solve difficult learning control problems[J]. IEEE rans.Syst,Man,Cybem, 1996, 13(1):14-23.
[73]张乃尧,乐天.基于模糊神经网络的模型参考自适应控制[J].自动化学报, 1996, 3(4):35-39.
[74]孙增圻.具有再励学习的神经网络方法[J].控制理论与技术, 1997, 7(5):19-23.
[75]谢文录,谢维信.一种模糊控制系统的神经网络方法[J].西安电子科技大学学报, 1996, 23(1):23-28.
[76]徐红兵,孙增圻.二级倒立摆的模糊神经滑模控制的研究[C]. 1996年中国智能自动化学术会议论文集, 1996(1):23-28.
[77]王桂平.图式理论在复杂系统控制中的应用研究[D].重庆:重庆大学, 2003.
[78]邵桂芳.基于动觉智能图式的人工生命体行为及其选择与进化研究[D].重庆:重庆大学, 2007.