改进混沌优化算法在二级倒立摆控制中的应用

针对二级倒立摆模糊控制器需要对大量参数进行调整,以及可能出现的规则爆炸问题,本文提出了一种基于混沌优化的模糊控制器的设计方法。将常规模糊控制器进行加权变论域处理,并且对常规混沌优化方法进行改进,采用新的二次载波方式将优化变量转变成混沌变量,通过混沌搜索的方式对当前工作点进行扰动,在搜索过程中通过时变参数的初始值的设定逐渐减少扰动幅度。本文使用Matlab/Simulink对二级倒立摆进行优化仿真研究,分析比较了各种方法的控制效果。结果表明模糊控制器经过混沌搜索的优化后,具有良好的鲁棒性好和适应性。本文提出的改进的混沌优化算法对多变量快速时变系统的模糊控制器的设计提供了一种有效的改进方法。     

二级倒立摆的参数自整定模糊-PI控制

基本模糊控制器在面对复杂控制对象时,其稳态精度比较差。针对这一问题,文中以二级倒立摆系统为控制对象,提出了一种新的模糊控制器。该模糊控制器通过对基本模糊控制器中结构参数的寻优和调整,以及系统输出结构的完善,实现了二级倒立摆的稳定控制。仿真研究表明,提出的模糊控制算法无论是在动态指标还是在稳态精度方面与基本模糊控制器相比,都有了明显的改进。     

二级倒立摆的参数自整定模糊-PI控制

基本模糊控制器在面对复杂控制对象时，其稳态精度比较差。针对这一问题，文中以二级倒立摆系统为控制对象，提出了一种新的模糊控制器。该模糊控制器通过对基本模糊控制器中结构参数的寻优和调整，以及系统输出结构的完善，实现了二级倒立摆的稳定控制。仿真研究表明，提出的模糊控制算法无论是在动态指标还是在稳态精度方面与基本模糊控制器相比，都有了明显的改进。     

基于改进的表格查询法的二级倒立摆模糊控制

研究了二级倒立摆系统的模糊控制问题,对表格查询算法在二级倒立摆上的应用进行了详细介绍,通过引入输入-输出数据对及模糊规则置信度的概念,去除冗余规则,减少了控制规则,使控制器的控制规则更为简单、有效。通过建立模糊规则,构造模糊控制器,实现了倒立摆系统的稳定性控制。研究结果表明,该算法具有简单、实时跟踪效果好等特性。     

二级倒立摆的TS型逐级模糊神经网络控制

提出了一种逐级模糊神经网络控制法．该控制法通过采用Takagi-Sugeno型模糊神经网络控制器和逐级模糊控制规则,实现了二级倒立摆系统的稳定控制．模糊神经网络控制器的参数采用遗传算法分4步进行优化．实验结果表明,采用逐级模糊神经网络控制法,用20条模糊规则就可以实现二级倒立摆系统的稳定控制,并且控制效果佳,系统鲁棒性强。     

基于PSO—SA的二级倒立摆前馈补偿模糊神经网络控制

以模糊神经网络为基础,结合误差前馈补偿完成了二级倒立摆系统的稳定控制,并采用模拟退火粒子群算法对控制参数进行全局寻优。与基于状态变量合成的模糊神经网络控制器相比,该控制方法豢仅解决了多变量系统模糊控制器的“规则爆炸”问题,并且。由于所有状态变量直接参与控制输出,控制精度亦有所提高。仿真结果表明,该控制方案所需规则数目少,响应速度快,有良好的鲁棒性和非线性适应能力。     

区间Ⅱ型变论域自适应模糊逻辑控制器

在变论域自适应模糊控制方法的基础上,结合Ⅱ型模糊集较强的鲁棒性和处理不确定性问题的能力,设计了一种区间Ⅱ型变论域自适应模糊逻辑控制器.为了使控制器保持在最优状态,采用粒子群优化算法来优化隶属度函数;然后由Lyapunov方法证明了区间Ⅱ型变论域自适应模糊逻辑控制器的稳定性.对Duffing系统和1维6卷混沌系统的仿真表明,区间Ⅱ型变论域自适应模糊逻辑控制器可以很好地跟踪参考信号,较之变论域模糊逻辑控制器,其可以有效地防止抖震且控制量较小.     

一种基于ANFIS的模糊RBF网络的倒立摆控制方法

阐述一种基于变论域的模糊神经网络控制器的设计方法,并基于ANFIS在MATLAB下,用SIMULINK对倒立摆进行仿真验证,证明此方法的正确性.     

二级倒立摆基于融合函数的模糊控制

文章针对多变量、非线性、强耦合性的二级倒立摆系统,采用模糊控制理论研究了二级倒立摆的稳定控制问题.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控制方法设计了融合函数以降低模糊控制器的输入变量维数,降低了控制器的设计难度,并研究了量化因子对控制效果的影响,通过设置阈值使量化因子可自动调节,...     

环形单级倒立摆系统的改进PSO-PID控制研究

为实现环形单级倒立摆的稳定性控制,设计了一种改进的基于粒子群算法的积分分离PID控制算法.首先通过拉格朗日方程推导出环形单级倒立摆系统的数学模型,然后用matlab计算发现系统不稳定,因此需要设计外部控制器加以调节.本文提出了改进粒子群算法(PSO)来整定PID控制器参数,在此基础上设计了一种改进的积分分离的PID控制器,在比例和积分项前加入连续变化的函数作为系数以防止积分饱和.最后在matlab中分别用基PSO-PID控制和基于改进积分分离的PSO-PID控制对环形单级倒立摆进行仿真.仿真结果表明,在改进积分分离的PSO-PID控制下,系统中连杆和摆杆的超调量均下降至0,调节时间分别缩短至0.8s和0.9s.这说明本文设计的控制方法能有效使环形单级倒立摆在较短的时间内达到稳定.     

基于加权变量模糊控制的倒立摆控制系统

针对多变量、非线性和强耦合的二级倒立摆系统,利用最优控制反馈矩阵,综合考虑小车、下摆、上摆和模糊误差信息,加权模糊控制器输入变量.设计了分别以倒立摆的小车、下摆和上摆为主控制量设计三种加权变量模糊控制器,控制二级倒立摆系统稳定.仿真研究表明,以上摆为主控制量设计的加权变量模糊控制器控制效果最佳,能够得到很好的稳定效果,收敛快、精度高,表明该方法的控制效果是最有效可行的.     

一种变论域分层模糊控制器

针对分层模糊控制器规则难以设计,精度难于提高的问题,提出一种变论域分层模糊控制器。由宏观的派生性,使用继承变论域分层模糊控制规则。文中讨论了论域伸缩因子的构造,给出了变论域分层模糊控制的算法步骤。该算法提高了控制品质,避免了增加参数或改变拓扑结构的缺陷。为了证明此种控制器具有良好的逼近性能,还探讨了控制器的灵敏度。最后用双容水槽系统实验验证算法的正确性。     

自适应神经网络模糊控制在倒立摆中的应用

应用MATLAB的模糊控制工具箱，设计了用于倒立摆系统的模糊控制器，并且利用神经网络能够自学习的特点，采用反向传播算法对倒立摆控制样本数据进行了学习，调整了各变量的隶属函数，从而使学习后的模糊控制器更能适应倒立摆系统控制的需要。把学习前后的模糊控制器用于倒立摆系统进行了实验对比，结果表明学习后的控制器控制效果明显优于学习前的控制器。     

一种变论域分层模糊控制器

针对分层模糊控制器规则难以设计,精度难于提高的问题,提出一种变论域分层模糊控制器.由宏观的派生性,使用继承变论域分层模糊控制规则.文中讨论了论域伸缩因子的构造,给出了变论域分层模糊控制的算法步骤.该算法提高了控制品质,避免了增加参数或改变拓扑结构的缺陷.为了证明此种控制器具有良好的逼近性能,还探讨了控制器的灵敏度.最后用双容水槽系统实验验证算法的正确性.     

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。     

基于变论域模糊控制的高旋弹姿态控制算法

针对高速旋转弹姿态控制系统存在的模型不确定、非线性、强耦合等问题,提出了基于变论域模糊控制的参数自适应姿态控制算法. 在建立姿态控制模型并通过前置反馈补偿方法对俯仰偏航通道进行解耦的基础上,利用变论域模糊控制器对姿态闭环反馈控制系统参数进行在线自适应整定. 仿真结果表明:变论域模糊控制器能有效改善闭环反馈控制系统的动态响应特性,减小弹体参数时变对控制器性能的影响,提高其适应性.      

柔性二级倒立摆的准滑动模态控制研究

柔性二级倒立摆是一个高阶非线性强耦合的自然不稳定系统,为了对其进行稳摆控制,基于建模机理建立了柔性二级倒立摆数学模型,提出准滑动模态控制方法,设计了滑模变结构控制器,使系统具有较好的稳摆控制和鲁棒性.仿真结果表明:基于准滑动模态控制的滑模变结构控制方法能够更好地实现倒立摆稳定控制;比传统指数趋近率的滑模控制器输出更加平滑,削弱了抖振.     

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。     

倒立摆系统的模糊控制方法

阐述了基于二级倒立摆的两种模糊控制方法，即模糊逻辑控制方法和分层模糊控制方法．模糊逻辑控制方法是将二级倒立摆系统的6个状态变量加权变化为两个参变量，再用模糊控制器实现稳定控制．而分层模糊控制是将状态变量分解为子系统，设计下层模糊控制器对其控制，上层模糊控制器负责整个系统的协调和管理，实现稳定控制．实验结果表明：分层模糊控制较模糊逻辑控制具有更好的控制效果．     

单级旋转倒立摆控制研究

介绍了单级旋转倒立摆的组成结构,设计了一种基于T-S模型的模糊控制器,并以Quanser公司生产的旋转倒立摆系统为研究对象进行了实验研究,实验结果表明该模糊控制器的可行性,而且具有稳定性好和算法简单的特点.