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。     

基于模糊自适应PID的温度控制系统

将传统PID控制技术与有着广泛应用的模糊控制技术相结合,设计了一种模糊自适应PID控制器,并实现了基于PLC的自适应模糊PID温度控制系统,该控制系统具有模糊控制的简单、有效的非线性控制作用,稳定性好,有较强的鲁棒性.     

模糊神经网络控制倒立摆系统

对单级倒立摆进行了详细的受力分析。通过建立模糊规则，构造模糊神经网络系统，运用BP算法对系统进行训练，并用这一网络对倒立摆进行控制。仿真结果表明，模糊神经网络有很广阔的适用领域。     

无刷直流电机自适应模糊PID控制及仿真

针对iECar永磁无刷直流电机转速PID控制精度低、控制不稳定和响应滞后等缺点,介绍了一种具有智能性质的自适应模糊PID控制器设计思路,提出了一种模糊控制器量化因子与比例因子整定的新方法。通过模糊推理方法实时调整PID控制器的比例、积分、微分3个参数,以实现电机转速输出的有效控制。最后,在Matlab/Simulink环境下构建了iECar无刷直流电机转速自适应模糊PID控制模型。仿真结果表明,自适应模糊PID控制效果较传统PID控制有明显的改善,显示了该控制器良好的鲁棒性、稳定性和动态响应特性。     

基于自适应模糊神经网络的倒立摆控制仿真研究

提出一种自适应模糊神经网络,它能有效地学习和优化模糊控制规则和隶属度函数。并用该网络对单级倒立摆进行控制,仿真结果表明,该网络优于传统的模糊控制和神经网络。     

基于自适应神经网络倒立摆模糊控制器的设计

倒立摆系统本身的不稳定性为系统的平衡提出了难题,也因此成为自动控制实验中验证控制算法优劣的极好的实验装置。本文使用一种基于最优控制和自适应神经网络模糊控制器的设计方法,将各个线性LQR控制器进行综合,使之成为一个非线性的控制器。仿真结果证明,模糊神经网络控制器要优于单个的LQR控制器。     

单级倒立摆的专家模糊控制

详细地阐述了专家模糊控制的基本原理,引用控制界中成功的实例倒立摆进行了系统分析,并采用专家模糊控制这一理论解决倒立摆的垂直问题和回到中心问题,在此基础上用高级Ｃ语言来进行了专家模糊推理器的实现,以便于用交叉汇编技术形成机机器代码,把程序固化在单片机上实现控制。     

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。     

一级倒立摆的双回路PID控制

利用牛顿-欧拉方法方法建立了一阶倒立摆的数学模型,参照固高科技的倒立摆系统参数,得到了倒立摆系统的状态空间方程及其传递函数,设计了双回路PID控制器,实现了摆杆角度和小车位移的同时稳定。最后,通过Matlab仿真验证了所提算法的有效性。     

基于模糊控制和PID控制的一阶倒立摆系统建模与仿真

对一阶倒立摆系统的平衡控制问题进行了控制策略研究.建立了系统数学模型,分别采用模糊控制和PID控制策略设计了控制器,并用Matlab/Simulink对控制系统进行了仿真实验研究.仿真实验结果不仅证明了两种控制策略对系统平衡控制的有效性,同时也展示了它们的控制品质和特性.     

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．     

二级倒立摆的模糊控制算法

利用最优反馈矩阵加权模糊控制器的输入变量,并对系统的状态进行了综合处理.该方法减少了模糊控制器的输入,降低了控制器的设计难度.仿真结果表明:该模糊控制器结构简单,系统响应稳态误差较小,调节时间和超调量符合控制要求,具有很好的控制效果.     

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。     

基于模糊控制的单臂旋转倒立摆系统研究

研究的是单支点垂直旋转式倒立摆系统,采用步进电动机进行驱动。由于其系统的复杂性,采用模糊控制的方法进行控制。以拉格朗日动力学分析方法为基础,推导并建立倒立摆的运动方程。为了得到简便的数学模型采取方程近似化处理。通过MATLAB仿真软件进行仿真,验证其结论的正确性和方法的可行性。     

单级倒立摆区间值Trapmf-Trimf型模糊控制

给出了区间值模糊控制原理,选择Trapmf型和Trimf型的函数作为输入、输出变量的隶属函数,形成区间结构,设计控制器模块,进行了系统仿真与实时控制实验.实验表明:倒立摆的区间值模糊控制比点值模糊控制表现出较好的性能.     

倒立摆系统及其智能控制研究

倒立摆系统是绝对不稳定非线性系统的一个典型范例，如何对其进行有效的控制是控制界的一大热点。这里以各种智能控制理论为基础，对应用于倒立摆系统控制的智能控制方法进行综述，分析了各种方法的特点和联系，最后还就这一领域的研究方向进行了展望。     

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。