自动化学院毕业设计开题报告撰写格式要求及范例.doc
![资源得分’ title=](/images/score_1.gif)
![资源得分’ title=](/images/score_1.gif)
![资源得分’ title=](/images/score_1.gif)
![资源得分’ title=](/images/score_1.gif)
![资源得分’ title=](/images/score_05.gif)
《自动化学院毕业设计开题报告撰写格式要求及范例.doc》由会员分享,可在线阅读,更多相关《自动化学院毕业设计开题报告撰写格式要求及范例.doc(17页珍藏版)》请在淘文阁 - 分享文档赚钱的网站上搜索。
1、开题报告撰写要求与范例1根据南京工程学院毕业设计(论文)工作管理规定,学生必须撰写毕业设计(论文)开题报告,由指导教师签署意见、教研室审查,院系分管教学领导批准后实施。2开题报告是毕业设计(论文)答辩委员会对学生答辩资格审查的依据材料之一。学生应当在毕业设计(论文)工作前期内完成,开题报告不合格者不得参加答辩。3毕业设计开题报告各项内容要实事求是,逐条认真填写。其中的文字表达要明确、严谨,语言通顺,外来语要同时用原文和中文表达。第一次出现缩写词,须注出全称。4本报告中,由学生本人撰写的对课题和研究工作的分析及描述,应不少于2000字,没有经过整理归纳,缺乏个人见解仅仅从网上下载材料拼凑而成的开
2、题报告按不合格论。5开题报告检查原则上在第24周完成,各院系完成毕业设计开题检查后,应写一份开题情况总结报告。本科毕业设计(论文)开题报告学生姓名杨文奇学 号203090413专 业自动化指导教师汤玉东职 称副教授所在院系自动化学院课题来源自拟课题课题性质工程设计课题名称二级倒立摆的神经网络控制毕业设计的内容和意义毕业设计内容:1 二级倒立摆系统的建模分析2 BP网络的设计3 二级倒立摆系统 BP神经网络模型的确定4 训练神经网络5 二级倒立摆神经网络控制的仿真 课题的意义:倒立摆控制方法在军工,航天,机器人领域和一般的工业控制过程中都有广泛的应用,如机器人行走过程中的平衡控制、火箭发射中的垂
3、直控制和卫星飞行中的姿态控制等。对其进行非线性控制方法研究及其稳定性的研究具有重要的理论和实践意义。倒立摆系统的稳定与空间飞行器控制的稳定具有很大的相似性,也是日常生活中所见到的任何重心在上、支点在下的控制问题的抽象。因此倒立摆的研究又具有重要的应用价值,成为控制理论中经久不衰的课题。再则理论的研究发展需要一个平台来支持验证所以倒立摆的发展就是控制科技的发展。文献综述国内外研究总结:倒立摆的简述倒立摆系统的最初研究开始于二十世纪五十年代,麻省理工大学电机工程系设计出单级倒立摆系统这个实验设备。后来再次基础上,人们又进行拓展,生产出各式各样的倒立摆。又悬挂式倒立摆、平行倒立摆、环形倒立摆、平面倒
4、立摆;倒立摆的级数有一级、二级、三级、四级乃至多级。历史和现状早在二十世纪六十年代,人们就开始对倒立摆的研究。1966年Schaefer和Cannon应用Bang2bang控制理论,将一个曲轴稳定于倒置位置。自从倒立摆系统成为1自动控制领域控制实验的实验和教学工具以来,人们对倒立摆控制的研究既有理论研究又有实验研究。1972年,Stugne等人采用全维状态观测器来重构了状态并且使用线性控制模拟电路实现了对二级倒立摆的控制。1976年Mori等人设计了一组合控制器实现了倒立摆的自动起摆和倒立摆起摆后的稳定控制1。1978年K. furutat 等人成功地应用降维观测器重构了倒立摆系统的状态使用计
5、算机处理实现了对三级倒立摆的控制。1984年K.furutat等人又实现了三级倒立摆的稳定控制。1986年Chung 等人对一级倒立摆系统进行了系统辨识并设计了PD 反馈控制器和自适应自整定反馈控制器实现了对倒立摆的稳定控制2。1989年Anderson等人运用函数最小化和LyaPunov稳定方法成功产生了一个优化反馈控制器。1994年sinha等人利用 LyapunovFloquet 变换得到了三级倒立摆系统的计算机仿真模型3。1995年任章等人在一种镇定倒立摆系统的新方法中应用振荡控制理论在倒立摆支撑点的竖直方向上加入一个零均值的高频振荡信号改善了倒立摆系统的稳定性。1999年李岩等人运用
6、基于PD 控制的专家智能控制对二级倒立摆进行实时控制取得了很好的效果4。2001年李洪兴在变论域自适应模糊控制学术报告中使用变论域自适应模糊控制的思想在国际上首次实现了四轴倒立摆的仿真。同年张葛祥等人建立了三级倒立摆的数学模型并分析了系统的可控制性和可观测性给出了智能控制算法的思路。2002年北京师范大学李洪兴教授采用变论域自适应模糊控制方法在国际上首次成功实现了四级倒立摆实物控制系统。 倒立摆控制方法的简单介绍目前人们对倒立摆的研究越来越多倒立摆的类型也由简单的单级倒立摆发展为多种多样的形式出现了柔性摆、球摆、旋转式倒立摆、倾斜轨道式倒立摆等。 1 状态反馈控制5。基于倒立摆的动力学模型使用
7、状态空间理论推导出状态方程和输出方程应用状态反馈实现对倒立摆的控制。 2PID控制。基于倒立摆的动力学模型使用状态空间理论推导出其非线性模型再在平衡点处进行线性化得到倒立摆系统的状态方程和输出方程根据倒立摆系统的状态方程和输出方程设计出PID控制器实现对倒立摆的控制。 3云模型控制8。云模型是一种拟人控制用云模型构成语言值用语言值构成规则形成一种定性的推理机制。这种控制不需要系统数学模型而是根据人的经验、逻辑判断和感受通过语言原子和云模型转换到语言控制规则器中解决非线性问题和不确定性问题。 4自适应控制。许多控制系统多为静态控制自适应控制随着环境的变化而变化属于一种动态控制系统从而提高控制精度
8、。 5非线性控制9。实际系统多被进行线性化处理非线性系统更能准确反映实际系统对提高系统控制精度具有更大意义。 6神经网络控制10。神经网络能够学习与适应严重不确定性系统的动态特性任意充分地逼近复杂的非线性关系所有定量或定性的信息都等势分布贮存于网络内的各种神经元故有很强的鲁棒性和容错性也将Q学习算法和BP神经网络有效结合实现状态未离散化的倒立摆的无模型学习控制。 7采用遗传算法与神经网络相结合的方法11。基于倒立摆数学模型设计出神经网络控制器再利用改进的遗传算法训练神经网络的权值从而实现对倒立摆的控制。 8模糊控制12。模糊控制是以模糊集合论、模糊语言变量及模糊逻辑推理等作为理论依据,以传感器
9、技术、计算机技术和自动控制理论为基础的一种新型的自动控制理论和控制方法。它在一定程度上模仿了人的控制,不需要准确的控制对象数学模型,是一种智能控制方法,尤其适用于那些人们无法建立精确数学模型的物理对象或过程。模糊控制通过确定模糊规则,设计出模糊控制器来实现对倒立摆的控制主要是确定模糊规则设计出模糊控制器实现对倒立摆的控制。 我的控制方案的选择神经网络(Neural Network, NN)能够任意充分地逼近复杂的非线性关系,NN能够学习与适应严重不确定性系统的动态特性,所有定量与定性的信息都等势分布存贮于网络内的各种神经元,故有很强的鲁棒性和容错性。用神经网络方法来实现倒立摆的平衡控制,具有很
10、强的实用性和可用性,所以选择神经网络控制。参考文献:1 刘深.二级倒立摆系统的稳定控制研究D.西北工业大学.2007. 82 杨平等. PID控制在倒立摆实时控制系统中的应用J.微计算机信息. 2006.113 黄忠霖.控制系统MATLAB计算机仿真M.国防工业出版社.2004.54 李岩.二级倒立摆控制系统分析.沈阳工业学院学报.1999.18(2):86-91.5 徐春梅.杨平.彭道刚.直线二级倒立摆状态反馈实时控制J.机电一体化. 2008.14 (3) : 39-42.8 anderson CW.Leaming toeon trolanin verted Pendulumu singn
11、 erual networks IEEE Control SystemM Magazine,1989,9(3):31-37.7 徐若冰.基于极点配置的倒立摆控制器设计J.哈尔滨工程大学硕士学位论文.2007.10 Unitrode Switeh Mode Controller for DC Motor Drive.1999.11 周凤岐.倒立摆的变结构控制实现J.西北工业大学学报.2002(8):410-413.12 崔平.翁正新.基于状态空间极点配置的倒立摆平衡控制J.实验室研究与探索.2003 (2):70-75研究内容设计步骤1、 二级倒立摆系统的建模分析 二级倒立摆系统摆杆2、摆杆1竖
12、直向上是一个不稳定平衡点。二级倒立摆系统的控制目标就是通过引入适当的控制方法,控制小车运动使二级倒立摆在不稳定平衡点附近的运动成为一个稳定的运动。 二级倒立摆的符号含义如下: M:小车质量 F:作用在小车上的水平动力 m1: 摆杆1质量 m2:摆杆2质量 m3:质量块的质量 x:小车到设定原点的水平距离 1:摆杆1与垂直向上方向的夹角 2:摆杆2与垂直向上方向的夹角 利用拉格朗日方程推导倒立摆运动学方程为:其中,为拉格拉日算子;为系统的广义坐标;T为系统的动能;V为系统的势能。拉格拉日方程广义坐标为和表示为: 其中,为系统沿该广义坐标方向上的外力,在该系统中,设系统的三个广义坐标分别是x, ,
13、。 系统的能量方程为: 式中,为小车的动能;为摆杆1的动能;为摆杆2的动能;为质量块的动能。 其中,为摆杆1质心平动动能;为摆杆1绕质心转动动能。其中,为2摆杆质心平动动能;为摆杆2绕质心转动动能。 首先利用公式求出、 再求出系统的动能T和势能V以及拉格拉日算子 由于在广义坐标上无为力作用,x上的外力为控制力F,故得到一个方程组形式并对其在平衡位置处进行泰勒级数展开并线性化。最后取二级倒立摆中一开始定义的x,1,2变量为状态变量。得到状态空间方程如下: 其中各K值分别由计算得出,这里就不在赘述。二级倒立摆神经网络控制器设计 2、BP网络的设计 要设计一个神经网络必须综合各方面的因素,如网络的层
14、数,每层的神经元个数,层与层之间的转换函数,网络的初始全职,网络学习速率的选取等。只有选择好这些参数,才可以训练神经网络。 (1)本毕业设计中网络层数的选择 在减少网络层数的前提下优先考虑增加隐层中的神经元个数,提高精度,降低误差。 (2)本毕业设计中每层神经元个数 采用一个隐含层,通过增加神经元数提高网络训练精度,对不同的神经元数进行训练对比,适当增加余量,满足以后的需求。 (3)初始权值的选取 初始权值在(-1,1)之间随机选取 (4)学习速率的选取 学习速率的选取大致范围在0.010.8之间 (5)期望误差的选取 通过对比训练后来确定一个合适的值作为期望误差。较小的期望误差是通过增加隐含
15、层节点和训练时间获得。 3、二级倒立摆系统 BP神经网络模型的确定 : 理论上已经证明:具有偏差和至少一个S型隐含层加上一个线性输出层的网络,能够逼近任何有理函数。因此,针对二级倒立摆系统选择一个具有一个隐含层的三层网络,理论上,它就可实现对倒立摆系统的有效控制。根据二级倒立摆系统实际输出小车的位置,小车的速度,摆杆1的角度和角速度,摆杆2的角度和角速度等六个状态变量确定输入层有6个神经元,隐含层有10个神经元,输出层为一个神经元,对应倒立摆系统的控制。隐含层采用“tansig”转换函数,输出层采用线性转换函数“purelin”。 BP神经网络控制器结构图如下所示: 4、训练神经网络 4.1规
16、则库的产生为使BP神经网络准确工作,从闭环试验中抽取数据作为规则库。比如简单的比例、LQR控制、人工智能模糊控制规则等。在固高公司提供的试验平台下,运用如PID、LQR等控制方法可以获得许多较为有效的数据,对数据分析处理作为规则库使用。 4.2训练神经网络的matble函数(1)newff函数 运用newff函数创建一个 feed-forward back - propagation 网络。 (2)train 函数 运用train 函数训练一个网络。 t rain 函数是根据net的训练函数和net的训练参数训练一个网络net。 4.3神经网络的训练 数据中输入样本数据放在矩阵P1 中,输出样
17、本数据放在U中,在 Matlab中输入如下的命令开始训练网络: Q=-1 1;-1 1;-1 1;-1 1;-1 1;-1 1; net=newff(Q,6 4 4 1,tansig tansig tansig purelin,trainlm); net.trainParam.epochs =3000; net.trainParam.goal = 0.000001; net = train(net,P1,U); 获得规则库并确定神经网络后可以对神经网络进行训练。训练好神经网络之后可以输入命令gensim(net,-1)生成simulink仿真用的模块。 5、二级倒立摆神经网络控制器的仿真 运用
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 自动化 学院 毕业设计 开题 报告 撰写 格式 要求 范例
![提示](https://www.taowenge.com/images/bang_tan.gif)
限制150内