基于性能协调的平面二级倒立摆控制

针对平面二级倒立摆系统具有的多变量、非线性、强耦合、稳定控制实时性和快速性要求高的特点,设计了利用协调因子优化控制效果的改进型LQR控制器.运用分析动力学方法对倒立摆建立数学模型,以LQR理论设计了平面倒立摆的最优控制器,在此基础上加入性能协调因子,它能根据状态变量的变化实时调整控制作用的大小,进而对LQR输出的预控制...     

基于LQR的二级倒立摆的变论域自适应模糊控制

针对传统模糊控制的不足,以二级倒立摆为例,采用了变论域自适应模糊控制理论.考虑到二级倒立摆为多变量系统,为了解决模糊控制器规则组合爆炸问题,利用LQR理论先设计出状态反馈器,再进行降维处理.最后利用变论域自适应模糊控制理论给出伸缩因子,从而得到变论域自适应模糊控制器.仿真结果表明,该方法控制效果好,鲁棒性强.     

平面二级倒立摆基于参数优化的模糊控制

对基于XY平台的平面二级倒立摆进行运动学和动力学分析,得到系统状态方程。通过构造综合误差E和综合误差变化率EC,减少输入变量维数设计模糊控制器,使模糊控制器的控制规则更为简单、有效,同时对量化因子参数进行优化。     

基于PSO的二级倒立摆LQR最优控制器设计

根据微粒群算法的随机性、快速性、易于实现性等优点,针对LQR在二级倒立摆最优控制设计过程中对加权矩阵Q、R选择的盲目性,研究了基于PSO的LQR最优控制器的设计方法,该方法利用PSO算法的启发式全局优化特点对Q、R阵进行寻优,然后得到状态反馈控制律K。并设计了基于该方法的二级倒立摆的最优控制器,通过和基于遗传算法的LQR最优控制器比较,仿真结果表明：该方法所设计的最优控制器能使系统的响应时间更快,超调量更小,对二级倒立摆的控制效果更理想。     

基于混合算法的二级倒立摆LQR最优控制器设计

针对遗传算法寻优的速度和精度的不足,提出采用混合算法寻优的策略。以GIP-200型二级倒立摆为控制对象进行仿真,仿真结果表明基于混合算法的最优控制器能使系统调节时间更短、精度更高,对二级倒立摆的控制效果更为理想。     

基于留优遗传算法的倒立摆最优LQR控制

被控系统稳定性与LQR控制器权重矩阵Q和R的选择有关。针对选择适当的Q和R使系统在约束条件下达到稳定性最优的问题,提出了一种通过留优遗传算法实现二级倒立摆系统LQR控制器参数寻优的新方法。以被控系统的动能积分为性能指标来实现寻优,以能量为寻优性能指标,可使二级倒立摆系统各部分的稳定性以统一的量纲表示。可依据倒立摆系统的耦合性,从总体的角度考虑系统的稳定性。仿真的结果表明了该方法的有效性。     

平面一级倒立摆的稳定控制

平面倒立摆系统是进行控制理论研究的理想实验平台.在对平面一级倒立摆进行运动学和动力学分析的基础上,采用拉格朗日方程建立了它的动力学模型.分别设计了LQR控制器和模糊控制器,应用所设计的控制器对倒立摆系统进行了实时控制实验.验证了两种控制方法的优缺点.     

基于留优遗传算法的倒立摆最优LQR控制

被控系统稳定性与LQR控制器权重矩阵Q和R的选择有关.针对选择适当的Q和R使系统在约束条件下达到稳定性最优的问题,提出了一种通过留优遗传算法实现二级倒立摆系统LQR控制器参数寻优的新方法.以被控系统的动能积分为性能指标来实现寻优,以能量为寻优性能指标,可使二级倒立摆系统各部分的稳定性以统一的量纲表示.可依据倒立摆系统的耦合性,从总体的角度考虑系统的稳定性.仿真的结果表明了该方法的有效性.     

二级倒立摆的参变量模糊控制

本文主要研究用参变量模糊控制对二级倒立摆进行实时控制的问题。提出了Ｆｕｚｚｙ控制多变量系统的一种分析方法，给出了综合误差、综合误差变化率的概念，并叙述了综合系数的设计方法。应用综合误差理论设计了带参变量Ｆｕｚｚｙ控制器，且用３８６微机对二级倒立摆进行实时控制，取得了较好的效果。     

模糊控制在二级倒立摆中的应用

本文推导了二级倒立摆的数学模型，研究了它的控制方法。本文引入了综合误差和综合误差变化率的概念，大大的减少了模糊控制器的输入变量，从而减少了模糊控制器的控制规则，使控制器的控制规则更简单、有效。     

基于LQR三级倒立摆变论域自适应模糊控制

针对传统模糊控制的不足,以三级倒立摆为例,应用变论域自适应模糊控制理论,给出了三级倒立摆的数学模型,并验证了其可控性。考虑到三级倒立摆为多变量系统,为了解决模糊控制器规则组合爆炸问题,利用LQR理论先设计出状态反馈器,再进行降维处理。最后利用变论域自适应模糊控制理论给出伸缩因子,从而得到变论域自适应模糊控制器。仿真结果表明,该方法控制精度高,具有良好的稳定性和鲁棒性,可实现倒立摆系统的随动控制。     

基于无迹卡尔曼滤波的旋转倒立摆LQR控制

LQR控制器在含有系统噪声与量测噪声的旋转倒立摆系统应用中,难以获得精确的状态向量实现对系统的最优控制.为了提高LQR的控制精度,引入了无迹卡尔曼滤波(UKF)状态观测器,以获得系统的最优状态估计量,实现基于动态规划的自抗扰二次型最优反馈控策略.与卡尔曼滤波(KF)相比,UKF用于非线性系统的状态估计的主要优势是不需要线性化去计算状态转移矩阵,避免了系统线性化带来的模型误差.在含有系统噪声与量测噪声的旋转倒立摆仿真模型下,对基于KF和UKF的LQR控制器进行了仿真对比分析.仿真结果表明,UKF对系统响应时间、控制精度、鲁棒性的优化效果更好.     

Simulink环境下二级倒立摆的实时控制

在Matlab环境下进行控制系统的设计、分析与综合已是很方便的事,但对系统的计算机实时控制往往都是在DOS或WindoW环境下编制特定的控制程度.本研究在Matlab环境下,避开采用复杂的操作系统实时内核,仅通过运用一系列S-Function,开发出了Simulink中的倒立摆实时控制工具包,扩充了Simulink模块库;提出了Simulik环境下的实时控制模型,利用倒立摆工具包和实时控制模型实现了二级倒立摆的实时控制,并在实际实验中取得了满意的控制效果.     

多种群遗传算法的倒立摆LQR控制器设计

针对传统遗传算法在设计倒立摆LQR控制器时,算法会因个别超常个体或群体较快趋于单一化而导致不能得到满意控制参数的问题,利用Sheffield遗传工具箱,设计了多种群遗传算法。算法的开始引入了多个种群同时进行优化搜索,不同的种群采用不同的交叉概率和变异概率,种群之间采用移民算子建立联系,各种群产生的最优个体通过精华种群实现留优。在Simulink环境下建立模型并计算性能指标,Simulink环境下的输出值作为多种群遗传算法的目标函数值。仿真结果表明,在存在建模误差的情况下,本算法稳定性好、遗传代数小,有效地避免了早熟,更为适合复杂问题的优化。     

LQR控制与PID控制在单级倒立摆中的对比研究

本文在单级倒立摆系统模型的基础上,介绍设计LQR控制器和PID控制器的基本原理,并通过对单级倒立摆系统的控制仿真实验对比研究两种控制方法,给出了相应的结论。     

倒立摆的PID与LQR控制算法的对比研究

文章在一级倒立摆的数学模型的基础上,基于MATLAB仿真软件,对一级倒立摆的PID及LQR控制算法进行了仿真研究,一般而言,LQR控制算法的控制性能要优于PID控制算法.     

基于LQR的直线一阶单倒立摆最优控制器的设计

对已有的LQR最优控制中系统的动态响应与加权矩阵Q和R之间遵循的基本规律进行分析,并根据这一基本规律对给定的直线一阶单倒立摆采用线性二次型最优控制的方法设计控制器。仿真结果表明,基于LQR的最优控制系统对直线一阶单倒立摆具有很好的控制效果。