倒立摆系统的辩识和控制 （1） 程序Pmodel.m 描述问题 建立倒立摆系统的数学模型 （2） 程序N-Model.m 取得系统的行为状态样本 （3） 程序chp14_3.m 根据以上所得输入值Pm和目标值Tm构造一个神经网络，并根据所描述问题的行为状态样本对网络进行训练，调整网络的权值和阀值，使网络具有与系统同样的行为特性。 （4） 程序chp14_4.m 对系统与网络的行为特性进行测试与比较。-Identification and control of inverted p

利用强化学习的自适应动态规划中的值迭代和策略迭代方法，神经网络控制方法，LQR状态调节器最优控制方法，实现了三维倒立摆在飞行器上的稳定控制。鲁棒性很强，进行了高斯白噪声的扰动实验。-Reinforcement learning adaptive dynamic programming in value iteration and policy iteration method, neural network control method, LQR state regulator optimal

基于RBF神经网络自适应控制的一级直线倒立摆仿真——simulink-linear inverted pendulum simulation based on the RBF neural network adaptive control

一级直线倒立摆的反演控制及基于RBF神经网络的反演控制-linear inverted pendulum control based on backstepping control and RBF neural networks