单级倒立摆复合控制设计与实现

本文针对LQR控制在单级倒立摆控制中的不足,设计了一个LQR结合PID的复合控制.并在Borland c语言环境下编写控制程序,成功实现倒立摆的控制,其控制效果比单-LQR控制的抗扰能力有明显提高.     

基于TS-PID的单级小车倒立摆控制系统

提出了利用TS-PID对单级小车倒立摆进行控制的方法,并且对TS-PID控制器进行了简要的理论分析,最后利用mat-lab的simulink工具对该控制系统进行了仿真,其结果表明该控制方法可行且效果明显。TS-PID控制器综合了模糊控制及PID控制的优点,具有结构简单、易于实现以及具有较强的适应性和鲁棒性,并且可以获得良好的动态性能和稳态性能。     

基于视频的倒立摆摆起控制

在视觉信息用于连续反馈中，人们提出了基于视觉的伺服控制形式，对视觉传感器得到的图像进行快速处理，在尽量短的时间内给出反馈信息，构成系统的位置闭环控制。本文基于视频的倒立摆摆起控制，提供了一个视觉反馈倒立摆摆杆位置来控制的途径。文中对视频采集系统和软件设计进行了详细介绍，并给出了实际效果图。     

非线性系统的神经网络自适应控制

给出了神经网络自适应控制方法,利用神经网络解决无参数,无模型等未知特性的系统控制问题,设计出神经网络自适应控制器,并对倒立摆系统进行仿真,验证理论的有效性和优越性。     

基于粒度计算的二级倒立摆模糊控制策略

二级倒立摆系统是一个多变量、非线性、不稳定的快速系统,在对其进行传统的模糊控制时,由于多变量输入而容易造成"规则爆炸".为解决这一问题,提出了基于粒度计算的二级倒立摆模糊控制策略.根据粒度空间结构,将误差相空间划分为不同的粒元,从而构成粗粒度层和细粒度层,在不同的粒度层设计不同的控制策略,即在粗粒度层次上采用模糊控制实现系统的鲁棒性;在细粒度层次上采用PID(Proportion-Integral-Derivative)控制对系统进行进一步微调,逐步求精,最终获得理想的控制性能.实验证明,该控制策略不仅可以解决模糊控制规则呈指数爆炸的问题,而且还可以兼顾倒立摆系统的快速性和准确性指标.     

油浸式电流互感器的应用及其新产品的研发

介绍了油浸式电流互感器在高压和超高压电力系统中的应用现状和运行中存在的主要问题，以度油浸式电流互感器的发展趋势，重点介绍了采用哈佛来技术研制的新型倒立式LVB型油浸式电流互感器的特点和发展趋势。     

旋转二级倒立摆的控制系统设计与仿真

小车倒立摆系统是一个典型的多变量、非线性、强耦合和快速运动的自然不稳定系统,其控制问题被公认为控制理论的一个典型问题,是控制理论研究的典型实验平台.旋转二级倒立摆是一种新型的倒立摆装置,与同级的直线轨道倒立摆相比,结构简单紧凑,但模型更复杂和不稳定,对控制算法提出更高的要求,增加了控制难度.该文基于动力学理论分析旋转二级倒立摆系统的结构,建立了旋转二级倒立摆系统的数学模型状态空间方程,分析了系统的稳定性和可控性.采用二次型最优控制策略对旋转二级倒立摆系统进行控制系统设计,并借助Matlab平台进行了仿真实验.实验结果证明了其控制有效性,该控制结果与其它控制方法相比,有较优的稳态特性和快速性,系统处在较大的非平衡初始状态,旋转二级摆杆也能稳定地控制在倒立平衡位置附近.因此可以进一步扩展到多级旋转倒立摆的控制,对于实现其它不稳定系统的控制,也有着一定的借鉴价值.     

基于DHNN的移动域控制策略及应用

为避免基于Riccati方程求解移动域控制问题时复杂的矩阵求逆运算,提出一种基于离散Hopfield网络(DHNN)的移动域控制策略.对每个离散时刻,通过建立DHNN能量函数与移动域线性二次(LQ)性能指标间的等价关系,在线构建相应时刻的DHNN,理论设计能够保证该网络具有稳定性,而且由其稳态输出可获得移动域控制输入.应用于倒立摆平衡控制的仿真实验说明了论文提出的移动域控制策略的正确性及与滚动优化思想相结合实现无限域闭环最优控制的可行性.     

一种双足步行的累积分层优化方法

一个稳定且灵活机动的双足步行往往是仿人机器人能否顺利并快速完成任务的关键,为了让机器人使用机器学习方法获得这样的步态,在自适应协方差矩阵进化算法的基础上,提出了累积分层优化的步行学习方法.在步行学习过程中,将学习任务由简单到复杂地划分为几个关键层,各层的适应度函数依据该层的学习目标来设计,每一层的学习都在前一层的结果基础上完成,从而让每层的学习结果逐步累积,最终达到既定的学习目标.根据该优化方法,让机器人首先学习稳定步行,然后在稳定的基础上完成机动步行的学习,实验结果证明了此优化策略能够获得有效的双足步行.     

基于MATLAB的单级倒立摆的LQR控制研究

以一级直线倒立摆为模型研究线性二次型指标的最优控制问题,并利用MATLAB强大的运算和仿真能力来设计LQR最优控制器系统。通过调整加权矩阵Q和R,使控制器的系统性能达到最优,并画出系统阶跃响应曲线。仿真结果表明该系统具较好的稳定性和快速性。