1、倒立擺是一個(gè)典型的單輸入多輸出、非線性、高階次的不穩(wěn)定系統(tǒng)，研究倒立擺的控制不僅能反映控制理論中有關(guān)非線性、魯棒性以及跟蹤問題等許多關(guān)鍵問題，同時(shí)對(duì)工業(yè)復(fù)雜對(duì)象的控制也有著重要的應(yīng)用價(jià)值。 微粒群優(yōu)化算法(Particle Swarm Optimization algorithm，PSO)是近年來提出的一種新型的基于群體智能的進(jìn)化算法，它具有算法簡(jiǎn)單、收斂速度較快，所需領(lǐng)域知識(shí)少的特點(diǎn)。本文在對(duì)倒立擺、PSO算法研究現(xiàn)狀進(jìn)行綜述

2、的基礎(chǔ)上，進(jìn)行了基于PSO算法優(yōu)化設(shè)計(jì)控制系統(tǒng)的研究，論文主要工作包括： (1)基于牛頓力學(xué)原理建立了一級(jí)直線倒立擺數(shù)學(xué)模型，介紹了倒立擺LQR(Linear Qumdratic Regulator)最優(yōu)控制方法，并利用MATLAB7研究了倒立擺LQR控制性能。 (2)將微粒群算法應(yīng)用于傳統(tǒng)PID控制器參數(shù)優(yōu)化整定，通過對(duì)不同對(duì)象的控制系統(tǒng)仿真實(shí)驗(yàn)結(jié)果表明，與傳統(tǒng)PID控制器整定方法相比，控制系統(tǒng)具有更佳的閉環(huán)控制性能。

3、 (3)為克服BP(Back-Propagation)算法不足，本文研究利用PSO算法作為多層前饋神經(jīng)網(wǎng)絡(luò)訓(xùn)練算法以實(shí)現(xiàn)非線性函數(shù)逼近及模式識(shí)別等，通過對(duì)不同非線性函數(shù)的辨識(shí)及模式識(shí)別實(shí)驗(yàn)結(jié)果表明，PSO算法作為神經(jīng)網(wǎng)絡(luò)訓(xùn)練算法是可行的。為提高逼近精度，采用“種群爆炸”思想對(duì)PSO算法進(jìn)行改進(jìn)，實(shí)驗(yàn)結(jié)果表明，改進(jìn)方法是有效的。為得到全局最優(yōu)的BP網(wǎng)絡(luò)訓(xùn)練算法，文中還將PSO算法與BP算法結(jié)合進(jìn)行網(wǎng)絡(luò)訓(xùn)練開展了研究工作，實(shí)驗(yàn)表明，