二级倒立摆的自适应神经网络控制

倒立摆系统是一种典型的非线性、多变量、不稳定系统,目前,对于这种复杂对象的控制问题在控制领域具有十分重要的研究价值。针对此种非线性系统的控制问题,提出一种智能控制方法来解决这个问题。通过应用神经网络控制和模糊控制相结合的方式,集合二者的优点,提出一种将BP算法与最小二乘算法相结合的算法,对Takagi-Sugeno模糊推理系统中的参数进行优化修正,设计一种自适应神经网络的模糊推理系统来控制倒立摆,实验结果证明该理论是准确可行的,与LQR实时控制相比响应速度快、精度高。