旋转式倒立摆的状态变量合成模糊控制

旋转式倒立摆结构简单而模型复杂,采用信息融合的状态变量合成方法,将多变量输入合成为二个输入变量,设计了一种结构简单的模糊控制器。仿真实验结果表明了该方法的有效性,并用于旋转式倒立摆实现了有效的实时控制。     

旋转式倒立摆的镇定和摆起控制的研究

通过对旋转式倒立摆系统的数学模型分析,采用极点配置法对倒立摆系统的镇定控制进行仿真研究,针对摆起控制提出基于经验与能量分析方法.针对旋转式倒立摆实物系统进行实际控制,实验结果表明:提出的控制方法对倒立摆的稳定控制和摆起控制具有很好的效果.     

一阶倒立摆的LQR稳定控制研究

倒立摆是一个典型的快速、多变量、非线性、绝对不稳定系统,对倒立摆系统的稳定性研究在理论上和方法上具有深远的意义。本文首先叙述了对倒立摆系统稳定性研究的意义,综述了倒立摆的研究现状。其次着重介绍了LQR控制的相关理论,设计出一阶倒立摆系统的控制器。然后,对设计出的控制器进行Matlab/Simulink仿真并将仿真结果应用于固高倒立摆实时控制系统中,比较实验结果,最后得出结论。     

一种混沌优化的双模糊控制器--倒立摆系统的设计

将单级倒立摆的4维输出分解为2个2维模糊控制器的输入量，与倒立摆组成双闭环控制，内环调节摆杆的角度，外环控制小车的位移。采用混沌算法优化控制器的参数，首先将混沌因子引入模糊控制器参数域的优化搜索中并在全局范围内直接寻优，当获得全局近似最优解后，再缩小寻优区间，在近似最优解的附近继续寻优。时倒立摆系统在不同情况下进行仿真，结果表明；该方法能提高搜索效率，能较快搜索到全局最优解，为解决多输入快速系统的模糊控制器优化设计提供了一种较好的实现方法。     

基于精确线性化理论的倒立摆系统最优控制

倒立摆是自动控制理论研究的典型实验设备,由于其具有强非线性与强耦合性,一直是先进控制算法研究的热点.文章采用了一种微分几何方法--李理论,对倒立摆系统进行精确反馈线性化,此种线性化方法使模型更多地保留了原系统主要的非线性部分,更能逼近实际系统.在此线性化模型的基础上,对倒立摆系统进行最优稳定控制设计.仿真结果表明,所提出的精确反馈线性化方法对于倒立摆系统的控制器设计是有效的.     

基于多指标非线性控制的单级倒立摆控制

针对单级倒立摆的稳定性问题,建立了单级倒立摆系统的四阶非线性数学模型,运用多指标非线性控制方法,设计了一个多指标的非线性控制器,并借助于系统特征根配置的方法,整定了该控制器中的c、k参数,实现了小车的水平位置和摆杆角度的稳定控制．最后,同时对线性最优二次型调节器和多指标非线性控制进行仿真对比,仿真表明：与线性最优二次型调节器相比,多指标非线性控制方法在控制效果上更为令人满意．     

旋转式倒立摆的控制研究

本文研究旋转式倒立摆的状态反馈控制,介绍了基于数字信号处理器（digital signal processor）的旋转式倒立摆系统的总体结构和工作原理。研究结果表明,使用DSP来控制倒立摆,有利于系统的小型化,控制更加快速,控制品质有很大提高。     

倒立摆的Reinforcement Learning模糊自适应控制

根据Lagrange方程建立了单级倒立摆系统的数学模型，利用模糊自适应控制算法设计了倒立摆系统的控制器，并在Matlab的仿真模块中将倒立摆系统的数学模型和控制器结合起来．对倒立摆控制系统进行了仿真研究。结果表明，对于要求实时性较高的非线性不稳定系统。用模糊自适应控制算法可以按照控制要求在线调节控制参数，在最短的调整时间内取得良好的控制效果。     

基于LabVIEW的二级倒立摆控制系统三维仿真

倒立摆是控制理论研究和教学中广泛使用的典型模型,文章在LabVIEW环境下,以二级直线倒立摆为被控对象,利用虚拟现实技术,开发了倒立摆LQR三维仿真控制系统;使用LabVIEW的三维图形工具箱将倒立摆的三维模型导入LabVIEW中,并利用LabVIEW控制设计和仿真模块将数学模型和三维模型联系起来;通过倒立摆系统的仿真数据驱动倒立摆的三维虚拟模型,能够形象地反映真实倒立摆的运动状态。所开发的系统操作界面友好易用,用户可以方便地修改倒立摆模型和LQR控制器的参数。     

基于模糊控制器的单级平面倒立摆的实时控制

针对一个单级平面倒立摆系统,建立了相应的数学模型;进行了稳定性、能控性与能观性分析。分别设计了变量融合模糊控制策略和模糊PID复合控制策略。应用所设计的控制器对该倒立摆系统分别进行了系统仿真与实时控制实验。证明了两种模糊控制器均可以保证倒立摆系统具有良好的控制精度,特别是模糊PID复合控制器使系统具备了较强的抗外部干扰能力。     

基于倒立摆系统的模糊仿人智能控制

倒立摆系统是一个绝对不稳定的系统,具有高阶次、非线性、强耦合等特性,很多控制方法的验证都是通过对倒立摆的控制来实现的.为了实现倒立摆系统的自摆起倒立平衡控制,提出了一种模糊仿人智能控制方法,在起摆控制阶段以仿人智能控制方法为主,平衡点附近切换至模糊控制方法,实现其稳定控制.仿真结果表明,模糊仿人智能控制对于典型非线性自不稳定系统有着很好的控制能力.     

基于混合系统的倒立摆的建模与仿真

针对倒立摆系统中摆杆的控制问题,从混合系统的角度出发,将单摆描述为一个混合自动机,运用不同控制策略之间的切换,构造能量控制器进行起摆控制,在工作平衡点运用线性反馈控制器进行稳定控制,实现将倒立摆从不同初始状态摆起并稳定在θ=0(工作位置)的目标位置。在MATLAB环境中建立单摆的Simulink仿真模型并通过CheckMate 3.6工具箱进行仿真,结果表明在不同初始条件下的单摆系统都能在较短时间内到达垂直向上位置并稳定。     

基于混合系统的倒立摆的建模与仿真

针对倒立摆系统中摆杆的控制问题,从混合系统的角度出发,将单摆描述为一个混合自动机,运用不同控制策略之间的切换,构造能量控制器进行起摆控制,在工作平衡点运用线性反馈控制器进行稳定控制,实现将倒立摆从不同初始状态摆起并稳定在θ=0(工作位置)的目标位置。在MATLAB环境中建立单摆的Simulink仿真模型并通过CheckMate 3．6工具箱进行仿真,结果表明在不同初始条件下的单摆系统都能在较短时间内到达垂直向上位置并稳定。     

不确定柔性倒立摆系统鲁棒控制器设计

针对多变量、非线性、强耦合的柔性倒立摆系统的不确定性,设计了鲁棒LQR（Linear Quadratic Regulator）控制器,并在柔性连接倒立摆上进行了仿真实验。实验结果表明,该鲁棒LQR控制器比原有的LQR控制器具有更好的抗干扰能力和稳定性。     

基于增强学习规则的倒立摆模糊神经网络控制器

为实现模型未知、初始时有脉冲输入的车上单级倒立摆镇定控制,提出了一种采用增强学习规则训练的模糊神经网络控制器。以神经网络构造基于T-S(Tankagi-Sugeno)规则的模糊控制器;用3层前馈网络组成预测器进入仿真,得到倒立摆状态并计算状态预测值,再将状态和状态预测值组成训练数据对,训练状态预测BP(Backward Propagation)网络;利用增强学习的方法训练模糊控制器,根据神经网络产生的模糊控制量和倒立摆状态预测,做出控制决策。此方法简化了模糊控制部分参数调整,亦可应用于其他无模型控制。实验证明,控制器鲁棒性良好,即使在倒立摆参数变化较大时,控制器仍能维持倒立摆平衡。     

基于BP神经网络特定学习的单级倒立摆控制方法

利用BP神经网络的特定学习算法，以单级倒立摆为控制对象设计一个四输入／单输出、包含5个隐层单元的3层BP神经网络控制器，提出一种新的单级倒立摆控制方法，然后通过Matlab6．5数值计算软件对这种新的单级倒立摆控制方法进行仿真．仿真结果表明，该方法具有较好的收敛性，是一种有效的控制方法．     

应用神经元控制器的实时控制装置和实验

针对平衡倒立摆这一非线性控制问题,设计了神经元控制器和控制装置,编制了实时控制程序.控制装置运行良好,成功地平衡了倒立摆.实时控制实验显示,当倒立摆的参数变化时,神经元控制器比一般的控制器具有强得多的自适应能力.     

基于动态查询表的模糊控制策略及其应用

研究基于动态查询表的模糊控制策略及其在转臂式倒立摆中的应用.采用一种新的倒立摆系统的控制方法,将传感器检测的倒立摆的两个角度信息传送到控制器,控制器利用该信息的模糊化量按基于动态查询表的模糊控制策略进行实时计算,由得出的控制量控制力矩电机驱使摆杆运动,从而使摆臂处于动态的直立状态.采用C++语言实现了对倒立摆的控制.实验结果表明,这种控制方式能够提高系统的控制精度.