学位论文 > 优秀研究生学位论文题录展示

模糊神经PID应用于智能小车寻踪与避障控制

作　者: 徐保众
导　师: 王强德
学　校: 曲阜师范大学
专　业: 系统分析与集成
关键词: 智能小车避障模糊控制神经网络控制 PID控制
分类号: TP242.6
类　型: 硕士论文
年　份: 2011年
下　载: 216次
引　用: 0次
阅　读: 论文下载

内容摘要

智能机器人在军事探测、航空航天、排爆除险、工业生产、日常生活等领域都有极为广泛的应用。对机器人行为控制以及寻踪和避障能力的控制是移动机器人智能化程度的重要表现,对机器人寻踪与避障能力的研究是研究智能小车及无人驾驶飞机使其安全运行的重要保障。寻踪与避障算法是智能小车寻踪与避障功能的关键所在。一些传统的控制算法常依赖于被控对象的精确的数学模型和完全已知的环境信息。当控制对象相对较复杂,控制参数较多,环境信息未知,被控对象精确的数学模型难以建立时,这种情况下的传统控制算法的效果往往难以令人满意。基于以上情况本文对智能小车寻踪与避障提出了一种新型的控制算法--模糊神经PID控制算法。模糊神经PID控制算法是一种结合模糊控制理论、神经网络控制方法及PID控制方法的优点提出的一种新型控制方法。这种控制方法的关键之处在于用神经网络来描述模糊控制规则,本文解决了如何用模糊神经网络来描述智能小车在寻踪与避障算法中的模糊控制规则问题。文章结合上海英集斯自动化技术有限公司生产的一种智能小车首先介绍了小车如何获取外界环境信息,如何对数据进行处理,在获取到所需有效数据后对寻踪和避障控制算法进行了设计。本文中控制算法分为寻踪模式与避障模式两种方法单独进行,两种模式在一定条件下可以相互转换。两种模式下算法都是对小车转向角进行控制,使小车逐渐接近目标点,并在遇到障碍物时能够自行判断是否采取避让措施。在文章的最后用MATLAB工具箱对模糊神经PID控制算法应用于智能小车的寻踪与避障控制进行了仿真,并与单独PID控制方法和模糊控制方法进行了比较,仿真结果证实了此方法的有效性。

全文目录

摘要  3-4
Abstract  4-5
目录  5-7
第一章绪论  7-11
  1.1 课题研究背景和意义  7-9
  1.2 机器人导航与定位  9
  1.3 机器人路径规划  9-11
第二章智能小车介绍  11-17
  2.1 智能小车信息获取  11-14
  2.2 智能小车分类  14-15
  2.3 差动驱动智能小车运动学分析  15-17
第三章模糊神经PID控制基本原理  17-36
  3.1 PID控制基本原理  17-20
    3.1.1 模拟PID控制系统  17-18
    3.1.2 数字PID控制算法  18-20
  3.2 模糊控制方法  20-26
    3.2.1 模糊理论基础知识  20-22
    3.2.2 模糊控制器设计  22-26
  3.3 神经网络控制方法  26-34
    3.3.1 人工神经元模型  26-27
    3.3.2 激活函数  27-29
    3.3.3 神经网络模型  29-30
    3.3.4 神经网络学习方法  30-34
  3.4 模糊神经PID控制方法  34-36
第四章寻踪和避障算法设计  36-49
  4.1 算法准备  36-40
    4.1.1 参考坐标系设置  36-38
    4.1.2 算法说明  38-40
  4.2 模糊神经PID控制算法设计  40-45
    4.2.1 输入输出变量的获取  40-42
    4.2.2 模糊神经网络结构  42-44
    4.2.3 模糊神经网络推理  44-45
  4.3 仿真结果分析  45-47
  4.4 模拟实验结果  47-49
第五章总结与展望  49-50
参考文献  50-52
致谢  52

模糊神经PID应用于智能小车寻踪与避障控制

内容摘要

全文目录

相似论文