一种生长型神经网络的倒立摆控制方案

一级直线倒立摆是倒立摆模型中最为经典最为基础的系统，是一个多变量、强耦合、单入出的系统，所以对倒立摆控制系统的控制具备一定的复杂性。倒立摆系统对控制的实时性要求很高，传统的倒立摆控制理论的控制精度已经

一阶倒立摆的最优控制仿真，对线性二次型最优控制方法的参数进行了仿真分析。

摘 要：分析了SOM神经网络算法在FPGA实现过程中要考虑的2个主要问题：并行性和有限字长效应。通过分析，提出了一种实现该算法的高并行体系结构并给出了该体系结构中关键模块的具体实现电路。根据计算机仿真

基于模糊控制理论的倒立摆系统设计,MATLAB版本。代码已通过验证,没有任何问题,直接打开运行就行了。倒立摆控制理论的发展跟随着自动控制理论的发展不断丰富完善,基本上可以分为两个阶段,即经典控制理论和

单级倒立摆的simulink仿真模型，实现串级控制~~~~~可作参考

在控制理论发展的过程中,某一理论的正确性及实际应用中的可行性需要一个按其理论设计的控制器去控制一个典型对象来验证。倒立摆就是这样一个被控制对象倒立摆系统是一个多变量、快速、非线性和自然不稳定系统。

倒立摆控制器的设计，自动控制原理课程设计，上海交通大学

Inverted pendulum control system simulation

交通灯控制是智能交通系统的一个重要部分,针对我国中等城市交通流具有模糊性、 复杂性的特点, 将模糊逻辑和神经网络相结合, 采用模糊隶属函数来描述车辆排队长度和绿灯时间, 建立了模糊神经网络交通灯信号控

 文中将BP神经网络的原理应用于参数辨识过程,结合传统的 PID控制算法,形成一种改进型BP神经网络PID控制算法。该算法利用BP神经网络建立系统参数模型,能够跟踪被控对象的变化,取