倒立摆控制的设计与仿真

针对倒立摆的稳定控制问题,阐述了二阶倒立摆的数学模型,采用线性二次最优控制理论,设计了倒立摆控制系统的线性二次型调节器和线性二次型输出器,使倒立摆系统闭环稳定。在Matlab 6.5环境下,对倒立摆系统在两种控制器作用下的控制过程进行仿真.结果表明,在非线性控制问题中,线性二次型输出器与线性二次型调节器相比,对倒立摆系统的控制更有优势。     

基于LQR的环形单级倒立摆稳定控制及实现

为了研究环形单级倒立摆的稳定控制,采用拉格朗日方法推导出环形单级倒立摆系统的数学模型,并设计1个线性二次型最优控制算法控制器(LQR)。在保持权重矩阵R=1的条件下,通过实验不断调整权重矩阵Q中的参数Q11和Q33,得到Q和R最优取值。然后,对环形单级倒立摆的稳定控制进行仿真和实物控制。研究结果表明:倒立摆起摆迅速,稳定控制性能优良。     

以最优控制法实现旋转式倒立摆系统的控制

旋转式倒立摆系统是典型的非线性、不稳定系统。文中介绍了旋转式倒立摆系统的动力学建模过程,研究了倒立摆系统的二次型最优控制器设计,并运用MATLAB程序对最优控制器进行了仿真,通过仿真实验表明这种控制方案是可行的,其效果良好。     

三级倒立摆的混合控制

针对传统模糊控制的不足,基于三级倒立摆多变量非线性的数学模型,设计了由模糊控制器和线性二次最优控制器组合的混合控制器.当小车到达某一指定位置时,模糊控制器切换到线性二次型最优控制器.仿真结果表明:混合控制器有效克服了模糊控制器在定位精度低和线性二次型最优控制器响应时间慢的缺点,优于单一的模糊控制器或线性二次型最优控制器...     

基于线性二次型最优控制器的平行双倒立摆系统稳定控制

倒立摆控制系统是一个典型的高阶次、不稳定、多变量、非线性和强耦合控制系统。本文在建立平行双倒立摆控制系统数学模型的基础上,设计了线性二次型最优调节器(LQR)以实现对平行双倒立摆系统的最优控制,并通过MATLAB仿真实验验证了该方法的有效性。     

倾斜导轨上二级倒立摆的控制

本文在已有的倾斜导轨上二级倒立摆数学模型的基础上,采用极点配置方法和线性二次型最优控制器对导轨倾斜45o时的二级倒立摆进行了控制,并用MATLAB进行了控制结果仿真,仿真结果表明,控制效果较好。     

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SDRE方法的一级旋转倒立摆控制

基于拉格朗日方程建立了一级旋转倒立摆的非线性微分方程模型,提出了一种参数化方法以获得伪线性化系统模型.研究了系统的逐点可控性,表明系统除了在摆杆垂直向下位置外都为可控.设计了基于状态相关黎卡提方程(SDRE)方法的控制器,控制增益与系统状态相关,计算复杂程度较高,但控制效果好.与线性最优二次型调节器(LQR)进行了仿真对比,结果表明:SDRE在摆杆远离平衡位置时的控制效果要优于LQR,具有超调小,调节时间短的特点,且能同时完成摆起及平衡控制而不需要另外设计控制器.     

单级倒立摆两种控制方法的研究

本文针对多变量、非线性、强耦合性的倒立摆系统,建立了单级倒立摆的数学模型。采用PID、LQR两种不同的控制方法对单级倒立摆系统进行了实时控制效果的实验对比。从理论和实验方法上讨论了这类典型非线性自不稳定系统的控制器的设计方法及其实际控制效果的特点．指出了不同方法的优缺点。     

基于LQR最优调节器的二级倒立摆控制系统

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。本文建立了二级倒立摆的数学模型,并推导出模型的状态空间表达式,分析了系统的稳定性,能控性和能观性,利用了线性二次型最优调节器(LQR)方法实现对二级倒立摆的最优控制,MATLAB仿真结果表明了该方法的有效性。     

基于线性二次调节器的四旋翼飞行器控制

为了研究飞行器的灵敏度和快速性的问题,使用了线性二次调节器,它可以兼顾系统的4个性能指标（快速性、准确性、稳定性、灵敏度）,主要应用于震动系统的控制算法解决.根据四旋翼飞行器模型,建立了电机拉力以及螺旋桨的模型,给出了系统的动力学方程.最后使用Simulink进行仿真并对仿真结果分析,发现经过线性二次调节器后系统的响应时间明显减少了,证明了基于线性二次调节器的飞行器的可行性.     

用于壁板结构多模态振动主动控制的改进最小控制合成(MCS)算法

针对压电壁板结构,引入具有良好非线性控制性能的最小控制合成(minimal controller synthesis,MCS)算法来抑制其振动.鉴于标准的MCS算法在快速扰动下缺乏稳定性,为进一步提高其控制效果,构造了一种新的自适应补偿因子,形成了改进MCS算法-IMCS算法,并通过波波夫准则验证了该控制系统的稳定性.选取LQR(linear quadratic regulator)控制作为参考模型,分别施加宽频随机扰动和前2阶正弦混合脉冲激励,分析比较了IMCS算法和标准MCS算法的控制效果、自适应增益因子和跟踪误差.仿真结果表明,IMCS算法具有更快的收敛速度和更小的跟踪误差;多模态扰动实验结果表明,当存在外部非线性扰动时,IMCS算法具有更好的控制效果和鲁棒性.     

基于SimMechanics的直线二级倒立摆仿真研究

倒立摆是一个非线性、高阶次和绝对不稳定系统,广泛用于测试各种控制算法。为了对直线二级倒立摆进行建模、控制和仿真,首先讨论了倒立摆数学模型并利用MATLAB中第二代SimMechanics工具箱进行三维建模。此外,实现了两种控制算法的稳定性控制并进行对比,针对比例积分微分(proportional integral derivative,PID)控制,提出采用主导极点配置方法进行参数整定,而模糊控制采用了基于线性二次型(linear quadratic regulator, LQR)融合的模糊控制器设计。结果表明,两种控制方法均取得较好的控制效果,且模糊控制在快速性、超调量及抗干扰能力上都比PID控制性能优越。     

基于LQR-IMCS算法的智能结构振动主动控制

为了解决最小控制综合（MCS）算法在快速扰动下缺乏鲁棒性和线性二次调节器（LQR）在非线性扰动下容易失稳的问题,构造了一种自适应增益补偿函数,对标准的MCS算法进行改进.提出了基于LQR-IMCS（改进的最小控制综合）算法的新策略,并通过波波夫准则验证了该系统的稳定性.以实验室压电壁板结构的第1阶振动模态为研究对象,分别施加随机扰动和高次谐波扰动.仿真和实验结果表明：该方法相对于标准的MCS算法具有更快的收敛速度和更小的跟踪误差,对壁板的第1阶模态抑制具有良好的控制效果和鲁棒性.     

基于改进LQR方法的汽车横摆稳定性控制研究

为提高极限工况下汽车行驶的横摆稳定性,提出了一种改进的LQR横摆稳定性控制方法,考虑了路面附着极限的影响。在轮胎特性处于线性区域时,以二自由度线性模型作为参考模型,其稳态横摆角速度及质心侧偏角作为理想状态,当轮胎特性处于非线性区域时,以由路面附着系数决定的横摆角速度作为理想状态。根据线性二次型调节器(LQR)理论计算出维持汽车稳定所需要施加的附加横摆力矩。最后利用所建立的七自由度非线性模型,在正弦转向输入以及单移线工况下对控制方法进行了仿真验证,结果表明所设计的算法能够合理地控制横摆角速度及质心侧偏角,提高行驶的横摆稳定性。     

严格反馈非线性系统的自适应逆最优控制

介绍了逆最优控制的基本思想，针对一类具有未知定常参数和未知时变有界扰动的严格反馈非线性系统，给出了逆最优增益配置定理，使用Backstepping算法，设计了逆最优控制器。该控制器是非线性的、连续的，且比较容易实现，仿真结果表明该控制算法的有效性。同时指出逆最优控制系统具有稳定裕度，因而具有局域鲁棒性，其稳定裕度是线性二次型最优调节器状态反馈控制在非线性系统中的推广。     

欠驱动两自由度机械臂LQG/LTR控制

针对欠驱动机械臂系统的快速稳定控制中存在着的系统过程噪声和传感器观测噪声的干扰问题,设计了具有回路传输恢复的线性二次高斯(linear quadratic Gaussian control with loop transfer recovery, LQG/LTR)控制器。该控制器由卡尔曼滤波器和最优状态反馈增益调节器两部分组成,并进一步使用了回路传输恢复技术提高了控制系统稳定裕度。仿真试验表明：LQG/LTR控制方法相比于线性二次型调节器控制方法具有更加出色的动态品质,能很好地抑制噪声造成的系统不稳定问题,使得机械臂快速稳定在期望位置,具备良好的稳定性和鲁棒性。     

关于具有二次损失泛函线性系的最优控制

运用非线性滤波理论讨论了随机信息模拟中一类不完全数据下与连续时间下具有二次损失泛函线性系的最优控制 ,得到了在这两种情形下具有二次损失泛函线性系的两个最优控制数学模型 ,为此类随机信息的最优化提供了又一有效的模拟控制新方法 .