文档介绍：ClassifiedIndex::Supervisor:YuanHuijunSongQingkunAcademicDegreeAppliedfor:MasterofEngineeringSpecialty:DateofOralExamination:University:ControlTheoryandControlEngineeringHarbinUniversityofScienceandTechnology哈尔滨理工大学硕士学位论文原创性声明本人郑重声明:此处所提交的硕士学位论文《》,是本人在导师指导下,在哈尔滨理工大学攻读硕士学位期间独立进行研究工作所取得的成果。据本人所知,论文中除己注明部分外不包含他人己发表或撰写过的研究成果。对本文研究工作做出贡献的个人和集体,均已在文中以明确方式注明。本声明的法律结果将完全由本人承担。作者签名:谍雾日期..年月日哈尔滨理工大学硕士学位论文使用授权书((》系本人在哈尔滨理工大学攻读硕士学位期间在导师指导完下成的硕士学位论文。本论文的研究成果归哈尔滨理工大学所有,本论文的研究内容不得以其它单位的名义发表。本人完全了解哈尔滨理工大学关于保存、使用学位论文的规定,同意学校保留并向有关部门提交论文和电子版本,允许论文被查阅和借阅。本人授权哈尔滨理工大学可以采用影印、缩印或其他复制手段保存论文,可以公布论文的全部或部分内容。本学位论文属于保密口,在年解密后适用授权书。不保密厨。(请在以上相应方框内打4)作者签名:囊崔弗日期:年月日导师签名:%魄年月同哈尔滨理T火学工学硕}(RadialBasisFunction,RBF)是一种高效的前馈式神经网络,它具有的最佳逼近性能和全局最优特性,并且结构简单,训练速度快。RBF神经网络也可以应用于模式识别、信号处理、非线性函数逼近等领域。RBF神经网络具有模拟人脑中局部调整、相互覆盖接收域的神经网络结构,能以任意精度逼近任一连续函数。人工鱼群算法作为RBF神经网络的训练算法,具有良好的克服局部极值、取得全局极值的能力;对搜索空间具有一定的自适应能力;算法对初值无要求,对各参数的选择也不很敏感等特点。文中将库存鱼群和寻优鱼群引入到算法中,并在保证全局寻优能力的情况下,解决算法的效率问题。将微人工鱼群算法应用到神经网络的训练中,建立起了基于人工鱼群算法的神经网络训练模型。文中将人工鱼群算法和RBF神经网络相结合,以二级倒立摆为研究对象,设计了RBF神经网络控制器。在Matlab中,对二级倒立摆系统进行仿真,结果表明所设计的控制器满足系统的性能要求。将经过仿真的神经网络模块下载到固高公司的倒立摆系统中,验证算法的实际效果。通过实验结果表明:二级倒立摆能够保持稳定平衡,抗干扰能力好,验证本文所设计的RBF神经网络控制器具有良好的控制性能。关键字RBF神经网络;二级倒立摆;(RBF)workiSahigh—,globaloptimum,,SignalProcessing,、:-,weintroducedth