人工神经网络仿真作业（3篇）人工神经网络仿真作业1：三级倒立摆的神经网络控制人工神经网络仿真作业2：基于模型整体逼近的机器人RBF网络自适应控制人工神经网络仿真作业3：基于RBF的机械手无需模型自适应控制研究神经网络仿真作业1：三级倒立摆的神经网络控制摘要：建立了基于人工神经网络改进BP算法的三级倒立摆的数学模型，并给出了BP网络结构，利用Matlab软件进行训练仿真，结果表明，改进的BP算法控制倒立摆精度高、收敛快，在非线性控制、鲁棒控制等领域具有良好的应用前景。1.引言倒立摆系统的研究开始于19世纪50年代,它是一个典型的非线性、高阶次、多变量、强耦合和绝对不稳定系统.许多抽象的控制概念,如系统的稳定性、可控性、系统的收敛速度和抗干扰能力都可以通过倒立摆直观地表现出来。随着现代控制理论的发展,倒立摆的研究对于火箭飞行控制和机器人控制等现代高科技的研究具有重要的实践意义。目前比较常见的倒立摆稳定控制方法有线性控制,如LQR,LQY等;智能控制,如变论域自适应模糊控制,遗传算法,预测控制等。2.系统的数学模型2.
