您的位置: 专家智库 > >

焦利芳

作品数:2 被引量:28H指数:2
供职机构:北京工业大学电子信息与控制工程学院更多>>
发文基金:国家自然科学基金更多>>
相关领域:自动化与计算机技术更多>>

文献类型

  • 2篇中文期刊文章

领域

  • 2篇自动化与计算...

主题

  • 1篇倒立摆
  • 1篇神经网
  • 1篇神经网络
  • 1篇收敛性
  • 1篇强化学习方法
  • 1篇小脑模型
  • 1篇模糊控制
  • 1篇分层模糊控制
  • 1篇CMAC神经...

机构

  • 2篇北京工业大学

作者

  • 2篇李明爱
  • 2篇乔俊飞
  • 2篇焦利芳
  • 1篇郝冬梅

传媒

  • 1篇系统仿真学报
  • 1篇控制工程

年份

  • 1篇2009
  • 1篇2008
2 条 记 录,以下是 1-2
排序方式:
自平衡两轮机器人的分层模糊控制被引量:25
2009年
为解决具有非线性、强耦合和绝对不稳定特点的自平衡两轮机器人的运动控制问题,提出一种分层模糊控制方法。该方法对机器人体的倾斜角度和轮子转动速度分别设计相应的模糊控制器,其输出同时进入决策器,由决策器进行智能判断与协调,输出控制量。两控制器交替工作,实现机器人体倾角控制和轮子转速控制的有机统一。该方法具有模糊规则少,控制逻辑简单的特点。对机器人的速度跟踪、运动停止及转弯等多种运动方式进行了控制仿真实验,验证了控制方法的正确性和有效性。
李明爱焦利芳乔俊飞
关键词:分层模糊控制
基于多个并行CMAC神经网络的强化学习方法被引量:3
2008年
为解决标准Q学习算法收敛速度慢的问题,提出一种基于多个并行小脑模型(Cerebellar Model Articulation Controller:CMAC)神经网络的强化学习方法。该方法通过对输入状态变量进行分割,在不改变状态分辨率的前提下,降低每个状态变量的量化级数,有效减少CMAC的存储空间,将之与Q学习方法相结合,其输出用于逼近状态变量的Q值,从而提高了Q学习方法的学习速度和控制精度,并实现了连续状态的泛化。将该方法用于直线倒立摆的平衡控制中,仿真结果表明了其正确性和有效性。
李明爱焦利芳郝冬梅乔俊飞
关键词:小脑模型神经网络收敛性倒立摆
共1页<1>
聚类工具0